整合机器学习和纳米技术来量化pH调节的氧化释放量
Sonia Fathi-Karkan1,2,3, Abbas Rahdar4, Maryam Shirzad5
1Natural Products and Medicinal Plants Research Center, North Khorasan University of Medical Sciences, Bojnurd, 94531-55166, Iran. Soniafathi92@gmail.com.
对于pH值敏感的纳米细胞有效地将oxaliplatin传递给乳腺癌细胞,增强疗效并降低毒性. 机器学习模型准确地预测药物释放动力学,优化纳米医药配方设计用于向癌症治疗.
科学领域:
- 纳米医学是一种纳米医学.
- 材料科学 材料科学 材料科学
- 计算生物学 计算生物学
背景情况:
- 有针对性的药物输送系统对于提高癌症治疗效率和减少副作用至关重要.
- 奥克萨利是一种基于的化疗药物,对各种癌症具有显著的活性,但其临床使用受到毒性和生物利用性差的限制.
- 对pH敏感的纳米载体在酸性瘤微环境中提供了针对药物释放的有希望的策略.
研究的目的:
- 制定和表征基于表面活性剂的pH敏感的纳米细胞,用于向向乳腺癌细胞输送氧沙.
- 采用机器学习模型来分析和预测pH依赖的药物释放动力学.
- 为了评估氧化载荷纳米细胞对乳腺癌细胞和正常纤维细胞的体内细胞毒性.
主要方法:
- 使用Pluronic F-127通过薄膜水化制备纳米细胞,并以尺寸,形态和封装效率进行特征化.
- 药物释放研究在生理 (pH 7.4) 和酸性 (pH 5.4) 条件下进行.
- 使用SHAP分析的机器学习模型 (随机森林,梯度增强,SVR) 来建模药物释放动力学.
- 用MTT测定对MCF-7乳腺癌细胞和L929正常纤维细胞进行了细胞毒性评估.
主要成果:
- 单分散型,球形纳米细胞,其水力动力直径为290.3nm,封装效率为40.2%,已成功制备.
- 观察到显著的pH响应药物释放,pH值为5.4的累积释放率为77.5%,而pH值为7.4的累积释放率为43.5%,在96小时内释放.
- 动力建模表明,在酸性pH下,从Fickian扩散转向异常运输.
- 机器学习模型显示了高的插值精度 (R2>0.97),SHAP分析揭示了关键释放过渡点.
- 与自由氧化相比,含有氧化的纳米细胞对MCF-7细胞有增强的细胞毒性,对L929细胞有减少的毒性.
结论:
- 基于表面活性剂的纳米细胞作为pH导向的氧化输送的有效平台,增强其用于乳腺癌治疗的治疗指数.
- 机器学习集成为理解复杂的药物释放机制和优化纳米药物配方提供了强大的工具.
- 这种方法在开发用于癌症治疗的先进,有针对性的纳米药物输送系统方面具有重大潜力.
更多相关视频
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
08:47Experimental Quantification of Interactions Between Drug Delivery Systems and Cells In Vitro: A Guide for Preclinical Nanomedicine Evaluation
Published on: September 28, 2022
相关概念视频
pH
pH Scale
Calculating pH Changes in a Buffer Solution
pH
Controlled-Potential Coulometry: Electrolytic Methods
The chosen potential ensures...
Bioreactor Controls-I
