AI设计的传感器开启癌症早期检测新路径

摘要

MIT与微软研究团队开发名为CleaveNet的AI模型，能够设计针对特定蛋白酶的肽序列。这些肽涂覆在纳米颗粒上可作为传感器，当体内存在癌症相关的过度活跃蛋白酶时会被切割，并通过尿液释放信号。该方法可用于开发家庭癌症检测工具，甚至能区分不同癌症类型，为早期诊断和治疗提供新途径。

内容框架与概述

研究人员基于蛋白酶在癌细胞中过度活跃的特性，开发了通过检测蛋白酶活性来诊断癌症的新方法。他们将肽涂覆在纳米颗粒表面，当颗粒在体内遇到特定蛋白酶时肽被切割，随后通过尿液排出，类似验孕试纸即可检测信号。这种方法能够放大体内微小癌症信号，实现超敏感检测。

传统方法依赖试错来寻找肽序列，存在特异性不足的问题。团队开发的CleaveNet系统利用蛋白质语言模型，可以从约10万亿种可能组合中高效预测和设计具有高特异性和效率的肽序列。该模型使用公开的肽与蛋白酶相互作用数据进行训练，能够针对目标蛋白酶优化设计。

研究人员以MMP13蛋白酶为例验证了该方法，模型设计出了训练集中未见过的全新肽序列，并表现出优异的选择性和效率。这项技术不仅可用于诊断，还可应用于抗体治疗等疗法，使药物仅在肿瘤环境中释放。目前团队正参与开发可检测30种癌症的家庭诊断工具。

核心概念及解读

蛋白酶：一类能够切割其他蛋白质的酶，在癌细胞中通常过度活跃，帮助肿瘤转移和扩散。

CleaveNet：MIT与微软开发的AI模型，能够设计针对特定蛋白酶的高效且特异性肽序列，用于癌症传感器开发。

肽传感器：涂覆在纳米颗粒上的短蛋白质，当遇到特定蛋白酶时被切割并释放可检测信号，用于癌症诊断。

MMP13：一种基质金属蛋白酶，癌细胞利用它切割胶原蛋白以实现转移，是重要的癌症标志物。

多重检测：使用多种不同肽的组合阵列，产生独特的传感器信号特征，用于区分不同类型的癌症。

原文信息

此摘要卡片由 AI 自动生成