用于增强肿瘤敏化的基于学习生物传感的直接靶向策略
医学物理
2019-01-03 v1 定量方法
摘要
目的：我们提出了一种受迭代优化启发的用于智能纳米系统的新型直接靶向策略（DTS），该策略利用由磁性纳米颗粒（MNPs）组装的外部可操控纳米游动者群，进行知识辅助的肿瘤敏化与靶向。我们旨在通过计算实验证明，所提出的 DTS 能够通过最短的生理路径并以最小的全身暴露，显著增加 MNPs 在肿瘤部位的积累，这些 MNPs 在各种医学成像模态中充当对比剂。方法：肿瘤的震中对应于与体内肿瘤触发的生物物理梯度相关的外部可测量目标函数的全局最大值；目标函数的定义域为具有高恶变风险的区域；用于肿瘤敏化的外部可控磁性纳米游动者群被建模为猜测输入。目标函数可能源于被动现象，如肿瘤血管生成导致的血流减少或微血管峭度增加；否则，目标函数可能涉及主动现象，如由肿瘤靶向“激活剂”纳米颗粒激活的凝血级联反应期间形成的纤维蛋白。随后，DTS 可从迭代优化角度解释：猜测输入（即纳米游动者群）根据目标函数的梯度不断更新，以便通过在定义域（即筛查中的组织）中移动来找到最优点（即肿瘤）。沿着这一思路，我们提出了基于梯度下降（GD）迭代方法的计算模型来描述受 GD 启发的 DTS，该模型考虑了纳米游动者的真实体内传播场景。
引用
@article{arxiv.1901.00438,
title = {Biosensing-by-learning Direct Targeting Strategy for Enhanced Tumor Sensitization},
author = {Yifan Chen and Muhammad Ali and Shaolong Shi and U Kei Cheang},
journal= {arXiv preprint arXiv:1901.00438},
year = {2019}
}