Ateroskleroz, atardamar duvarında lipidlerin, bağışıklık hücrelerinin ve fibröz dokunun birikmesiyle gelişen ilerleyici bir hastalıktır. Sistemik statin tedavileri dolaşımdaki kolesterolü azaltabilir; ancak ilacın yalnızca küçük bir bölümü doğrudan aterosklerotik plağa ulaşır. İlacın bütün vücuda dağılması, hedef dokuda yeterli yoğunluk oluşturmak için daha yüksek dozların kullanılmasını gerektirebilir ve yan etki riskini artırabilir.

Bu çalışmada simvastatini sağlıklı damar dokusunda büyük ölçüde tutarken aterosklerotik plağın kimyasal ortamında serbest bırakması amaçlanan, pH ve reaktif oksijen türlerine aynı anda duyarlı bir nanoparçacık sistemi matematiksel olarak modellenmiştir. Aterosklerotik plakların sağlıklı damar duvarından daha asidik olduğu ve daha yüksek reaktif oksijen türü, yani ROS içerdiği varsayılmıştır. Nanoparçacığın hem düşük pH hem de yüksek ROS ile karşılaştığında daha hızlı parçalanması hedeflenmiştir.

Modelde dört taşıyıcı mekanizması karşılaştırılmıştır:

• Uyaranlara duyarlı olmayan nanoparçacık,
• Yalnızca pH’a duyarlı nanoparçacık,
• Yalnızca ROS’a duyarlı nanoparçacık,
• pH ve ROS’a çift duyarlı, iki mekanizma arasında sinerji bulunan nanoparçacık.

Sağlıklı damardan ağır aterosklerotik plağa uzanan beş kuramsal hastalık ortamı tanımlanmıştır. Sağlıklı damar için pH 7,4 ve ROS düzeyi 5 µM; erken plak için pH 6,8 ve ROS düzeyi 100 µM; ağır plak için pH 6,3 ve ROS düzeyi 400 µM kabul edilmiştir.

Ana metindeki mekanizma karşılaştırmasına göre çift duyarlı sistem, erken plak koşulunda 24 saatlik değerlendirmede ilaç yükünün %72,3’ünü açığa çıkarırken sağlıklı ortamda %14,6 düzeyinde kalmıştır. Bu değerlerden hesaplanan hedefleme indeksi 4,95’tir. Aynı analizde pH’a duyarlı sistem için hedefleme indeksi 3,09, ROS’a duyarlı sistem için 3,18 ve uyaranlara duyarsız kontrol için 1,48 bulunmuştur.

Grid aramasıyla yaklaşık 10.000 tasarım kombinasyonu incelenmiş; en yüksek erken plak hedefleme indeksi için azami pH bozunma hızının 0,163 saat^-1, ROS yarı doygunluk sabitinin 47 µM ve sinerji katsayısının 0,68 olması gerektiği hesaplanmıştır. Bu parametrelerle azami hedefleme indeksi 5,24 olarak bildirilmiştir.

On bin yinelemeli Monte Carlo analizinde ortalama hedefleme indeksi 4,76, standart sapma 0,42 ve %95 yüzdelik aralık 4,18-5,34 olarak bulunmuştur. Simülasyonların %97,8’inde hedefleme indeksinin 4’ün üzerinde kalması, modelin tanımlanan parametre belirsizliği altında görece dayanıklı olduğunu düşündürmüştür.

Sobol duyarlılık analizine göre sonuç belirsizliğinin en büyük bölümünü ROS yarı doygunluk sabiti K_ROS ile azami pH bozunma hızı k_pH,max oluşturmuştur. Bu iki parametrenin birinci dereceden katkılarının toplamı model çıktı varyansının %65’ine karşılık gelmiştir.

Hastalık evresi modelinde en yüksek sayısal seçicilik orta dereceli plakta 6,29 olarak bulunmasına rağmen çalışma, erken plağı hedef tedavi açısından en uygun evre olarak yorumlamıştır. Bunun nedeni ileri plaklarda geliştiği varsayılan fibröz bariyerlerin toplam ilaç birikimi yüksek olsa bile hücrelere ulaşan etkin ilaç miktarını sınırlamasıdır. Ancak bu doku penetrasyonu hesabının bütün denklemleri ve biyodağılım parametreleri ana metinde ayrıntılı olarak verilmemiştir.

Çalışma laboratuvarda nanoparçacık üretmemiş, simvastatin salımını doğrudan ölçmemiş, hayvanlarda plak birikimini incelememiş ve hastalarda tedavi etkinliği değerlendirmemiştir. Bildirilen seçicilik değerleri yalnızca matematiksel model, literatürden alınan parametreler ve model varsayımları altında elde edilen hesaplamalardır. Bu nedenle sonuçlar uygulanabilir bir ateroskleroz tedavisinin geliştirildiğini veya simvastatinin nanoparçacıkla daha güvenli ve etkili hâle geldiğini kanıtlamamaktadır.

Detaylı Açıklama

Çalışmanın çözmeye çalıştığı temel problem

Sistemik ilaç tedavisinde ilaç dolaşıma verildiğinde yalnızca hastalıklı dokuya gitmez. Karaciğer, kas, böbrek ve diğer dokular da ilaca maruz kalır. Ateroskleroz tedavisinde kullanılan statinler esas olarak karaciğerde kolesterol sentezini azaltarak çalışır; ancak çalışmanın ele aldığı hedef, simvastatinin bir bölümünü doğrudan damar duvarındaki inflamatuvar plağa ulaştırmaktır.

Bu yaklaşımın teorik amacı iki yönlüdür:

• İlacın sağlıklı damar ve diğer dokularda erken serbest kalmasını azaltmak,
• İlacın aterosklerotik plağın yerel kimyasal ortamında daha yüksek oranda açığa çıkmasını sağlamak.

Bu tür bir sistem yalnızca nanoparçacığın plağa ulaşmasına değil, dolaşım sırasında kararlı kalmasına ve plağın içine girdikten sonra doğru kimyasal uyarılara yanıt vermesine bağlıdır. Dolayısıyla taşıyıcı tasarımı; polimer yapısı, bağ türleri, bozunma hızı, parçacık büyüklüğü, ilaç yükü ve yüzey özellikleri gibi çok sayıda değişken içerir.

Çalışmanın savunduğu temel yaklaşım, bu değişkenlerin tamamını önce laboratuvarda denemek yerine, olası tasarımların bilgisayar ortamında taranması ve yalnızca en umut verici kombinasyonların deneysel senteze taşınmasıdır.

Aterosklerotik plak neden farklı bir kimyasal ortam oluşturur?

Aterosklerotik plak yalnızca yağ birikiminden oluşmaz. Plak içinde aktive makrofajlar, köpük hücreleri, işlevi bozulmuş endotel hücreleri, oksitlenmiş lipoproteinler ve yoğun inflamatuvar etkinlik bulunabilir.

Çalışmada bu ortamın iki temel özelliği hedefleme tetikleyicisi olarak kullanılmıştır:

1. Düşük pH

İnflamatuvar hücrelerin artmış metabolik ve glikolitik etkinliği çevrede asit birikimine neden olabilir. Çalışmada sağlıklı damar dokusunun pH değeri 7,4 kabul edilirken plak ortamları için 7,0 ile 6,3 arasında değişen değerler kullanılmıştır.

pH değeri azaldıkça ortam daha asidik hâle gelir. Asitle parçalanabilen asetal, hidrazon veya ortoester benzeri bağlar taşıyan bir polimer, dolaşımdaki pH 7,4 koşulunda görece kararlı kalabilir; asidik plak ortamında ise daha hızlı parçalanabilir.

2. Yüksek ROS

Reaktif oksijen türleri, oksidatif stres sırasında oluşan kimyasal olarak etkin moleküllerdir. Çalışma ROS düzeyini hidrojen peroksit eşdeğeri üzerinden modellemiştir.

Sağlıklı damar için 5 µM, aterosklerozun farklı evreleri için 50-400 µM arasında ROS değerleri kullanılmıştır. Tiyoketal, diselenid veya boronik ester gibi oksidasyona duyarlı bağlar yüksek ROS ortamında parçalanarak nanoparçacığın yapısını zayıflatabilir.

Neden iki uyarana birden yanıt verilmesi hedeflendi?

Yalnızca düşük pH’a duyarlı bir sistem, vücudun asidik olan başka bölgelerinde de ilaç salabilir. Yalnızca ROS’a duyarlı bir sistem ise yüksek oksidatif stres görülen başka inflamatuvar dokularda etkinleşebilir.

Çift duyarlı sistemin mantığı, iki hastalık işaretinin birlikte bulunmasını daha özgül bir tetikleyici olarak kullanmaktır. Plakta hem asidik ortam hem de yüksek ROS bulunduğunda polimerin daha hızlı parçalanması; yalnızca tek uyarının bulunduğu sağlıklı veya daha az hastalıklı ortamda salımın sınırlı kalması amaçlanmıştır.

Çalışma bu iki etkinin basitçe toplanmadığını, birbirini güçlendirdiğini varsayan ek bir sinerji terimi kullanmıştır. Ancak bu sinerji katsayısı moleküler mekanizmadan doğrudan türetilmemiş; modelin uyumlandırdığı fenomenolojik bir parametre olarak tanımlanmıştır.

pH’a bağlı bozunma modeli

pH’a duyarlı polimer bozunması sigmoid bir denklemle modellenmiştir:

\[ k_{\mathrm{pH}}(pH) = \frac{k_{\mathrm{pH,max}}} {1+\exp\left[\alpha(pH-pH_0)\right]} \]

Değişkenlerin anlamı:

• k_pH(pH): Belirli pH koşulundaki bozunma hızı; birimi saat^-1.
• k_pH,max: Çok asidik ortamda ulaşılabilen azami bozunma hızı.
• α: pH yanıtının ne kadar keskin olduğunu belirleyen boyutsuz eğim parametresi. Çalışmada 2,0 olarak ayarlanmıştır.
• pH₀: Bozunma eğrisinin dönüm noktasıdır. Ana metinde kullanılan kesin temel değeri açık biçimde raporlanmamıştır.

pH değeri pH₀ değerinin üzerine çıktığında üstel terim büyür ve bozunma hızı azalır. pH düştüğünde payda küçülür ve bozunma hızı k_pH,max değerine yaklaşır.

Gündelik bir benzetmeyle bu yapı, asitlik belirli bir eşiğe ulaşana kadar kapalı kalan, eşik geçildikten sonra hızla açılan bir anahtar gibi davranmaktadır. Ancak gerçek polimer bozunması yalnızca pH değerine bağlı olmayabilir; polimer geometrisi, su alımı, molekül ağırlığı ve çevredeki proteinler de süreci etkileyebilir.

ROS’a bağlı bozunma modeli

ROS’a duyarlı bozunma Michaelis-Menten benzeri doygunluk denklemiyle ifade edilmiştir:

\[ k_{\mathrm{ROS}} = k_{\mathrm{ROS,base}}+ k_{\mathrm{ROS,max}} \frac{[\mathrm{ROS}]} {[\mathrm{ROS}]+K_{\mathrm{ROS}}} \]

Değişkenlerin anlamı:

• k_ROS: Belirli ROS yoğunluğundaki toplam oksidatif bozunma hızı.
• k_ROS,base: ROS bulunmasa bile gerçekleşen temel hidrolitik bozunma.
• k_ROS,max: ROS tarafından oluşturulabilecek azami ek bozunma hızı.
• [ROS]: Hidrojen peroksit eşdeğeri olarak ROS yoğunluğu; µM cinsinden.
• K_ROS: ROS kaynaklı azami bozunma etkisinin yarısına ulaşıldığı yoğunluk.

ROS yoğunluğu K_ROS değerine eşit olduğunda ROS kaynaklı ek bozunma, azami etkinin yaklaşık yarısıdır. ROS düzeyi çok yükseldiğinde kesrin değeri 1’e yaklaşır ve bozunma hızı doygunluğa ulaşır.

Bu özellik, 100 µM ile 400 µM arasındaki artışın her zaman dört kat daha fazla bozunmaya yol açmamasını sağlar. Sistem yüksek ROS düzeylerinde giderek doyuma ulaşır.

Çift duyarlı sinerji denklemi

İki mekanizmanın birleşik bozunma hızı şu denklemle hesaplanmıştır:

\[ k_{\mathrm{toplam}} = k_{\mathrm{pH}}+ k_{\mathrm{ROS}}+ \beta k_{\mathrm{pH}}k_{\mathrm{ROS}} \]

Burada β, iki bozunma mekanizmasının birbirini ne ölçüde güçlendirdiğini belirleyen sinerji katsayısıdır.

β sıfır olsaydı toplam hız yalnızca pH ve ROS hızlarının toplamına eşit olurdu. Pozitif β değeri, asitle hidroliz ve oksidatif zincir kırılmasının aynı polimer matriksinde eş zamanlı gerçekleşmesinin ek bir zayıflama oluşturduğu varsayımını temsil etmektedir.

Optimizasyon sonucunda β=0,68 bulunmuştur. Yazar bu değeri, birlikte etkinleşen iki mekanizmanın basit toplamdan daha güçlü bozunma oluşturduğu biçiminde yorumlamaktadır.

Ancak β değeri doğrudan kimyasal reaksiyon hızlarından veya moleküler dinamik simülasyonundan hesaplanmamıştır. Literatür verilerine uyum sağlayan deneysel nitelikte bir model parametresidir. Bu nedenle gerçek bir nanoparçacıkta aynı değerin ortaya çıkacağı henüz gösterilmemiştir.

İlacın nanoparçacıkta kalması ve salınması

Nanoparçacıkta kalan ilaç miktarı M, salınmış ilaç bölmesi D ile gösterilmiştir:

\[ \frac{dM}{dt}=-k_{\mathrm{toplam}}M \]

\[ \frac{dD}{dt}=k_{\mathrm{toplam}}M-k_{\mathrm{elim}}D \]

Başlangıç koşulları:

\[ M(0)=M_0=100\ \mu g \]

[ D(0)=0 ]

Değişkenlerin anlamı:

• M: Nanoparçacığın içinde kalan simvastatin miktarı.
• D: Nanoparçacıktan çıkmış fakat modelde henüz elimine edilmemiş ilaç miktarı.
• k_toplam: pH, ROS ve sinerji etkilerini içeren bozunma ve salım hızı.
• k_elim: Salınan simvastatinin ilgili bölmeden uzaklaştırılma hızı; çalışmada yaklaşık 0,05 saat^-1.
• M₀: Başlangıç nanoparçacık yükü; 100 µg.

Eliminasyon sabitinden hesaplanan yarı ömür ilişkisi, model mantığını açıklamak için şu şekilde gösterilebilir:

\[ t_{1/2}=\frac{\ln 2}{k_{\mathrm{elim}}} \]

\[ t_{1/2}\approx\frac{0.693}{0.05}\approx13.9\ \mathrm{saat} \]

Bu sonuç çalışmada kullanılan yaklaşık 14 saatlik yarı ömürle uyumludur.

Denklemler MATLAB’ın ode45 sayısal çözücüsüyle 72 saate kadar çözülmüştür.

“Salınan ilaç” ile “kümülatif salım” arasındaki önemli ayrım

İkinci denklemde D bölmesinden eliminasyon gerçekleştiği için D(t), belirli bir ana kadar nanoparçacıktan çıkmış bütün ilacın kümülatif toplamı değildir. Salınan ve henüz elimine edilmemiş ilaç miktarını temsil eder. Bu nedenle çizilen eğriler önce yükselip daha sonra düşebilmektedir.

Buna karşılık sonuç metninin bazı bölümlerinde “24 saate kadar yükün %72’si salındı” veya “72 saatte %94’e ulaştı” gibi kümülatif salım izlenimi veren ifadeler kullanılmıştır. Sayfa 6’daki grafiklerde ilaç miktarının erken dönemde tepe yaptıktan sonra azaldığı görülmektedir.

Bu nedenle metindeki yüzdelerin:

• O anda D bölmesinde bulunan ilaç miktarını mı,
• Nanoparçacıktan ayrılmış toplam ilaç miktarını mı,
• Yoksa başlangıç yükünden kalan miktar çıkarılarak hesaplanan kümülatif salımı mı

temsil ettiği ana dosyada tamamen açıklığa kavuşmamaktadır. Bu yöntemsel belirsizlik, sayısal salım sonuçlarının dikkatli yorumlanmasını gerektirir.

Hedefleme indeksi nasıl hesaplandı?

Çalışmada hedefleme indeksi, hastalıklı ortamda açığa çıkan ilaç miktarının sağlıklı ortamda açığa çıkan ilaç miktarına oranı olarak tanımlanmıştır:

\[ TI = \frac{\text{Hastalıklı plak koşulundaki ilaç salımı}} {\text{Sağlıklı doku koşulundaki ilaç salımı}} \]

TI=1, iki ortam arasında seçicilik bulunmadığını gösterir. TI=5 ise modelde hastalıklı ortamda sağlıklı ortama göre beş kat daha yüksek salım veya birikim bulunduğunu ifade eder.

Bu indeks doğrudan gerçek damarda ölçülen nanoparçacık birikimi değildir. Kan dolaşımı, damar duvarına geçiş, karaciğer-dalak temizlenmesi ve hücresel alım gibi biyolojik aşamalar modele tam olarak dahil edilmediği için “hedefleme” sözcüğü burada ağırlıklı olarak uyaranlara bağlı salım seçiciliğini ifade etmektedir.

Modellenen beş hastalık evresi

Bunlar gerçek hastaların ölçülmüş ve izlendiği evreler değildir. Literatürden alınan pH ve ROS aralıklarının temsili senaryolara dönüştürülmesiyle oluşturulmuş kuramsal çevrelerdir.

Dört nanoparçacık mekanizmasının karşılaştırılması

Model dört ayrı tasarımı aynı koşullarda incelemiştir:

• Uyaranlara duyarsız kontrol: Bozunma hızı sabit 0,01 saat^-1.
• pH’a duyarlı: Yalnızca sigmoid pH bozunma mekanizması.
• ROS’a duyarlı: Yalnızca ROS doygunluk mekanizması.
• Çift duyarlı: pH ve ROS hızları ile β sinerji terimi.

Sağlıklı ortamda bütün mekanizmalarda 24 saatlik salımın düşük kaldığı bildirilmiştir:

• Uyaranlara duyarsız: %8,2,
• pH’a duyarlı: %11,4,
• ROS’a duyarlı: %13,1,
• Çift duyarlı: %14,6.

Erken plak ortamında:

• Uyaranlara duyarsız: %12,1,
• pH’a duyarlı: %35,2,
• ROS’a duyarlı: %41,7,
• Çift duyarlı: %72,3.

Bu sonuçlardan elde edilen hedefleme indeksleri:

Bu tablo, çift duyarlı sistemin erken plakta en yüksek salımı sağladığını ve sağlıklı ortamla arasındaki farkın tek duyarlı sistemlerden daha büyük olduğunu göstermektedir.

Literatür verileriyle model doğrulaması

Model yeni deneylerle doğrulanmamıştır. Üç yayımlanmış çalışmanın grafiklerinden sayısallaştırılan salım verileriyle karşılaştırılmıştır.

Çalışmada bildirilen sonuçlar:

• pH’a duyarlı model: R²=0,92 ve RMSE=%8,3.
• ROS’a duyarlı model: R²=0,91 ve RMSE=%9,7.
• Çift duyarlı model: R²=0,94.

Belirleme katsayısı şu temel ilişkiyle anlaşılabilir:

\[ R^2 = 1- \frac{\sum_i(y_i-\hat{y}_i)^2} {\sum_i(y_i-\bar{y})^2} \]

Burada:

• y_i: Literatürden sayısallaştırılan deneysel değer.
• ŷ_i: Model tahmini.
• ȳ: Deneysel değerlerin ortalaması.

R² değerinin 1’e yaklaşması model eğrisinin kullanılan veri noktalarıyla güçlü uyum gösterdiğini ifade eder. Ancak yüksek R² modelin gerçek hayattaki biyodağılımı veya klinik etkinliği doğru tahmin ettiğini göstermez.

Parametrelerin doğrulama ölçütleri hedefin altında kaldığında literatürde bildirilen aralıklar içinde “iteratif olarak iyileştirildiği” belirtilmiştir. Bağımsız bir doğrulama veri kümesi veya parametrelerin bir veri kümesinde ayarlanıp başka bir veri kümesinde kör biçimde sınandığı bir hold-out yaklaşımı açıklanmamıştır. Bu durum modelin kullanılan literatür eğrilerine fazla uyarlanma olasılığını artırabilir.

Ayrıca üçüncü doğrulama kaynağı olarak gösterilen referansın başlığı ROS’a duyarlı sistemler üzerine bir derleme görünümündedir. Çift duyarlı modelin hangi özgün deneysel veri dizisiyle karşılaştırıldığı ana metinde ayrıntılı biçimde gösterilmemiştir.

Grid araması nasıl yapıldı?

Üç temel tasarım parametresi için sistematik tarama gerçekleştirilmiştir:

• k_pH,max: 0,08-0,22 saat^-1 arasında 20 değer,
• K_ROS: 30-80 µM arasında 25 değer,
• β: 0,2-1,0 arasında 20 değer.

Toplam kombinasyon sayısı:

\[ 20\times25\times20=10\,000 \]

Her kombinasyon için erken plak koşulundaki 24 saatlik hedefleme indeksi hesaplanmıştır. Sonuçlar ısı haritaları ve üç boyutlu optimizasyon yüzeyleriyle görselleştirilmiştir.

Sayfa 7’deki Şekil 3 açıklamasında “6.000’den fazla kombinasyon” ifadesi kullanılırken yöntem bölümünde yaklaşık 10.000 kombinasyon bildirilmektedir. Izgara boyutlarının çarpımı da 10.000’e eşittir. Bu nedenle şekil açıklamasıyla yöntem arasında sayısal bir raporlama tutarsızlığı bulunmaktadır.

Optimum parametreler

Optimum tasarım başlangıç parametrelerine göre yaklaşık %6, en iyi tek duyarlı sisteme göre yaklaşık %65 daha yüksek hedefleme indeksi üretmiştir.

Optimumdan ±%20 sapıldığında:

• k_pH,max değişimi hedefleme indeksini %15-18 azaltmıştır.
• K_ROS değişimi hedefleme indeksini %22-28 azaltmıştır.
• β değişimi hedefleme indeksini %8-12 azaltmıştır.

Bu sonuç, performansın özellikle K_ROS ve k_pH,max değerlerinin kontrollü üretimine duyarlı olduğunu göstermektedir.

Genetik algoritma neden ayrıca kullanıldı?

Grid araması önceden belirlenmiş noktaları tek tek dener. Gerçek optimum iki ızgara noktası arasında kalabilir. Genetik algoritma ise bir canlı popülasyonunun seçilim ve mutasyon yoluyla gelişmesine benzeyen sezgisel bir arama yöntemiyle parametre uzayında ilerler.

Çalışmadaki genetik algoritma ayarları:

• Popülasyon: 100,
• Nesil sayısı: 50,
• Turnuva seçimi: 4,
• Çaprazlama oranı: 0,8,
• Uyarlanabilir uygulanabilir mutasyon.

Algoritmanın yaklaşık 35 nesilde grid aramasına çok yakın değerlere yakınsadığı ve sonuçların %3’ten az farklı olduğu bildirilmiştir. Bu yakınlık, belirlenen optimumun kullanılan matematiksel model içinde kararlı bir çözüm olduğunu desteklemektedir.

Ancak iki optimizasyon yönteminin aynı denklemleri ve aynı hedef fonksiyonunu kullanması, optimumun biyolojik olarak doğru olduğunu değil, matematiksel model içinde tutarlı olduğunu gösterir.

Monte Carlo belirsizlik analizi

Üretim partileri arasında oluşabilecek değişkenliği taklit etmek için bütün model parametreleri ortalamalarının %15’i standart sapmaya sahip normal dağılımlardan rastgele örneklenmiştir. Toplam 10.000 simülasyon yapılmıştır.

Değişim katsayısı şu şekilde hesaplanabilir:

\[ CV = \frac{\sigma}{\bar{x}}\times100 \]

\[ CV = \frac{0.42}{4.76}\times100 \approx8.8\% \]

Modeldeki dağılımın yaklaşık normal görünmesi ve simülasyonların büyük bölümünde TI değerinin 4’ün üzerinde kalması, parametreler etrafındaki %15’lik rastgele değişimin performansı tamamen ortadan kaldırmadığını göstermektedir.

Bununla birlikte bu analiz yalnızca modele tanımlanan belirsizlik türünü sınar. Gerçek üretimde parametreler normal dağılmayabilir, birbirleriyle ilişkili olabilir veya %15’ten daha büyük değişkenlik gösterebilir. Normal dağılımların fiziksel sınırlar dışında örnek üretmesini önlemek için kırpma veya dönüşüm uygulanıp uygulanmadığı belirtilmemiştir.

Sobol küresel duyarlılık analizi

Sobol yöntemi, model çıktısındaki varyansın hangi parametrelerden kaynaklandığını ayırmayı amaçlar.

• S₁: Parametrenin tek başına oluşturduğu varyans payı.
• S_T: Parametrenin tek başına ve diğer parametrelerle etkileşimleri dâhil toplam katkısı.

K_ROS ve k_pH,max birinci dereceden etkilerinin toplamı 0,65’tir. Yazar bu sonucu, deneysel sentez ve kalite kontrol çalışmalarında özellikle bu iki özelliğin dar toleranslarla ayarlanması gerektiği biçiminde yorumlamaktadır.

Hastalık evrelerine göre model sonuçları

Sayısal olarak en yüksek hedefleme indeksi erken plakta değil, orta dereceli plakta görülmektedir. Erken plağın “en uygun” kabul edilmesi, yalnızca TI değerine değil, ileri plaklarda varsayılan doku penetrasyonu ve hücresel erişim kaybına dayanmaktadır.

Çalışmaya göre orta dereceli plakta toplam doku birikimi erken plaktan %27 daha yüksek olmasına rağmen hücre içi etkin ilaç yoğunluğu yalnızca 1,4 kat daha yüksektir. Fibröz bariyerlerin bu farkı sınırladığı ileri sürülmüştür.

Ancak doku hacmi, nanoparçacık biyodağılımı, hücresel alım ve fibröz penetrasyonun nasıl sayısallaştırıldığı ana metinde ayrıntılı denklemler ve parametre tablolarıyla sunulmamıştır. Bu nedenle erken plağın üstün “tedavi penceresi” olduğu sonucu, temel pH/ROS salım modelinden daha fazla varsayım içermektedir.

Zaman içinde salım

Erken plak koşulundaki çift duyarlı nanoparçacık için üç dönem tanımlanmıştır:

1. 0-3 saat: %10’un altında başlangıç gecikmesi.
2. 3-24 saat: Hızlı salım dönemi ve 24 saatte %72 düzeyi.
3. 24-72 saat: Sürdürülen salım ve 72 saatte %94 düzeyi.

Sağlıklı ortam için:

• 6 saatte %5,
• 24 saatte %11,
• 72 saatte %24

salım bildirilmektedir.

En yüksek anlık seçiciliğin 18-24 saat arasında ortaya çıktığı ve 6-24 saatlik hızlı fazda hastalıklı ortamda yükün %60’ının, sağlıklı ortamda %8’inin açığa çıktığı ifade edilmiştir. Oran:

\[ \frac{60}{8}=7.5 \]

Bu nedenle çalışma 18-24 saatlik dönemi azami salım ayrışmasının görüldüğü zaman penceresi olarak yorumlamıştır.

Ancak salım denklemlerindeki eliminasyon ve sayfa 6’daki azalan grafik eğrileri nedeniyle bu yüzdelerin kümülatif mi yoksa anlık ilaç miktarı mı olduğu net değildir. Olası klinik doz zamanlaması çıkarımı bu belirsizlik nedeniyle deneysel doğrulama gerektirir.

Şekil 1 ne anlatıyor?

Sayfa 6’daki Şekil 1, çift duyarlı sistem için beş hastalık evresindeki salınmış simvastatin miktarını 72 saat boyunca göstermektedir.

Hastalıklı evrelerin eğrileri sağlıklı damar eğrisinden daha yüksek tepe değerlerine ulaşmaktadır. Daha asidik ve ROS bakımından daha zengin ortamlar erken dönemde daha güçlü ilaç açığa çıkışı üretmektedir.

Eğrilerin tepe yaptıktan sonra azalması, modelde salınan ilaç bölmesinden eliminasyon bulunduğunu göstermektedir. Dolayısıyla grafik saf kümülatif salım grafiği olarak okunmamalıdır.

Şekil 2 ne anlatıyor?

Şekil 2, erken plak ve sağlıklı ortamı ayrı grafiklerde göstererek dört nanoparçacık mekanizmasını karşılaştırmaktadır.

Erken plakta çift duyarlı sistemin eğrisi diğer tasarımlardan belirgin biçimde yüksektir. Sağlıklı ortamda ise pH, ROS ve çift duyarlı eğriler birbirine daha yakındır. Uyaranlara duyarsız kontrol en düşük ve en yavaş yanıtı göstermektedir.

Şeklin ana mesajı, çift duyarlı sistemin hastalıklı ve sağlıklı ortam arasındaki kinetik farkı büyüttüğüdür.

Şekil 3 ne anlatıyor?

Sayfa 7’deki ısı haritası, K_ROS ile k_pH,max değiştikçe hedefleme indeksinin nasıl değiştiğini göstermektedir. Koyu mavi alanlar daha düşük, sarı-kırmızı alanlar daha yüksek performansı temsil eder.

Optimum nokta k_pH,max=0,163 saat^-1 ve K_ROS=47 µM civarında işaretlenmiştir. Renklerin optimum çevresinde hızlı değişmesi, modelin bu parametrelere duyarlı olduğunu göstermektedir.

Şekil 4 ne anlatıyor?

Şekil 4 hastalık evrelerine göre toplam plak birikimi ile sağlıklı doku birikimini ve evreler boyunca seçicilik eğilimini karşılaştırmaktadır.

Şekil açıklaması erken plağı yaklaşık beş kat seçicilikle en uygun tedavi penceresi olarak tanımlamakta; ağır plakta fibröz bariyerler nedeniyle etkinliğin azaldığını ve subklinik evrede yararın sınırlı olduğunu belirtmektedir.

Bununla birlikte grafikteki sağ panelde seçicilik oranının ana metindeki 2,70-6,29 değerleriyle aynı ölçekte gösterilmediği izlenmektedir. Görseldeki eksen ve metindeki sayılar arasındaki ilişkinin açıklaması sınırlıdır. Şekiller, hesaplama sürecini yeniden üretmeye yetecek ham veri veya hata çubukları sunmamaktadır.

Çalışmanın kendi içinde görülen sayısal tutarsızlıklar

PDF’de aynı sonuca ilişkin bazı değerler farklı bölümlerde değişmektedir:

• Ana sonuçlarda tek duyarlı sistemler için TI değerleri pH=3,09 ve ROS=3,18 iken sonuç bölümünde pH=2,1 ve ROS=2,4 yazmaktadır.
• Grid araması yönteminde 10.000 kombinasyon bildirilirken Şekil 3 açıklamasında 6.000’den fazla kombinasyon ifadesi kullanılmıştır.
• Ağır hastalıkta 24 saatlik çift duyarlı salım bir bölümde %94,7, evre sınıflandırması bölümünde %87,2 olarak verilmiştir. Bunun farklı parametre setlerinden kaynaklanıp kaynaklanmadığı açıklanmamıştır.
• Erken plağın subklinik evreden ne kadar daha verimli olduğu sonuçlar bölümünde yaklaşık 2,3 kat, sonuç bölümünde 2,6 kat şeklinde ifade edilmiştir.
• Özette erken müdahalenin geç evre plağa göre iki kat daha iyi olduğu yazarken model tablosunda orta ve ağır evrelerin sayısal TI değerleri erken evreden daha yüksektir. Erken evrenin üstünlüğü penetrasyon varsayımıyla açıklanmıştır.

Bu tutarsızlıklar ana mekanistik sonucu tamamen ortadan kaldırmaz; ancak sayısal değerlerin bağımsız olarak doğrulanması ve hakem değerlendirmesinde düzeltilmesi gerektiğini gösterir.

Çalışmanın güçlü yönleri

• pH ve ROS mekanizmalarını ayrı denklemlerle tanımlayarak iki uyaranın birlikte modellenmesini sağlamıştır.
• Uyaranlara duyarsız, tek duyarlı ve çift duyarlı sistemleri ortak koşullarda karşılaştırmıştır.
• Sağlıklı damardan ağır plağa uzanan beş farklı kimyasal ortam oluşturmuştur.
• Yaklaşık 10.000 tasarım kombinasyonunu grid aramasıyla sistematik olarak taramıştır.
• Grid aramasındaki optimumu genetik algoritmayla ikinci kez kontrol etmiştir.
• Monte Carlo analiziyle parametre değişkenliğinin sonuçlara etkisini incelemiştir.
• Sobol analiziyle hangi parametrelerin üretim açısından kritik olduğunu belirlemeye çalışmıştır.
• Model eğrilerini birden fazla yayımlanmış veri dizisiyle karşılaştırmıştır.
• MATLAB kodlarının açık bir GitHub deposunda bulunduğunu belirtmiştir.
• Modelin laboratuvar araştırmalarından önce kullanılabilecek hipotez üretici bir araç olduğunu açık biçimde tartışmıştır.

Çalışmanın sınırlılıkları

• Preprinttir: Hakem değerlendirmesinden geçmemiştir.
• Tamamen hesaplamalıdır: Çalışmada nanoparçacık sentezi, hücre kültürü, hayvan veya insan deneyi yapılmamıştır.
• Model doğrulaması bağımsız laboratuvar doğrulaması değildir: Yayımlanmış grafiklerden sayısallaştırılan veriler kullanılmıştır.
• Parametre ayarlaması ve doğrulama ayrımı net değildir: Parametreler doğrulama sonuçlarına göre iteratif biçimde değiştirilmiş, ayrı bir kör test kümesi açıklanmamıştır.
• pH ve ROS homojen kabul edilmiştir: Gerçek plak içinde değerler mekânsal ve zamansal olarak değişebilir.
• Damar akımı modellenmemiştir: Kan akışı, türbülans, duvar kesme gerilimi ve nanoparçacığın damar yüzeyine yaklaşması hesaba katılmamıştır.
• Damar duvarı geçişi ayrıntılı değildir: Endotel geçirgenliği, hücreler arası taşıma ve plak içi difüzyon açık bir mekânsal modelle gösterilmemiştir.
• Bağışıklık sistemi etkileşimleri yoktur: Protein korona oluşumu, opsonizasyon, kompleman etkinleşmesi ve makrofaj temizliği modele dahil edilmemiştir.
• Karaciğer ve dalak tutulumu modellenmemiştir.
• Parçacık büyüklüğü ve yüzey kimyası hedef fonksiyonda doğrudan yer almamaktadır.
• Sinerji katsayısı fenomenolojiktir: β değeri ilk ilkelerden türetilmiş kimyasal sabit değildir.
• “Hedefleme indeksi” esas olarak salım oranıdır: Gerçek nanoparçacık birikimi ve hücresel alımı doğrudan temsil etmez.
• Salım ölçütünün tanımı belirsizdir: Diferansiyel denklemde eliminasyon bulunmasına rağmen metinde kümülatif salım dili kullanılmıştır.
• İleri plak penetrasyonu yeterince belgelenmemiştir: Fibröz bariyer hesabının ayrıntılı denklemleri ana metinde verilmemiştir.
• “Hasta sınıflandırması” gerçek hastalara dayanmaz: Beş kuramsal pH/ROS senaryosunun karşılaştırılmasıdır.
• Yalnızca simvastatin değerlendirilmiştir: Başka ilaçların boyutu, çözünürlüğü ve eliminasyonu farklı sonuçlar oluşturabilir.
• Toksisite modellenmemiştir: Polimer bozunma ürünleri, bağışıklık reaksiyonu ve organ toksisitesi değerlendirilmemiştir.
• Klinik sonuçlar yoktur: Plak hacmi, plak rüptürü, kalp krizi, inme veya ölüm üzerinde sonuç hesaplanmamıştır.
• Maliyet tasarrufu doğrudan analiz edilmemiştir: Milyonlarca dolar ve 5-10 yıllık süre kazancı yazarın öngörüsüdür; ekonomik modelin sonucu değildir.
• Sayısal raporlama tutarsızlıkları vardır: Bazı mekanizma, kombinasyon ve evre değerleri bölümler arasında değişmektedir.

Çalışma ne söylüyor?

• Tanımlanan matematiksel model içinde pH ve ROS’a çift duyarlı sistem, tek duyarlı sistemlerden daha yüksek erken plak salım seçiciliği üretmiştir.
• Erken plak için ana metindeki temel hedefleme indeksi 4,95’tir.
• Optimizasyonla hedefleme indeksi 5,24’e kadar yükselmiştir.
• Modelin optimum pH bozunma hızı 0,163 saat^-1, ROS yarı doygunluk sabiti 47 µM ve sinerji katsayısı 0,68’dir.
• Monte Carlo simülasyonlarının %97,8’inde TI değeri 4’ün üzerinde kalmıştır.
• K_ROS ve k_pH,max, model belirsizliğine en fazla katkıda bulunan parametrelerdir.
• Erken plak, modelde seçicilik ve varsayılan doku penetrasyonunun birlikte en uygun olduğu evre olarak yorumlanmıştır.
• Hesaplamalı optimizasyon, laboratuvar deneylerinde önceliklendirilecek tasarım aralıklarını daraltabilir.

Çalışma ne söylemiyor?

• Gerçek bir pH/ROS çift duyarlı simvastatin nanoparçacığı üretildiği gösterilmemiştir.
• Nanoparçacığın kan dolaşımında kararlı kaldığı kanıtlanmamıştır.
• Aterosklerotik plağa fiziksel olarak ulaştığı veya plakta biriktiği gösterilmemiştir.
• Simvastatinin sağlıklı dokudaki yan etkilerini azalttığı kanıtlanmamıştır.
• Plak büyümesini, inflamasyonu veya rüptür riskini azalttığı gösterilmemiştir.
• Kalp krizi veya iskemik inmeyi önlediği gösterilmemiştir.
• Erken evre ateroskleroz hastalarının nanoparçacık tedavisi alması gerektiği sonucuna varılamaz.
• Hesaplanan optimum parametrelerin laboratuvarda üretilebilir olduğu kanıtlanmamıştır.
• %97,8 model başarısı klinik başarı veya güvenlik olasılığı değildir.
• Model standart statin tedavisinin yerine geçecek bir tedavi sunmamaktadır.

Geçmiş, bugün ve gelecek açısından önemi

Geleneksel nanoparçacık geliştirme süreci çok sayıda polimerin sentezlenmesini, fiziksel özelliklerinin ölçülmesini, ilaç yükleme ve salım deneylerinin yapılmasını gerektirir. Her başarısız tasarım yeni bir üretim ve test döngüsü oluşturur.

Bu çalışma, araştırmacıların deneysel üretimden önce hangi bozunma hızlarını ve ROS hassasiyetini hedeflemesi gerektiğini tahmin eden bir ön eleme sistemi önermektedir. Bu yaklaşım, bütün laboratuvar çalışmalarının yerini almak için değil, deneysel olarak sınanacak tasarımların sayısını azaltmak için kullanılabilir.

Gelecekte modelin bilimsel değeri şu basamaklarla sınanabilir:

• Önerilen parametrelere yakın pH ve ROS duyarlı polimerlerin sentezlenmesi,
• pH 7,4-6,3 ve ROS 5-400 µM koşullarında gerçek salım deneyleri,
• Polimer bozunma hızlarının bağımsız ölçülmesi,
• Kan plazmasında protein korona ve parçacık kararlılığı testleri,
• Endotel hücresi ve makrofaj kültürlerinde alım deneyleri,
• Üç boyutlu damar duvarı ve akış modelleri,
• Aterosklerozlu hayvanlarda biyodağılım ve plak birikimi,
• Plak inflamasyonu, büyüklüğü ve stabilitesinin ölçülmesi,
• Karaciğer, kas ve diğer organlarda toksisite değerlendirmesi,
• Standart simvastatin tedavisiyle doğrudan karşılaştırma.

Gündelik yaşam açısından anlamı

Çalışmanın temel fikri, ilacın bütün vücutta aynı anda etkinleşmesi yerine hastalıklı dokunun kimyasal özellikleri tarafından açılan “akıllı bir taşıyıcı” kullanmaktır.

Bu yaklaşım gelecekte başarıyla doğrulanırsa, daha düşük toplam dozla plakta daha yüksek yerel ilaç yoğunluğu oluşturulması ve sağlıklı dokuların gereksiz maruziyetinin azaltılması mümkün olabilir.

Ancak mevcut çalışma bilgisayar ortamındadır. Bugün kullanılan statin tedavilerini değiştirmez, ateroskleroz taraması için yeni bir klinik eşik sunmaz ve hastalara uygulanabilecek hazır bir nanoparçacık ürünü oluşturmaz.

Çalışmanın Yöntemi ve Bulguları

Teknik çalışma tasarımı

Temel matematiksel modeller

Model doğrulama sonuçları

Erken plak mekanizma karşılaştırması

Optimizasyon sonuçları

Monte Carlo ve Sobol sonuçları

Hastalık evresi sonuçları

Hipotezlerin model içindeki değerlendirmesi

Kaynak ve Yöntem Notu

Bu içerik, Ayur Anchan tarafından hazırlanan “Computational Optimization of pH/ROS Dual-Responsive Nanoparticle Systems for Targeted Atherosclerosis Therapy” başlıklı çalışmaya dayanmaktadır.

Yazarın kurumu North Carolina School of Science and Mathematics - Durham olarak belirtilmiştir.

Çalışma yeni bir ilaç formülasyonunun laboratuvarda üretildiği deneysel nanoteknoloji araştırması değildir. pH ve ROS’a duyarlı nanoparçacık bozunmasını, simvastatin salımını ve teorik plak seçiciliğini MATLAB ortamında inceleyen hesaplamalı modelleme ve optimizasyon çalışmasıdır.

İnsan katılımcı, klinik hasta, deney hayvanı, hücre kültürü veya doğrudan nanoparçacık sentezi bulunmamaktadır. “Hasta sınıflandırması” olarak adlandırılan analiz gerçek hasta alt gruplarını değil, farklı pH ve ROS değerleriyle tanımlanmış beş kuramsal hastalık senaryosunu karşılaştırmaktadır.

Çalışma SSRN’de yayımlanmış bir preprinttir. Metinde açıkça “This preprint research paper has not been peer reviewed” yazmaktadır. Dolayısıyla çalışma hakem değerlendirmesinden geçmemiştir. Metinde doğrulanmış dergi kabulü veya bu preprinte atanmış DOI bilgisi bulunmamaktadır.

Çalışma için dış finansman alınmadığı, kurumsal etik kurul değerlendirmesinin uygulanabilir olmadığı ve yazarın çıkar çatışması bildirmediği belirtilmiştir.

Yazar, simülasyon kodlarının, MATLAB betiklerinin, optimizasyon iş akışlarının ve analiz belgelerinin bir GitHub deposunda kamuya açık olduğunu bildirmiştir. Bu içerikte kod deposu ayrıca çalıştırılmamış veya sonuçlar bağımsız olarak yeniden üretilmemiştir.

Modelin doğrulaması, yayımlanmış araştırmaların grafiklerinden sayısallaştırılan deneysel verilerle gerçekleştirilmiştir. Bu işlem yeni ve bağımsız deneysel doğrulama değildir. Parametrelerin veri uyumuna göre iteratif olarak değiştirilmiş olması, ayrı doğrulama kümesi bulunmadığında aşırı uyum riskini artırabilir.

Modelde plak içi pH ve ROS homojen kabul edilmiş; kan akımı, damar duvarı geçişi, protein korona, bağışıklık temizliği, organ dağılımı, toksisite ve klinik sonuçlar doğrudan modellenmemiştir.

Salınmış ilaç bölmesine eliminasyon terimi eklenmesine rağmen sonuçların bazı bölümlerinde kümülatif salım dili kullanılmıştır. Grafiklerin erken tepe sonrası azalması, gösterilen değerin saf kümülatif salım olmadığını düşündürmektedir.

PDF’de tek duyarlı sistemlerin hedefleme indeksleri, taranan kombinasyon sayısı, ağır plak salımı ve evreler arası verim karşılaştırmaları konusunda bölümler arasında bazı sayısal farklılıklar bulunmaktadır. Bu değerler hakem değerlendirmesi ve bağımsız yeniden üretim sırasında netleştirilmelidir.

Çalışmanın belirlediği optimum parametreler, hedefleme oranları ve %97,8 başarı olasılığı klinik etkinlik veya güvenlik sonuçları değildir. Bunlar yalnızca tanımlanan denklemler, parametre aralıkları ve belirsizlik dağılımları altında üretilen model sonuçlarıdır.

Bu makale yalnızca yüklenen PDF’deki denklemler, yöntemler, grafikler, sayısal sonuçlar, sınırlılıklar ve yazarın yorumları temel alınarak hazırlanmıştır. PDF’de bulunmayan nanoparçacık etkinliği, klinik tedavi başarısı, yan etki azalması, kalp krizi önleme garantisi veya kullanıma hazır ürün iddiası eklenmemiştir.