丝纤维素纳米颗粒的微流体生产:过程优化和建模
Edoardo Bertania1, Angelo Modena1, Alessandro Caimi2
1University of Piemonte Orientale, Department of Pharmaceutical Sciences, Largo Donegani 2, 28100 Novara, Italy.
International journal of pharmaceutics
|March 2, 2026
概括
我们开发了一个结合实验,机器学习和CFD的框架,以优化微流体中的丝纤维素纳米粒子 (SFN) 生产. 这种方法确定了为药物输送应用创建小型,统一的SFN的最佳条件.
科学领域:
- 生物材料科学 生物材料科学
- 化学工程是化学工程的重要组成部分.
- 纳米技术纳米技术
背景情况:
- 丝纤维素是药物输送的有希望的生物材料,通过自我组装形成纳米粒子.
- 微流体纳米沉提供了控制,但由于合的参数,很难优化.
- 了解结构-过程关系是可再生丝纤维素纳米粒子 (SFN) 生产的关键.
研究的目的:
- 开发和验证一个集成的实验计算框架,以优化微流体丝纤维素纳米粒子 (SFN) 的形成.
- 阐明操作条件对SFN大小和均性的影响.
- 提供在微流体纳米沉过程中纤维素自我组装的机制性理解.
主要方法:
- 使用设计实验 (DOE) 对丝纤维素:乙的比率和流量进行系统的实验研究.
- 机器学习模型 (线性,功率定律,随机森林) 来预测纳米粒子特性.
- 计算流体动力学 (CFD) 模拟用于分析混合,剪切和溶剂分布.
- 纳米粒子追踪分析 (NTA) 用于量化粒子大小和分布.
主要成果:
- 在中高流量和较高的酸盐分数下,发现的小,均的SFN的最佳条件.
- 机器学习模型有效地捕获了非线性参数相互作用.
- CFD模拟显示了关键描述因素 (例如变量,工艺效率) 与受控溶解和统一的SFN形成相关.
- 该框架成功阐明了微流体SFN生产中的结构-过程关系.
结论:
- 一个集成的实验计算工作流允许微流体纳米沉过程的合理优化.
- CFD提供了关于流体动力学和自组合的复杂相互作用的机制性见解.
- 这种方法促进了以假设为导向的精细化,用于生产丝纤维蛋白纳米粒子 (SFNs) 和类似系统.
