跨活性药物成分零样本泛化的聚合物纳米颗粒机器学习设计框架

《Drug Delivery and Translational Research》：A machine learning framework for polymeric nanoparticle design with zero-shot generalization across active pharmaceutical ingredients

聚合物纳米颗粒的开发在很大程度上仍依赖经验性方法，需要针对每种活性药物成分（active pharmaceutical ingredient, API）进行大量实验筛选，以确定合适的制剂配方与工艺条件。机器学习（machine learning, ML）为数据驱动的药物递送开发提供了支持，但现有方法通常局限于单一化合物且缺乏外部验证。在此，研究人员开发了NANO-AI——一种整合制剂变量、工艺参数和分子描述符的两步式机器学习框架，用于预测纳米颗粒形成及关键理化属性。该框架基于涵盖9种理化性质多样的API的925个实验制剂进行训练。第一步，分类模型预测纳米颗粒能否成功形成，受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUC）达到0.823。第二步，回归模型预测粒径、多分散指数（polydispersity index, PDI）、Zeta电位和包封率（encapsulation efficiency, EE），其中粒径、Zeta电位和包封率的R²值均高于0.95。实验室间实验证明了该框架在不同操作者和实验环境中的稳健性。重要的是，采用先前未参与训练的API进行的零样本验证表明，该框架能够针对与训练API具有不同理化相似程度的外部化合物提供有效预测。上述发现确立了NANO-AI作为可泛化的数据驱动框架在理性聚合物纳米载体开发中的应用价值，有望减少经验性筛选，并支持跨化学多样性治疗化合物的制剂开发。

**研究背景与问题**

聚合物纳米颗粒的开发长期依赖经验性试错，需针对每种活性药物成分（active pharmaceutical ingredient, API）进行大量实验筛选，以确定合适的制剂配方与工艺条件。质量源于设计（Quality by Design, QbD）框架中的传统统计学工具（如常规实验设计）难以刻画纳米颗粒体系非线性、高维且动态变化的特征。机器学习（machine learning, ML）虽为数据驱动的药物递送开发提供了新途径，但现有研究普遍存在数据集小且不平衡、缺乏稳健外部验证、局限于单一API、极少评估实验室间差异等问题，导致模型过拟合，对新分子或真实实验噪声的泛化能力不足。因此，亟需开发能够整合多样实验条件并在现实实验环境中保持预测性能的ML框架。

**研究内容与主要发现**

研究人员在前期基于异烟肼单药的多步ML框架基础上，将实验数据库扩展至涵盖9种理化性质各异的API共925个制剂，构建了NANO-AI两步式预测平台：第一步通过二分类模型预测纳米颗粒形成可行性，第二步采用回归模型预测粒径、多分散指数（polydispersity index, PDI）、Zeta电位和包封率（encapsulation efficiency, EE）。结果显示，XGBoost在分类任务中性能最优（受试者工作特征曲线下面积AUC 0.82）；回归任务中，深度学习对粒径预测最佳（R²=0.96），XGBoost对EE（R²=0.96）和Zeta电位（R²=0.97）预测最准确。实验室间实验证实了框架在不同操作者和环境中的稳健性；零样本验证表明，框架对四种未参与训练的API仍能提供方向性有效预测。该研究确立了NANO-AI作为可泛化数据驱动框架在理性聚合物纳米载体开发中的地位，有望减少经验性筛选、支持跨化学多样性治疗化合物的制剂开发。

**关键技术与方法**

研究人员采用纳米沉淀法制备纳米颗粒，以Eudragit? E100/L100为聚合物、Tween? 80与PVA 40-88为稳定剂；利用动态光散射测定粒径与PDI、电泳光散射测定Zeta电位，间接超滤法结合各API专属分析方法测定EE。特征空间整合制剂/工艺变量与分子描述符（分子量、logP、拓扑极性表面积TPSA、Hansen溶解度参数HSP）。比较广义线性模型、朴素贝叶斯、随机森林、XGBoost与深度学习算法，H2O平台随机搜索调参，五折交叉验证；外部验证包括三场景实验室间实验及4种未见API的零样本预测（训练队列：925个制剂、9种API；外部验证每种API各15个处方）。

**研究结果**

**Step 1（二分类）：模型选择与可行性预测表现**

在925个制剂上系统比较五种分类算法，XGBoost综合性能最优（AUC 0.82、精密度0.75、F1分数0.77），优于深度学习（0.77）、广义线性模型（0.73）、随机森林（0.72）与朴素贝叶斯（0.68）。随机森林召回率最高（0.91）但精密度仅0.56，易高估制剂可行性。与前期90个单药制剂中深度学习最优不同，在多API异质数据集中，XGBoost通过递归划分特征空间形成独立决策区域，更适合多种药物不同理化机制共存的表格数据。

**Step 2（回归）：纳米颗粒性质预测**

基于422个成功制剂，深度学习对粒径预测最优（R²=0.96，均方根误差RMSE 32.1 nm，平均绝对误差MAE 22.5 nm），随机森林仅R²=0.55。XGBoost对EE与Zeta电位预测最佳（R²分别为0.96和0.97）；PDI预测R²=0.82，精度稍低但所有预测体系PDI均低于0.4，处于可接受的分散范围。特征重要性分析显示：纳米颗粒形成主要受极性Hansen溶解度参数（δ_P）和阴离子聚合物浓度影响；粒径主要取决于相体积、搅拌等过程变量；EE主要依赖API分子描述符（分子量、δ_P、TPSA、logP）；Zeta电位主要由阳/阴离子聚合物含量支配。

**实验室间与操作者变异性稳健性**

选取10个制剂在三个实验情境（城市1-操作者1、城市2-操作者1、城市2-操作者2）重现。Step 1成功率从90%降至70%-80%，处于预期预测不确定度范围内。粒径预测误差在操作者1中约10%-25%，操作者2部分情况超过50%；Zeta电位在中等负值范围（-10至-30 mV）误差低于20%；EE对稳定制剂的误差仅0.00%-9.09%，低包封制剂相对百分比误差虽有放大但绝对偏差很小。整体上，框架在真实实验变异性下保持统计可靠。

**未参与训练API的零样本泛化**

选取咖啡因、硝呋替莫、柚皮苷和伊曲康唑四种未参与训练的API，每种评估15个处方。主成分分析显示伊曲康唑与柚皮苷距训练域较远，咖啡因与硝呋替莫距训练API较近。Step 1成功率80%-100%；粒径在<200 nm范围内误差低于20%-30%，>250 nm时增至40%-50%；EE误差维持在15%-20%以下；PDI虽相对误差较大但均低于0.4。结果表明模型可为未参与训练的API提供方向性制剂指导。

**讨论与结论**

讨论部分指出，现有ML纳米医学研究普遍缺乏现实变异条件下的验证，NANO-AI通过实验室间与零样本双重外部验证弥补了这一不足；相对百分比误差在实验值趋近零时存在数学放大效应，应结合绝对偏差综合评估模型性能。零样本结果表明框架当前适用域仍限于训练数据所覆盖的化学、制剂与工艺空间，应作为实验优先级排序的决策支持工具。结论部分总结：NANO-AI将预测流程组织为两步结构，实现了可行制剂的筛选和关键性质估计；分类模型可靠界定可行设计空间、减少无谓实验；回归模型对粒径、EE和Zeta电位在多API间保持高预测性能，PDI预测满足功能需求；实验室间验证确认了框架的稳健性；零样本验证表明模型可对理化相似度各异的未见过API提供方向性指导。在当前适用域内，NANO-AI可作为数据驱动纳米颗粒开发的决策支持工具，但工业制药应用前仍需更广泛的前瞻性验证与实验域扩展。