Virtuele tumoren kweken en behandelen met behulp van door AI ontworpen nanodeeltjes

Met het EVONANO-platform kunnen wetenschappers virtuele tumoren laten groeien en kunstmatige intelligentie gebruiken om het ontwerp van nanodeeltjes automatisch te optimaliseren om ze te behandelen.

Het vermogen om virtuele tumoren te laten groeien en te behandelen is een belangrijke stap in de richting van de ontwikkeling van nieuwe therapieën voor kanker. Belangrijk is dat wetenschappers virtuele tumoren kunnen gebruiken om het ontwerp van op nanodeeltjes gebaseerde medicijnen te optimaliseren voordat ze in het laboratorium of bij patiënten worden getest.

Het artikel, “Evolutionary computational platform for the automatic discovery of nanocarriers for cancer treatment”, is vandaag gepubliceerd in het tijdschrift Nature. Computermaterialen. De paper is het resultaat van het Europese project EVONANO waarbij Dr. Sabine Hauert en Dr. Namid Stillman van de Universiteit van Bristol betrokken zijn, en wordt geleid door Dr. Igor Balaz van de Universiteit van Novi Sad.

“Simulaties stellen ons in staat om veel behandelingen, zeer snel en voor een grote verscheidenheid aan tumoren te testen. We bevinden ons nog in de vroege stadia van het maken van virtuele tumoren, gezien de complexe aard van de ziekte, maar de hoop is dat zelfs deze eenvoudige digitale tumoren kan ons helpen om nanomedicijnen voor kanker efficiënter te ontwerpen”, zegt Dr. Hauert.

Dr. Hauert zei dat het hebben van software om virtuele tumoren te laten groeien en te behandelen nuttig kan zijn bij de ontwikkeling van gerichte kankerbehandelingen.

“In de toekomst kan het creëren van een digitale tweeling van een patiënttumor het ontwerp mogelijk maken van nieuwe nanodeeltjesbehandelingen die zijn gespecialiseerd in hun behoeften, zonder de noodzaak van uitgebreid vallen en opstaan ​​​​of laboratoriumwerk, dat vaak kostbaar is en beperkt in zijn vermogen om snel te herhalen op oplossingen die geschikt zijn voor individuele patiënten,” zei Dr. Hauert.

Geneesmiddelen op basis van nanodeeltjes hebben het potentieel voor een betere targeting van kankercellen. Dit komt omdat nanodeeltjes kleine voertuigen zijn die kunnen worden ontworpen om medicijnen naar tumoren te transporteren. Hun ontwerp verandert hun vermogen om in het lichaam te bewegen en kankercellen op de juiste manier te targeten. Een bio-ingenieur kan bijvoorbeeld de grootte, lading of het materiaal van het nanodeeltje veranderen, de nanodeeltjes omhullen met moleculen waardoor ze gemakkelijk door kankercellen kunnen worden herkend, of ze laden met verschillende medicijnen om kankercellen te doden.

Met behulp van het nieuwe EVONANO-platform kon het team eenvoudige tumoren simuleren, en complexere tumoren met kankerstamcellen, die soms moeilijk te behandelen zijn en tot een terugval van sommige kankerpatiënten leiden. De strategie identificeerde nanodeeltjesontwerpen waarvan bekend was dat ze in eerder onderzoek werkten, evenals mogelijke nieuwe strategieën voor het ontwerpen van nanodeeltjes.

Zoals Dr. Balaz benadrukt: “De tool die we in EVONANO hebben ontwikkeld, vertegenwoordigt een rijk platform voor het testen van hypothesen over de werkzaamheid van nanodeeltjes voor verschillende tumorscenario’s. Het fysiologische effect van het aanpassen van nanodeeltjesparameters kan nu worden gesimuleerd op een detailniveau dat bijna onmogelijk is experimenteel te bereiken.”

De uitdaging is dan om het juiste nanodeeltje te ontwerpen. Met behulp van een machine learning-techniek genaamd kunstmatige evolutie, finetunen de onderzoekers de ontwerpen van nanodeeltjes totdat ze alle geteste scenario’s kunnen behandelen met behoud van gezonde cellen om mogelijke bijwerkingen te beperken.

Dr. Stillman, co-hoofdauteur van het artikel met Dr. Balaz, zegt dat “dit een grote teaminspanning was waarbij computationele onderzoekers in heel Europa de afgelopen drie jaar betrokken waren. Ik denk dat dit de kracht aantoont van het combineren van computersimulaties met machinaal leren om nieuwe en opwindende manieren vinden om kanker te behandelen.”

In de toekomst wil het team een ​​dergelijk platform gebruiken om digitale tweelingen dichter bij de realiteit te brengen door gegevens van individuele patiënten te gebruiken om virtuele versies van hun tumoren te laten groeien en vervolgens behandelingen te optimaliseren die bij hen passen. Op kortere termijn zal het platform worden gebruikt om nieuwe nanodeeltjesstrategieën te ontdekken die in het laboratorium kunnen worden getest. De software is open source, dus er is ook hoop dat andere onderzoekers het zullen gebruiken om hun eigen AI-aangedreven kankernanomedicijn te bouwen.

“Om dichter bij de klinische praktijk te komen, zullen we ons in ons toekomstige werk concentreren op het repliceren van tumorheterogeniteit en het ontstaan ​​van resistentie tegen geneesmiddelen. We geloven dat dit de belangrijkste aspecten zijn waarom kankertherapie voor solide tumoren vaak faalt,” zei Dr. Balaz.