医学的下一次飞跃——将基因疗法精准递送至所需部位Medicine’s next leap – delivering gene therapies exactly where they’re needed | Exosome RNA

环球医讯 / 外泌体知识来源:exosome-rna.com加拿大 - 英语2026-04-28 00:06:19 - 阅读时长4分钟 - 1623字
渥太华大学医学院研究团队发现小细胞外囊泡(sEVs)的细胞起源决定其靶向路径,特定囊泡能自然定位肾脏和大脑等难治器官,为小干扰RNA疗法提供精准递送方案。该技术在慢性肾病和神经退行性疾病动物模型中成功降低症状,且在大动物实验中验证了剂量缩放规律,有望解决基因治疗领域长期存在的靶向递送难题,尤其对APOL1基因变异导致的肾病等缺乏治疗选择的重症具有重大临床价值,目前团队正寻求合作伙伴推进临床试验。
基因疗法精准递送小细胞外囊泡(sEVs)siRNA疗法慢性肾病神经退行性疾病药物递送载体
医学的下一次飞跃——将基因疗法精准递送至所需部位

一场静默的医学革命正在展开:现代药物研发正从疾病管理转向通过RNA和基因编辑疗法直接纠正疾病。然而将这些治疗安全精准地递送至目标细胞仍是重大挑战——尤其在大脑和肾脏等难治器官。

现在,由渥太华大学医学院团队领衔的研究者提供了极具说服力的证据:一种受自然启发的精妙解决方案藏于名为小细胞外囊泡(sEVs)的超微型气泡状结构中。这些历经数百万年进化优化的代谢信使,能将RNA(DNA的化学近亲)及其他分子在细胞间传递。

“这就像我们刚发现细胞使用类似电话或TikTok的新媒介进行通信,而非仅限面对面交谈。”——德里克·吉宾斯博士(渥太华大学研究支持与基础设施副校长、教授)

研究团队的新发现揭示:并非所有sEVs都相同,其细胞起源决定运行路径,特定囊泡能自然靶向人体特定组织。这一发现将解锁借助纳米级粒子递送新一代疗法的全新策略。

重新定义药物递送

发表在《细胞生物材料》期刊的这项创新研究高级作者吉宾斯博士表示,这支包含巴西和美国科学家的国际团队从生物学中汲取灵感。

“我们的方法是向自然学习并顺应自然规律,寻找能递送至小干扰RNA(siRNA)疗法最具潜力靶点的sEVs,”他指代这种抑制特定基因表达的强大工具,“同时锁定患者基数大且需求迫切的靶点。”

过去十年间,小细胞外囊泡作为药物递送载体的潜力引发广泛关注,但全球企业投入重金推进该技术时却收效甚微——因其错误假设单一类型sEVs可在全身通用。吉宾斯指出这忽略了生物学基本原理:细胞间通信具有高度特异性。他认为若将sEVs视为生物通信设备,其靶向可控的特性“实属意料之中”。

“我们已积累大量数据证明sEVs可作为有效、安全且可规模化的递送载体。”——吉宾斯博士

研究团队摒弃“一刀切”思路,转而探索sEVs的自然行为规律,筛选最适配目标组织的囊泡类型。

吉宾斯如此阐释其靶向策略:“sEVs向特定细胞传递特定信息。若你家失火,绝不会致电心脏外科医生或修理工;若电脑崩溃,也不会呼叫水管工。”

精准递送实践:肾脏与大脑靶向

这种常识性策略成效显著。团队发现:注入血液的特定sEVs能将siRNA直接递送至肾脏,在慢性肾病小鼠模型中减轻症状。更重要的是,当直接注入中枢神经系统时,sEVs成功将治疗药物递送至大脑,在神经退行性疾病模型中改善了预后。

团队在大动物模型中系统验证了类似成功,实验结果随体型缩放规律可预测,且未受物种特异性生物差异显著影响。这表明该方法有望顺利转化为人类治疗。

迈向临床应用的规模化

该研究建立在siRNA疗法数十年进展基础上。这类基因沉默药物利用小干扰RNA分子阻断致病基因表达。

吉宾斯强调:“siRNA是卓越的治疗手段……单次给药可抑制致病基因表达长达6个月。”

当前仍需攻克两大挑战:sEVs的大规模生产及延长siRNA在体内的作用时间。吉宾斯对此持乐观态度,正积极寻求合作伙伴将技术推进临床试验,尤其聚焦当前治疗选择有限的重症肾病。

“我们希望说服投资者或产业伙伴共同推进临床试验,也可寻求医生合作在学术机构开展临床研究,”作为细胞与分子医学系教授兼渥太华大学研究支持与基础设施副校长的吉宾斯表示,“特别看好该技术对APOL1基因变异所致慢性肾病的治疗前景——患者基数庞大,且常需肾移植甚至因此死亡。”

渥太华研究生态系统的领导力

吉宾斯领衔的这项新研究,是渥太华研究社区聚焦细胞外囊泡的众多重要合作之一。该领域代表性研究者包括:迪伦·巴格博士已成为国际公认的权威,约翰·贝尔博士与卡罗莱纳·伊利科博士正运用其世界领先专长开发癌症治疗用EVs。

尽管细胞外囊泡因体积过小难以通过常规显微镜观测,研究挑战重重,吉宾斯仍将其描述为“医学研究者探索细胞远距离通信机制及攻克复杂疾病的独特兴奋领域”。

“这就像发现细胞使用新型通信媒介,”他总结道,“我们正在破解它们共享的信息,并学习如何重编程这些信息来治疗疾病。”

【全文结束】