机器学习辅助高通量查纳米酶的性结肠炎.

科学领域:

• 生物材料科学 生物材料科学
• 纳米技术纳米技术
• 胃肠病学 胃肠病学

背景情况:

• 性结肠炎 (UC) 是一种慢性炎症性肠病,患病率越来越高,治疗需求未得到满足.
• 目前对UC的治疗方法通常在有效性和患者满意度方面存在局限性.
• 开发具有改进向和减少副作用的新型治疗剂对于UC管理至关重要.

研究的目的:

• 开发一种机器学习辅助的高通量查策略,用于发现UC治疗的高效纳米酶.
• 识别具有特定治疗性质的新型纳米酶,包括抗氧化活性,酸稳定性和肠道屏障修复功效.
• 阐明在UC中材料特性和治疗结果之间的结构-活性关系.

主要方法:

• 利用机器学习模型预测治疗要求,如抗氧化物质和酸稳定性.
• 采用高通量查来评估不可量化的属性,如肠道屏障修复和生物安全性.
• 应用特征意义分析和回归技术来发现结构-活动关系.
• 在UC模型中研究了已识别的纳米酶 (SrDy2O4) 的治疗作用,包括体外试验和小鼠体内实验.
• 进行了转录和16S rRNA测序,以分析对肠道微生物群的影响.

主要成果:

• 确定了SrDy2O4作为一个有前途的纳米酶候选者,具有高稳定性,低毒性和ROS清除能力.
• 证明SrDy2O4可以降低ROS的产生,抑制肠道细胞的亡,并稳定线粒体膜潜能.
• 在接受SrDy2O4.4治疗的小鼠中观察到结肠长度和体重的显著改善.
• 表明SrDy2O4通过促进有益细菌和减少致病细菌,有效地重新平衡肠道微生物群.
• 强调了SrDy2O4在X射线成像中没有不良影响的额外优势.

结论:

• 机器学习辅助的高通量选策略对于快速发现UC治疗纳米酶是有效的.
• SrDy2O4通过减轻炎症和恢复肠道平衡,对性结肠炎具有显著的治疗潜力.
• SrDy2O4是一个有前途的多功能纳米材料,用于UC治疗和诊断.