Nova técnica de aprendizado de máquina analisa nanomedicamentos feito de ácidos nucleicos

Nova técnica de aprendizado de máquina analisa nanomedicamentos feito de ácidos nucleicos

Via Phys.org

Ácidos Nucleicos Esféricos (SNAs) têm a capacidade de tratar uma variedade de doenças e estão preparados para revolucionar a medicina. Mas antes que estas nanoestruturas projetadas digitalmente possam atingir pleno potencial, os pesquisadores precisam otimizar seus componentes.

Uma equipe da Northwestern University conduzido por Chad A. Mirkin pioneiro de nanotecnologia desenvolveu uma via direta para otimizar estas estruturas desafiadoras, levando-os a um passo de cada vez para uma viável no tratamento de muitas formas de câncer, doenças genéticas, doenças neurológicas e mais.

“Ácidos nucleicos esféricos representam uma nova classe interessante de medicamentos que já estão em cinco ensaios clínicos em humanos para o tratamento de doenças, incluindo glioma (a forma mais comum e mortal de câncer cerebral) e psoríase,” disse Mirkin, o inventor dos SNAs e George B. Professor Rathmann de Química na Academia de Artes e Ciências da Northwestern.

Um novo estudo publicado na Nature Engenharia Biomédica detalha o método de otimização, que usa uma abordagem de aprendizado de máquina para sintetizar rapidamente, medir e analisar as atividades e propriedades de estruturas do ácido nucleico esférico. O processo, que examinou mais de 1.000 estruturas na época, foi auxiliado pela tecnologia SAMDI-MS, desenvolvido pelo co-autor do estudo Milan Mrksich Henry Wade Rogers professor de engenharia biomédica na Faculdade McCormick de Engenharia de Northwestern e diretor do Center for sintética biologia.

Inventado e desenvolvido na Universidade Northwestern, SNAs são nanoestruturas consistindo de formas esféricas de DNA e RNA dispostas sobre a superfície de uma nanopartícula. Os investigadores podem conceber os SNAs digitalmente para ser mais exato, os tratamentos personalizados que desligam genes e a atividade celular, e mais recentemente, como vacinas que estimulam o sistema imunológico próprio do corpo para o tratamento de doenças, incluindo certas formas de câncer.

Os SNAs é difícil de otimizar porque as suas estruturas, incluindo-o tamanho de partícula e a composição, e a inclusão de outros componentes de DNA de peso molecular pode variar de muitas maneiras, impactando ou aumentando a sua eficácia no desencadeamento de uma resposta imunitária. Variação em estrutura revelado que esta abordagem conduz a atividades biológicas que mostram contribuições não-óbvias e interdependentes para a eficácia dos SNAs. Como estas relações não foram previstas, provavelmente teria passado despercebida em um estudo típico de um pequeno conjunto de estruturas.

Por exemplo, a capacidade de estimular uma resposta imune pode depender do tamanho das nanopartículas, composição e como as moléculas de DNA são orientadas na superfície da nanopartícula.

“Com esta nova informação, os pesquisadores podem classificar as variáveis ​​estruturais em ordem de importância e eficácia, e ajudar a estabelecer regras de design para a eficácia do SNA”, disse Andrew Lee, professor assistente de engenharia química e biológica na Escola McCormick de Engenharia e co-estudo responsável.

“Este estudo mostra que podemos lidar com a complexidade do design do SNA, permitindo-nos focar e explorar as características estruturais mais promissoras, e, finalmente, para desenvolver tratamentos contra o câncer poderosos”, disse Mirkin, que também é diretor do Instituto Internacional de Nanotecnologia.

papel Engenharia Biomédica Natureza é intitulado “Enfrentar a complexidade Nanomedicine com Novel Alto Throughput Screening e aprendizagem de máquina.” Outros co-autores são Neda Bagheria, Gokay Yamankurt, Eric Berne e Albert J. Xue, da Universidade Northwestern.

Gokay Yamankurt et al, Exploration of the nanomedicine-design space with high-throughput screening and machine learning, Nature Biomedical Engineering (2019). DOI: 10.1038/s41551-019-0351-1

[Total: 1    Média: 5/5]