审查机器学习用于脂质纳米粒子配方和过程开发的过程

科学领域:

• 制药纳米技术 制药纳米技术
• 药物输送系统 药物输送系统
• 生物技术是生物技术.

背景情况:

• 脂质纳米粒子 (LNP) 是用于封装和输送核酸货物的先进制药配方.
• LNP的应用范围包括遗传疾病,疫苗和治疗性蛋白质的输送.
• 强大的LNP配方对于药物开发至关重要,但研究往往是经验和资源密集的.

研究的目的:

• 审查开发强大的核酸LNP配方的挑战和机遇.
• 检查机器学习 (ML) 在LNP配方研究中的应用.
• 讨论数据科学挑战,促进在LNP开发中促进AI/ML进步的合作.

主要方法:

• 审查关于LNP配方和AI/ML应用的现有文献.
• 对将机器学习应用于LNP实验数据集的研究进行分析.
• 讨论与LNP制定相关的数据科学方法.

主要成果:

• LNP的制定涉及复杂的物理现象和许多参数,使研究具有实证性.
• 人工智能/ML为in silico建模,预测和对LNP过程的更深入理解提供了潜力.
• 数据科学挑战存在于将实验数据集成到AI/ML模型中.

结论:

• 人工智能/ML可以显著提高LNP制定和流程优化的效率和基本理解.
• 配方科学家和数据科学家之间的合作是加速在LNP开发中采用AI/ML的关键.
• 应对数据科学挑战将促进AI/ML的发展,以获得强大的核酸LNP配方.