近日，bat365在线平台康复学院（云南省干细胞和再生医学重点实验室）周兴教授团队与四川大学华西医院罗奎教授团队合作，在国际顶级学术期刊《Advanced Science》（中国科学院1区Top期刊，IF=14.3）发表题为《Machine Learning-Driven Prediction,Preparation,and Evaluation of Functional Nanomedicines Via Drug-Drug Self-Assembly》的文章。康复学院教授周兴为该论文通讯作者，副教授张成元为第一作者。该研究获国家自然科学基金、云南省重点研发计划等项目资助支持。研究通过深度整合机器学习大模型与无载体纳米药物技术，成功构建全球首个“无载体纳米药物AI筛选与创制平台”，为新一代高效纳米药物的研发与临床转化提供了创新性解决方案。
无载体纳米药物作为新一代纳米药物技术，摒弃传统化学合成载体，通过药物分子自组装实现高效负载，具有低毒性、高载药量和工艺简化的显著优势，被视为肿瘤治疗领域的重要发展方向。然而，其研发长期受限于药物组合筛选效率低、分子组装机制不明等难题。研究团队创新提出“AI驱动无载体药物设计”策略，利用逻辑回归模型（预测准确率达91.89%）高效筛选非甾体抗炎药（NSAIDs）与化疗药物的自组装潜力，并首次揭示吲哚美辛（IND）与紫杉醇（PTX）、多柔比星（DOX）通过π-π堆叠、氢键等非共价作用形成稳定纳米结构的分子机制。依托团队深厚的科研积淀与技术储备，团队成功开发出PEG修饰的长循环纳米药物（PiPTX）、pH响应型制剂（iDOX）及主动靶向制剂（LiDOX）。实验数据显示，PiPTX的肿瘤药物蓄积量较游离药物提升2倍；LiDOX通过免疫/化疗协同效应，使肿瘤重量缩减至常规肿瘤的1/5，疗效显著。
传统纳米药物依赖复杂化学载体，存在载药量低、工艺繁琐等局限性。本研究建立的AI平台将无载体纳米药物研发周期大幅缩短，为临床转化按下“加速键”。该平台不仅为肿瘤治疗提供了新路径，未来还可拓展至心脑血管疾病、免疫性疾病等领域的高效纳米药物研发。
bat365在线平台康复学院（云南省干细胞和再生医学重点实验室）作为云南省干细胞和再生医学研究的核心基地，长期致力于前沿医学技术与转化应用研究，此次成果研发标志着学院在交叉学科融合与创新药物开发领域迈出重要一步。
C.Zhang,Y.Yuan,Q.Xia,J.Wang,K.Xu,Z.Gong,J.Lou,G.Li,L.Wang,L.Zhou,Z.Liu,K.Luo,X.Zhou,Machine Learning-Driven Prediction,Preparation,and Evaluation of Functional Nanomedicines Via Drug–Drug Self-Assembly.Adv.Sci.2025,12,2415902.
https://doi.org/10.1002/advs.202415902
