利用基于低成本替代纳米颗粒的信息预测模型加速连续流系统中的纳米药物开发

arXiv cs.LG 论文
nanoparticles nanodrug-delivery microfluidics predictive-modeling machine-learning pharmaceutical-manufacturing

摘要

这篇arXiv论文提出了一种形状约束的预测建模方法，用于估计连续流纳米药物生产中的纳米颗粒尺寸和分散度，从而减少对大量实验筛选的需求。

arXiv:2608.05761v1 公告类型：新 摘要：纳米治疗药物的开发通常需要大量的经验优化，因为纳米颗粒的性质（如尺寸和多分散指数（PDI））对工艺参数的微小变化非常敏感。配方浓度、流速和混合比等因素会显著影响临床疗效和治疗结果。由于缺乏预测性数学框架，迭代实验筛选成为必要，这增加了成本并延长了开发时间。 本研究介绍并验证了一种基于形状约束的预测建模方法，旨在提高在不同工艺条件下对纳米颗粒特性的估计能力。通过受控微流控方法，在不同脂质浓度、流速和水相-有机相混合比下系统制备了脂质体和脂质纳米颗粒。 该形状约束模型结合了实验数据和专家知识，随后仅使用最少量的经验数据在药物应用中得到了验证。结果表明，形状约束建模有助于准确预测纳米颗粒的尺寸和分散度，减少了对大量实验流程的需求。该框架支持纳米医学系统制造中合理且高效的工艺开发。
查看原文
查看缓存全文

缓存时间: 2026/08/07 07:52 

# 利用基于低成本替代纳米颗粒的信息预测模型加速连续流系统中的纳米药物开发

来源：https://arxiv.org/abs/2608.05761
查看 PDF（https://arxiv.org/pdf/2608.05761）

> 摘要：纳米治疗药物的开发通常涉及大量经验性优化，因为纳米颗粒的性质（如尺寸和多分散性指数 \(PDI\)）对工艺参数的微小变化非常敏感。制剂浓度、流速和混合比例等因素可能显著影响临床疗效和治疗结果。由于缺乏预测性数学框架，迭代式实验筛选成为必要，从而增加了成本并延长了开发时间。本研究提出并验证了一种基于形状约束的预测建模方法，旨在提高不同工艺条件下纳米颗粒特性的估算精度。通过受控微流控方法，在不同脂质浓度、流速和水相与有机相混合比例下系统制备了脂质体和脂质纳米颗粒。该形状约束模型结合了实验数据和专家知识，随后仅使用少量经验数据即对一项制药应用进行了验证。结果表明，形状约束建模能够准确预测纳米颗粒的尺寸和分散性，减少了对大量实验工作流程的需求。该框架支持纳米医学系统制造中合理且高效的过程开发。

## 提交历史

来自：Jochen Schmid \[查看电子邮件（https://arxiv.org/show-email/d1d70474/2608.05761）\] **\[v1\]**2026年8月6日 星期四 08:50:24 UTC（7,480 KB）

相似文章

超越药物发现：纳米技术分子优化（NMO）基准

Hugging Face Daily Papers

纳米技术分子优化（NMO）基准引入了基于物理的分子设计任务，取代了以药物发现为中心的指标，旨在推动纳米技术领域的科学发现。论文显示，先进方法在NMO上的表现不如更简单的方法，并提出了新的基准方法，包括一种新颖的表示方法和领域无关的预训练。

通过口袋条件扩散和属性感知优化生成可开发的3D分子

arXiv cs.LG

本文介绍了一种新颖的基于扩散的生成模型，用于基于结构的药物设计。该模型解耦了口袋和配体的表示学习，并融入了多尺度相互作用信号和属性感知优化，以生成具有更强结合亲和力和更优ADMET属性的可开发3D分子。

Design-CP：蛋白质纳米颗粒设计的上下文并行技术

arXiv cs.LG

Design-CP 为 RFdiffusion 3 引入了上下文并行推理策略，通过将二次激活分布到多个 GPU 上，实现了大型多聚体蛋白质纳米颗粒的全原子设计，从而在较小的 GPU 集群上使大规模组装蛋白质设计变得可行。