高通量,人工智能辅助的设计和优化脂质纳米颗粒用于药物输送
Junjie Zeng1, Runlin Chen2, Shun He2
1State Key Laboratory of Advanced Drug Delivery and Release Systems, School of Pharmacy, Zhejiang University, Hangzhou 310058, China.; Hangzhou Institute of Innovative Medicine, School of Pharmacy, Zhejiang University, Hangzhou 310058, China.
概括
高通量技术和人工智能 (AI) 加快了用于药物输送的脂质纳米粒子 (LNP) 的发现. 人工智能分析高通量方法的数据,以优化LNP设计用于治疗应用.
科学领域:
- 生物技术是生物技术.
- 纳米技术 纳米技术
- 制药科学 制药科学
背景情况:
- 脂质纳米颗粒 (LNP) 在药物输送方面表现有前途.
- 优化LNP设计对于释放其全部治疗潜力至关重要.
- 需要高效的工作流程来应对LNP设计的复杂性.
研究的目的:
- 审查使用高通量技术进行人工智能培训的数据集的建立.
- 总结人工智能辅助的LNP设计和优化策略.
- 讨论人工智能在临床LNP开发中的未来应用.
主要方法:
- 高通量技术用于生成大规模,可靠的数据集.
- 人工智能 (AI) 用于将LNP结构与生物属性相关联.
- 从实验数据中学习,以实现高效的LNP发现.
主要成果:
- 人工智能可以有效地从高通量实验数据中学习.
- 这种方法促进了LNP结构和功能之间的相关性.
- 能够有效地导航LNP设计空间.
结论:
- 高通量技术和人工智能的整合为LNP开发提供了转型性的方法.
- 人工智能辅助设计加快了为药物输送优化LNP的速度.
- 人工智能的未来应用对临床LNP进步具有重大潜力.
