腸内粘液におけるナノおよびマイクロスケール粒子の拡散を調査するための機械学習の枠組み

科学分野:

• バイオマテリアル科学
• 薬物投与システム
• レオロギー

背景:

• 人工粘液モデルの開発は,臨床前薬拡散研究,特にナノスケールおよびマイクロスケール粒子の結腸投与に不可欠です.
• 固有の粘液の特徴と粒子の拡散への影響は複雑で困難です.
• 薬の開発を効率化するために 効率的で信頼性の高い人工粘液の代替品が必要です

研究 の 目的:

• 粘液中の粒子の拡散指紋を検出するためのマイクロレオロジック機能を統合した機械学習 (ML) 駆動のフレームワークを提示する.
• ナノスケールとマイクロスケールの粒子の拡散パターンを特徴付け,粘液マイクロレオロギーの影響を評価する.
• 人工粘液のモデルを評価し,本来の結腸粘液との類似性を評価する.

主な方法:

• 本来の豚粘液と2つの人工粘液モデルで,光でラベル付けされたポリステリン粒子の拡散を調査した.
• マイクロレオロギーパラメータを含む20の軌道をベースにした特徴を抽出しました.
• グラデーションの強化により,最高精度を示す7つの監督MLモデルが適用されました. SHapley Additive exPlanationsは主要な特徴を特定しました.

主要な成果:

• MLフレームワークでは,粒子の拡散パターンと微小学的性質に基づいて粘液モデルを成功裏に区別しました.
• クリープコンプライアンスが粘液モデルを区別するための最も影響力のある特徴として特定されました.
• 負の電荷を持つ小さなナノ粒子は,ネイティブの粘液でより高い運動性を示し,より大きな粒子は粘液の弾力性のためにより大きな制限に直面した.
• ハイドロキシエチルセルロース (HEC) ベースの人工粘液は,ポリアクリル酸ベースのモデルと比較して,天然の豚粘液とより近い類似性を示しました.

結論:

• ML駆動の拡散指紋のアプローチは,粘液の微細構造とリオロギー特性を効果的に特徴付けます.
• この方法は,HECベースの人工粘液を,薬剤投与研究におけるネイティブの結腸粘液の適切な代替品として選択することを支援します.
• この研究は,臨床前薬の開発における生体模倣材料の評価のための強力なプラットフォームを提供します.