Dyrkning og behandling af virtuelle tumorer ved hjælp af AI-designede nanopartikler

EVONANO-platformen gør det muligt for forskere at dyrke virtuelle tumorer og bruge kunstig intelligens til automatisk at optimere designet af nanopartikler til at behandle dem.

Evnen til at vokse og behandle virtuelle tumorer er et vigtigt skridt i retning af at udvikle nye terapier for kræft. Vigtigt, forskere kan bruge virtuelle tumorer til at optimere design af nanopartikel-baserede lægemidler, før de testes i laboratoriet eller patienter.

Papiret, "Evolutionær beregningsplatform til automatisk opdagelse af nanobærere til kræftbehandling, " er offentliggjort i dag i tidsskriftet Nature Beregningsmaterialer. Artiklen er resultatet af det europæiske projekt EVONANO, som involverer Dr. Sabine Hauert og Dr. Namid Stillman  fra University of Bristol, og ledes af Dr. Igor Balaz ved University of Novi Sad.

"Simuleringer gør det muligt for os at teste mange behandlinger, meget hurtigt, og for en lang række tumorer. Vi er stadig på de tidlige stadier af fremstilling af virtuelle tumorer, i betragtning af sygdommens komplekse karakter, men håbet er, at selv disse simple digitale tumorer kan hjælpe os med at designe nanomedicin til kræft mere effektivt, " sagde Dr. Hauert.

Dr. Hauert sagde, at det at have softwaren til at vokse og behandle virtuelle tumorer kunne vise sig nyttigt i udviklingen af ​​målrettede kræftbehandlinger.

"I fremtiden, at skabe en digital tvilling af en patienttumor kunne muliggøre design af nye nanopartikelbehandlinger, der er specialiseret til deres behov, uden behov for omfattende forsøg og fejl eller laboratoriearbejde, som ofte er dyrt og begrænset i sin evne til hurtigt at gentage løsninger, der passer til individuelle patienter, " sagde Dr. Hauert.

Nanopartikel-baserede lægemidler har potentialet til forbedret målretning af kræftceller. Dette skyldes, at nanopartikler er små køretøjer, der kan konstrueres til at transportere lægemidler til tumorer. Deres design ændrer deres evne til at bevæge sig i kroppen, og målrette kræftceller korrekt. En bioingeniør kan evt. for eksempel, ændre størrelsen, ladning eller materiale af nanopartikler, beklæd nanopartiklerne med molekyler, der gør dem nemme at genkende af kræftceller, eller fylde dem med forskellige lægemidler til at dræbe kræftceller.

Ved at bruge den nye EVONANO platform, holdet var i stand til at simulere simple tumorer, og mere komplekse tumorer med kræftstamceller, som nogle gange er svære at behandle og fører til tilbagefald hos nogle kræftpatienter. Strategien identificerede nanopartikeldesigns, der var kendt for at virke i tidligere forskning, samt potentielle nye strategier for nanopartikeldesign.

Som Dr. Balaz fremhæver:"Værktøjet, vi udviklede i EVONANO, repræsenterer en rig platform til at teste hypoteser om effektiviteten af ​​nanopartikler til forskellige tumorscenarier. Den fysiologiske effekt af at justere nanopartikelparametre kan nu simuleres på et detaljeringsniveau, der er næsten umuligt at opnå eksperimentelt."

Udfordringen er så at designe den rigtige nanopartikel. Ved at bruge en maskinlæringsteknik kaldet kunstig evolution, forskerne finjusterer design af nanopartikler, indtil de kan behandle alle testede scenarier, mens de bevarer sunde celler for at begrænse potentielle bivirkninger.

Dr. Stillman, hovedforfatter på papiret sammen med Dr. Balaz, siger, at "dette var en stor teamindsats, der involverede beregningsforskere i hele Europa i løbet af de sidste tre år. Jeg synes, dette viser styrken ved at kombinere computersimuleringer med maskinlæring for at finde nye og spændende måder at behandle kræft på."

I fremtiden, holdet sigter mod at bruge en sådan platform til at bringe digitale tvillinger tættere på virkeligheden ved at bruge data fra individuelle patienter til at dyrke virtuelle versioner af deres tumorer, og derefter optimere behandlinger, der er rigtige for dem. På nærmere sigt, platformen vil blive brugt til at opdage nye nanopartikelstrategier, der kan testes i laboratoriet. Softwaren er open source, så der er også håb om, at andre forskere vil bruge det til at bygge deres egen AI-drevne kræftnanomedicin.

"For at komme tættere på klinisk praksis, i vores fremtidige arbejde vil vi fokusere på at replikere tumorheterogenitet og fremkomst af lægemiddelresistens. Vi mener, at dette er de vigtigste aspekter af, hvorfor kræftbehandling af solide tumorer ofte mislykkes, " sagde Dr. Balaz.