机器学习指导了黄素载脂体的微流体合成
Valentina Di Francesco1, Daniela P Boso2, Thomas L Moore1
1Laboratory of Nanotechnology for Precision Medicine, Istituto Italiano Di Tecnologia, Via Morego 30, Genova, 16163, Italy.
Biomedical microdevices
|August 5, 2023
概括
机器学习 (ML) 模型加速纳米粒子合成. 机器学习工具应用于微流体脂质体生产,优化纳米药物开发以改善药物输送.
科学领域:
- 纳米技术 纳米技术
- 材料科学 材料科学 材料科学
- 计算化学计算化学
背景情况:
- 机器学习 (ML) 为简化纳米医药开发提供了潜力.
- 微流体连续流合成为ML集成提供了一个平台,因为复杂的参数相互作用.
- 优化纳米粒子形态学和药理学对于有效的纳米药物至关重要.
研究的目的:
- 将ML模型应用于脂质体的微流体合成.
- 根据合成参数预测脂质体特征.
- 为了推进ML引导的纳米粒子配方.
主要方法:
- 使用微流体学生成了200多种脂质体配置.
- 系统地改变了流量,脂质度和混合比率.
- 训练有素的支持向量机器和人工神经网络模型来预测脂质体特性.
主要成果:
- ML模型成功地被训练来预测脂质体分散/稳定性和大小.
- 证明了使用ML指导微流体纳米粒子合成的可行性.
- 确定了影响脂质体特性的关键工程参数.
结论:
- 机器学习工具可以显著提高纳米药物开发的效率.
- 微流体与ML相结合,为合理的纳米粒子设计提供了一个强大的方法.
- 这项研究代表了迈向ML指导纳米颗粒配方的基本步骤.
