微流体制备的纳米粒子的智能预测
Nima Hanari1, Sara Mihandoost2, Sima Rezvantalab3
1Electrical Engineering Department, Urmia University of Technology, Urmia, 57166‑419, Iran.
Scientific reports
|October 28, 2025
概括
机器学习模型可以预测药物加载和封装效率对多样乳糖合甘油酸 (PLGA) 纳米粒子. 这加速了具有所需性质的先进药物输送系统的设计.
科学领域:
- 生物材料科学 生物材料科学
- 纳米技术 纳米技术
- 制药科学 制药科学
背景情况:
- 在药物输送过程中,开发聚乳糖糖酸 (PLGA) 纳米粒子至关重要.
- 控制纳米粒子物理化学特性,以实现最佳的药物封装和加载仍然是一个重大挑战.
研究的目的:
- 编制PLGA纳米粒子配方的综合数据集.
- 应用机器学习算法来预测药物负载 (DL) 和封装效率 (EE).
主要方法:
- 从文献中编制了一个超过300个PLGA纳米粒子配方的数据集.
- 包括与微流体制备相关的25个关键功能.
- 利用各种机器学习算法,包括随机森林,来预测DL和EE.
主要成果:
- 随机森林模型展示了高预测性能.
- 实现了DL的0.93和EE预测的0.96的R2值.
- 发现EE和DL预测之间的影响最小,表明不同的配方见解.
结论:
- 机器学习有效地预测PLGA纳米粒子的关键性质.
- 这种方法可以指导药物输送系统的合理设计.
- 加快纳米颗粒的开发,以量身定制的药物加载和封装效率.
更多相关视频
10:12Flash NanoPrecipitation for the Encapsulation of Hydrophobic and Hydrophilic Compounds in Polymeric Nanoparticles
Published on: January 7, 2019
23.4K
09:58Computer Numerical Control Micromilling of a Microfluidic Acrylic Device with a Staggered Restriction for Magnetic Nanoparticle-Based Immunoassays
Published on: June 23, 2022
2.6K
