Digital Discovery |机器学习引导的高通量纳米颗粒设计

文章预览

    大家好，今天给大家分享一篇近期发表在 Digital Discovery  上的研究进展，题为： Machine learning-guided high throughput nanoparticle design 。该工作的通讯作者是来自埃因霍温理工大学的 Francesca Grisoni 和 Lorenzo Albertazzi 。     纳米药物在疾病的预防、诊断和治疗等方面具有重要的生物学意义。通过调整纳米颗粒的组成，可以利用多种成分设计出具有广泛理化性质的纳米药物平台。然而庞大的组合设计空间使得纳米颗粒配方的探索成了一项艰巨的任务。高通量配方筛选的新工具，以及数据驱动的纳米颗粒设计计算方法，有望彻底改变当前的材料发现领域     本文结合了三项关键技术：微流控配方、高内涵成像（ HCI ）和主动机器学习，形成一个闭环工作流程，加速在 MDA-MB-468 人乳腺癌细胞中具有高摄取率的聚乳酸 - 羟基乙酸共聚物 - 聚乙二醇（ PLGA-PEG ………………………………