科学家在斯隆凯特林Institutehave开发了机器学习的方法来构建个性化癌症纳米药物。这些微小的药物填充颗粒有助于抗癌药物击中了他们的目标，使他们更有效，导致副作用较少。

在癌症的治疗中，作为时尚，一个尺寸适合所有的很少。个性化癌症医学的目标是定制的治疗癌症的特定基因组成。针对肿瘤的独特的遗传弱点已成为现代肿瘤治疗的一个重要组成部分的药物。

然而，即使是个性化的药物可以有有害的副作用在某种程度上，这是因为他们旅行到身体的许多健康组织，不仅对肿瘤一种新的方法设计的纳米技术专家在斯隆.. - 凯特林研究所（滑雪）可以帮助他们避免附带损害进行个性化药物更精确。

“我们发现了一种利用机器学习算法设计强大的纳米药物，可以提供一个更强大，更安全，更个性化的冲头，说：” 丹尼尔·海勒在滑雪，在助理教授的分子药理学的程序一个化学家威尔康奈尔医学科学院研究生院。马塞尔·黑勒博士的实验室专门设计的纳米技术，提高癌症的检测和治疗。

我们发现了一种利用机器学习算法设计强大的纳米药物，可以提供一个更强大，更安全，更个性化的冲头。
丹尼尔·海勒A.
丹尼尔A.海勒
化学家
几乎任何计算机辅助方法允许类的个性化药物与被打包成一个纳米颗粒。这种方法可以帮助使这些药物更安全，更有效。

纳米粒子的直径小于人的头发丝的一千分之一小的物体。科学家们以前使用的纳米粒子在体内释放药物。但到目前为止，它已经很难设计他们携带抗癌药物的新类型。

“机器学习已应邀为我们做了不起的事情，就像驾驶自动驾驶汽车或帮助科学家发现大量的人类基因组数据的模式，” 马塞尔·黑勒博士说“。所以我们认为这可以帮助我们设计更好的纳米药物“。

使用化学结构预测纳米粒子
博士海勒在他的实验室，Yosi Shamay的博士后研究员，从一些药物很容易组装成纳米粒子，而有的则没有观察开始。他们想知道，如果他们能够向后从这个结果工作，以确定什么样的素质有关的药物可以影响其形成颗粒的能力。他们使用机器学习算法经过许多，多种类型的数据流失拿出好的颗粒厂商的共同元素。

“原来，我们可以相当精确地预测粒子是否会根据药物的结构形成与否，”博士。 Shamay说。他指出，他们还可以向后运行的方法，并用它来确定如何设计药物分子，这样就会形成纳米粒子。

原来，我们可以预测相当准确的粒子会形成是否或不是基于药物的结构。
优素福Shamay
优素福器官发育
博士后
这些新的纳米粒子不同于前人的重要途径。以前的版本主要是由一种聚合物，就像胶水持有粒子在一起。新粒子的高达90％的药物，所以他们带来更大的冲击。

回到顶部
帮助癌症药物打他们的分子标记
滑雪科学家展示了使用的药物称为MEK抑制剂的纳米粒子的效果。这些个性化的药物对某些类型的癌症的一种有效的治疗方法，包括胰腺癌和肺癌，它们共享某些突变。但MEK抑制剂也可以伤害皮肤的正常细胞。它们可能会导致严重的皮疹，这可以限制给予癌症患者的药量。

在小鼠肿瘤模型中，MEK抑制剂封装成纳米粒子击中目标而不损害皮肤。

“如果我们直接针对这些新药物的肿瘤和正常组织拉开，他们将工作好了很多，而且副作用也不会这么糟糕，”博士海勒说。 “这就是我们希望这个纳米技术将使”。

这项工作是在与研究人员的实验室合作开发滑雪约翰chodera，计算化学家，和史葛罗威，癌症生物学家。一篇描述新发现发表在杂志上自然材料。

（注：转载时请注明复诊网）