通过物理引导液态机器对银纳米粒子抗菌活性进行抑制预测的区域

科学领域:

• 材料科学 材料科学 材料科学
• 计算化学计算化学
• 生物技术是生物技术.

背景情况:

• 银纳米粒子 (AgNPs) 具有强大的抗微生物特性,推动它们在医学,包装和环境修复等领域的应用.
• 由于数据稀缺以及传统机器学习模型缺乏物理一致性,预测AgNP的抑制区 (ZOI) 是一个挑战.

研究的目的:

• 开发一种新的物理引导液态机器 (PG-LSM),用于准确预测AgNP抗菌疗效 (ZOI).
• 在有限的样本条件下,将基于物理学的特征与实验数据相结合,以便在有限的样本条件下进行可靠的预测建模.

主要方法:

• 开发了一个PG-LSM,将物理信息的特征 (粒子形状,核心大小,UV-Vis峰值) 作为预训练的水库.
• 利用储水库计算和编码器-解码器架构用于ZOI预测.
• 采用SHAP分析来解释模型预测并确定关键影响因素.

主要成果:

• 与9个基线模型相比,PG-LSM实现了更高的性能 (R2=0.956,RMSE=1.151,MAE=0.486).
• 在小型数据集上展示了可靠的概括能力,具有密切的验证和测试成绩.
• 废弃性研究证实了每个物理信息库对模型准确性和稳定性的贡献.

结论:

• PG-LSM为预测AgNP抗菌活性提供了一个准确,稳定和可解释的框架,推进了材料信息学.
• 该模型的实际实用性是由其在有限的实验数据集中的有效性所突出.
• 暴露剂量和持续时间被确定为影响AgNP抗菌活性的主导因素.