纳米颗粒向肿瘤输送需要增强血管的渗漏性，这一核心信条是一个争论的话题。

2023年2月13日，南开大学黄兴禄、中国科学院自动化研究所田捷及中国科学院生物物理研究所阎锡蕴共同通讯在Nature Nanotechnology (IF=40)在线发表题为“Machine-learning-assisted single-vessel analysis of nanoparticle permeability in tumour vasculatures”的研究论文，该研究利用机器学习辅助肿瘤血管中纳米颗粒通透性的单血管分析。

内皮细胞间的转运是提高抗癌药物传递效率的重要过程。肿瘤血管的内皮细胞在内皮细胞(如内皮间隙)和跨细胞开窗(如囊泡-液泡细胞器(VVOs))之间存在间隙。基于这种血管渗漏性，1986年提出了一种增强的穿透和保留机制，并被认为是开发肿瘤靶向纳米载体的核心原则。最近的一项研究表明，高达97%的纳米颗粒是通过主动的跨内皮转运机制进入肿瘤的，而不是通过被动外渗。这一结论在社会上存在争议，但确实为研究转向描述血管通透性机制的异质性敲响了“警钟”。然而，目前缺乏可用的定量策略阻碍了对纳米颗粒血管通透性的了解。

对单个血管的定量分析可以确定血管通透性的程度，但是一项耗时、费力和资源密集型的任务。机器学习(ML)可用于快速分析大数据，并识别人类操作员不明显的趋势和模式。受ML优势的启发，研究人员在蛋白质纳米探针和基于图像分割的ML技术(纳米-ISML)的基础上，设计了一种单血管分析方法，以填补高通量血管通透性定量的知识空白。

基于ML的单血管分析方法

该研究使用纳米ISML，对来自32个肿瘤模型的67000个血管进行了定量，揭示了蛋白质纳米颗粒的高度异质性血管通透性。不同肿瘤中高渗透性血管的百分率>相差13倍，高渗透性血管的穿透能力>相差100倍。该研究表明被动外渗和跨内皮转运分别是高渗透性和低渗透性肿瘤血管的主要机制。为了举例说明纳米ISML辅助纳米药物的合理设计，该研究在低渗透性肿瘤中开发了具有改善跨内皮转运的基因定制蛋白质纳米颗粒。该研究描述了肿瘤血管通透性的异质性，并为下一代抗癌纳米药物的合理设计指明了方向。

原始出处：

Zhu， M.， Zhuang， J.， Li， Z. et al. Machine-learning-assisted single-vessel analysis of nanoparticle permeability in tumour vasculatures. Nat. Nanotechnol. (2023). https：//doi.org/10.1038/s41565-023-01323-4.