相关实验视频
Updated: Jul 17, 2026
08:54
Facile Preparation and Photoactivation of Prodrug-Dye Nanoassemblies
Published on: February 17, 2023
960
基于深度学习方法的声敏剂-药物联合组装的构建
Kanqi Wang1, Liuyin Yang2, Xiaowei Lu1
1Institute of Artificial Intelligence, Xiamen University, Xiamen, 361102, China.
Small (Weinheim an der Bergstrasse, Germany)
|May 16, 2025
概括
一个新的深度学习模型预测药物混合物的颗粒大小,以便更好地联合组装. 这种方法可以实现精确的纳米医学设计,用于增强癌症治疗和成像.
科学领域:
- 药物输送系统是药物输送系统.
- 纳米医学是一种纳米医学.
- 计算化学是一种计算化学.
背景情况:
- 药物联合组装提供了诸如可控药物释放和联合治疗效果等优势.
- 开发有效的联合组装策略对于其临床应用至关重要.
- 预测粒子大小是控制联合组装属性的关键.
研究的目的:
- 开发一种深度学习模型,用于预测药物混合物的颗粒大小.
- 分析影响药物联合组装的分子结构因素.
- 为了验证模型对癌症治疗新型纳米药物的预测.
主要方法:
- 利用图形神经网络提取分子特征 (原子,键,结构).
- 实施了多层次的交叉关注机制,以整合药物基结构信息.
- 采用了废弃实验来评估分子性质的影响.
主要成果:
- 实现了高预测准确度:90.00%的精度,96.00%的回忆和91.67%的F1分数.
- 该模型成功地预测了甲基和埃莫丁在NanoME.ME中的联合组装.
- 实验验证证了NanoME在肝癌成像和治疗中的实用性.
结论:
- 基于深度学习的声敏剂-药物相互作用 (SDI) 模型准确预测药物混合物的颗粒大小.
- 分子结构显著影响药物联合组装,正如模型所揭示的那样.
- 经过验证的纳米医学NanoME显示了双模式癌症治疗和诊断的前景.
