Новый научно обоснованный подход к планированию экспериментов для оптимизации систем доставки лекарств на примере капсул PLGA, полученных из эмульсии и ванкомицина — научные отчеты

Извлеченные данные и пространство для проектирования

Извлеченные данные BRY и TRY для модельной системы PLGA-VAN с уровнями составляющих их переменных сведены в таблицу 1, которая служит пространством проектирования оптимизации.

Взаимодействие и корреляция факторов

Для оценки взаимодействия факторов, влияющих на концентрацию выброса, строились графики взаимодействия на основе различия реакций на различные наборы факторов. Обычно на рис. 2 представлены графики взаимодействия LA/GA и P/D при разных MW для BRY и TRY в системе PLGA-VAN. Замечено, что при увеличении MW разница в концентрациях высвобождения лекарственного средства при различных LA/GA и P/D становится менее заметной как для BRY, так и для TRY. Например, при P/D = 8 разница BRY для содержания LA 90 и 50% составляет 271,5, 129,67, 44,14 и 5,05 мкг/мл для ММ 20, 30, 51 и 136 кДа соответственно. . То есть при увеличении MW влияние LA/GA и P/D на кинетику высвобождения становится менее значительным. При использовании метода двойной эмульсии, используемого для изготовления капсул PLGA-VAN, препарат сначала растворяется в водной среде, а затем инкапсулируется в полимерную матрицу. Полимеры с более высокой молекулярной массой образуют более сложные и плотные сети, которые замедляют диффузию воды в полимерную матрицу. Эта более медленная диффузия влияет на процесс инкапсулирования лекарственного средства, приводя к преимущественному накоплению молекул VAN в поверхностных слоях капсул, а не внутри них.^41,42. В результате влияние других факторов (LA/GA и P/D), которые в большей степени связаны с объемными характеристиками системы, становится менее значимым при определении профиля высвобождения. Более того, при более высоких значениях LA/GA влияние P/D на ответ более выражено. Это связано с тем, что увеличение LA/GA увеличивает гидрофобность PLGA, снижает растворимость в воде и распределение VAN в PLGA, а также способствует инкапсуляции препарата в заполненные водой поры в центре капсул из-за присущего ему гидрофильный ВАН^39,43. Таким образом, количества как дополнительно гидрофобизированного полимера, так и загруженного лекарственного средства, на что указывает P/D, играют более важную роль в определении успеха установки, учитывая пониженную разлагаемость PLGA при более высоких значениях LA/GA.

В хорошем соответствии с результатами анализа взаимодействия корреляционный анализ в системе PLGA-VAN предполагает, что увеличение содержания LA пропорционально повышению P/D со значением корреляции + 0,872. Это означает, что при увеличении LA/GA влияние P/D на кинетику высвобождения становится более заметным. Содержание LA также отрицательно коррелирует с MW со значением корреляции -0,976. Это указывает на то, что при увеличении одного из них влияние другого на кинетику высвобождения становится менее значимым. Соответствующее значение корреляции MW и P/D составляет -0,879, что указывает на антагонистическое влияние на кинетику высвобождения. Эти результаты подчеркивают высокую степень взаимосвязи между факторами, так что их вклад в поведение выброса различается при разных значениях.

Формулировка моделирования

Выбор наиболее подходящей модели зависит от значимости ANOVA и параметров подгонки. Согласно ANOVA, линейная модель обратного преобразования квадратного корня как для BRY, так и для TRY в системе PLGA-VAN является значимой на основе значений F и p (таблица 2). Небольшие значения несоответствия являются еще одним показателем правильной подгонки моделей BRY и TRY. Также обнаружено, что размер полученных из эмульсии капсул PLGA-VAN, который колеблется от нескольких сотен нанометров до десятков микрометров (таблица 1), менее значителен в моделях начального взрыва и замедленного высвобождения по сравнению с другими факторами. , на основе значения p (> 0,05) и значения F (2 и последующие расчеты выполнены после этого уточнения моделирования. Также замечено, что MW и LA/GA являются значимыми, тогда как P/D менее значим из-за высокого значения p (0,8187 для BRY и 0,1516 для TRY, что выше уровня значимости со значением p = 0,05) и низкого значения F (0,05 для BRY и 2,27 для TRY). Эти результаты были сделаны на основе анализа взаимодействия и корреляции, приведенного выше с разных точек зрения.

Используя результаты подгонки соответствующих моделей для BRY и TRY (уравнения 3 и 4) с Р²= 0,6261 и 0,7109 соответственно, контуры аппроксимации были построены в виде поверхностей с цветовой кодировкой, которые связывают рассчитанные BRY и TRY с влияющими факторами (рис. 3). Замечено, что при увеличении MW влияние P/D на высвобождение становится менее значимым, что согласуется с результатами, полученными при оценке корреляции и взаимодействия факторов. Более того, более низкий уровень LA/GA приводит к более быстрому высвобождению, о чем свидетельствует зелено-синий цвет контуров.

Демонстрационные контуры P/D по сравнению с LA в PLGA (LA/GA) для BRY (а—д) и ПОПРОБУЙТЕ (е—час) модельной системы при МВт 20 (а, е), 30 (б, ж), 51 (с, г) и 136 (д, час) кДа. λ используется для обозначения расчетных точек, а термины с цветовой кодировкой указаны в мкг/мл.

О прямой связи MW с BRY и TRY свидетельствует доминирование на контурах областей интенсивного красного цвета. Как обсуждалось при анализе взаимодействия, это происходит из-за усиленного накопления молекул VAN в поверхностном слое сфер, вызванного увеличением MW, что увеличивает BRY. Подобная восприимчивость TRY к MW предполагает доминирование первоначального выброса в общем процессе выброса. Это подтверждается тем фактом, что замедленное высвобождение, происходящее после высвобождения молекул VAN, накопленных на поверхности, замедляется из-за увеличения MW из-за снижения способности к разложению PLGA.^41,42.

Оптимизация

Числовое представление оптимизации

Данные метаанализа были связаны с определенными критериями оптимизации модельной системы для определения успешных настроек LA/GA, P/D и MW. Из-за коррелированной природы факторов существует бесконечное множество факторов, которые служат оптимальными решениями. Однако численный подход может не отражать все оптимальные условия системы из-за ограничений программного обеспечения. В случае бесконечного числа результатов Design-Expert по существу представляет максимум 100 решений, тогда как предпочтительные результаты представляют собой непрерывный диапазон факторов. Несмотря на эту проблему, из численного представления оптимизации можно сделать некоторые ценные выводы.

Обычно около 88% оптимальных решений состоят из LA/GA в соотношении 50:50. Напротив, только 2% решений относятся к 70:30 и 7% к 75:25. Остальное соответствует 85:15 и 90:10. Среднее оптимальное P/D составляет 4,03 для LA/GA 50:50, тогда как для других LA/GA оно составляет примерно 2,43. Это подтверждает корреляционный и интерактивный характер системы PLGA-VAN. Несмотря на то, что P/D считается менее значимым согласно ANOVA, его эффектом нельзя пренебрегать. При более высоких значениях LA/GA увеличение содержания VAN может привести к резкому увеличению скорости высвобождения. По-видимому, при более высоких уровнях LA/GA оптимальными являются более высокие MW. Это связано с тем, что более высокие уровни LA/GA приводят к более эффективной инкапсуляции лекарственного средства и, следовательно, к усилению замедленного высвобождения. В таких случаях необходимы более высокие молекулярные массы, чтобы облегчить эффективное первоначальное взрывное высвобождение против атак бактерий за счет преимущественного поверхностного накопления лекарственного средства. Кроме того, поскольку в этом сценарии диффузия воды является более сложной задачей, устойчивость достигается за счет более высокой эффективности инкапсуляции.

Графическое представление оптимизации

На рисунке 4 изображены поверхностные графики желательности нескольких показательных MW иллюстративной системы. Похоже, что при низких MW более низкие значения LA/GA являются оптимальными. При увеличении MW оптимальными становятся более высокие P/D и LA/GA. Интересно, что при самой высокой MW соотношение LA/GA 50:50 и P/D менее 3 становится нежелательным, поскольку как высокое содержание MW, так и GA способствует более высоким начальным скоростям выброса, которые могут превышать безопасные пределы. Кроме того, это указывает на то, что большинство желательных решений встречаются при более высоких MW, более низких LA/GA и более низких P/D. Эти результаты подтверждают сильно коррелированную и интерактивную природу факторов системы PLGA-VAN, что хорошо согласуется с результатами численной оптимизации.

Демонстрационные поверхности желательности модели при МВт 20 (а), 51 (б), 120 (с) и 136 (д) кДа для иллюстративной системы PLGA-VAN. λ используется для обозначения расчетных точек.

Графические рамки — это еще один стиль представления оптимизации, например, на выбранных MW, как показано на рис. 5a-d. На этих графиках, построенных на основе критериев моделирования (раздел 3.3) и оптимизации (раздел 2.5, 2.6 и 3.4.1), значения оптимальных настроек P/D и LA/GA для нескольких MW показаны желтым цветом. — цветные области. Как видно на рис. 5а, при низких МВт оптимальным является небольшое окно значений, где увеличение МВт расширяет это окно. Интересно, что при ММ 136 кДа имеется небольшая область неудовлетворительных значений (рис. 5г). Более того, при определенной MW оптимальные условия возникают либо при более высоких LA/GA и более низких P/D, либо при более низких LA/GA и более высоких P/D. Следовательно, если оба фактора будут увеличены, достижение надлежащего BRY будет сложной задачей. Другими словами, когда один фактор увеличивается, другой должен быть уменьшен, чтобы сохранить все предопределенные критерии оптимизации.

Демонстрационные рамки оптимальных настроек при МВт 20 (а), 51 (б), 120 (с) и 136 (д) кДа для системы PLGA-VAN. λ используется для обозначения расчетных точек.

Проверка оптимизации

Для проверки оптимизации было проверено несколько экспериментальных успешных и неудачных настроек с помощью фреймворков оптимизации, где эти настройки не использовались для установки фреймворков. Новая модель была создана с использованием 19 из 20 настроек, перечисленных в Таблице 1, а одна оставшаяся система была отложена для проверки. Затем были построены графические контуры оптимизации, подобные рис. 5. Если эта отложенная система удачна и размещена внутри желтых частей контура, или она неудачна и расположена вне этих областей, модель проверяется. Этот цикл повторялся 20 раз, чтобы проверить полную достоверность модели для прогнозирования всех настроек. В Таблице 3 суммированы экспериментальные результаты анализов антибактериальной и цитосовместимости настроек, причем номера настроек в этой таблице соответствуют номерам в Таблице 1. Сравнение двух последних столбцов Таблицы 3 ясно показывает, что все успешные и неудачные настройки подтверждают обоснованность подхода к оптимизации, использованного для иллюстративной системы.