• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  •  science >> Science >  >> Chimie
    Une nouvelle technique d'apprentissage automatique analyse rapidement les nanomédicaments pour l'immunothérapie du cancer

    Les SNA sont des formes d'ADN et d'ARN en forme de boule disposées à la surface d'une nanoparticule. Crédit :Chad Mirkin/Université Northwestern

    • Les acides nucléiques sphériques sont une classe de médicaments personnalisés pour le traitement du cancer et d'autres maladies
    • Les SNA sont difficiles à optimiser car leurs structures peuvent varier de plusieurs manières
    • L'équipe de la Northwestern University a développé une approche de bibliothèque et un apprentissage automatique pour synthétiser rapidement, analyser et sélectionner des médicaments SNA puissants

    EVANSTON, Ill.— Avec leur capacité à traiter une grande variété de maladies, les acides nucléiques sphériques (SNA) sont sur le point de révolutionner la médecine. Mais avant que ces nanostructures conçues numériquement puissent atteindre leur plein potentiel, les chercheurs doivent optimiser leurs différentes composantes.

    Une équipe de la Northwestern University dirigée par le pionnier de la nanotechnologie Chad A. Mirkin a développé une voie directe pour optimiser ces particules difficiles, les rapprochant un peu plus pour devenir une option de traitement viable pour de nombreuses formes de cancer, maladies génétiques, troubles neurologiques et plus.

    "Les acides nucléiques sphériques représentent une nouvelle classe passionnante de médicaments qui font déjà l'objet de cinq essais cliniques chez l'homme pour le traitement de maladies, y compris le glioblastome (la forme la plus courante et la plus mortelle de cancer du cerveau) et le psoriasis, " dit Mirkin, l'inventeur des SNA et le professeur de chimie George B. Rathmann au Weinberg College of Arts and Sciences de Northwestern.

    Une nouvelle étude publiée cette semaine dans Nature Génie Biomédical détaille la méthode d'optimisation, qui utilise une approche de bibliothèque et un apprentissage automatique pour synthétiser rapidement, mesurer et analyser les activités et les propriétés des structures SNA. Le processus, qui a projeté plus de 1, 000 structures à la fois, a été aidé par la technologie SAMDI-MS, développé par le co-auteur de l'étude Milan Mrksich, Henry Wade Rogers Professeur de génie biomédical à la McCormick School of Engineering de Northwestern et directeur du Center for Synthetic Biology.

    Inventé et développé à Northwestern, Les SNA sont des nanostructures constituées de formes d'ADN et d'ARN en forme de boule disposées à la surface d'une nanoparticule. Les chercheurs peuvent concevoir numériquement des SNA pour être précis, des traitements personnalisés qui bloquent les gènes et l'activité cellulaire, et plus récemment, en tant que vaccins qui stimulent le système immunitaire du corps pour traiter les maladies, y compris certaines formes de cancer.

    Les SNA ont été difficiles à optimiser car leurs structures, y compris la taille et la composition des particules, La séquence d'ADN et l'inclusion d'autres composants moléculaires peuvent varier de plusieurs manières, impactant ou améliorant leur efficacité dans le déclenchement d'une réponse immunitaire. Cette approche a révélé que la variation de la structure conduit à des activités biologiques montrant des contributions non évidentes et interdépendantes à l'efficacité des SNA. Parce que ces relations n'ont pas été prédites, ils seraient probablement passés inaperçus dans une étude typique d'un petit ensemble de structures.

    Par exemple, la capacité à stimuler une réponse immunitaire peut dépendre de la taille des nanoparticules, composition et/ou comment les molécules d'ADN sont orientées sur la surface des nanoparticules.

    "Avec ces nouvelles informations, les chercheurs peuvent classer les variables structurelles par ordre d'importance et d'efficacité, et aider à établir des règles de conception pour l'efficacité du SCN, " a déclaré Andrew Lee, professeur adjoint de génie chimique et biologique à la McCormick School of Engineering et co-auteur de l'étude.

    "Cette étude montre que nous pouvons aborder la complexité de l'espace de conception SNA, nous permettant de nous concentrer sur et d'exploiter les caractéristiques structurelles les plus prometteuses des SCN, et ultimement, développer de puissants traitements contre le cancer, " dit Mirkin, qui est également directeur de l'Institut international de nanotechnologie.

    Les Nature Génie Biomédical L'article s'intitule « Addressing Nanomedicine Complexity with Novel High-Throughput Screening and Machine Learning ». Les autres coauteurs sont Neda Bagheri, Gokay Yamankurt, Eric J. Berns et Albert Xue, de l'Université du Nord-Ouest.


    © Science https://fr.scienceaq.com