应用机器学习作为聚合物生物材料设计的驱动因素
Samantha M McDonald1, Emily K Augustine2, Quinn Lanners3
1Department of Chemistry, Duke University, Durham, NC, USA.
Nature communications
|August 10, 2023
概括
机器学习 (ML) 可以加速用于医疗用途的新型聚合物生物材料的发现. 然而,标准化医疗相关数据的挑战阻碍了先进的医疗级聚合物的机器学习辅助设计.
科学领域:
- 生物材料科学 生物材料科学
- 聚合物化学 聚合物化学
- 医疗器械开发 医疗器械开发
背景情况:
- 聚合物在现代医学中至关重要,但可用的医疗级聚合物的多样性是有限的.
- 大量投资旨在开发新的聚合物生物材料,以满足临床需求.
- 目前的医疗级聚合物存在一些限制,新材料设计旨在克服这些限制.
研究的目的:
- 探索机器学习 (ML) 在加速新型聚合物生物材料设计方面的潜力.
- 确定阻碍在生物医学聚合物设计中应用ML的关键挑战.
- 为 ML 和生物材料的交叉点提供未来研究方向的前景.
主要方法:
- 关于在聚合物设计中应用机器学习的当前文献的综述.
- 分析用于解决ML驱动材料发现中的数据可用性的策略.
- 识别用于医疗应用的聚合物表征的关键数据缺口.
主要成果:
- 机器学习为减少聚合物开发中的试错合成提供了一个有希望的途径.
- 在聚合物设计中,现有的ML方法通常依赖于组合和高通量实验方法.
- 用ML辅助的生物材料设计的一个重大障碍是缺乏标准化,与药物相关的表征数据 (例如降解,生物相容性).
结论:
- 在应用机器学习和生物医学聚合物设计的具体需求之间存在差距.
- 标准化表征数据对于实现ML在开发先进的医疗级聚合物方面的全部潜力至关重要.
- 应对数据标准化挑战将是未来在机器学习驱动的生物材料发现创新的关键.
相关概念视频
01:28Classification and Mechanical Properties of Synthetic Polymers
Synthetic polymers are classified as elastomers, fibers, or plastics based on their crystallinity. Crystallinity, the degree of long-range order in the solid state, influences the mechanical properties (stretching or contracting) of elastomers. Elastomers are flexible polymers that can expand or contract easily upon the application of an external force. They have numerous crosslinks that pull them back into their original shape when stress is removed. Silicones, for instance, are highly elastic...
01:24Site-Targeted Drug Delivery Systems: Polymeric Carriers
Polymeric carriers enhance targeted drug delivery by increasing efficacy while minimizing off-target effects. These carriers comprise a biodegradable polymeric backbone integrated with functional elements that enable targeting, improve physicochemical properties, and regulate drug release.Targeting MechanismsThe targeting ability of polymeric carriers is mediated by a homing device, which is a molecular recognition component designed to selectively bind to specific tissues or cells. Monoclonal...