Сферические нуклеиновые кислоты: машинное обучение для оптимизации нанопрепаратов
Краткое изложение публикации в сообществе «Врачи РФ» от .
Исследователи Северо-Западного университета (Northwestern University, США) разработали метод оптимизации сферических нуклеиновых кислот (СНК) с помощью машинного обучения. Эти наноструктуры на основе ДНК и РНК рассматриваются как потенциальные средства для иммунотерапии рака и лечения других заболеваний. Их свойства могут зависеть от размера и состава наночастицы, а также от расположения ДНК на её поверхности.
Команда определила около тысячи потенциальных вариантов СНК и одиннадцать параметров конструкции, влияющих на их свойства. Иммунную активацию оценивали с помощью масс-спектрометрии, а машинное обучение использовали для моделирования и поиска минимального количества частиц, способного обеспечить оптимальную активность. На момент публикации СНК проходили клинические испытания у пяти человек с разными заболеваниями, включая глиобластому и псориаз.
Главное
- Исследователи Северо-Западного университета разработали метод оптимизации сферических нуклеиновых кислот с помощью машинного обучения.
- Учёные определили около тысячи потенциальных вариантов СНК и одиннадцать параметров их конструкции.
- Для оценки иммунной активации СНК применяли масс-спектрометрический анализ.
- На момент публикации СНК проходили клинические испытания у пяти человек, в том числе с глиобластомой и псориазом.
Подготовлено автоматически с помощью ИИ, возможны неточности. Полный просмотр материала доступен только для медицинских специалистов с высшим медицинским образованием.
Войти Регистрация