Sistema de iones compuestos guiado por aprendizaje automático para la administración dual de fármacos dirigida a la...

Área de la Ciencia:

• Dermatología y Nanomedicina; Química Computacional y Ciencia de Materiales

Sus antecedentes:

• La psoriasis implica un exceso de especies reactivas de oxígeno y nitrógeno (RONS), que activan STAT3 y la proliferación de queratinocitos.
• Los tratamientos actuales carecen de eficacia transdérmica y especificidad de objetivo, lo que requiere sistemas de administración novedosos.

Objetivo del estudio:

• Diseñar un sistema eficiente de administración de fármacos transdérmicos para la psoriasis utilizando un marco guiado por aprendizaje automático.
• Desarrollar una plataforma de líquido iónico compuesto (CIL) para la coadministración de agentes terapéuticos a lesiones de psoriasis.

Principales métodos:

• Utilizó el aprendizaje automático para el cribado virtual y el diseño de líquidos iónicos (IL) transdérmicos.
• Desarrolló un sistema CIL para la coadministración del péptido APTSTAT3-9R y la catalasa (CAT), liberando sulfuro de hidrógeno (H2S).
• Investigó estrategias terapéuticas duales: inhibición de STAT3 y regulación de la homeostasis redox.

Principales resultados:

• Identificó con éxito ILs transdérmicos eficientes y desarrolló una plataforma de administración de CIL.
• Demostró que CIL@CA alivia eficazmente los síntomas de la psoriasis inducida por IMQ in vivo.
• Mostró la acción terapéutica dual de inhibir STAT3 y regular la polarización redox/macrófaga.

Conclusiones:

• Un novedoso sistema de administración de fármacos basado en IL impulsado por ML ofrece una estrategia prometedora para enfermedades inflamatorias de la piel.
• La plataforma CIL desarrollada proporciona administración dirigida y acción terapéutica dual para el tratamiento de la psoriasis.