背景介绍

核酸药物凭借其可编程的靶点设计和结构多样性，在精准癌症治疗中展现出巨大潜力。然而，miRNA疗法的临床转化面临两大核心瓶颈：一是缺乏快速、准确且具有疾病特异性的miRNA靶点筛选方法，传统实验验证耗时长且结果不一致；二是现有递送载体缺乏高效的胞质递送能力，miRNA在进入细胞后易被溶酶体捕获降解，难以到达作用靶点发挥功能。此外，癌症的发生发展往往涉及多个信号通路的同步激活，单靶点治疗策略难以应对肿瘤的异质性和复杂性。因此，如何系统筛选具有协同效应的miRNA组合、并实现高效的胞内递送，是当前核酸治疗领域亟待解决的关键科学问题。

研究思路

针对上述挑战，上海交通大学医学院附属仁济医院刘培峰教授团队联合提出了一种“机器学习筛选+仿生纳米递送”的闭环治疗平台。团队首先整合TCGA-PRAD前列腺癌数据集中的miRNA和mRNA表达谱及临床预后信息，创新性地将LASSO回归（稀疏线性选择）与随机生存森林（非线性变量重要性排序）相结合，系统筛选与前列腺癌预后显著相关的miRNA组合。该框架筛选出miR-20a（癌基因）和miR-873（此前在前列腺癌中未被表征的抑癌基因）作为最优组合，并通过多任务Transformer深度学习模型进行了正交验证。功能验证证实miR-20a通过靶向ABL2促进EMT和迁移，miR-873通过靶向HNRNPK调控细胞周期G1期阻滞和增殖抑制，二者联合产生协同抗肿瘤效应。在此基础上，团队开发了阳离子脂质体核心+内质网膜包覆的仿生纳米载体（CL-ERM），利用内质网膜辅助实现溶酶体逃逸和高效胞质递送，并引入蛙皮素（BBN）主动靶向模块实现前列腺癌特异性递送。相关内容以 Machine Learning-Based Screening of Optimal miRNA Targets Enabled by a Cytosolic Delivery Carrier for Augmenting Cancer Therapy 发表在 Advanced Materials！

图片解析

图1. 平台整体设计示意图：(A) LASSO+RSF机器学习框架从TCGA-PRAD数据中筛选miR-20a（癌基因）和miR-873（抑癌基因）作为最优靶点组合；(B) 阳离子脂质体与内质网膜组装形成miR-20ai+873mCL-ERM仿生纳米平台；(C) ERM辅助溶酶体逃逸实现高效胞质递送，miR-20ai抑制迁移（miR-20a/ABL2轴），miR-873m抑制增殖（miR-873/HNRNPK轴，诱导G1期阻滞）。

图2. 机器学习筛选与功能分析：(A-B) 火山图和热图显示TCGA-PRAD中肿瘤与正常组织间差异表达miRNA（59个，|log2FC|>1.5，p<0.05）；(C-D) LASSO回归筛选出miR-20a、miR-873和miR-221，Kaplan-Meier证实两基因风险评分与不良预后显著相关；(E) RSF分析显示miR-20a和miR-873重要性排名前两位；(F-G) 多任务Transformer深度学习模型独立验证miR-20a和miR-873排名前两位，潜在空间清晰分离肿瘤/正常样本；(H) 高/低风险组差异表达基因热图；(I-K) KEGG富集和GSEA分析显示高风险组与癌症通路、细胞凋亡抑制和细胞迁移增强相关。

图3. miR-873和miR-20a功能验证：(A) 30对临床组织样本qPCR显示肿瘤中miR-873低表达、miR-20a高表达；(B) 转染后PC3和DU145细胞中miRNA表达水平验证；(C) CCK8显示miR-20ai+873m组合协同抑制增殖效果最强；(D) 细胞周期分析显示组合治疗诱导G1期阻滞；(E-F) Transwell和划痕实验显示组合治疗对迁移抑制最显著；(G) Western blot显示组合治疗组p-CDK2、ZEB1、Slug最低，p21、p27、E-cadherin、Occludin最高。

图4. 靶基因鉴定与验证：(A) miR-20a与ABL2 3'UTR结合位点示意图；(B) Transwell显示miR-20ai抑制迁移，si-ABL2促进迁移，共转染逆转miR-20ai效果；(C) Western blot验证miR-20a靶向ABL2调控EMT通路；(D) 维恩图显示TargetScan、miRDB、miRWalk三个数据库交集28个基因，STRING PPI网络显示HNRNPK为中心节点；(E) CCK8显示miR-873m抑制增殖，HNRNPK过表达促进增殖，共转染逆转miR-873m效果；(F) Western blot验证miR-873靶向HNRNPK调控细胞周期通路；(G) 双荧光素酶报告实验证实miR-873直接结合HNRNPK 3'UTR、miR-20a直接结合ABL2 3'UTR（突变后结合消失）。

图5. CL-ERM纳米载体合成与表征：(A) TEM显示miR-20ai+873mCL和CL-ERM均呈球形；(B) DLS显示CL粒径145.6 nm、CL-ERM粒径156.5 nm，zeta电位分别为39.7 mV和26.6 mV；(C) Western blot证实CL-ERM表面存在ER特异性蛋白UNC93B、GRP94和VAMP3；(D) Coomassie蓝染色显示CL-ERM蛋白条带与纯ERM一致；(E) 凝胶电泳确定DOTAP与miRNA最佳N/P比为4:1；(F-G) 共聚焦和Dice系数定量显示CL-ERM组Cy5-miRNA与溶酶体共定位降低（54.0%→26.7%），与ER共定位增加（27.7%→63.6%），与高尔基体共定位增加（21.7%→43.8%）。

图6. 体内分布与治疗疗效：(A-B) 离体荧光成像显示CL-ERM-BBN组肿瘤荧光信号显著高于非靶向CL-ERM组，证实BBN主动靶向增强肿瘤蓄积；(C) 体内治疗时间线（第0、3、6天尾静脉注射）；(D-E) 肿瘤体积定量显示miR-20ai+873mCL-ERM-BBN组疗效最佳（相对体积9.06），优于无ERM包覆组（14.95）和非靶向组（11.36）；(F-H) DOC联合治疗显示DOC+miR-20ai+873mCL-ERM-BBN组疗效最佳（相对体积3.48），H&E和Ki67染色进一步证实；(I-L) 肝转移模型显示DOC+miR-20ai+873mCL-ERM-BBN组肝转移结节最少（1.67个/肝）。

结论

该研究首次将机器学习驱动的靶点筛选与仿生胞质递送载体相结合，构建了从“靶点发现”到“精准递送”的全链条闭环治疗平台。其核心创新在于：LASSO与RSF的串联筛选策略既利用了LASSO从高维数据中识别独立生物学通路的稀疏选择特性，又借助RSF的非线性变量重要性排序提供正交验证，成功从数百个miRNA中锁定miR-20a（癌基因）和miR-873（新发现的抑癌基因）的最优协同组合；内质网膜包覆的CL-ERM载体通过ERM辅助显著降低溶酶体捕获（Dice系数从54.0%降至26.7%），实现高效的胞质miRNA递送；蛙皮素主动靶向模块进一步增强肿瘤特异性蓄积。该组合疗法通过miR-20a/ABL2轴抑制EMT和迁移、miR-873/HNRNPK轴诱导G1期阻滞抑制增殖，在皮下瘤和肝转移模型中均实现显著抑瘤效果，且与多西他赛联用进一步增效。该平台为核酸药物的精准筛选与高效递送提供了可推广的范式。