球型核酸（spherical nucleic acids）被認為是一種具有革新性的新藥，這種微型粒子在免疫療法中扮演了重要的角色，具有治療很多疾病的前景。但是，在這之前，科學家們還需要克服很多難題。
近日，美國西北大學（Northwestern University）的一個團隊採用機器學期演算法，尋找到了更直接的優化球型核酸篩選和合成的方法，在使用免疫療法治療癌症、遺傳性疾病和神經系統疾病的道路上更進一步。研究論文刊登在本週出版的《Nature Biomedical Engineering》上。
▲球型核酸示意圖（圖片來源：Chad Mirkin/Northwestern University）
球型核酸的發現者，西北大學的化學家Chad A. Mirkin博士介紹說：“目前已經有五種使用了球型核酸技術的新藥進入了人體臨床試驗階段。這些藥所涉及的疾病包括惡性膠質瘤（最常見的腦部腫瘤）和銀屑病（牛皮癬）。”
顧名思義，球型核酸的結構呈現為一個球形，外表面有含有DNA和RNA的成分。科學家可以對球型核酸進行編輯，使其具有關閉特定基因和細胞活性的功能，以實現個性化治療。近期，也有研究通過啟用人體內的免疫系統來治療特定疾病（如癌症）的疫苗。因此，這種療法又稱為免疫療法。
儘管球型核酸有在諸多不同疾病中發揮功效的潛力，發現和合成這種粒子卻並不容易。想要最大化發揮球型核酸的功能，需要對其大小、成分、DNA序列等進行優化，這些特性的細微變化都會影響其啟用特定免疫反應的效果，甚至導致其生物活性不明顯。
新研究採用了名為SAMDI-MS的技術，一次性篩選了1000種不同的球型核酸結構。緊接著，研究人員使用高通量方法（high-throughput method）和質譜分析（mass spectrometry assay）快速測量了球型核酸的免疫啟用效果。最後，機器學習演算法可以根據球型核酸的免疫啟用進行定量建模，並確定能達到最佳”結構—活性關係“所需的最小球形核酸數量。
圖片來源：Pixabay
新方法將會大大加快球型核酸的合成、測量和分析進度，減少不必要的步驟，助力新藥的研發。藥物研發者可以根據機器學習對球型核酸結構功能的分析，對不同球型核酸進行排序。基於此，研發者還能建立一套基於效用的球型核酸設計規則，從而加快針對特定疾病的免疫療法藥物研發程式。
新研究成果再次展現了機器學習解決複雜生物問題的能力，Mirkin博士表示：“這可以使研究者專注精力於最有潛力的球型核酸結構，以最終研發出強大的癌症療法”。
參考資料：
[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