使用人工智能创建的慢性病药物输送系统

约翰霍普金斯大学威尔默眼科研究所的研究人员表示，他们已经使用人工智能模型和机器学习算法成功预测了构成治疗性蛋白质的氨基酸的哪些成分最有可能将治疗药物安全地输送到动物眼细胞。

该项目与马里兰大学的研究人员合作，有望为常见的慢性致盲性眼病（包括青光眼和黄斑变性）推进新的和更耐受的药物治疗，这些疾病会影响 3百万 以及关于 20000000 在美国的人，分别。 目前针对这些疾病的药物疗法，包括每日多次滴眼液或频繁眼部注射，是有效的，但随着时间的推移，这种输送系统可能难以维持和耐受，并鼓励科学努力开发可与眼睛成分结合的输送系统细胞并安全地延长它们携带的药物的治疗效果。

2020 年，美国食品和药物管理局批准了一种植入式设备，该设备可以放置在眼睛中并释放药物来治疗青光眼。 虽然该装置的工作时间比滴眼液或注射液更长，但在某些情况下长时间使用会导致眼细胞死亡，患者需要重新使用滴眼液和注射液。

发表 5月2日 自然通讯新的研究表明，人工智能设计的模型准确地预测了一个有效的氨基酸序列，也称为肽或小蛋白质，它会与兔眼细胞中的特定化学物质结合，并在数周内安全地分配药物，从而减少对频繁、严格的治疗计划。 该团队专门研究了与黑色素结合的肽，黑色素是一种为眼睛提供颜色的化合物，但具有广泛存在于眼细胞特殊结构中的优势。

研究小组指出，其他研究使用肽进行药物输送的研究已经表明该系统的有效性，但他们希望找到能够与广泛存在的眼部化合物强烈结合的肽。 为此，该团队推断，使用人工智能方法的快速机器学习可以帮助整理和预测有效的肽序列进行尝试，据称 劳拉少尉，博士约翰霍普金斯大学医学院眼科教授 Marcella E. Woll，该论文的共同通讯作者。

该团队首先为机器学习模型提供了数千个数据点，包括氨基酸和肽序列的特征。 这些数据帮助计算机模型“学习”某些氨基酸组合的化学和结合特性，以及如何及时预测使用黑色素进行药物输送的候选肽序列。

人工智能模型生成了 127 种肽，这些肽被预测具有不同的穿透容纳黑色素的特殊细胞、与黑色素结合并对细胞无毒的能力。 在这 127 种肽中，该模型预测称为 HR97 的肽具有最高的结合成功率。 该团队还证实了这些肽的特性，包括在细胞内更好的摄取和结合以及没有细胞死亡的迹象。

为了测试模型的预测，研究人员将 HR97 附加到药物溴莫尼定上，溴莫尼定用于通过降低眼内压来治疗青光眼，并将其注射到成年兔子的眼睛中。 为确定 HR97 的性能，研究人员通过在使用实验药物输送系统后测试细胞的药物浓度来测量眼细胞中溴莫尼定的水平。 他们发现大量的溴莫尼定存在长达一个月，表明 HR97 成功穿透细胞，与黑色素结合，并在更长的时间内释放药物。 研究人员还证实，当与 HR97 结合时，溴莫尼定的降眼压作用可持续长达 18 天，并且没有发现兔子眼睛受到刺激的迹象。

Ensign 说，未来使用人工智能预测用于药物输送的肽的研究对涉及黑色素的其他情况有巨大的影响，并且可以扩展到针对其他专门结构。

“我们相信我们正在寻找解决方案，试图使用药物输送系统改善患者护理和生活质量。 最终目标是创造一些我们可以在实验室外转化并真正让人们生活更美好的东西，”Ensign 说。

参考： Hsueh HT、Chou RT、Rai U 等。 用于持续眼部药物输送的机器学习驱动的多功能肽工程。 国家共同. 2023；14（1）：2509。 doi: 10.1038/s41467-023-38056-in

本文转载自以下 材料. 注意：材料可能已针对长度和内容进行了编辑。 如需更多信息，请联系引用的来源。