DOI: https://doi.org/10.1002/adma.202412757
PMID: https://pubmed.ncbi.nlm.nih.gov/39895194
تاريخ النشر: 2025-02-02
المؤلف: Francesca Melle وآخرون
الموضوع الرئيسي: أبحاث الأورام البنكرياسية والكبدية
نظرة عامة
تسلط الأبحاث الضوء على التحديات التي تطرحها السرطانات النقيليّة والمقاومة للجراحة، وخاصة سرطان البنكرياس، الذي له توقعات سيئة وخيارات علاج محدودة. تستكشف الدراسة إمكانيات الهياكل العضوية المعدنية (MOFs) كوسائل لتوصيل الأدوية، مع التركيز على قدرتها العالية على التحميل، والتوافق الحيوي، وقابلية التعديل الوظيفي. باستخدام التعلم الآلي والمحاكاة الجزيئية، حدد المؤلفون PCN-222 كمرشح مثالي لتغليف العوامل الكيميائية العلاجية مثل جيمسيتابين، باكليتاكسيل، وSN-38. أظهرت الدراسات في المختبر أن PCN-222 المحمّل بالأدوية أظهر توافقًا حيويًا عاليًا، وفعالية في الإدخال الخلوي، وملف إفراج محكوم، بينما أظهرت التجارب في الفئران المصابة بأورام البنكرياس انخفاضات كبيرة في نمو الورم وانتشار النقيليات عند استخدام PCN-222 المحمّل بباكليتاكسيل، خاصة مع إدارة الهيدروجيل المحلي.
تؤكد النتائج فعالية PCN-222 كنظام لتوصيل الأدوية، مع التأكيد على إمكانيته في تحسين النتائج العلاجية مع تقليل السمية الجهازية. كما تشير الدراسة إلى الاستقرار طويل الأمد لـ MOF المحمّل بالأدوية، حيث يحافظ على سلامته في المحاليل المائية لأكثر من عام، مما يعد واعدًا للتطبيقات السريرية. تدعو الأبحاث إلى مزيد من الاستكشاف لصيغ MOF، بما في ذلك قابليتها للتحلل والاستجابات المناعية، لتحسين إمكانياتها العلاجية. بشكل عام، يمثل دمج المواد المتقدمة مثل MOFs مع استراتيجيات التوصيل المحلية تقدمًا كبيرًا في نانو الطب السرطاني، خاصة للسرطانات الصعبة مثل سرطان البنكرياس، حيث يمكن أن تؤدي التحسينات في العلاج إلى نتائج أفضل للمرضى.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التحدي الملح للسرطان، الذي يتسبب في حوالي 10 ملايين وفاة سنويًا، وتؤكد على قيود العلاجات الحالية من الخط الأول مثل جيمسيتابين وباكليتاكسيل. غالبًا ما تواجه هذه العلاجات مشكلات مثل مقاومة الأدوية وسوء الذوبان، مما يستلزم تطوير أنظمة توصيل أدوية مبتكرة تعزز الفعالية العلاجية مع تقليل الآثار الجانبية. ظهرت الهياكل العضوية المعدنية (MOFs) كمرشحين واعدين بسبب قدرتها العالية على التحميل، وتنوعها الهيكلي، وإمكانية التوصيل المستهدف. أظهرت الدراسات السابقة فعاليتها في تغليف أدوية متنوعة وتحسين الديناميات الدوائية.
يقترح المؤلفون نهجًا تكامليًا يستفيد من الذكاء الاصطناعي والتعلم الآلي (AI/ML) جنبًا إلى جنب مع الكيمياء الحاسوبية لتحديد MOFs المثلى لتوصيل العوامل الكيميائية العلاجية مثل جيمسيتابين، باكليتاكسيل، وSN-38. من خلال استخدام AI/ML لتقليص قائمة MOFs المتوافقة حيويًا واستخدام تقنيات حاسوبية متقدمة للتنبؤ بتغليف الأدوية، تهدف الدراسة إلى تبسيط عملية اختيار تركيبات الأدوية وMOFs الفعالة. يدعم التحقق التجريبي من PCN-222 المحمّل بالأدوية في المختبر وفي الجسم الحي إمكانيات هذا النهج لتعزيز صياغة وترجمة الأنظمة القائمة على MOF لتوصيل الأدوية إلى السريرية.
نقاش
تؤكد قسم النقاش في الورقة البحثية على دمج المحاكاة الجزيئية والتعلم الآلي (ML) في الفحص الافتراضي عالي الإنتاجية للهياكل العضوية المعدنية (MOFs) لتطبيقات توصيل الأدوية. تعتبر الطرق التجريبية التقليدية لتحديد MOFs الفعالة كثيفة العمل ومكلفة، مما يستلزم استخدام الأساليب الحاسوبية للتنقل في المشهد الكيميائي المعقد. طور المؤلفون سير عمل هرمي يبدأ بفحص مجموعة فرعية من قاعدة بيانات كامبريدج الهيكلية للهياكل العضوية المعدنية المتوافقة حيويًا، باستخدام ML للتنبؤ بالتوافق الحيوي بناءً على ملفات سمية مراكز المعادن والروابط العضوية. نجح هذا النهج في تحديد 809 MOFs متوافقة حيويًا عالية، والتي تم فحصها لاحقًا من حيث قدرات تحميل الأدوية، مما أدى في النهاية إلى تضييقها إلى 143 مرشحًا مساميًا مناسبًا لتوصيل الأدوية.
تسلط الدراسة أيضًا الضوء على أهمية عوامل إضافية مثل الاستقرار، وقابلية التعديل، والملاءمة الطبية الحيوية في اختيار MOFs المثلى. اختار المؤلفون PCN-222 للتحقق التجريبي بسبب مساميته العالية وسهولة تصنيعه، على الرغم من التحديات في إنتاجه. بعد تحميل الأدوية بجيمسيتابين، باكليتاكسيل، وSN-38، أظهر PCN-222 المحمّل بـ PEG عدم وجود سمية خلوية كبيرة في خطوط خلايا سرطان البنكرياس وأظهر فعالية محسّنة في توصيل الأدوية مقارنة بالأدوية الحرة. تم تأكيد الاستقرار طويل الأمد لصيغة PEG@Pac@PCN-222 على مدار عام، مما يشير إلى إمكانيته للتطبيقات السريرية. بشكل عام، تؤكد النتائج فعالية دمج المنهجيات الحاسوبية والتجريبية لتسريع اكتشاف وتحسين MOFs للتطبيقات الطبية الحيوية.
DOI: https://doi.org/10.1002/adma.202412757
PMID: https://pubmed.ncbi.nlm.nih.gov/39895194
Publication Date: 2025-02-02
Author(s): Francesca Melle et al.
Primary Topic: Pancreatic and Hepatic Oncology Research
Overview
The research highlights the challenges posed by metastatic and surgery-resistant cancers, particularly pancreatic cancer, which has poor prognoses and limited treatment options. The study explores the potential of metal-organic frameworks (MOFs) as drug delivery vehicles, focusing on their high loading capacity, biocompatibility, and functional tunability. Utilizing machine learning and molecular simulations, the authors identified PCN-222 as an optimal candidate for encapsulating the chemotherapeutic agents gemcitabine, paclitaxel, and SN-38. In vitro studies demonstrated that drug-loaded PCN-222 exhibited high biocompatibility, effective cellular internalization, and a controlled release profile, while in vivo experiments in pancreatic tumor-bearing mice showed significant reductions in tumor growth and metastatic spread when using paclitaxel-loaded PCN-222, especially with local hydrogel administration.
The findings underscore the efficacy of PCN-222 as a drug delivery system, emphasizing its potential to enhance therapeutic outcomes while minimizing systemic toxicity. The study also notes the long-term stability of the drug-loaded MOF, maintaining integrity in aqueous solutions for over a year, which is promising for clinical applications. The research advocates for further exploration of MOF formulations, including their biodegradability and immune responses, to optimize their therapeutic potential. Overall, the integration of advanced materials like MOFs with localized delivery strategies represents a significant advancement in cancer nanomedicine, particularly for challenging cancers such as pancreatic cancer, where improvements in treatment can lead to better patient outcomes.
Introduction
The introduction of this research paper highlights the pressing challenge of cancer, which accounts for approximately 10 million deaths annually, and underscores the limitations of current first-line therapies such as gemcitabine and nab-paclitaxel. These treatments often face issues like chemoresistance and poor solubility, necessitating the development of innovative drug delivery systems that enhance therapeutic efficacy while minimizing side effects. Metal-organic frameworks (MOFs) have emerged as promising candidates due to their high loading capacity, structural diversity, and potential for targeted delivery. Previous studies have demonstrated their effectiveness in encapsulating various drugs and improving pharmacokinetics.
The authors propose an integrative approach that leverages artificial intelligence and machine learning (AI/ML) alongside computational chemistry to identify optimal MOFs for delivering chemotherapeutic agents like gemcitabine, paclitaxel, and SN-38. By employing AI/ML to shortlist biocompatible MOFs and using advanced computational techniques for predicting drug encapsulation, the study aims to streamline the selection process for effective drug-MOF combinations. Experimental validation of drug-loaded PCN-222 in vitro and in vivo further supports the potential of this approach to enhance the formulation and clinical translation of MOF-based drug delivery systems.
Discussion
The discussion section of the research paper emphasizes the integration of molecular simulations and machine learning (ML) in the high-throughput virtual screening of metal-organic frameworks (MOFs) for drug delivery applications. Traditional experimental methods for identifying efficient MOFs are labor-intensive and costly, necessitating the use of computational approaches to navigate the complex chemical landscape. The authors developed a hierarchical workflow that begins with screening a subset of the Cambridge Structural Database for biocompatible MOFs, utilizing ML to predict biocompatibility based on the toxicity profiles of metal centers and organic linkers. This approach successfully identified 809 highly biocompatible MOFs, which were further screened for drug-loading capacities, ultimately narrowing down to 143 porous candidates suitable for drug delivery.
The study also highlights the importance of additional factors such as stability, modifiability, and biomedical suitability in selecting optimal MOFs. The authors selected PCN-222 for experimental validation due to its high porosity and ease of synthesis, despite challenges in its production. Following drug loading with gemcitabine, paclitaxel, and SN-38, the PEGylated PCN-222 demonstrated no significant cytotoxicity in pancreatic cancer cell lines and showed enhanced drug delivery efficacy compared to free drugs. The long-term stability of the PEG@Pac@PCN-222 formulation was confirmed over a year, indicating its potential for clinical applications. Overall, the findings underscore the effectiveness of combining computational and experimental methodologies to expedite the discovery and optimization of MOFs for biomedical applications.