【摘要】 详解 AM 论文中机器学习筛选胰腺癌靶向 MOF 载体完整步骤，包含药物匹配、稳定性仿真、体内效果验证，科学指南针可提供文献解读咨询。

科研人必备干货｜全套科研知识库

常用科研资料汇总，点击领取即可获取。

 

机器学习辅助 MOF 药物递送材料筛选，划分为候选结构初筛、分子稳定性模拟、体外体内药效验证三个阶段，《Advanced Materials》相关研究以胰腺癌化疗给药为场景，搭建了这套研究体系。

 

一、研究前期：明确药物筛选对象

本次研究选定三种临床常用化疗药物：吉西他滨、紫杉醇、SN-38，游离药物全身给药靶向性弱、毒副作用偏高，研究目标是筛选生物相容性优异的 MOF 多孔载体，实现药物长效靶向释放。

 

二、机器学习高通量初筛最优载体

2.1 批量计算 MOF 框架与药物结合特性

依托机器学习算法批量评估海量 MOF 拓扑结构，量化药物分子与框架的结合能、胶体稳定性多项指标，逐步缩小候选范围，最终选定 PCN-222 作为核心研究载体。

2.2 分子模拟预判材料储存与释放性能

初筛完成后借助分子模拟手段，仿真 PCN-222 负载药物后的长期储存稳定性，预判药物缓释动力学曲线，排查制剂失效相关问题。

 

三、实验验证：体内给药效果优化

研究通过细胞、荷瘤小鼠实验验证载药体系抗肿瘤效果，对比游离药物与 MOF 载药体系的肿瘤抑制能力；同时搭配水凝胶实现局部原位给药，降低化疗药物带来的全身毒副作用。

 

四、该研究体系的科研参考价值

这套 “机器学习筛选 + 分子模拟预判 + 体内实验验证” 的闭环思路，可迁移至其他实体瘤靶向给药材料研发。科学指南针可协助科研人员梳理该方向文献逻辑、梳理实验设计思路，具体计算、表征相关工作能否开展，需要结合样品与研究目标综合评估。

 

【FAQ 问答】

1.该研究最终选定的 MOF 载体材料是什么？ 答：PCN-222。

2.研究中用到的三类化疗药物分别是？ 答：吉西他滨、紫杉醇、SN-38。

3.水凝胶搭配 MOF 载药体系的作用是什么？ 答：实现肿瘤局部给药，降低化疗药物全身毒副作用，提升病灶部位药物浓度。

4.机器学习筛选 MOF 材料的核心判断指标有哪些？ 答：药物结合能力、材料胶体稳定性、生物相容性。

5.科学指南针可以梳理 MOF 生物医药方向科研思路吗？ 答：可以开展相关文献解读与科研思路沟通，具体模拟、测试服务适配情况需依据实际项目确认。

6.原研究是否拓展了其他癌症给药体系？ 答：本次素材仅涵盖胰腺癌给药研究，未提及其他疾病应用场景。

 

参考文献：

F. Melle, D. Menon, J. Conniot, et al. "Rational Design of Metal–Organic Frameworks for Pancreatic Cancer Therapy: from Machine Learning Screening to In Vivo Efficacy." Adv. Mater. 37, no. 52 (2025): 2412757. https://doi.org/10.1002/adma.202412757[2]

原文链接：

https://advanced.onlinelibrary.wiley.com/doi/10.1002/adma.202412757