预测建模方法使用机器学习整合设计的实验在设计质量优化为优化resveratrol-loaded聚合物纳米粒子配方
Phuvamin Suriyaamporn1, Teeratas Kansom2, Boonnada Pamornpathomkul3
1Department of Industrial Pharmacy, Faculty of Pharmacy, Silpakorn University, Nakhon Pathom 73000, Thailand; Research and Innovation Center for Advanced Therapy Medicinal Products, Faculty of Pharmacy, Silpakorn University, Nakhon Pathom 73000, Thailand; College of Innovation, Thammasat University, Bangkok 10200, Thailand.
机器学习集成的设计质量 (QbD) 增强了透皮输送的复星纳米粒子配方. 这种先进的方法提高了预测准确度,并产生了稳定的纳米粒子,具有高效率和皮肤透性.
科学领域:
- 制药科学 制药科学
- 纳米技术纳米技术
- 计算化学的计算化学
背景情况:
- 复星 (RES) 具有治疗潜力,但需要有效的输送系统.
- 聚合物纳米粒子 (PNPs) 为药物输送提供了一个有前途的平台.
- 设计质量 (QbD) 对于可复制的制药制造至关重要.
研究的目的:
- 使用机器学习 (ML) 集成的QbD方法开发和优化含有复星的聚合物纳米粒子 (RES-PNPs).
- 为了比较ML集成QbD与纳米粒子配方传统QbD的预测性能.
- 评估优化RES-PNPs的特征和性能,以通过皮肤传递.
主要方法:
- 通过纳米沉来准备RES-PNP.
- 确定了关键材料属性 (CMA) 和关键过程参数 (CPP).
- 开发了ML集成的QbD模型,并与传统的QbD回归模型进行了比较.
- 从设计空间确定了最佳的配方参数.
主要成果:
- 与传统的QbD相比,ML集成的QbD显示出更高的验证准确性 (较低的RMSE,较高的R2).
- 最佳的 RES-PNP 呈现出理想的特征:粒子大小 (72.85 nm),PDI (0.30),ZP (-18.11 mV) 和%EE (79.25%).
- 优化的RES-PNPs显示出出色的皮肤透,细胞活力,抗氧化活性和稳定性.
结论:
- ML集成的QbD是开发强大的纳米粒子配方的优越方法.
- 优化的RES-PNPs适用于通过皮肤递送药物的应用.
- 集成ML的QbD代表了智能制药制造的有希望的进步.
更多相关视频
06:00Optimization of the Epimedii Folium Mutton-Oil Processing Technology and Testing Its Effect on Zebrafish Embryonic Development
Published on: March 17, 2023
20:24Characterization of Complex Systems Using the Design of Experiments Approach: Transient Protein Expression in Tobacco as a Case Study
Published on: January 31, 2014
相关概念视频
Structure-Activity Relationships and Drug Design
SAR studies the intricate relationship between a drug's chemical structure and biological activity. It focuses on understanding how modifications to a drug's structure can influence...
Analysis of Population Pharmacokinetic Data
Response Surface Methodology
The process of RSM involves several key steps:
Drug Discovery: Overview
