计算智能建模和优化小分子API在超临界溶剂中的可溶性,用于制造药物纳米粒子
Jiaxin Liang1, Hai Zhao2, Shengxue Zhou1
1College of Chinese Medicine, Jilin Agricultural Science and Technology College, Jilin, 132101, China.
人工智能 (AI) 模型是为了预测药物在超临界二氧化碳中的溶解性而开发的,这是一种纳米医药生产的绿色方法. 人工智能准确估计了克洛贝塔索 propionate 的溶解度,优化了纳米粒子配方.
科学领域:
- 制药科学 制药科学
- 化学工程是化学工程的重要组成部分.
- 计算化学计算化学
背景情况:
- 绿色化学原理对于可持续的纳米药物生产至关重要.
- 超临界流体为纳米粒子合成提供了一个环保的替代方案.
- 准确预测药物溶解度对于优化基于超临界流体的药物输送系统至关重要.
研究的目的:
- 开发和分析人工智能 (AI) 模型,以预测在超临界二氧化碳中可溶性.
- 用人工智能驱动的模型评估温度和压力对CP溶解度的影响.
- 通过基于人工智能的可溶性估计,优化纳米药物生产的新型绿色方法.
主要方法:
- 应用人工智能,特别是基于决策树的集合模型 (渐变增强,极端随机树,随机森林).
- 使用殖民地优化 (ACO) 优化AI模型的优化.
- 实验验证AI模型对克洛贝塔索 propionate在不同温度和压力的超临界CO2中溶解度的预测.
主要成果:
- 所有开发的AI模型都实现了大于0.9的确定系数 (R2),表明了高精度.
- 渐变增强决策树 (GBDT) 模型表现出卓越的性能,R2为0.987.
- 优化的GBDT模型实现了8.21 × 10−3.3的根平均平方误差 (RMSE) 的最小化.
结论:
- 基于人工智能的模型为预测超临界溶剂中药物溶解度提供了可靠和高效的方法.
- 开发的模型可以显著帮助优化绿色纳米药物生产流程.
- 这项研究强调了人工智能在推动可持续制药制造和药物输送系统方面的潜力.
更多相关视频
10:12Flash NanoPrecipitation for the Encapsulation of Hydrophobic and Hydrophilic Compounds in Polymeric Nanoparticles
Published on: January 7, 2019
13:54A Workflow for Lipid Nanoparticle LNP Formulation Optimization using Designed Mixture-Process Experiments and Self-Validated Ensemble Models SVEM
Published on: August 18, 2023
相关概念视频
Factors Affecting Dissolution: Particle Size and Effective Surface Area
Factors Affecting Dissolution: Drug Permeability, Stability and Stereochemistry
Factors Influencing Drug Absorption: Pharmaceutical Parameters
Factors Influencing Drug Absorption: Drug Dissolution
Theories of Dissolution: The Danckwerts' Model and Interfacial Barrier Model
Factors Affecting Dissolution: Drug pKa, Lipophilicity and GI pH
A drug's pKa and the pH of the gastrointestinal (GI) tract play crucial roles...
