Exploiting colloidal drug aggregation for drug delivery: From promise to prediction using computational tools
Notice bibliographique
Résumé
Colloidal drug aggregates are amorphous nanoparticles formed by the self-assembly of hydrophobic small molecule drugs. They can be leveraged as drug-rich nanoparticle formulations for drug delivery. However, it is difficult to predict which drugs will form colloidal aggregates, which stabilizers will be effective, and what the in vivo fate of the nanoparticles will be. These challenges can be addressed, in part, with computational tools including artificial intelligence such as machine learning. Molecular dynamics simulations have been used to improve our understanding of the intermolecular forces that govern the assembly of colloidal drug aggregates. Several predictive tools exist to identify aggregators, but these are typically used to eliminate aggregators from screening libraries rather than design drug delivery formulations. Colloidal drug aggregates require stabilizers to prevent particle growth and precipitation. Computational analyses have been used to predict which colloidal drug aggregators can be stabilized by a particular small molecule excipient and to identify drug-stabilizer pairs. Successful stabilization has enabled colloidal drug aggregate evaluation for applications such as nanomedicine and sustained release. Additionally, certain colloid-forming drugs can be useful for co-delivery of nucleic acids. In future studies, computational tools can be developed to predict the biological activity of colloidal drug aggregates, building upon other approaches currently used for lipid nanoparticles and other modalities. Ultimately, leveraging computational strategies to improve the design of colloidal drug aggregates can help realize the potential of this high drug-loading delivery platform.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».