面向药物递送系统应用的纳米载体合成建模与优化

基于纳米结构物质（如纳米颗粒（NPs））的纳米载体（NVs）已被证明可作为优异的药物递送系统。然而，由于潜在 NVs（包括 NPs 材料及其功能化）种类极多，加之可转运分子数量庞大，该领域在寻找具有最优理化性质（如粒径与载药量）的 NVs 方面面临巨大的资源挑战，其中多数努力依赖于试错实验。对此，人工智能（AI）与元启发式算法分别提供了最先进的建模与优化高效手段。本综述通过系统性检索，聚焦于人工智能与元启发式算法在药物递送系统纳米颗粒合成中的应用。主要发现如下：神经网络在建模 NVs 性质上优于线性回归算法与响应面法；对比 AI 或元启发式算法的研究极为有限；关于样本量计算适宜性的信息缺失。基于这些发现，我们使用一个 NV 数据集测试了多层感知机人工神经网络与自适应神经模糊推理系统的建模性能，发现后者更优。对于元启发式算法，我们使用布谷鸟搜索、萤火虫算法、遗传算法和共生生物搜索优化基准函数，发现布谷鸟搜索与共生生物搜索性能最佳。最后，讨论了用于估算 AI 算法适宜样本量的方法。