机器学习驱动的治疗物质组成优化,用于高硬度,快速溶解的微针,用于治疗雄激素脱发症
Peiyu Yan1,2, Jing Sun1, Yuehua Zhao2
1Department of Dermatology, China-Japan Union Hospital of Jilin University, Changchun 130033, People's Republic of China.
ACS nano
|August 9, 2025
概括
这项研究引入了一种机器学习策略,用于创建先进的微针,用于用富血小板血 (PRP) 治疗雄激素性脱发症 (AGA). 这种新型的微针证明了有效的头发再生,并克服了以前的分娩挑战.
科学领域:
- 生物材料工程 生物材料工程
- 再生医学是一种再生医学.
- 计算生物学 计算生物学
背景情况:
- 用富血小板血 (PRP) 治疗雄激素性脱毛症 (AGA) 是有希望的,但面临着交付挑战.
- 直接注射PRP是痛苦的,目前的PRP微针 (MNs) 缺乏最佳的硬度和溶解性能.
研究的目的:
- 开发一种机器学习 (ML) 驱动的策略,以优化微针 (MN) 材料组成,以便在AGA处理中提供有效和舒适的PRP.
- 通过最小的实验试验,确定一个最佳的MN材料,平衡高硬度和快速溶解.
主要方法:
- 一个基于机器学习的策略,集成治疗物质选择,正交实验设计,机器学习预测和帕雷托前线识别.
- 使用已识别的最佳材料组成制造MNs.
- 在体外和体内对MN功能的评估,包括生长因子释放,抗菌活性,抗氧化特性,细胞增殖和头发再生功效.
主要成果:
- 通过仅18次实验,ML战略确定了最佳材料组成,实现了高硬度和快速溶解.
- 制造的MNs显示持续的生长因子释放 (>30天),超过90%的细菌抑制,ROS清除,并促进了人类皮肤乳头细胞的增殖.
- 在体内研究表明,通过Wnt/β-catenin通路激活,AGA小鼠的毛发显著再生,超过了米诺西迪尔并消除了合成材料的风险.
结论:
- 开发的ML驱动框架成功地优化了微针的特性,以改善AGA治疗中的PRP输送.
- 这种方法为加速生物材料的临床转化提供了一个可普遍化的范式,确保安全性和有效性.
