AI工程师打造智能纳米颗粒，革新药物递送效率

杜克大学的生物医学工程师开发出一种结合人工智能（AI）与自动化湿实验技术的新型平台，用于设计用于药物递送的纳米颗粒。该技术有望显著提升难以封装药物的递送效率与效果，相关研究成果已发表于《ACS Nano》期刊。 在一项概念验证实验中，研究团队利用该平台成功设计出可有效递送难溶性白血病治疗药物维奈托克（venetoclax）的纳米颗粒，并优化了另一款抗癌药物的纳米制剂。这一突破性进展标志着AI在药物开发后期阶段——即制剂设计与递送优化——的应用迈出关键一步。 目前，AI在药物发现早期阶段已广泛应用，能高效预测分子的生物、化学和物理特性，助力筛选候选药物。然而，多数AI系统仍局限于分子筛选，对药物递送系统的优化能力有限。纳米颗粒的性能不仅取决于材料选择，更与活性药物与辅料（如稳定剂、增溶剂等）的配比密切相关。传统AI模型通常只能处理其中一项，难以兼顾配方与比例，导致优化效果受限。 为解决这一难题，杜克大学Daniel Reker实验室的博士生Zilu Zhang与团队开发了名为TuNa-AI的可调纳米颗粒AI平台。他们借助自动化液体处理机器人，系统性地构建了包含1275种不同配方的数据集，涵盖多种治疗分子与辅料的组合。AI模型基于这些数据学习不同成分在不同比例下的表现，进而预测最优配方。 实验结果显示，TuNa-AI平台使纳米颗粒的成功形成率比传统方法提升了42.9%。在白血病治疗药物维奈托克的案例中，封装后的纳米颗粒显著提高了药物溶解性，并在体外实验中更有效地抑制了白血病细胞的增殖。 在另一项研究中，该平台将一种潜在致癌辅料的使用量减少了75%，同时保持了药物疗效，并在小鼠模型中改善了药物在体内的分布。 研究团队表示，TuNa-AI不仅能用于开发新型纳米颗粒，还能优化现有制剂，提升安全性。未来，团队计划拓展平台应用范围，覆盖更多生物材料，并与校内外研究人员合作，推动其在难治性疾病治疗中的实际应用。Reker教授表示，这一平台为治疗性纳米颗粒的设计与优化奠定了重要基础，将助力新旧疗法更安全、更有效地发挥作用。