通过机器学习增强拉曼光谱对PLGA微球进行超光谱成像分析

科学领域:

• 制药科学 制药科学
• 材料科学 材料科学 材料科学
• 分析化学 分析化学

背景情况:

• 长效注射剂 (LAI) 通过减少药丸负担来改善患者的服药性和治疗结果.
• 聚乳糖糖酸 (PLGA) 微球是LAI的关键技术,但在配方和表征方面面临着挑战.
• 目前用于PLGA微球的物理化学表征方法耗时,劳动密集型,并且需要大量的材料.

研究的目的:

• 开发一种先进的,集成的工具,用于快速和全面的PLGA微球的物理化学表征.
• 加速PLGA基于微球的LAI产品的早期配方开发.
• 为了减少材料消耗,样品准备和分析时间/成本在微球表征.

主要方法:

• 拉曼显微镜与机器学习过程的整合.
• 开发一种单一的,非破坏性的分析方法.
• 同时评估多个关键质量属性,包括药物负载,颗粒大小,含量统一性和多态性.

主要成果:

• 综合方法成功地在单个分析运行中表征了PLGA微球的关键物理化学特性.
• 与传统方法相比,显著减少了材料消耗,样品准备,劳动力和分析时间.
• 启用非破坏性分析,保持样本完整性用于进一步测试.

结论:

• 新的拉曼显微镜和机器学习方法显著简化和加速了PLGA微球的物理化学表征.
• 这种综合工具有助于更快的配方开发和LAI产品的选.
• 该方法有可能用于微球配方的自动化,高通量选,解决早期开发中的局限性.