Advanced Materials誌に掲載された画期的な研究によると、機械学習を用いて自己集合するナノ粒子を設計することで、線維化組織への薬物送達を向上させ、心疾患や膵臓がんなどの治療を革新する可能性がある。この研究は、科学者チームが行ったもので、単一分子が薬物送達の補助剤と治療薬の両方として機能する新しいアプローチを示している。

薬物送達の課題への対応

現代医学で使用される多くの小分子薬は、溶解性が低く、体内から迅速に排出されるなどの課題を抱えている。従来のナノキャリアは効果的ではあるが、複雑な製造プロセスによりスケーラビリティに限界がある。一方、小分子の自己集合ナノ粒子は、より単純でスケーラブルな薬物送達のアプローチとなる可能性がある。

この研究は、線維化疾患に焦点を当てており、線維化によって組織が硬くなり、線維質の密度が増加することで薬物の浸透が低下する現象に注目している。線維化は、肝硬変や肺線維症、心疾患などの合併症としてよく見られる。研究チームは、線維化病変内に活性化した線維芽細胞に豊富に存在する膜結合型セリンプロテアーゼであるFAPを、薬物送達および治療の両方のターゲットとして検討した。

「FAPは抗線維化治療のターゲットであり、薬物送達のハンドルともなる可能性があります。既存のFAP阻害剤を共集合用の添加剤として再利用することで、さまざまな疎水性薬物と安定したナノ粒子を生成できました。」と、研究のリーダーは述べている。

機械学習と分子設計

研究チームは、分子動力学シミュレーションと機械学習を組み合わせて、SP-13786（SP）という小分子FAP阻害剤と共に自己集合できる薬物の特徴を特定した。4,810の計算された分子記述子から始めて、356の解釈可能な物理化学的特徴に絞り込み、最終的に228の共集合結果を予測する記述子を特定した。

重要な予測因子には、芳香族性、分子の剛性、窒素関連の相互作用特性などが含まれる。機械学習モデルはこれらの洞察を設計のヒントに変換し、SPと共に自己集合しやすい疎水性薬物を予測するのに役立つ。

「機械学習モデルは、従来の方法では難しかったパターンを識別するのに役立ちました。このデータ駆動型のアプローチは、高効率な薬物送達システムの開発に道を示しています。」と、研究の共同執筆者は述べている。

線維化組織での検証

研究チームは、SCANと呼ばれるナノ粒子システムを、体外および体内モデルで検証した。細胞研究では、SCANがFAPを発現する線維芽細胞と相互作用し、形態変化と取り込みダイナミクスが観察された。体内実験では、心筋虚血/再灌注（IR）損傷のマウスモデルに焦点を当てた。

放射性同位体で標識されたFAPトラッカー（68Ga-FAPI-04）を用いたPET/CTにより、体内でのFAPのターゲティングを検証し、蛍光イメージングを用いてSCANの生体内分布を追跡した。その結果、自由薬物対照群と比較して、SCANが損傷した線維化心筋により多く蓄積していることが確認された。

「SCANは、組織が硬くなり透過性が低下しても、線維化組織に良好な保持性を示しました。これは、SPによるFAPの阻害が線維化による物理的障壁を克服する可能性を示唆しています。」と、研究に関わった研究者は述べている。

研究チームは、SCANを線維質が豊富な膵臓がん（PDAC）の環境でも評価し、線維芽細胞の生物学的活動によって薬物のアクセスが制限される状態の幅広い疾患に応用可能であることを示した。

線維化が進行するにつれて、自由薬物の送達効果は急激に低下するが、SCANは比較的ゆっくりと低下する。これは、SPによるFAPの継続的な阻害が、線維化に関連する物理的および生化学的障壁を緩和するためと考えられる。

研究の結果は、生物学的活性（FAP阻害）と物性（共集合）を兼ね備えた分子の組み合わせが、高負荷で比較的単純なナノ粒子システムを生成できる可能性を示している。このアプローチは、薬物送達に化学的および物理的障壁が存在する線維化および線維質が豊富な疾患において特に価値がある。

研究の著者らは、これらの発見を臨床応用に移すことを目指しており、今後はより大型の動物モデルでSCANの安全性と有効性を評価する前臨床試験を進める予定である。