طراحی سریع تر و دقیق تر داروها با کمک هوش مصنوعی

ککمیاب آنلاین: یافته های اخیر نشان میدهد که چگونه چند مدل سازی که توسط هوش مصنوعی انجام شده می تواند در طراحی نانوذرات با خواص رهایش دقیق دارو کمک نماید.

به گزارش کمیاب آنلاین به نقل از مهر، افزایش اقبال به سمت درمان شخصی سرطان سبب شده تا تمرکز زیادی روی تولید زیست مواد پاسخ گو به محرک های خارجی به وجود آید، زیست موادی که می توانند دارو را به سایت های خاصی در بدن برسانند و از ورود دارو به نواحی دیگر بدن جلوگیری نمایند.
در بین این نوع مواد، نانوذرات مبتنی بر پلی لاکتیک- Co-گلیکولیک اسید (PLGA) چشم انداز امیدوار کننده ای را در سیستم های تحویل هدفمند دارو دارند.
به تازگی مقاله ای در مجله Biomatials انتشار یافته است، که در آن از چهار روش مختلف یادگیری ماشین (ML) استفاده شده تا مدل هایی را پیش بینی و درک عوامل تأثیرگذار مؤثر بر خاصیت های نانوذرات مبتنی بر PLGA را بررسی کند. این مدلها با بهره گیری از پارامترهای مربوط به اندازه نانوذرات، راندمان محصور سازی (E.E. ٪) و بارگذاری دارو (D.L. ٪) آموزش داده شدند. از شاخص هایی نظیر «کمترین میزان کوچک شدن» و« اپراتور انتخاب» برای شناسایی تأثیرگذارترین خاصیت های مؤثر بر این پارامترها استفاده شد.
این مدلها با بهره گیری از یک روش اعتبار سنجی تأیید شدند و با بهره گیری از معیارهایی مانند خطای مطلق، میانگین خطای مطلق و R-Square مورد بررسی قرار گرفتند.
حوزه نانودارو که شامل طراحی داروهای نانویی و عوامل تصویربرداری است، شاهد ورود روش های جدید هوش مصنوعی و یادگیری ماشینی بوده است. این رویکرد های محاسباتی دقت بیشتری را ارائه می دهند و می توانند پیچیدگی سیستم های تحویل دارو را بهتر از روش های سنتی آزمایش و خطا داشته باشند. این مطالعه بر پتانسیل هوش مصنوعی در طراحی فرمولاسیونی با بهبود کنترل خواص و نتایج بهینه تاکید کرده است، که نشان دهنده کاربردهای هوش مصنوعی در سیستم های میکروسیالی و بهینه سازی خصوصیات میکرو ذرات است.


منبع: kamyabonline.com

آخرین مطالب مرتبط