科学家发现利用营养物质有效治疗癌症的新方法

科学家发现利用营养物质有效治疗癌症的新方法 一个国际研究小组开发出一种治疗癌症的新方法，利用营养物质重新激活癌细胞中休眠的代谢途径。研究小组利用一种广泛存在的氨基酸酪氨酸，以纳米药物的形式输送，改变了黑色素瘤（一种严重的皮肤癌）的新陈代谢，从而抑制了癌症的生长。澳大利亚是世界上皮肤癌发病率最高的国家。这种新方法可以与现有疗法相结合，更好地治疗黑色素瘤。这项技术还有可能治疗其他类型的癌症。这项研究由复旦大学的卜文波教授和悉尼科技大学的金大勇教授领导，最近发表在著名期刊《自然纳米技术》（NatureNanotechnology）上。酪氨酸在生物体内的生物利用率有限。然而，研究人员利用一种新的纳米技术，将酪氨酸包装成被称为纳米微粒的微小颗粒，这种微粒会被癌细胞膜吸引，并很容易分解，从而促进吸收。研究小组随后在小鼠和实验室中的人源黑色素瘤细胞中测试了这种创新疗法，发现酪氨酸纳米微粒重新激活了休眠代谢途径，引发了黑色素合成，抑制了肿瘤生长。"不受控制的快速生长是癌细胞区别于正常细胞的一个关键特征。在癌细胞中，一些新陈代谢途径被过度激活，而另一些则被抑制，从而为快速扩散创造了必要的环境，"金教授说。"虽然此前已开发出一些基于代谢的癌症药物，如阻碍乳腺癌中雌激素合成的芳香化酶抑制剂和针对各种癌症中糖酵解的HK2抑制剂，但这些药物都是通过抑制过度激活代谢途径来发挥作用的。""我们的研究首次表明，通过重新激活处于休眠状态的新陈代谢途径，可以阻止癌症的发生。而这可以通过使用简单的营养物质来实现，如氨基酸、糖和维生素，它们安全、易得、耐受性好，"卜教授说。不同类型的癌症会对不同的营养物质做出反应。黑色素瘤细胞是从产生黑色素的皮肤细胞黑色素细胞发展而来的。黑色素的生成需要酪氨酸，酪氨酸能刺激黑色素的生成，因此对黑色素瘤有效。黑色素合成的重新激活迫使黑色素瘤细胞减少糖酵解（将糖转化为能量的过程），这被认为是其抗癌作用的机制。黑色素瘤细胞也容易受到热应力的影响。研究人员发现，通过将酪氨酸纳米簇治疗与近红外激光治疗相结合，他们能够在六天后根除小鼠体内的黑色素瘤，而且在研究期间黑色素瘤不会再次发生。研究结果表明，利用纳米药物治疗癌症有望开辟一个新领域。编译自/ScitechDaily ... PC版： 手机版：

两项独立临床癌症研究证明 联合疗法可增强免疫治疗反应

两项独立临床癌症研究证明 联合疗法可增强免疫治疗反应 免疫检查点抑制剂（ICI）是一种领先的癌症免疫治疗药物，但并非所有癌症患者都对其有反应。在两项独立的临床研究中，美国宾夕法尼亚大学医学院和斯克里普斯研究所团队发现，添加 janus 激酶（JAK）抑制剂改善了癌症患者对 ICI 疗法的反应。研究成果发表在近期《科学》杂志上。《科学》杂志高级编辑普利西拉・凯利评论认为，这两项临床试验值得高度关注，因为它们为一种新的治疗策略铺平了道路。

中国科学家在癌症精准治疗上获新突破

中国科学家在癌症精准治疗上获新突破 据统计，超过半数的人类肿瘤中发现了p53突变基因，突变后的p53蛋白不仅丧失了原有的抑癌能力，还异常聚集在细胞内，致使肿瘤发生、侵袭、转移以及化疗耐药等。研究人员通过NanoTAC技术形成仿生模拟人体天然降解系统的选择性自噬关键受体蛋白。该仿生纳米受体成功实现对肿瘤细胞中突变p53的自噬性降解，并在多种肿瘤细胞和卵巢癌患者来源的肿瘤动物模型中均展现出了显著治疗效果。NanoTAC技术作为一种全新的仿生纳米平台，不仅能够实现药物递送，还能够通过诱导自噬靶向降解致病蛋白，为解决癌症等重大疾病的精准治疗难题提供了新思路新方向。 ... PC版： 手机版：

中大医学院与美国实验室合作研发出治疗鼻咽癌mRNA药物

中大医学院与美国实验室合作研发出治疗鼻咽癌mRNA药物 鼻咽癌是香港常见的头颈癌之一。中文大学医学院的研究团队发现，可以利用EB病毒作为治疗标靶，并运用信使核糖核酸（mRNA）技术研发出一种创新的鼻咽癌治疗药物，针对性地歼灭携带EB病毒的癌细胞。中大医学院病理解剖及细胞学系和美国杰克森实验室合作，研发了一种合成mRNA药物。中大医学院病理解剖及细胞学系教授罗国炜表示，有关新药物会针对携带着EB病毒的癌细胞，同时配合免疫疗法以达到协同效应，有望大幅提高治疗成果。他又指出，以往已有外国研究尝试利用mRNA技术治疗肝癌等多种癌症类型。相比化疗，这种新型药物的副作用预期会较少，未来或可扩展应用在其他与EB病毒相关的癌症。中大医学院病理解剖及细胞学系助理教授曾智敏指，有关创新疗法能有效并安全地抑制肿瘤生长。她解释，新药物的脂质纳米颗粒担当了激活剂的角色，引爆体内细胞的EB病毒，使病毒在裂解的过程中死亡。目前研究团队在小鼠模型中初步证实治疗成效，正积极推进临床试验进程，有望在未来4年内进入第一期临床试验。 2024-06-20 13:46:25 (1)

“减肥神药”又有新功效 研究显示GLP-1类药物或有助于降低癌症风险

“减肥神药”又有新功效 研究显示GLP-1类药物或有助于降低癌症风险 美东时间7月5日周五，发表在《JAMA Network Open》上的一篇研究指出，某些糖尿病和减肥药物可能有助于降低癌症风险。此前美国疾病控制与预防中心（CDC）称，肥胖会增加罹患13种特定类型癌症的风险，这些癌症占美国所有癌症诊断的40%，而研究结果显示，使用GLP-1药物的2型糖尿病患者，与使用传统胰岛素治疗的患者相比，患肥胖相关癌症的风险较低。例如，使用GLP-1类药物的患者患结肠癌的风险几乎比仅接受胰岛素治疗的患者低50%。此外，GLP-1类药物还可以降低其他消化系统肿瘤的风险，包括食管癌、胆囊癌和胰腺癌。然而，这些新药在防癌效果上并未超越二甲双胍，后者是一种已知具有降低癌症风险效果的老药。美国癌症协会的首席患者官员Arif Kamal强调了肥胖与癌症风险的关联，他将肥胖比作“当代癌症风险的烟草”，并对GLP-1类药物的初步研究结果表示认可，认为其“颇具说服力”。由于此研究涉及诺和诺德公司的糖尿病治疗药物Ozempic和礼来公司的Zepbound。周五隔夜，诺和诺德美股股价上涨2.52%，礼来上涨1.83%。这项研究由凯斯西储大学BS-MD项目的二年级学生Lindsey Wang完成数据分析，涵盖了超过160万名2型糖尿病患者的电子健康记录，时间跨度为15年，直至2018年11月。值得注意的是，由于Ozempic是在2017年引入美国市场，研究中的大部分患者使用的是第一代GLP-1药物，如诺和的Victoza。尽管这一发现为糖尿病和减肥药物的防癌潜力提供了初步证据，但科学家们指出，仍需开展更多研究来验证这些药物是否真的能够预防某些类型的癌症，这包括进行随机对照试验，随机分配患者使用GLP-1药物或其他治疗方法。此外，随着更强效的GLP-1类药物新版本问世，市场需求激增，高盛分析师预测，未来十年内，仅肥胖治疗市场就可能达到1300亿美元的规模。 ... PC版： 手机版：

更快、更安全的癌症治疗让人工智能改变药物研发过程

更快、更安全的癌症治疗让人工智能改变药物研发过程 利用人工智能改进药物发现和开发是制药科学中一个新的但却日益增长的趋势，而这项技术正是这一趋势的一部分。研究人员利用今天（5 月 6 日）发表在《自然-通讯》（Nature Communications）上的这一新工具合成了 32 种候选抗癌新药。图中的资深作者 Trey Ideker 是加州大学圣地亚哥分校医学、计算机科学和生物工程学教授。图片来源：Erik Jepsen/加州大学圣地亚哥分校"几年前，人工智能在制药行业还是一个肮脏的字眼，但现在的趋势绝对是相反的，生物技术初创公司发现，如果不在商业计划中涉及人工智能，就很难筹集到资金，"资深作者、加州大学圣地亚哥分校医学院医学系教授、加州大学圣地亚哥分校雅各布斯工程学院生物工程和计算机科学兼职教授特雷-伊德克（Trey Ideker）说。"人工智能引导的药物发现已经成为工业界一个非常活跃的领域，但与公司正在开发的方法不同，我们正在将我们的技术开源，让任何想使用它的人都能使用。"多靶点药物研发的优势这个名为 POLYGON 的新平台在用于药物发现的人工智能工具中是独一无二的，因为它可以识别具有多个靶点的分子，而现有的药物发现方案目前优先考虑的是单靶点疗法。多靶点药物之所以备受医生和科学家的关注，是因为它们有可能带来与联合疗法相同的疗效，即同时使用几种不同的药物来治疗癌症，但副作用较小。伊德克说："寻找和开发一种新药需要花费多年时间和数百万美元，尤其是当我们谈论的是一种具有多个靶点的药物时。我们罕见的几种多靶点药物在很大程度上是偶然发现的，但这项新技术可以帮助消除偶然性，启动新一代精准医疗。"POLYGON 的工作原理研究人员在一个包含 100 多万个已知生物活性分子的数据库中对 POLYGON 进行了训练，该数据库包含这些分子的化学性质和与蛋白质靶点的已知相互作用的详细信息。通过学习数据库中发现的模式，POLYGON 能够为可能具有某些特性（如抑制特定蛋白质的能力）的候选新药生成原始化学配方。"就像人工智能现在非常擅长生成原创的图画和图片一样，比如根据所需的年龄或性别等属性生成人脸图片，POLYGON 能够根据所需的化学属性生成原创的分子化合物，"伊德克说。"在这种情况下，我们不是告诉人工智能我们希望自己的脸看起来有多老，而是告诉它我们希望未来的药物如何与疾病蛋白相互作用。"这项研究的共同作者凯瑟琳-利孔（Katherine Licon）是加州大学圣迭戈分校艾德克实验室的实验室经理，该实验室将计算技术和传统湿实验室技术相结合，以回答有关疾病生物学的基本问题，并发现加强精准医疗的新方法。图片来源：Erik Jepsen/加州大学圣地亚哥分校测试和结果为了对 POLYGON 进行测试，研究人员用它生成了数百种候选药物，这些药物以各种癌症相关蛋白对为靶标。在这些候选药物中，研究人员合成了 32 种分子，这些分子与 MEK1 和 mTOR 蛋白的相互作用最强。这两种蛋白被科学家称为合成致命蛋白，这意味着同时抑制这两种蛋白就足以杀死癌细胞，即使单独抑制其中一种也无法杀死癌细胞。研究人员发现，他们合成的药物对 MEK1 和 mTOR 有显著的活性，但与其他蛋白质的脱靶反应很少。这表明，POLYGON 鉴定出的一种或多种药物可以同时针对这两种蛋白质进行癌症治疗，为人类化学家提供了一份微调选择清单。伊德克说："有了候选药物之后仍然需要做所有其他化学工作，才能将这些选择提炼成单一有效的治疗方法。我们不能也不应该试图从药物研发管道中消除人类的专业知识，但我们能做的是缩短流程中的几个步骤。"尽管如此，研究人员仍然乐观地认为，人工智能在药物发现方面的可能性才刚刚被探索出来。伊德克说："在未来十年中，无论是在学术界还是在私营部门，看到这一概念如何发挥作用都将是非常令人兴奋的。可能性几乎是无穷无尽的。"编译来源：ScitechDaily ... PC版： 手机版：