一个配方数据集的poly ((lactide-co-glycolide) 纳米颗粒用于小分子输送
Anita Goren1, Zeqing Bao2, Juan Pablo Martinez Lozano1
1Leslie Dan Faculty of Pharmacy, University of Toronto, Toronto, ON, M5S 3M2, Canada.
Scientific data
|July 10, 2025
概括
这项研究引入了433个Poly ((lactide-co-glycolide) (PLGA) 纳米粒子配方的新数据集. 该资源旨在加速使用机器学习的先进药物输送系统的开发,并减少试错方法.
科学领域:
- 材料科学 材料科学 材料科学
- 制药科学 制药科学
- 生物技术是生物技术.
背景情况:
- 聚乳酸合糖化物 (PLGA) 纳米颗粒是先进的药物输送系统,有可能克服传统配方的限制.
- 目前对PLGA纳米粒子的配方和优化过程是复杂的,代的,并且通常依赖于试错.
- 人工智能,特别是机器学习,越来越多地被用来简化和加速PLGA纳米粒子配方开发.
研究的目的:
- 为解决PLGA纳米粒子研究的全面,开源数据集的稀缺问题.
- 为加速机器学习在纳米粒子制剂中的应用提供一个有价值的资源.
- 弥合现有的数据缺口,并支持基于PLGA的药物输送系统的合理设计.
主要方法:
- 进行了文献搜索,以整理PLGA纳米粒子配方的数据.
- 来自科学文献的数据被系统地收集和组织.
- 数据集包括433个不同的PLGA纳米粒子配方和65个小分子.
主要成果:
- 一个全面的,文学精心策划的数据集433个PLGA纳米粒子配方成功编制.
- 该数据集涵盖了涉及65种不同的小分子的配方,提供了广泛的应用.
- 这一数据集对纳米粒子研究可用的开源资源做出了重大贡献.
结论:
- 开发的数据集作为一个基础资源,用于推进机器学习应用程序在PLGA纳米粒子配方.
- 预计这一数据集的可用性将加速药物输送系统的合理设计和优化.
- 这项工作有助于在制药配方科学中从经验方法过渡到数据驱动方法.
