将体外释放和配方数据准备为人工智能:为简化纳米医学开发奠定基础
Daniel Yanes1, Heather Mead2, James Mann2
1School of Pharmacy, University of Nottingham, University Park Campus, Nottingham NG7 2RD, UK.
人工智能 (AI) 加快了纳米医学的发展,但数据的局限性阻碍了它的潜力. 本研究介绍了一个开放式的脂质体配方数据库,并提出数据标准,以提高AI模型的准确性,以预测关键质量属性.
科学领域:
- 制药科学 制药科学
- 纳米医学是一种纳米医学.
- 数据科学数据科学数据科学
背景情况:
- 人工智能 (AI) 和机器学习 (ML) 正在彻底改变药物开发,包括药物发现和纳米医学.
- 人工智能可以更快地预测纳米医学中的关键质量属性 (CQAs),但受到数据质量和可访问性的限制.
- 制药领域,特别是纳米医学,与其他科学领域相比,缺乏全面的,开放的数据库.
研究的目的:
- 为了解决纳米医学中缺乏精选数据的问题,本研究为脂质体配方提供了一个开放式的本地数据库.
- 识别和突出目前纳米医学数据报告实践中的挑战.
- 为纳米药物配方和体外释放 (IVR) 数据提出标准化数据结构和报告准则.
主要方法:
- 策划了一个开放访问的本地数据库,包含配方参数,体外释放 (IVR) 测试条件,以及对脂质体配方的数字化药物释放数据.
- 质量和数量评估数据库条目,以评估当前的数据报告标准.
- 分析了数据质量,配方和IVR条件报告的完整性,以及药物释放数据格式的一致性.
主要成果:
- 确定了当前数据报告实践中的重大挑战,包括不完整的信息关于制定和IVR条件.
- 在数字化药物释放数据和图表的质量和格式中观察到不一致.
- 通过策划数据库建立了纳米药物配方和IVR数据数据协调的基础.
结论:
- 开发的开放访问数据库和拟议的数据标准旨在提高纳米医学研究的数据可访问性和透明度.
- 改进数据质量和标准化将促进开发更强大的AI模型来预测IVR和CQA.
- 最终,这项工作旨在通过实现可靠的AI驱动预测来简化纳米医学开发.
更多相关视频
08:55Testing the In Vitro and In Vivo Efficiency of mRNA-Lipid Nanoparticles Formulated by Microfluidic Mixing
Published on: January 20, 2023
06:57Rapid, Scalable Assembly and Loading of Bioactive Proteins and Immunostimulants into Diverse Synthetic Nanocarriers Via Flash Nanoprecipitation
Published on: August 11, 2018
相关概念视频
In Vitro Drug Release Testing: Overview, Development and Validation
Clinically Relevant Drug Product Specifications: Methods of Establishment
Drug Product Performance: In Vitro–In Vivo Correlation
Biopharmaceutical Factors Influencing Drug Product Design: Overview
Preclinical Development: Overview
In Vitro Drug Dissolution: Alternative Methods
