Py学习  »  机器学习算法

Adv Sci:基于机器学习势设计合成抑制泛凋亡的碳化聚合物点以缓解化疗药物所致肾毒性

奇物论 • 8 月前 • 216 次点击  

图片

化疗药物诱导的肾毒性,尤其是急性肾损伤,是一种由多重细胞死亡通路共同驱动的严重并发症。然而,现有肾脏保护策略仍主要聚焦于通过减轻氧化应激来抑制细胞凋亡,未能充分干预其他并行的死亡信号。近年来新发现的泛凋亡(PANoptosis),作为一种整合了焦亡、凋亡与坏死性凋亡关键特征的调节性细胞死亡形式,因其高度互联的信号网络与多通路协同效应,成为干预肾毒性的潜在关键靶点。目前,针对泛凋亡的器官保护研究尚处于起步阶段,且仍缺乏能够特异性靶向肾脏、高效缓解急性肾损伤的泛凋亡抑制剂。碳化聚合物点作为一类新兴的超小纳米材料,凭借其良好的生物安全性、可调控的生物活性以及独特的体内分布特性,在生物医学领域展现出重要潜力。其表面保留的结构片段与功能基团,可继承前驱物的特定生物活性;而经合理设计后,更可实现长效体内滞留与组织靶向分布。


鉴于此,吉林大学口腔医院李道伟副教授,国家应急防控药物工程技术研究中心王子豪副研究员,中南大学粉末冶金全国重点实验室延翔宇博士,与中国科学院长春应用化学研究所王欢副研究员合作,展示了通过引入基于机器学习力场训练的增强采样分子动力学方法,用以指导制备具有黄酮类化合物特定药效团结构的生物活性碳化聚合物点(Lu-CDs)。在化疗药物诱导的小鼠急性肾损伤模型中,极低剂量的Lu-CDs可实现持久的肾脏蓄积与优异的肾脏保护效果。相关成果以标题为Construction of PANoptosis-Inhibiting Carbonized Polymer Dots via Machine Learning Potential for Mitigating Chemodrug-Induced Nephrotoxicity发表在《Advanced Science》期刊上。

本文要点:

1. 本研究开发了一种基于机器学习力场训练的增强采样分子动力学方法(图1),用于指导设计具有黄酮类化合物特定药效团结构的生物活性碳化聚合物点Lu-CDs


2. 通过将Lu-CDs 的理论结构及其模拟核磁谱图与吸收光谱与其实验谱图进行对比,对Lu-CDs的实际结构进行有效解析(图2-3)。


3. 与仅具抗氧化活性的传统碳化聚合物点不同,Lu-CDs兼具抗氧化和抑制泛凋亡的双重生物活性。在化疗药物诱导的小鼠急性肾损伤模型中,相较于其小分子前体及传统抗氧化碳化聚合物点,极低剂量的Lu-CDs表现出更持久的肾脏蓄积和更显著的肾保护性能(图4)。


4. 上述发现不仅确立了一种计算机辅助的生物活性纳米药物设计策略,同时证实抑制泛凋亡是缓解化疗药物所致肾毒性的潜在治疗新途径。

1. 通过机器学习力场分子动力学模拟水热反应合成过程。


2. 碳化聚合物点的结构表征。


3. 碳化聚合物点的结构解析。


4. 碳化聚合物点在动物层面用于缓解化疗药物引起的肾毒性。


参考文献:

Xinchen Liu. et al. Construction of PANoptosis-Inhibiting Carbonized Polymer Dots via Machine Learning Potential for Mitigating Chemodrug-Induced Nephrotoxicity. Adv. Sci. 2025.

DOI:10.1002/advs.202512196

https://advanced.onlinelibrary.wiley.com/doi/10.1002/advs.202512196

纳米材料 定制合成


王老师

198 2262 5523

图片

Nanolab纳米材料交流QQ群:937788022
若您制备的材料想要入驻nanolab平台,添加编辑微信 19822625523

备注:姓名-单位-材料名(无备注请恕不通过)。


图片
图片

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/190600