Nanopartículas de engenheiros de IA para melhorar a entrega de medicamentos

Os engenheiros biomédicos da Duke College desenvolveram uma plataforma que combina técnicas automatizadas de laboratório úmido com inteligência synthetic (IA) para projetar nanopartículas para administração de medicamentos. A abordagem pode ajudar os pesquisadores a oferecer terapêuticas difíceis de encapsular com mais eficiência e eficácia.

Em uma prova de conceito, a equipe usou a plataforma para criar nanopartículas capazes de fornecer uma terapia difícil de encapsular para leucemia e otimizou o design de uma segunda nanopartícula anticâncer. A pesquisa é publicado no diário ACS Nano.

As ferramentas baseadas em IA transformaram o cenário de desenvolvimento de medicamentos, permitindo que os pesquisadores prevejam melhor as propriedades biológicas, químicas e físicas de possíveis moléculas terapêuticas. Embora essa abordagem tenha sido bem-sucedida o suficiente para identificar candidatos a medicamentos que atualmente avançam por meio de ensaios clínicos, a maioria dessas plataformas se concentra apenas na descoberta de medicamentos em estágio inicial.

Encontrar a molécula certa é apenas metade da batalha, no entanto, porque um novo medicamento ainda precisa ser entregue no native certo. Mas o uso da IA ​​para esses estágios posteriores do desenvolvimento de medicamentos, o que poderia ajudar os pesquisadores a otimizar os mecanismos de segurança e entrega da formulação, ainda é relativamente inexplorado.

“Quando você está criando uma nanopartícula, como funciona bem não depende apenas da receita, mas também da quantidade dos vários ingredientes, incluindo a droga ativa e os materiais inativos”, disse Zilu Zhang, Ph.D. estudante no laboratório de Daniel Reker, professor assistente da BME. “As plataformas de IA existentes podem lidar apenas com uma ou outra, o que limita sua eficácia geral”.

Por exemplo, os pesquisadores desenvolveram vários modelos de aprendizado de máquina para acelerar o design das nanopartículas, melhorando o processo de seleção de materiais. Esses sistemas são treinados usando grandes conjuntos de dados com proporções de materials fixo, mas essa rigidez também impede que os algoritmos aprendam como diferentes proporções de materiais podem tornar esses sistemas de entrega mais eficazes.

“A IA pode nos ajudar a identificar moléculas promissoras de entrega, mas se você não as misturar com o medicamento em uma determinada proporção, elas não formarão uma nanopartícula estável”, disse Reker. “Se conseguirmos identificar as taxas de mistura ideais, podemos formar as partículas e manter sua estabilidade”.

Além da incapacidade de considerar os ingredientes e suas quantidades, as abordagens atuais também enfrentam outros desafios. As plataformas de IA mais complexas são boas em identificar propriedades e proporções eficientes, mas exigem conjuntos de dados maciços para treinamento eficaz. E embora abordagens mais simples possam usar conjuntos de dados menores, eles lutam para diferenciar materiais semelhantes.

Reker e Zhang esperam enfrentar esses desafios usando sua nova plataforma de nanopartículas ajustáveis, guiada pela IA, chamada Tuna-AI. Usando uma plataforma automatizada de manuseio de líquidos, a equipe criou um conjunto de dados de 1.275 formulações distintas compostas por diferentes moléculas terapêuticas e excipientes, que são substâncias não ativas, como agentes coloridos, conservantes e outras moléculas que melhoram as propriedades físicas e a absorção de um medicamento.

“Ao usar robótica, conseguimos combinar muitos ingredientes diferentes em muitas receitas diferentes muito sistematicamente”, disse Zhang. “Nosso modelo de IA foi capaz de analisar esses dados sobre como os diferentes materiais funcionam sob diferentes condições e extrapolar esse conhecimento para selecionar uma nanopartícula otimizada”.

A equipe constatou que seu modelo de atum resultando em um aumento de 42,9% na formação bem-sucedida de nanopartículas em comparação com as abordagens padrão. Como prova de conceito, eles mostraram que sua plataforma poderia formular uma nanopartícula com sucesso que o venetoclax encapsulou mais eficaz, uma quimioterapia usada para tratar a leucemia. As nanopartículas de Venetoclax mostraram melhor solubilidade e foram capazes de interromper mais efetivamente o crescimento celular de leucemia em laboratório em comparação com o medicamento não encapsulado sozinho.

Em um segundo estudo de caso, sua plataforma guiada por IA também reduziu o uso de um excipiente potencialmente carcinogênico em 75% na segunda formulação de medicamentos quimioterapia, preservando a eficácia do medicamento e melhorando sua biodistribuição em modelos de camundongos.

“Mostramos que o atum-AI pode ser usado não apenas para identificar novas nanopartículas, mas também otimizar os materiais existentes para torná-los mais seguros”, disse Zhang.

Além de expandir sua plataforma para processar outros tipos de biomateriais para vários terapêuticos e Aplicações de diagnósticoa equipe também está colaborando ativamente com pesquisadores e médicos dentro e fora de Duke para usar esta plataforma para melhorar Entrega de medicamentos para doenças difíceis de tratar.

“Esta plataforma é uma grande etapa basic para projetar e otimizar nanopartículas Para aplicações terapêuticas “, disse Reker.” Agora, estamos empolgados em olhar para o futuro e tratar doenças, tornando as terapias existentes e novas mais eficazes e seguras “.