越来越多的纳米粒子被测试为提供治疗的工具，其中一些已经在临床用于癌症化疗。基于纳米粒子的治疗可以提供各种治疗优势，例如降低毒性、延长半衰期和改善药物递送。然而，有多种可能的纳米颗粒制剂具有不同的物理和生物学特性，在给定的疾病环境中哪些是最好的还不清楚。

在一项新的研究中，来自美国麻省理工学院的研究人员设计了一种筛选策略，试图从整体上了解介导成功纳米颗粒递送的材料特性和生物特性。相关研究结果发表在2022年7月22日的Science期刊上，论文标题为“Massively parallel pooled screening reveals genomic determinants of nanoparticle delivery”。研究人员开发了一种高通量筛选方法，使他们能够系统地评估 35 种不同纳米颗粒类型与数百种癌细胞系的相互作用，并验证了表达SLC46A3是一种溶酶体转运蛋白，可作为基于脂质的纳米颗粒摄取和下游功能应用的负调节剂和预测性生物标志物。

研究者设计了一个模块化的荧光纳米颗粒库，以捕捉广泛的纳米颗粒参数---包括核心成分、表面化学和尺寸---对癌细胞相互作用的影响。他们筛选了每种纳米颗粒配方与涉及22个谱系的488个混合在一起的经过条形码标记的癌细胞系的相互作用，并根据纳米颗粒的结合强度来确定细胞。这种混合筛选的目的是探测纳米载体的递送且没有加入任何有毒的货物，对每个纳米颗粒-细胞系对所产生的相互作用图谱进行无监督的分层聚类，确定核心成分是细胞相关性的一个强有力的决定因素，三种测试的核心材料形成了不同的聚类。

为了探究支配纳米颗粒结合的细胞特征，他们通过使用相关分析来整合多组学数据。他们适当地确定了较高的表皮生长因子受体（EGFR）基因表达和蛋白丰度作为生物标志物，可以预测细胞对抗EGFR制剂的亲和力。他们观察到纳米颗粒核心材料以及表面修饰影响了预测吸收的生物标志物的数量和重要性。许多生物标志物与一组既定的摄取、运输和粘附基因有关。利用机器学习算法，他们确定了预测性的生物标记物，它们聚集在一起形成相互关联的蛋白-蛋白相互作用网络，从而确定了介导纳米颗粒递送的细胞特征。他们还确定了特定配方的生物标志物。他们验证了溶酶体转运蛋白SLC46A3的表达，它是基于脂质的纳米颗粒摄取和下游功能应用的负面调节因子和预测性生物标志物。这些应用包括将这些研究发现转化为体内模型，并证实SLC46A3表达可以调节脂质纳米颗粒摄取和核酸货物的转染效果。

综上所述，这项新研究代表了通过多组学的视角对纳米颗粒与癌细胞的相互作用进行了高通量的审视，这些研究 成果将增强对纳米-生物相互作用的研究，并推动纳米载体的合理设计。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除。