通过 AI 引导的设计与预测迈向精准纳米医学
Toward precision nanomedicine via artificial intelligence guided design and prediction
一篇综述系统梳理 AI 引导的纳米药物设计与预测在精准纳米医学中的进展,涵盖配方设计、纳米颗粒自组装及选择性递送建模。GEMORNA 生成的 mRNA 序列经脂质纳米颗粒递送,使小鼠促红细胞生成素表达较基准序列最高提升 15 倍。文章还讨论纳米毒性、免疫反应预测以及基于数字孪生和自适应治疗控制的个体化给药方向,并指出数据异质性与模型泛化性有限等挑战。
已发表论文 · journal · 10.1016/j.addr.2026.115999
本站摘要基于收录版本 v1(2026-11-14),原始摘要与 AI 导读固定保留。
IF(5) 21.5 · 2025 · 期刊参考指标
人工智能(AI)正在推动纳米医学的发展,它将制剂变量与生物学背景同递送、治疗效果和安全性联系起来。本综述考察了 AI 辅助的制剂设计、集中式制剂数据库、纳米颗粒自组装的预测,以及细胞和组织选择性递送、生物分布和治疗结果的模型。在预测纳米毒性和纳米颗粒诱导的免疫反应方面的最新进展,进一步强调了将安全性终点纳入纳米医学优化的重要性。除了纳米载体工程之外,基础模型以及对单细胞和空间数据的多模态分析,正在通过表征疾病相关的细胞状态、确定治疗靶点的优先级和预测治疗反应来拓展生物学发现。计算方法还有助于治疗性 RNA、肽、蛋白质和可编程蛋白质纳米材料的设计。例如,由 GEMORNA 生成并通过脂质纳米颗粒递送的 mRNA 序列,与基准序列相比,在小鼠中使促红细胞生成素的表达提高了多达 15 倍。生物学发现与生物分子及纳米载体设计的整合,可为治疗性载荷的选择、靶向策略和功能性纳米材料的开发提供参考。AI 可以将患者特异性的生物学特征与纳米医学递送和治疗反应的预测联系起来,从而支持患者分层和个体化治疗选择。组织学、影像学、分子和纵向数据的整合,可能使治疗策略能够根据组织特征、疾病状态和治疗反应的差异进行调整。基于数字孪生和自适应治疗控制的新兴方法,可能将这一框架扩展到个体化给药和动态治疗优化。主要挑战包括数据异构性、模型泛化能力有限,以及对实验验证和前瞻性验证的需求。要实现精准治疗,需要建立综合框架,同时考虑递送、疗效、选择性和安全性,并明确区分已证实的应用与未来机遇。
来源:Advanced Drug Delivery Reviews · doi.org