人工智能与生理药代动力学模型融合预测无定形固体分散体的体内外命运

这篇研究开创性地将人工智能(AI)与生理药代动力学(PBPK)建模相结合，建立了预测无定形固体分散体(ASDs)分子溶解和系统吸收的双重模型。通过TabPFN算法实现高精度预测(R2=0.905)，并构建包含238种配方的数据集，成功验证了三种上市ASD药物(Noxafil?等)的PBPK模型(AAFE<2)。该框架首次明确区分表观溶解与分子溶解机制，为优化难溶性药物递送系统提供了创新工具。

　　

Highlight

本研究通过整合人工智能与生理药代动力学(PBPK)建模，开创了无定形固体分散体(ASDs)体内外命运预测的新范式。

Kinetics modeling of molecular / colloidal / crystal API in ASDs

ASDs的机制性溶解模型包含三个关键子过程：(1)固体药物基质的表观溶解，(2)药物分子从聚集体中的释放，(3)分子药物结晶沉淀。采用改进的Noyes-Whitney方程描述动力学特征，特别引入无定形相溶解度(S_amorph)参数。

Data distribution

数据集展现了ASDs配方的广泛多样性：溶解分数呈现显著左偏分布(图2A)，多数样本溶解率低于0.2，少数实现近完全溶解；AUD(对数转换后)和Dmax值显示中等变异度，揭示了配方性能的丰富变化谱。

Discussion

ASDs吸收性能的核心在于有效溶解过程，这直接受API化学特性和配方组成的影响。本研究通过AI-PBPK联用技术，首次实现了从分子溶解到系统吸收的全链条机制解析，为ASDs的理性设计建立了新标准。

Conclusion

该研究通过构建AI驱动的计算平台，实现了ASDs分子溶解与系统吸收的精准预测。创新性地区分了表观溶解与分子溶解行为，并引入沉淀动力学和吸收屏障等关键参数，显著推进了难溶性药物递送系统的优化进程。