机器学习加快球型核酸合成 助力新药研发

球型核酸（spherical nucleic acids）被认为是一种具有革新性的新药，这种微型粒子在免疫疗法中扮演了重要的角色，具有治疗很多疾病的前景。但是，在这之前，科学家们还需要克服很多难题。

近日，美国西北大学（Northwestern University）的一个团队采用机器学习算法，寻找到了更直接的优化球型核酸筛选和合成的方法，在使用免疫疗法治疗癌症、遗传性疾病和神经系统疾病的道路上更进一步。研究论文刊登在近期出版的《Nature Biomedical Engineering》上。

▲球型核酸示意图（图片来源：Chad Mirkin/Northwestern University）

球型核酸的发现者，西北大学的化学家Chad A. Mirkin博士介绍说：“目前已经有五种使用了球型核酸技术的新药进入了人体临床试验阶段。这些药所涉及的疾病包括恶性胶质瘤（最常见的脑部肿瘤）和银屑病（牛皮癣）。”

顾名思义，球型核酸的结构呈现为一个球形，外表面有含有DNA和RNA的成分。科学家可以对球型核酸进行编辑，使其具有关闭特定基因和细胞活性的功能，以实现个性化治疗。近期，也有研究通过激活人体内的免疫系统来治疗特定疾病（如癌症）的疫苗。因此，这种疗法又称为免疫疗法。

尽管球型核酸有在诸多不同疾病中发挥功效的潜力，发现和合成这种粒子却并不容易。想要最大化发挥球型核酸的功能，需要对其大小、成分、DNA序列等进行优化，这些特性的细微变化都会影响其激活特定免疫反应的效果，甚至导致其生物活性不明显。

新研究采用了名为SAMDI-MS的技术，一次性筛选了1000种不同的球型核酸结构。紧接着，研究人员使用高通量方法（high-throughput method）和质谱分析（mass spectrometry assay）快速测量了球型核酸的免疫激活效果。最后，机器学习算法可以根据球型核酸的免疫激活进行定量建模，并确定能达到最佳”结构—活性关系“所需的最小球形核酸数量。

图片来源：Pixabay

新方法将会大大加快球型核酸的合成、测量和分析进度，减少不必要的步骤，助力新药的研发。药物研发者可以根据机器学习对球型核酸结构功能的分析，对不同球型核酸进行排序。基于此，研发者还能建立一套基于效用的球型核酸设计规则，从而加快针对特定疾病的免疫疗法药物研发进程。

新研究成果再次展现了机器学习解决复杂生物问题的能力，Mirkin博士表示：“这可以使研究者专注精力于最有潜力的球型核酸结构，以最终研发出强大的癌症疗法”。

参考资料：

[1] Yamankurt et al. (2019) Exploration of the nanomedicine-design space with high-throughput screening and machine learning. Nature Biomedical Engineering, https://doi.org/10.1038/s41551-019-0351-1

[2] New machine learning technique rapidly analyzes nanomedicines for cancer immunotherapy. Retrieved Feb 21, 2019 from https://www.eurekalert.org/pub_releases/2019-02/nu-nml021919.php