可解释机器学习将脂质纳米颗粒的高维数据提炼为简明设计规则,用于核酸递送配方的优先级排序
- 分层机器学习方法把高维的脂质纳米颗粒数据压缩为少量物理化学描述符。
- 据此得出可解释的构效关系规则,用于对核酸递送配方进行排序。
- 排名靠前的规则在独立的体外分析和回顾性体内数据分析中仍保持富集,但文中未描述新的前瞻性实验。
💡 要点 基于摘要的观点
回顾性体内数据中出现富集固然令人鼓舞,但LNP数据向来受批次和实验室差异影响很大,所以要看这些规则在按脂质骨架或按数据集划分时是否依然成立,而不只是随机折叠。此外,可在自己的配方筛选中验证两三条规则,并与离子化脂质pKa、配比经验法则等简单基线做对比。
Machine learning-guided design rules for lipid nanoparticles to prioritize nucleic acid delivery ↗