長效注射劑（LAI）是治療慢性病最有前途的治療策略之一，是一類先進(jìn)的藥物遞送系統(tǒng)，可以提高治療效果、安全性和患者依從性。傳統(tǒng)的藥物制劑開發(fā)依賴于反復(fù)試錯，需要開展廣泛且耗時的體外實(shí)驗(yàn)，然而，這種試錯法對聚合物L(fēng)AI的開發(fā)帶來了重大挑戰(zhàn)。近期，多倫多大學(xué)的研究人員利用機(jī)器學(xué)習(xí)（ML）方法來幫助解決LAI開發(fā)中的這一瓶頸問題。研究成果發(fā)表在《Nature Communications》期刊，標(biāo)題為“Machine learning models to accelerate the design of polymeric long-acting injectables”。

研究人員首先基于先前發(fā)表的研究構(gòu)建了數(shù)據(jù)集，并將其分為兩個子集——用于訓(xùn)練的訓(xùn)練集和用于測試的測試集。接下來，研究人員訓(xùn)練并評估了11種不同的ML算法，包括多元線性回歸（MLR）、最小絕對收縮和選擇算子回歸（LASSO）、偏最小二乘法（PLS）、決策樹（DT）、隨機(jī)森林（RF）、輕量梯度提升機(jī)（LGBM）、極限梯度提升（XGB）、自然梯度提升（NGB）、支持向量回歸（SVR）、K-最近鄰（KNN）和神經(jīng)網(wǎng)絡(luò)（NN）。研究結(jié)果表明，ML算法可用于預(yù)測LAI的藥物釋放率，其中LGBM模型的預(yù)測性能最佳，準(zhǔn)確率最高。研究還表明，這些經(jīng)過訓(xùn)練的模型可用于指導(dǎo)新型LAI的設(shè)計。另外，研究人員已經(jīng)將此數(shù)據(jù)集和代碼共享在開源平臺Zenodo上，以供所有人使用來共同創(chuàng)建強(qiáng)大的制藥科學(xué)數(shù)據(jù)庫。

這項研究將ML技術(shù)應(yīng)用于聚合物L(fēng)AI的設(shè)計，朝著數(shù)據(jù)驅(qū)動的藥物制劑開發(fā)邁出了關(guān)鍵一步，也為制藥科學(xué)提供了新見解。

論文鏈接：

https://www.nature.com/articles/s41467-022-35343-w

注：此研究成果摘自《Nature Communications》期刊原文章，文章內(nèi)容不代表本網(wǎng)站觀點(diǎn)和立場，僅供參考。