驱动多功能纳米医学设计用于非炎症瘤治疗,使用集成机器学习和密度功能理论
Yuling Liu1, Guangru Li1, Tianzi Zhang1
1Materdicine Lab, School of Life Sciences, Shanghai University, Shanghai, 200444, P. R. China.
Advanced materials (Deerfield Beach, Fla.)
|July 1, 2025
概括
研究人员使用机器学习发现氧化纳米颗粒 (RuO2 NPs) 用热力对抗瘤并减少炎症. 这加速了新的癌症纳米药物的发现.
科学领域:
- 生物医学工程 生物医学工程
- 材料科学 材料科学 材料科学
- 纳米技术纳米技术
背景情况:
- 炎症促进瘤的进展,需要结合抗瘤和抗炎疗法.
- 鉴定有效纳米药物的传统方法是低效的,缺乏系统的指导.
- 开发多功能纳米药物对于增强癌症治疗至关重要.
研究的目的:
- 开发一种基于机器学习的框架,用于识别具有协同抗瘤和抗炎作用的多功能纳米材料.
- 通过整合光热疗法和纳米酶来探索非炎症性瘤治疗策略.
- 精确识别有效的纳米剂,用于结合瘤切除和炎症缓解.
主要方法:
- 光热疗法 (PTT) 与酶模拟纳米酶的整合,以减轻炎症.
- 应用可解释的机器学习技术来分析实验数据并确定结构-属性关系.
- 密度函数理论 (DFT) 计算以合理化已识别的纳米材料的催化性能.
- 确定纳米材料的PTT和抗炎作用的实验验证.
主要成果:
- 氧化纳米粒子 (RuO2 NPs) 被确定为高效的多功能候选物.
- 在NIR-II生物窗口中,RuO2 NPs在NIR-II生物窗口中表现出有效的光热瘤切除.
- 观察到同时缓解炎症,促进了有利的免疫微环境.
- 机器学习方法成功阐明了纳米材料特征和功能之间的关系.
结论:
- 机器学习加速了用于癌症治疗的多功能纳米材料的合理设计和发现.
- RuO2 NPs显示出作为结合光热剥离和炎症抑制的治疗剂的显著潜力.
- 这种综合方法为开发具有协同治疗效果的先进纳米药物提供了一个系统的策略.
