在数据驱动下开发一种基于脂质的口服纳米颗粒配方的疏水性药物
Zeqing Bao1, Fion Yung1, Riley J Hickman2,3,4
1Leslie Dan Faculty of Pharmacy, University of Toronto, Toronto, ON, M5S 3M2, Canada.
Drug delivery and translational research
|December 29, 2023
概括
使用机器学习和自动化实验的数据驱动方法加快了用于疏水药物的脂质纳米颗粒 (SLN / NLC) 的设计. 这种方法显著提高了药物的溶解性和口服生物可用性,与已批准的产品性能相匹配.
科学领域:
- 制药科学 制药科学
- 纳米技术纳米技术
- 药物输送系统 药物输送系统
背景情况:
- 口服药物管理是首选的,但由于水药物的溶解性差和第一通代谢受到挑战.
- 固体脂质纳米粒子 (SLN) 和纳米结构脂质载体 (NLC) 提供了解决方案,但面临着复杂的传统设计局限性.
- 现有的设计方法仅限于狭窄的设计空间,阻碍了最佳配方开发.
研究的目的:
- 开发一种以数据为导向的方法,用于加快用于疏水性药物的SLN/NLC的设计.
- 结合实验自动化和机器学习,以实现高效的配方开发.
- 为了提高一种模范性疏水药物的可溶性和口服生物可用性,cannabidiol.
主要方法:
- 利用小型化的实验自动化来高通量制备脂质纳米粒子配方的一个小子集.
- 采用在实验数据上训练的机器学习模型来预测广泛的设计空间 (1215种配方) 的属性.
- 准备并测试机器学习模型预测的高性能配方.
主要成果:
- 在药物溶解性方面达到3000倍的增强,并防止药物降解.
- 与免费药物和非处方药品相比,明显提高了口服生物利用性.
- 与类似于FDA批准的产品Epidiolex®的配方的口服生物可用性相匹配.
结论:
- 一种数据驱动的,自动化的方法显著加速了有效的脂质纳米粒子药物递送系统的设计.
- 这种方法克服了传统设计的局限性,使水药物的可溶性和生物可用性得到提高.
- 开发的配方表现出与已建立的口服制药产品相比的效果.
