机器学习技术应用于纳米颗粒药物向大脑输送的综合研究

这是由于对纳米颗粒 (NP) 的特性如何影响药物生物分布以及在除用于递送的器官之外的器官中的积累的了解有限。 本研究旨在解决先前使用各种预测模型进行的研究的局限性，这些模型基于 403 个包含数字和分类特征的数据点的集合。 使用机器学习技术和广泛的文献数据分析开发了预测 NP 输送到大脑的模型。 还通过基于药效学参数（例如血浆曲线下面积）的系统分析来分析负载药物或纳米颗粒的理化特性。 该分析使用了各种线性模型，特别强调线性混合效应模型 (LMEM)，该模型表现出卓越的准确性。 通过静脉内和鼻内途径制备和施用两种不同的 NP 制剂来验证模型。 LMEM 在捕获模式方面最有效。 释放速率和分子量是对脑靶向产生负面影响的因素。 该模型表明，当所讨论的药物是 P-糖蛋白的底物时，大脑靶向性会略有改善。

来源和详细信息：
https://pubs.acs.org/doi/10.1021/acs.molpharmaceut.3c00880