基于纳米粒子的类风湿性关节炎疗法中细胞毒性决定因素的机器学习分析

《Molecular Pharmaceutics》：Machine Learning Analysis of Cytotoxicity Determinants in Nanoparticle-Based Rheumatoid Arthritis Therapies

纳米颗粒疗法在类风湿性关节炎（RA）中的应用潜力及毒性影响因素研究。基于2060个实验数据，采用Boruta特征选择、随机森林回归和关联规则挖掘，系统分析纳米颗粒材料、浓度、表面电荷及细胞类型等23个特征与细胞毒性的关系。研究发现：聚天冬氨酸（PAA）基材料、高药物/纳米颗粒浓度（>100 μg/mL）及RAW264.7巨噬细胞是主要毒性驱动因素；双因素规则显示PAA材料与>150 nm水合直径协同增强毒性，LND+DC药物组合在控制组中致毒率最高（置信度96.4%）。该框架为平衡RA治疗疗效与安全性提供数据支持。

　　近年来，随着纳米技术的发展，基于纳米颗粒的治疗手段在多种疾病的治疗中展现出巨大潜力，特别是在类风湿性关节炎（RA）的治疗领域。RA是一种慢性自身免疫性疾病，其特征是关节的持续性炎症，常导致疼痛、肿胀和僵硬，严重时可能引发系统性并发症，如血管、肺部或心脏受损。由于RA的发病机制尚未完全阐明，目前尚无明确的治愈方法，因此，寻找更安全有效的治疗方案仍是研究的重点。纳米颗粒疗法因其靶向递送、可控药物释放和改善生物相容性的优势，被认为是一种有前景的治疗方式。然而，如何系统分析影响纳米颗粒细胞毒性的关键因素，以确保其在RA治疗中的应用安全性和有效性，仍然是一个挑战。

本研究通过构建一个包含2060个实例的数据集，综合了56篇相关文献中的信息，对纳米颗粒的细胞毒性驱动因素进行了深入分析。数据集涵盖了23个特征，包括纳米颗粒的特性、细胞环境因素和实验条件等。为了更好地理解这些因素如何影响细胞毒性，研究者采用了机器学习方法，包括Boruta特征选择、随机森林（Random Forest, RF）回归模型和关联规则挖掘（Association Rule Mining, ARM）。这些方法能够处理复杂的、异质的以及非线性的毒性数据，从而揭示隐藏的模式和关键影响因素。

Boruta特征选择的结果表明，药物和纳米颗粒浓度、核心-壳材料以及细胞类型是细胞毒性的重要决定因素。进一步的随机森林模型分析验证了这些特征的显著性，并揭示了它们在预测细胞存活率中的关键作用。此外，ARM分析发现了一些高置信度的关联规则，这些规则将特定的实验条件与细胞毒性结果联系起来，例如高药物浓度与基于聚天冬氨酸的系统之间的关联，以及特定细胞类型与毒性结果之间的联系。这些发现不仅有助于理解纳米颗粒在RA治疗中的安全性，也为优化纳米药物的设计提供了重要参考。

在数据集的初步分析中，研究者发现大多数纳米颗粒材料为有机型，占总数的57%；其次为无机型（39%）和混合型（4%）。纳米颗粒的形状以球形为主（92%），其次是立方形、网状结构和六边形结构。纳米颗粒的浓度范围广泛，从4.6×10?? μg/mL到40854 μg/mL，这表明不同浓度可能对细胞毒性产生显著影响。此外，纳米颗粒的表面电荷和Zeta电位也被纳入分析，其中负电荷纳米颗粒占大多数（69%），而正电荷纳米颗粒和中性电荷纳米颗粒分别占21%和2%。研究还发现，聚乙二醇（PEG）及其衍生物是最常用的表面修饰材料，其次是叶酸和透明质酸。

药物的选择同样具有多样性，其中甲氨蝶呤（MTX）及其衍生物是RA治疗中最常用的药物之一，占数据集的523个实例。其他常用药物包括地塞米松（DEX）和全反式维甲酸（ATRA）。在细胞类型方面，RAW 264.7细胞是最常用的实验模型，占数据集的823个实例，而人脐静脉内皮细胞（HUVEC）则在初级细胞中占据重要地位。此外，LPS激活的细胞显示出较高的细胞毒性关联，这可能与RA的炎症环境密切相关。

通过随机森林模型的分析，研究者发现纳米颗粒材料、药物类型和浓度、细胞类型以及合成方法是影响细胞毒性的主要因素。其中，纳米颗粒材料的影响力最为显著，这与Boruta分析结果一致。此外，高浓度的纳米颗粒和药物与细胞毒性之间存在显著关联，这提示在设计纳米药物时，需要特别关注剂量和浓度的控制。在关联规则分析中，一些关键模式被识别出来，例如基于聚天冬氨酸的纳米颗粒在高浓度下与细胞毒性显著相关，而MTX与特定细胞类型（如LPS激活的RAW 264.7细胞）在特定暴露时间下也显示出强烈的细胞毒性关联。

这些发现为RA纳米药物的设计和优化提供了重要的理论依据。首先，研究强调了药物浓度和纳米颗粒浓度在细胞毒性中的关键作用，表明在实际应用中，必须对药物和纳米颗粒的剂量进行精确控制，以减少不必要的细胞毒性。其次，纳米颗粒的表面修饰和材料选择对细胞毒性具有显著影响，这提示在设计纳米药物时，需要考虑材料的生物相容性和其对细胞的潜在毒性。此外，细胞类型和实验条件（如暴露时间、细胞活力检测方法）也对细胞毒性结果产生重要影响，这表明在进行毒性评估时，必须结合具体的细胞模型和实验条件，以确保结果的准确性和可比性。

研究还发现，某些纳米颗粒材料在特定条件下可能表现出更高的毒性，例如聚天冬氨酸和透明质酸。尽管透明质酸通常被认为具有良好的生物相容性，但在某些情况下，其高浓度可能导致细胞毒性增加，这可能与细胞摄取增加和细胞内药物浓度升高有关。此外，LPS激活的细胞在多种实验条件下显示出更高的细胞毒性，这可能与RA的炎症环境密切相关。这些结果表明，在设计纳米药物时，应特别关注材料的选择和实验条件的控制，以确保其在RA治疗中的安全性和有效性。

通过机器学习方法的综合应用，本研究不仅揭示了影响纳米颗粒细胞毒性的关键因素，还为未来的纳米药物开发提供了系统的分析框架。这一框架有助于研究人员在设计和优化纳米药物时，更全面地考虑各种因素的影响，从而减少不必要的细胞毒性，提高治疗效果。此外，研究还强调了在实验设计中对数据标准化和数据集构建的重要性，这为后续研究提供了可借鉴的方法。

总的来说，本研究通过构建和分析一个全面的数据集，结合多种机器学习方法，系统地探讨了影响纳米颗粒细胞毒性的关键因素。研究结果表明，药物和纳米颗粒的浓度、材料特性、细胞类型以及实验条件在细胞毒性评估中具有重要作用。这些发现不仅有助于理解纳米颗粒在RA治疗中的潜在风险，也为开发更安全有效的纳米药物提供了重要的指导。未来的研究可以进一步验证这些发现，并探索更多潜在的优化策略，以推动纳米药物在RA治疗中的实际应用。