
血脑屏障(BBB)作为保护大脑的关键防线,却如同“天堑”般阻碍了超过98%的治疗药物(包括生物大分子、抗体及纳米药物)进入中枢神经系统(CNS),使得阿尔茨海默病、帕金森病、脑胶质瘤、脑卒中等重大脑部疾病的治疗面临巨大挑战。如何安全、高效、可控地突破BBB,实现药物精准递送,是全球脑科学与脑疾病研究领域的核心难题之一。
近日,中国科学院深圳先进技术研究院医学成像科学与技术系统全国重点实验室、医工所先进探测材料与医学成像器件研究中心盛宗海研究员团队对细胞膜工程仿生纳米技术在跨血脑屏障药物递送治疗CNS疾病的最新进展进行了系统性综述。相关研究成果以"Recent advances of engineering cell membranes for nanomedicine delivery across the blood-brain barrier"为题,发表在国际学术期刊Journal of Nanobiotechnology上(IF:12.6)。
图1:文章在线截图
本综述系统梳理并重点评述了近年来迅速发展的细胞膜工程化纳米颗粒(Cell membrane-engineered nanoparticles, CNPs) 技术。该技术的核心在于利用天然细胞膜(如红细胞、血小板、肿瘤细胞、白细胞等)包裹人工合成的纳米颗粒内核,创造性地赋予纳米载体“生物身份”。
源自不同细胞的膜结构天然携带特定功能蛋白(如红细胞膜的CD47赋予免疫逃逸能力,白细胞膜上的整合素介导炎症靶向),使CNPs能更有效地规避免疫清除,并利用细胞自身的生物识别机制穿越BBB。研究团队特别强调,通过进一步工程化修饰(如搭载靶向肽“CDX”、RGD、Angiopep-2等),可显著提升CNPs的BBB穿透效率和病灶靶向精度。
图2:CNP的取材及制备流程
综述详细对比了不同细胞源CNPs的特性:红细胞膜CNPs(RBCNPs)的长循环优势显著,但靶向性不足,需依赖配体修饰提升脑部递送效率,在胶质瘤和阿尔茨海默病模型中效果突出。血小板膜CNPs (PCNPs)天然靶向血管损伤和炎症部位,在缺血性脑卒中治疗和术后残余胶质瘤抑制方面展现出独特潜力。肿瘤细胞膜CNPs (CCNPs)具备同源靶向能力,可有效归巢至脑肿瘤,并已成功应用于影像引导的光热治疗和手术切除。白细胞膜CNPs,包括 巨噬细胞、中性粒细胞、自然杀伤细胞等膜赋予纳米颗粒强大的炎症趋化能力和免疫调节功能,在胶质瘤和神经炎症性疾病治疗中前景广阔。而杂化膜CNPs通过融合不同细胞膜优势(如红细胞膜延长循环+肿瘤细胞膜增强靶向),克服了单一膜在药物递送中的局限性。
图3:红细胞膜CNPs跨血脑屏障递送药物机制示意图
尽管CNPs在临床前研究中展现出令人振奋的成果,作者指出,其迈向临床应用仍面临多重挑战:
规模化生产与质控: 当前CNPs制备(如物理挤压、超声、微流控)多处于实验室规模,难以满足GMP要求。大规模生产中的批次间一致性、膜蛋白活性维持及长期储存稳定性是瓶颈。
膜源选择与免疫相容性: 动物源或细胞系来源的膜存在免疫原性风险;自体人源细胞(如患者血液或肿瘤细胞)是理想选择,但获取困难、成本高昂且涉及伦理。基因工程改造细胞(如敲除免疫原性表位、引入人源CD47)是颇具前景的解决方案。
个性化治疗与监管: 基于患者自身细胞的“个性化CNPs”极具吸引力,但其长期安全性、药代动力学评估体系尚不完善。CNPs兼具生物材料和纳米药物的双重属性,现有监管框架需针对性调整。
展望未来,论文特别强调了人工智能(AI) 在推动CNPs临床转化中的革命性作用。AI模型(如Augur)可高效预测具有BBB穿透能力的多肽,指导CNPs表面配体的理性设计,加速高性能载体开发。同时,基于纳米定量构效关系(nano-QSAR)等AI模型,可提前评估CNPs的生物相容性,并进行毒性预测,实现“安全设计”。另外,AI驱动的先进成像与数据分析技术(如SCP-Nano),能在单细胞分辨率上精准描绘CNPs在体内的分布、代谢及作用机制,为优化递送策略提供关键依据。
图4:人工智能(AI)辅助解决CNP临床转化挑战
中国科学院深圳先进技术研究院盛宗海研究员为通讯作者,中国科学院深圳先进技术研究院博士后原盛楠为第一作者,南京大学王毅庆教授和Christopher J. Butch教授给予了大力支持。该工作得到了国家自然科学基金、国家重点研发计划、广东省基础与应用基础研究基金、深圳市医学研究基金等多个项目的资助。

推荐阅读



来源|医工所、医学成像全国重点实验室
责编|余 融
审校|余 融、赵梓杉、冯 春

暂无评论