一种合理的方法来预测多个胃流动性模式中的即时释放配方行为:生物相关装置,实验设计和机器学习的组合

科学领域:

• 制药科学 制药科学
• 生物医学工程 生物医学工程
• 计算生物学 计算生物学

背景情况:

• 胃机械应激显著影响口服药物溶解,但传统的体外法难以复制胃机动性的动态变化.
• 在各种胃内条件下精确模拟药物溶解对于有效的药物开发至关重要.

研究的目的:

• 开发和验证一种新的工作流程,集成新的溶解装置,实验设计 (DoE) 和机器学习 (ML) 来模拟在不同胃机械应力下药物溶解配置.
• 创建囊打开和随后的药物溶解受胃内压力 (IS) 参数影响的预测模型.
• 为了证明开发的工具在模拟各种各样的溶解配置,反映个体胃运动模式的能力.

主要方法:

• 利用一种与能源部结合的新型溶解装置,为软凝囊生成快速状态生物相关溶解实验.
• 采用机器学习算法,包括囊打开的分类模型和基于IS的随机森林模型来预测药物溶解.
• 对独立溶解试验验证了ML模型的预测准确性,并将其与基于多项式的DoE模型进行了比较.

主要成果:

• 开发了两种ML模型,可以在生理性胃内应激 (IS) 条件下准确预测囊打开和随后的药物溶解.
• 与传统的基于多项式的DoE模型相比,ML模型显示出更高的预测能力.
• 经过验证的工具成功模拟了50多个溶解配置文件,有效地模仿了各种各样的胃运动模式.

结论:

• 集成的DoE和ML工作流提供了一个强大的和高效的方法来模拟在可变的胃机械应力下药物溶解配置.
• 这种方法克服了传统体外溶解试验在复制复杂的胃机动性方面的局限性.
• 开发的模拟工具具有显著的潜力,可以增强虚拟生物等价性试验,并推进以患者为中心的立即释放口服剂型的开发.