纳米颗粒输送到肿瘤如何增强肿瘤血管的渗透性一直以来都是该领域的关键问题。为了解决这一问题，来自南开大学黄兴禄、中科院生物物理所阎锡蕴院士和自动化研究所田捷等人开发了一种利用基于蛋白质的纳米探针和基于图像分割的机器学习（nanoISML）的单血管定量分析方法，揭示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确定了新的方向。使用纳米ISML，研究人员旨在回答纳米颗粒向肿瘤输送的三个关键问题：（1）不同肿瘤和血管中的血管通透性是否异质，如果是，如何对不同的肿瘤通透性进行量化分类？（3） 该方法是否能够调节血管通透性的变化，从而指导个性化递送策略的发展？该研究通过使用纳米ISML，对来自32个肿瘤模型的超过67000个个体血管进行了量化，揭示了基于蛋白质的纳米颗粒的高度异质性血管通透性，与渗透性最低的血管相比，不同肿瘤中高渗透性血管的百分比差异大于13倍，渗透性最高的血管的渗透能力大于100倍；
此外，研究结果表明，被动外渗和经内皮转运分别是高渗透和低渗透肿瘤血管的主要机制，并开发了具有改善低渗透性肿瘤中经内皮转运的基因修饰蛋白质纳米颗粒，用以示例说明纳米ISML辅助的纳米药物的合理设计。
Zhu, M., Zhuang, J., Li, Z. et al. Machine-learning-assisted single-vessel analysis of nanoparticle permeability in tumour vasculatures. Nat. Nanotechnol. (2023).DOI: 10.1038/s41565-023-01323-4https://doi.org/10.1038/s41565-023-01323-4
