机器学习辅助的优化药物组合在以石为基础的传递系统中,用于黑色素瘤治疗
Ana Raquel Bertão1,2,3,4, Filipe Teixeira1, Viktoriya Ivasiv1
1CQUM, Centre of Chemistry, University of Minho, Campus de Gualtar, 4710-057 Braga, Portugal.
ACS applied materials & interfaces
|January 25, 2024
概括
这项研究利用人工神经网络优化了以石为基础的药物输送系统 (ZDS) 用于癌症治疗. 结合银和5-甲的新型ZDS显示出增强的抗癌和抗菌活性.
科学领域:
- 纳米技术和材料科学 材料科学
- 计算化学和化学信息学
- 药理学和治疗学 药理学和治疗学
背景情况:
- 基于石的输送系统 (ZDS) 提供了针对药物输送的潜力.
- 银 (Ag+) 和5-甲 (5-FU) 是主要的抗微生物和抗瘤剂.
- 优化药物组合以提高治疗效果在癌症治疗中至关重要.
研究的目的:
- 通过人工神经网络 (ANN) 模型来确定ZDS用于癌症治疗的最佳药物组合.
- 为了评估银和5-FU的抗癌和抗微生物疗效纳入NaY烯酸.
- 开发一种虚拟细胞活力测试协议,用于预测药物疗效.
主要方法:
- 用银 (Ag+) 和5-甲基 (5-FU) 装载的NaY热的制备和表征.
- 在体外细胞活力测试中使用A375癌细胞与ZDS,5-FU和Ag+溶液.
- 使用实验性细胞生存数据训练两个独立的机器学习 (ML) 模型.
主要成果:
- 在没有结构变化的情况下,成功将Ag+和5-FU纳入NaY热石.
- ANN模型准确地预测了实验细胞的活力,使虚拟测试开发成为可能.
- 与液态阶段管理相比,加入热的Ag+和5-FU显示出潜在的抗癌活性.
- 为了最大限度地降低细胞活力,确定了最佳的AgY/5-FU@Y比率.
- ZDS对大肠杆菌和黄金葡萄球菌表现出显著的疗效.
结论:
- 开发的ZDS有效地提供了联合的抗微生物和抗瘤剂.
- 机器学习模型提供了一种可靠的方法来预测药物疗效和优化ZDS配方.
- 这种方法对治疗癌症和相关的细菌感染,特别是黄金葡萄球菌感染有希望.
