Skip to Content Facebook Feature Image

港大醫學院開發納米藥物遞送系統 有助治療肥胖及動脈粥樣硬化

港大醫學院開發納米藥物遞送系統 有助治療肥胖及動脈粥樣硬化

港大醫學院開發納米藥物遞送系統 有助治療肥胖及動脈粥樣硬化

2023年02月16日 12:45 最後更新:12:45

香港大學李嘉誠醫學院(港大醫學院)的研究團隊研發了包載有甲狀腺素 (Thyroid hormone, TH) 的納米粒,經過脂肪靶向多肽的修飾後,可選擇性將TH輸送到脂肪組織,解決全身遞送TH帶來的嚴重副作用,有望推動肥胖及其併發症的治療發展。研究結果已在期刊《自然通訊》(Nature Communications)發表(按此瀏覽期刊文章)。

港大醫學院研究團隊開發納米藥物遞送系統有助治療肥胖和動脈粥樣硬化。研究團隊成員包括:(左起)張雅茗博士、張麗儀博士、汪琴、汪衛平博士、金雷鋼博士、徐愛民教授及陳康博士。

港大醫學院研究團隊開發納米藥物遞送系統有助治療肥胖和動脈粥樣硬化。研究團隊成員包括:(左起)張雅茗博士、張麗儀博士、汪琴、汪衛平博士、金雷鋼博士、徐愛民教授及陳康博士。

背景資料

肥胖可以引起糖尿病、心血管疾病及神經退化等可危及生命的慢性疾病。TH是一種很古老的激素,可以促進能量消耗,對治療肥胖及其併發症具一定潛力。儘管在過去幾十年,研究人員已付出巨大努力,臨床試驗仍未能證明慢性全身注射TH對肥胖病人有顯著的減重療效。同時,由於TH受體的分布甚廣,全身注射TH通常會導致多種嚴重的副作用,包括心跳過速、心臟病、肌肉萎縮及骨質疏鬆症。此外,雖然脂肪組織和骨骼肌被認為是TH提高代謝率和促進能量消耗的兩個主要標靶器官,但TH能否只通過脂肪組織就能發揮其減重作用仍有待證明。

研究方法及結果

研究團隊研發了包載有TH的納米粒,通過在納米粒上修飾脂肪靶向多肽,可以選擇性地將TH輸送到脂肪組織。與全身遞送TH相比,這種有目標的「脂肪靶向遞送」TH可以更加有效地治療肥胖及其併發症,也沒有對非脂肪組織造成副作用。研究更發現在機制上,脂肪靶向遞送TH可將「壞的」白色脂肪轉化為「好的」棕色脂肪,產生熱能,促進代謝,藉此消耗能量。相反,全身遞送TH抑制了交感神經信號的輸入,無法使白色脂肪產生「棕色化」。此外,研究還發現TH的脂肪靶向輸送能夠緩解高膽固醇血症及動脈粥樣硬化,降低冠心病及缺血性中風的風險。

研究意義

港大生物醫藥技術國家重點實驗室及港大醫學院臨床醫學學院內科學系徐愛民教授指出:「是項研究首次證明通過納米粒將TH靶向遞送至脂肪組織,可以安全有效地治療肥胖及其相關心血管代謝性併發症。這發現還解答了一個存在已久的謎題:為甚麼全身注射TH不能減輕體重。應用脂肪靶向納米藥物遞送策略成功解開了這一難題,為使用TH治療常見慢性疾病重新點燃希望。」

研究團隊

此研究由港大生物醫藥技術國家重點實驗室及港大醫學院臨床醫學學院內科學系徐愛民教授,及李達三博士研究中心、藥理及藥劑學系助理教授汪衛平博士共同領導。港大生物醫藥技術國家重點實驗室及港大醫學院臨床醫學學院內科學系博士後研究員陳康為第一作者。法國蔚藍海岸大學、國家科學研究中心與分子及細胞藥理學研究所的Eric Honoré教授,與港大生物醫藥技術國家重點實驗室及港大醫學院臨床醫學學院內科學系林小玲教授為共同作者。

鳴謝

此研究得到香港研究資助局(卓越學科領域計劃,No. AoE/M/707-18,優配研究金(No. 17125317),協作研究金(No. C7037-17W),國家自然科學基金(No. 82070860 和No. 82161138026)和醫療衞生研究基金(No. 08192146)的支持。

香港大學李嘉誠醫學院(港大醫學院)藥理及藥劑學系的研究團隊,利用人工智能(AI)技術研發出一套創新的心血管疾病風險預測框架 CardiOmicScore,只需一次血液檢測,即可精準預測未來罹患六種主要心血管疾病的風險,包括冠心病、中風、心臟衰竭、心房顫動、外周動脈疾病及靜脈血栓,並可預早在病發前 15 年發出預警訊號。相關研究成果已在國際期刊《自然通訊》上發表(按此瀏覽期刊文章)。

心血管疾病是全球頭號「健康殺手」,僅在 2022 年便奪去約 1,980 萬人的生命。資料圖片

心血管疾病是全球頭號「健康殺手」,僅在 2022 年便奪去約 1,980 萬人的生命。資料圖片

多組學分析結合 AI 反映身體當下健康狀況

心血管疾病是全球頭號「健康殺手」,僅在 2022 年便奪去約 1980 萬人的生命。在傳統的身體檢查中,醫生通常根據年齡、血壓和吸煙歷史等指標來評估患病風險,惟這些指標往往難以全面反映疾病早期的隱匿變化,導致許多患者在確診時已錯過最佳干預時機。儘管近年多基因風險評分日漸普及,由於基因是與生俱來且終生不變的,基因風險評分無法反映生活方式及環境改變對身體狀況的即時影響。因此,臨床上迫切需要一種能即時反映身體當下健康狀況、並能同時精準預警多種心血管疾病的工具。

港大研究團隊利用深度學習技術整合基因組、代謝組與蛋白質組等多組學資料,建構出 CardiOmicScore 風險預測框架。研究以英國生物樣本庫(UK Biobank)的大規模人群資料為基礎,分析血液中 2,920 種蛋白質和 168 種代謝物,發現這些生物信號如同身體的「即時記錄儀」,能敏銳捕捉免疫系統、新陳代謝及血管健康的細微變化。

港大醫學院研發出一套心血管疾病風險預測工具,只需通過一次血液檢測,即可準確預測未來罹患六種主要心血管疾病的風險,並可預早15 年發出預警訊號。此研究由張清鵬教授(左)領導。

港大醫學院研發出一套心血管疾病風險預測工具,只需通過一次血液檢測,即可準確預測未來罹患六種主要心血管疾病的風險,並可預早15 年發出預警訊號。此研究由張清鵬教授(左)領導。

港大醫學院藥理及藥劑學系副教授張清鵬教授表示:「基因決定我們的起跑線,確立了健康的基礎與先天風險,但蛋白質和代謝物才能真正反映我們身體當下的健康狀況。新研發的 AI 模型正是為分析這些複雜訊號而設計,幫助醫生和病人在病發前掌握預警訊號,及早通過調整生活方式或早期干預來改寫疾病的發展。」

研究結果顯示,AI 模型能大幅提升六種常見心血管疾病的預測準確度,甚至能在患者出現症狀前 15 年發出預警。資料圖片

研究結果顯示,AI 模型能大幅提升六種常見心血管疾病的預測準確度,甚至能在患者出現症狀前 15 年發出預警。資料圖片

精準預測六大心血管疾病 提前 15 年識別高危群組

研究結果顯示,CardiOmicScore 系統能將多組學數據轉化為個人化風險評分,其預測能力遠超傳統的多基因風險評分。在結合年齡、性別等常規臨床資訊後,此模型能大幅提升六種常見心血管疾病的預測準確度,甚至能在患者出現症狀前 15 年發出預警。

此項研究標誌著精準醫療將從靜態的「基因層面」轉向較動態的「多組學層面」,同時意味著未來可能只需抽取少量血液,就能得出涵蓋多種心血管疾病的全面風險評估報告。張清鵬教授續指:「我們希望藉助科技,及早辨識和預防尚未出現的疾病,推動健康管理從被動應對轉為主動預測與介入,為公共衛生及個人醫療帶來深遠影響。」

你 或 有 興 趣 的 文 章