《Materials Today Chemistry》:Smart design of crocin-loaded ZIF-8 nanoparticles via design of experiments and machine learning: physicochemical characterization and a molecular dynamics simulation study
编辑推荐:
•采用实验设计(DOE)与XGBoost组合优化ZIF-8的合成参数。•研究了关键参数对藏红花素负载效率的影响。•分子对接与分子动力学模拟揭示了藏红花素在ZIF-8中的吸附与释放过程。•采用XRD、FESEM-EDX、BET、FTIR、TGA及DTG对ZIF-8纳米颗粒进行了
- •
采用实验设计(DOE)与XGBoost组合优化ZIF-8的合成参数。
- •
研究了关键参数对藏红花素负载效率的影响。
- •
分子对接与分子动力学模拟揭示了藏红花素在ZIF-8中的吸附与释放过程。
- •
采用XRD、FESEM-EDX、BET、FTIR、TGA及DTG对ZIF-8纳米颗粒进行了表征。
引言
藏红花素是一种水溶性类胡萝卜素,在多种疾病和病理条件下具有多种治疗和有益作用,包括心血管疾病、记忆力减退、脑血管疾病和肿瘤,这主要归因于其抗氧化和抗炎特性[1,2]。纳米递送系统已被用于通过多种机制增强藏红花素的疗效。包封技术可以保护生物活性化合物免受恶劣环境条件的影响,并建立持续释放机制,实现靶部位的高效递送[3]。
许多研究考察了各种用于藏红花素递送的纳米载体,表明最佳包封对于保持藏红花素的治疗效能至关重要[3]。然而,据我们所知,关于使用金属有机框架(MOFs)作为藏红花素控释载体的研究很少。MOFs是一种纳米结构系统,由金属簇或金属离子与有机配体在多孔结构中配位组成。这些框架因其结构特性而在药学领域引起了极大关注[4,5]。在锌基MOFs中,含有Zn2+和咪唑衍生物的沸石咪唑酯框架(ZIFs)被最广泛地用作药物和基因载体。除了高孔隙率、易于修饰、低毒性和生物相容性外,ZIF-8还具有良好的热稳定性和化学稳定性[6,7]。通过修饰ZIF-8纳米颗粒(NPs)的孔径和表面性质,还可以实现药物的控释[8]。
多种因素会影响纳米载体的效率,包括其孔隙率以及其他物理化学特性,如粒径、形状和表面性质[3]。由于ZIF-8合成过程中变量众多[9,10],仅通过逐一改变单个因素无法确定所有可能因素之间的相互作用。少数文献系统地研究了这些变量对ZIF-8 NPs特性的影响[[10], [11], [12]]。因此,调整系统中输入因素的设置可以被视为控制合成过程以获得高质量结果的一种手段。
实验设计(DOE)是一种稳健的筛选实验方法,有助于阐明变量之间的相互作用及其对期望性能特征的影响。DOE还通过分析实验数据获取经验知识,从而识别有影响力的设计变量[13,14]。在这方面,本研究采用DOE作为系统方法优化ZIF-8 NPs,并通过实验获取信息。此外,机器学习(ML)方法利用计算机算法开发数学模型,基于所获取的数据进行预测[15]。根据预测结果选择最适合我们研究目标的最优ML方法(如聚类、随机森林(RF)、极端梯度提升(XGBoost)、人工神经网络(ANN)等)[16]。
由于ML模型与经典DOE技术的结合能够提高预测性能,特别是对非线性行为的预测,因此值得考虑这种结合,尽管ML通常需要大量数据集。这种结合还有助于选择最佳的ML超参数组合[17,18]。因此,ML可以更好地拟合DOE所生成数据中的特征模式和趋势,而这些模式可能并不显而易见[14]。这是由于输入和输出因素之间的非线性关系可以被ML捕获,而DOE则无法做到[18]。此外,当缺乏大量数据集时,ML模型对于引导优化也大有裨益[19]。考虑到其潜在益处,本研究首次结合DOE和XGBoost来优化ZIF-8合成参数,而此前鲜有研究将两者联合用于纳米颗粒配方优化。
尽管MOF NPs在药物递送领域的应用取得了进展,但对其药物摄取和释放机制的分子水平理解仍然有限。为了克服这些障碍,分子建模与模拟技术作为实验方法的补充工具,在更好地表征药物递送系统动态行为方面发挥着关键作用。这些技术还有助于预测药物负载对纳米载体特性的影响[20]。对于MOFs作为药物递送系统,可以评估吸附和脱附过程的分子动力学(MD)模拟。MD模拟将势能作为关键参数,以模拟系统动力学引起的分子相互作用和运动状态。这些方法可以模拟短时间尺度上的微观动力学,这对于分析复杂系统的扩散行为很有用[21,22]。因此,基于各自的能量,可以提供关于研究系统中最可能构象的定性信息。尽管具有潜在益处,但仅有少数研究考虑了分子对接和MD模拟来阐释ZIF-8 NPs的药物负载和释放行为[[23], [24], [25]]。例如,模拟了咖啡因和5-氟尿嘧啶从ZIF-8中的吸附和释放[23]。Dou等人还通过MD模拟研究了多虑平负载到ZIF-8 NPs及其释放行为[25]。
在本研究中,我们通过系统研究设计了一种用于藏红花素递送的ZIF-8控释系统。采用DOE和XGBoost模型优化配方变量。通过这种方法,我们最大化了数据质量并减少了合成具有预期粒径和多分散性指数(PDI)的ZIF-8所需的实验工作量。在负载过程中,还研究了藏红花素:NPs比值和超声时间对包封率(EE)的影响。随后,在体外对优化后的NPs进行了全面表征,包括藏红花素释放行为、场发射扫描电子显微镜(FESEM)、Brunauer-Emmett-Teller(BET)、能量色散X射线(EDX)、热重分析(TGA)、微分热重(DTG)、傅里叶变换红外光谱(FTIR)和X射线衍射(XRD)分析。本研究还通过使用构型偏差巨正则蒙特卡洛(CB-GCMC)模拟研究藏红花素在ZIF-8表面的吸附及后续释放,提供了分子机制的详细见解。
章节摘要
材料
2-甲基咪唑(2-MeIM,C4H6N2)、硝酸锌六水合物(Zn(NO3)2?6H2O)、藏红花素(纯度≥95.0%)和甲醇(无水,HPLC级,纯度≥99.8%)均由Sigma-Aldrich/Merck(德国)提供。本研究中使用的其他所有材料均为分析纯。
ZIF-8纳米颗粒的合成
采用一步法合成ZIF-8 NPs。将8 mL 2-MeIM的甲醇溶液(0.15-0.61 mol L?1)以约1 mL min?1的速度缓慢加入到6 mL Zn(NO3)2?6H2O溶液(0.06 mol L?1)中,使用
析因设计分析
配方变量与ZIF-8粒径之间的关系复杂且认识有限。此外,在ZIF-8合成过程中,小粒径且低PDI的NPs更为合适,因为它们能够建立可预测的药物递送并更好地控制药物负载[30]。因此,保持ZIF-8的白蛋白石拓扑结构对于其作为药物载体的适用性至关重要[31]。考虑到合成因素在非质量源于设计方法中使用了不同用量
结论
本研究采用DOE和XGBoost机器学习模型系统地设计了ZIF-8的制备方案,以粒径和PDI作为最终目标。通过这种方法,我们优化了可能影响上述目标的不同合成变量,包括温度、投料比、搅拌速率和搅拌时间。最优配方在2-MeIM:Zn(NO3)2比为2.7、搅拌速率100 rpm、温度45°C、搅拌时间3.5 h的条件下合成,获得了粒径为156 nm的NPs。
CRediT作者贡献声明
Mohadeseh Heidari:撰写——初稿,可视化,验证,软件,方法学,调查,形式分析,数据整理。Maryam Keywanlu:撰写——初稿,可视化,验证,软件,方法学。Majid Basafa:撰写——初稿,可视化,验证,软件,方法学。Ali Hashemi Baghi:验证,方法学,调查。Maryam Tabarzad:撰写——审阅与编辑,验证,方法学。Azadeh Haeri:撰写——审阅与编辑,
生成式AI及AI辅助技术在写作过程中的声明
在准备本工作期间,作者使用了DeepSeek以提高稿件的可读性和语言质量。使用该工具后,作者审阅了内容并对已发表文章的内容承担全部责任。
资助
本研究得到伊朗德黑兰舍希德·贝赫什提医科大学的支持。
利益冲突声明
作者声明不存在可能影响本文所报告工作的已知经济利益冲突或个人关系。
Mohadeseh Heidari | Maryam Keywanlu | Majid Basafa | Ali Hashemi Baghi | Maryam Tabarzad | Azadeh Haeri