纳米药物开发目前仍以经验试错为主，效率低、成本高。近年来，机器学习技术发展迅猛，结合分子模拟在揭示微观机制方面的优势，为纳米药物从头设计带来了前所未有的机遇。

近日，国家纳米科学中心高兴发团队应邀综述了药物递送纳米载体设计，特别是如何将机器学习和分子模拟结合，设计纳米载体以提高其递送效率和应用效果方面的研究成果（图1）。相关论文以“Toward the Integration of Machine Learning and Molecular Modeling for Designing Drug Delivery Nanocarriers”为题发表于《Advanced Materials》。

图1. 基于物理的模型和数据驱动模型用于理解纳米载体的构效关系。

文章首先回顾了药物递送纳米载体的发展历程，包括脂质体、聚合物纳米粒子、树状分子等多种类型，每种类型分子在满足特定治疗需求时都要进行结构设计。尽管这方面的研究已经取得了显著进展，纳米载体在床转化上仍有不少限制，主要原因是载体递送效率不高以及对载体与生物系统相互作用机制和规律理解不充分。为克服这些挑战，研究人员采用了分子模拟方法研究载体与生物系统的作用机制，基于机制建立预测模型；采用机器学习方法分析大量数据，建立基于数据的预测模型。将这两种模型结合可以更加深入全面地理解纳米载体的递送机制和构效关系，有助于开发更高效、更有靶向性的纳米递送系统。最后，文章提出了纳米载体设计的未来方向，包括多尺度模拟、个性化纳米医学、智能纳米载体开发，以及遵守监管和伦理标准等，而通过集成机器学习和分子模拟方法建立定量预测模型，研究人员可以发展创新的纳米医学解决方案，改善治疗结果。

https://onlinelibrary.wiley.com/doi/10.1002/adma.202407793