Atherosklerosi ni ugonjwa unaoendelea unaotokea kwa kujikusanya kwa lipidi, seli za kinga na tishu za nyuzi katika ukuta wa mishipa ya ateri. Matibabu ya statin yanayotolewa kwa mfumo mzima yanaweza kupunguza kolesteroli inayozunguka kwenye damu; hata hivyo sehemu ndogo tu ya dawa hufika moja kwa moja kwenye plaki ya atherosklerosi. Kusambaa kwa dawa mwilini kote kunaweza kulazimisha matumizi ya dozi kubwa zaidi ili kufikia mkusanyiko wa kutosha katika tishu lengwa, na hivyo kuongeza hatari ya madhara.

Katika utafiti huu, mfumo wa nanopartikeli wenye lengo la kushikilia simvastatin kwa kiasi kikubwa katika tishu ya mshipa yenye afya, lakini kuiachilia katika mazingira ya kemikali ya plaki ya atherosklerosi, umeigwa kihisabati. Mfumo huu uliundwa kuwa nyeti kwa pH na reactive oxygen species, yaani ROS, kwa wakati mmoja. Ilichukuliwa kuwa plaki za atherosklerosi zina asidi zaidi na kiwango cha juu cha ROS kuliko ukuta wa mshipa wenye afya. Lengo lilikuwa nanopartikeli iharibike haraka zaidi inapokutana kwa pamoja na pH ya chini na ROS ya juu.

Katika modeli, mifumo minne ya kibebaji ililinganishwa:

• Nanopartikeli isiyo nyeti kwa vichocheo,
• Nanopartikeli nyeti kwa pH pekee,
• Nanopartikeli nyeti kwa ROS pekee,
• Nanopartikeli yenye mwitikio maradufu kwa pH na ROS, yenye synergy kati ya mifumo hiyo miwili.

Mazingira matano ya kinadharia ya ugonjwa, kuanzia mshipa wenye afya hadi plaki kali ya atherosklerosi, yalifafanuliwa. Kwa mshipa wenye afya, pH 7,4 na kiwango cha ROS 5 µM vilikubaliwa; kwa plaki ya mapema, pH 6,8 na ROS 100 µM; na kwa plaki kali, pH 6,3 na ROS 400 µM.

Kulingana na ulinganisho wa mifumo katika maandishi kuu, mfumo wenye mwitikio maradufu uliachilia %72,3 ya mzigo wa dawa katika hali ya plaki ya mapema kwenye tathmini ya saa 24, wakati katika mazingira yenye afya ulibaki kwenye %14,6. Targeting index iliyohesabiwa kutokana na thamani hizi ilikuwa 4,95. Katika uchambuzi huo huo, targeting index ya mfumo nyeti kwa pH ilikuwa 3,09, ya mfumo nyeti kwa ROS 3,18 na ya udhibiti usio na mwitikio 1,48.

Kwa grid search, takribani michanganyiko 10.000 ya muundo ilichunguzwa; kwa targeting index ya juu zaidi ya plaki ya mapema, kiwango cha juu cha uharibifu unaotegemea pH kilihesabiwa kuwa 0,163 saa^-1, nusu-mshibisho wa ROS kuwa 47 µM na mgawo wa synergy kuwa 0,68. Kwa vigezo hivi, targeting index ya juu zaidi iliripotiwa kuwa 5,24.

Katika uchambuzi wa Monte Carlo wenye marudio 10.000, wastani wa targeting index ulikuwa 4,76, standard deviation 0,42 na kipindi cha asilimia 95 cha percentiles kilikuwa 4,18-5,34. Katika %97,8 ya simulations, targeting index ilibaki juu ya 4, jambo lililodokeza kuwa modeli ilikuwa na uthabiti wa kiasi chini ya kutokuwa na uhakika kwa vigezo vilivyofafanuliwa.

Kulingana na uchambuzi wa Sobol sensitivity, sehemu kubwa zaidi ya kutokuwa na uhakika wa matokeo ilitokana na nusu-mshibisho wa ROS, K_ROS, na kiwango cha juu cha uharibifu wa pH, k_pH,max. Jumla ya michango ya first-order ya vigezo hivi viwili ililingana na %65 ya variance ya pato la modeli.

Katika modeli ya hatua za ugonjwa, selectivity ya juu zaidi ya namba ilipatikana katika plaki ya kiwango cha kati, 6,29; hata hivyo utafiti uliitafsiri plaki ya mapema kuwa hatua inayofaa zaidi kwa tiba lengwa. Sababu ni kwamba vizuizi vya nyuzi vinavyodhaniwa kuendelea katika plaki za juu vinaweza kuzuia kiasi cha dawa inayofika kwa seli, hata kama mkusanyiko wa jumla wa dawa ni mkubwa. Hata hivyo, milinganyo yote ya hesabu hii ya kupenya kwa tishu na vigezo vya biodistribution havikutolewa kwa kina katika maandishi kuu.

Utafiti haukutengeneza nanopartikeli maabara, haukupima moja kwa moja kutolewa kwa simvastatin, haukuchunguza mkusanyiko wa plaki kwa wanyama na haukutathmini ufanisi wa matibabu kwa wagonjwa. Thamani za selectivity zilizoripotiwa ni matokeo yaliyopatikana tu chini ya modeli ya hisabati, vigezo vilivyochukuliwa kutoka fasihi na dhana za modeli. Kwa hiyo, matokeo haya hayathibitishi kuwa tiba inayotumika ya atherosklerosi imetengenezwa au kwamba simvastatin imekuwa salama na yenye ufanisi zaidi kwa sababu ya nanopartikeli.

Maelezo ya Kina

Tatizo kuu ambalo utafiti unajaribu kulitatua

Katika tiba ya dawa ya mfumo mzima, dawa inapowekwa kwenye mzunguko wa damu haiendi tu kwenye tishu iliyoathirika. Ini, misuli, figo na tishu nyingine pia hukutana na dawa hiyo. Statins zinazotumika katika tiba ya atherosklerosi hufanya kazi hasa kwa kupunguza usanisi wa kolesteroli katika ini; lakini lengo linaloshughulikiwa na utafiti huu ni kupeleka sehemu ya simvastatin moja kwa moja kwenye plaki ya uchochezi katika ukuta wa mshipa.

Lengo la kinadharia la mbinu hii lina pande mbili:

• Kupunguza kuachiliwa mapema kwa dawa katika mshipa wenye afya na tishu nyingine,
• Kuwezesha kuachiliwa kwa kiwango cha juu zaidi katika mazingira ya kemikali ya ndani ya plaki ya atherosklerosi.

Mfumo wa aina hii hautegemei tu nanopartikeli kufika kwenye plaki, bali pia kubaki thabiti wakati wa mzunguko wa damu na kuitikia vichocheo sahihi vya kemikali baada ya kuingia ndani ya plaki. Kwa hiyo muundo wa kibebaji unahusisha vigezo vingi kama muundo wa polima, aina ya vifungo, kasi ya uharibifu, ukubwa wa chembe, mzigo wa dawa na sifa za uso.

Mbinu kuu inayotetewa na utafiti ni kwamba, badala ya kujaribu vigezo hivi vyote maabara kwanza, miundo inayowezekana ichujwe kwenye kompyuta na ni michanganyiko yenye matumaini zaidi tu ipelekwe kwenye usanisi wa majaribio.

Kwa nini plaki ya atherosklerosi hutengeneza mazingira tofauti ya kemikali?

Plaki ya atherosklerosi si mkusanyiko wa mafuta pekee. Ndani ya plaki kunaweza kuwa na macrophages zilizoamilishwa, foam cells, seli za endothelium zilizopoteza kazi vizuri, lipoproteins zilizooksidishwa na shughuli kali ya uchochezi.

Katika utafiti, sifa mbili kuu za mazingira haya zilitumika kama vichocheo vya kulenga:

1. pH ya chini

Kuongezeka kwa shughuli za kimetaboliki na glycolytic za seli za uchochezi kunaweza kusababisha mkusanyiko wa asidi katika mazingira yanayozunguka. Katika utafiti, pH ya tishu ya mshipa wenye afya ilikubaliwa kuwa 7,4, wakati thamani za pH kati ya 7,0 na 6,3 zilitumika kwa mazingira ya plaki.

Kadiri pH inavyopungua, mazingira huwa na asidi zaidi. Polima yenye vifungo vinavyoweza kuvunjwa na asidi, kama acetal, hydrazone au orthoester, inaweza kubaki thabiti kwa kiasi katika pH 7,4 ya mzunguko wa damu, lakini kuvunjika haraka zaidi katika mazingira yenye asidi ya plaki.

2. ROS ya juu

Reactive oxygen species ni molekuli zenye shughuli ya kemikali zinazotokea wakati wa oxidative stress. Utafiti uliiga kiwango cha ROS kwa kutumia hydrogen peroxide equivalent.

Kwa mshipa wenye afya, 5 µM ilitumika, na kwa hatua tofauti za atherosklerosi thamani za ROS kati ya 50-400 µM zilitumika. Vifungo nyeti kwa oxidation kama thioketal, diselenide au boronic ester vinaweza kuvunjika katika mazingira yenye ROS ya juu na kudhoofisha muundo wa nanopartikeli.

Kwa nini ililengwa kuitikia vichocheo viwili kwa pamoja?

Mfumo unaoitikia pH ya chini pekee unaweza kuachilia dawa pia katika maeneo mengine yenye asidi mwilini. Mfumo unaoitikia ROS pekee unaweza kuamilishwa katika tishu nyingine za uchochezi zenye oxidative stress ya juu.

Mantiki ya mfumo wenye mwitikio maradufu ni kutumia uwepo wa pamoja wa alama mbili za ugonjwa kama kichocheo chenye umaalumu zaidi. Wakati plaki ina mazingira yenye asidi na ROS ya juu kwa wakati mmoja, polima inalengwa kuvunjika haraka zaidi; katika mazingira yenye afya au yaliyo na ugonjwa mdogo, ambapo kichocheo kimoja tu kinaweza kuwepo, kuachiliwa kunalengwa kubaki kidogo.

Utafiti ulitumia pia neno la ziada la synergy linalodhani kuwa athari hizi mbili hazijumlishwi tu, bali huimarishana. Hata hivyo, mgawo huu wa synergy haukutolewa moja kwa moja kutoka kwenye utaratibu wa molekuli; ulifafanuliwa kama kigezo cha phenomenological kilichorekebishwa na modeli.

Modeli ya uharibifu unaotegemea pH

Uharibifu wa polima nyeti kwa pH uliigwa kwa mlinganyo wa sigmoid:

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

Maana ya vigezo:

• k_pH(pH): Kasi ya uharibifu katika hali fulani ya pH; kitengo chake ni saa^-1.
• k_pH,max: Kasi ya juu zaidi ya uharibifu inayoweza kufikiwa katika mazingira yenye asidi nyingi.
• α: Kigezo kisicho na kipimo kinachoamua ukali wa mwitikio wa pH. Katika utafiti kiliwekwa kuwa 2,0.
• pH₀: Nukta ya mgeuko ya mkunjo wa uharibifu. Thamani sahihi ya msingi iliyotumika katika maandishi kuu haikuripotiwa wazi.

pH inapopanda juu ya pH₀, neno la exponential hukua na kasi ya uharibifu hupungua. pH inaposhuka, denominator hupungua na kasi ya uharibifu hukaribia k_pH,max.

Kwa mfano wa kila siku, muundo huu hufanya kama swichi inayobaki imefungwa mpaka asidi ifikie kizingiti fulani, kisha hufunguka haraka baada ya kizingiti kupitwa. Hata hivyo, uharibifu halisi wa polima hauwezi kutegemea pH pekee; jiometri ya polima, unyonyaji wa maji, uzito wa molekuli na protini za mazingira pia vinaweza kuathiri mchakato.

Modeli ya uharibifu unaotegemea ROS

Uharibifu nyeti kwa ROS ulielezwa kwa mlinganyo wa saturation unaofanana na Michaelis-Menten:

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

Maana ya vigezo:

• k_ROS: Kasi ya jumla ya uharibifu wa oxidative katika mkusanyiko fulani wa ROS.
• k_ROS,base: Uharibifu wa msingi wa hydrolytic unaotokea hata bila ROS.
• k_ROS,max: Kasi ya juu zaidi ya ziada ya uharibifu inayoweza kutokana na ROS.
• [ROS]: Mkusanyiko wa ROS kama hydrogen peroxide equivalent; kwa µM.
• K_ROS: Mkusanyiko ambapo athari ya ziada ya ROS kwenye uharibifu hufikia nusu ya kiwango cha juu.

Wakati kiwango cha ROS ni sawa na K_ROS, uharibifu wa ziada unaotokana na ROS ni takribani nusu ya athari ya juu zaidi. ROS inapoongezeka sana, sehemu hiyo hukaribia 1 na kasi ya uharibifu hufikia saturation.

Sifa hii hufanya ongezeko kutoka 100 µM hadi 400 µM lisisababishe daima uharibifu mara nne zaidi. Katika viwango vya juu vya ROS, mfumo huendelea kukaribia saturation.

Mlinganyo wa synergy ya mwitikio maradufu

Kasi ya jumla ya uharibifu ya mifumo miwili ilihesabiwa kwa mlinganyo huu:

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

Hapa β ni mgawo wa synergy unaoamua kwa kiwango gani mifumo miwili ya uharibifu huimarishana.

Kama β ingekuwa sifuri, kasi ya jumla ingekuwa tu jumla ya kasi za pH na ROS. Thamani chanya ya β inawakilisha dhana kwamba hydrolysis ya asidi na kukatika kwa minyororo kwa oxidation, vinapotokea kwa wakati mmoja katika matrix ile ile ya polima, huleta udhaifu wa ziada.

Matokeo ya optimization yalipata β=0,68. Mwandishi anaitafsiri thamani hii kama uharibifu wenye nguvu zaidi kuliko jumla rahisi wakati mifumo miwili inaamilishwa pamoja.

Hata hivyo, β haikuhesabiwa moja kwa moja kutoka kwa kasi za reaksioni za kemikali au molecular dynamics simulation. Ni kigezo cha modeli chenye tabia ya majaribio, kilicholinganishwa na data ya fasihi. Kwa hiyo bado haijaonyeshwa kwamba thamani hiyo hiyo itatokea katika nanopartikeli halisi.

Dawa kubaki ndani ya nanopartikeli na kuachiliwa

Kiasi cha dawa kilichobaki kwenye nanopartikeli kiliwakilishwa na M, na sehemu ya dawa iliyotolewa na D:

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

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

Masharti ya mwanzo:

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

[ D(0)=0 ]

Maana ya vigezo:

• M: Kiasi cha simvastatin kinachobaki ndani ya nanopartikeli.
• D: Kiasi cha dawa kilichotoka kwenye nanopartikeli lakini bado hakijaondolewa kwenye modeli.
• k_toplam: Kasi ya uharibifu na kuachiliwa inayojumuisha athari za pH, ROS na synergy.
• k_elim: Kasi ya kuondolewa kwa simvastatin iliyotolewa kutoka sehemu husika; katika utafiti ni takribani 0,05 saa^-1.
• M₀: Mzigo wa awali wa nanopartikeli; 100 µg.

Uhusiano wa nusu-maisha unaohesabiwa kutoka elimination constant unaweza kuonyeshwa hivi ili kueleza mantiki ya modeli:

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

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

Matokeo haya yanaendana na nusu-maisha ya takribani saa 14 iliyotumika katika utafiti.

Milinganyo ilitatuliwa hadi saa 72 kwa kutumia numerical solver ya MATLAB, ode45.

Tofauti muhimu kati ya “dawa iliyotolewa” na “cumulative release”

Kwa sababu elimination hutokea kutoka kwenye sehemu D katika mlinganyo wa pili, D(t) si jumla ya dawa yote iliyotoka kwenye nanopartikeli hadi wakati fulani. Inawakilisha kiasi cha dawa kilichoachiliwa na bado hakijaondolewa. Kwa hiyo mikunjo inaweza kwanza kupanda kisha kushuka.

Kinyume chake, sehemu fulani za matokeo hutumia lugha inayodokeza cumulative release, kama “%72 ya mzigo iliachiliwa hadi saa 24” au “ilifikia %94 saa 72”. Katika grafu za ukurasa wa 6, kiasi cha dawa kinaonekana kupanda mapema hadi kilele na kisha kushuka.

Kwa hiyo, katika faili kuu haijafafanuliwa kabisa kama asilimia zilizotajwa zinawakilisha:

• kiasi cha dawa kilichopo katika sehemu D wakati huo,
• jumla ya dawa iliyotoka kwenye nanopartikeli,
• au cumulative release iliyohesabiwa kwa kuondoa kiasi kilichobaki kutoka mzigo wa awali.

Kutokuwa wazi huku kwa mbinu kunahitaji tahadhari katika kutafsiri matokeo ya namba ya kuachiliwa.

Targeting index ilihesabiwaje?

Katika utafiti, targeting index ilifafanuliwa kama uwiano wa kiasi cha dawa kinachotolewa katika mazingira ya ugonjwa kwa kiasi kinachotolewa katika mazingira yenye afya:

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

TI=1 inaonyesha hakuna selectivity kati ya mazingira hayo mawili. TI=5 inaonyesha, ndani ya modeli, kuachiliwa au mkusanyiko wa dawa katika mazingira ya ugonjwa ni mara tano zaidi kuliko katika mazingira yenye afya.

Index hii si mkusanyiko wa nanopartikeli uliopimwa moja kwa moja katika mshipa halisi. Kwa sababu mzunguko wa damu, kupenya kwa ukuta wa mshipa, uondoaji na ini-wengu na uchukuaji wa seli havijaingizwa kikamilifu katika modeli, neno “kulenga” hapa linamaanisha hasa selectivity ya kuachiliwa inayoamuliwa na vichocheo.

Hatua tano za ugonjwa zilizoigwa

Hizi si hatua zilizopimwa na kufuatiliwa kwa wagonjwa halisi. Ni mazingira ya kinadharia yaliyoundwa kwa kubadilisha safu za pH na ROS kutoka fasihi kuwa scenarios wakilishi.

Ulinganisho wa mifumo minne ya nanopartikeli

Modeli ilichunguza miundo minne tofauti chini ya hali zilezile:

• Udhibiti usio na mwitikio kwa vichocheo: Kasi ya uharibifu ni ya kudumu, 0,01 saa^-1.
• Nyeti kwa pH: Mfumo wa uharibifu wa sigmoid wa pH pekee.
• Nyeti kwa ROS: Mfumo wa saturation wa ROS pekee.
• Mwitikio maradufu: Kasi za pH na ROS pamoja na neno la synergy β.

Katika mazingira yenye afya, release ya saa 24 iliripotiwa kubaki chini katika mifumo yote:

• Isiyo na mwitikio: %8,2,
• Nyeti kwa pH: %11,4,
• Nyeti kwa ROS: %13,1,
• Mwitikio maradufu: %14,6.

Katika mazingira ya plaki ya mapema:

• Isiyo na mwitikio: %12,1,
• Nyeti kwa pH: %35,2,
• Nyeti kwa ROS: %41,7,
• Mwitikio maradufu: %72,3.

Targeting indices zilizopatikana kutokana na matokeo haya ni:

Jedwali hili linaonyesha kuwa mfumo wenye mwitikio maradufu ulitoa release kubwa zaidi katika plaki ya mapema na tofauti kubwa zaidi dhidi ya mazingira yenye afya kuliko mifumo yenye mwitikio mmoja.

Uthibitishaji wa modeli kwa data ya fasihi

Modeli haikuthibitishwa kwa majaribio mapya. Ilinganishwa na data ya release iliyochukuliwa kidijitali kutoka grafu za tafiti tatu zilizochapishwa.

Matokeo yaliyoripotiwa katika utafiti:

• Modeli nyeti kwa pH: R²=0,92 na RMSE=%8,3.
• Modeli nyeti kwa ROS: R²=0,91 na RMSE=%9,7.
• Modeli yenye mwitikio maradufu: R²=0,94.

Coefficient of determination inaweza kueleweka kwa uhusiano huu:

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

Hapa:

• y_i: Thamani ya majaribio iliyochukuliwa kutoka fasihi.
• ŷ_i: Utabiri wa modeli.
• ȳ: Wastani wa thamani za majaribio.

R² ikikaribia 1 inaonyesha kuwa mkunjo wa modeli unaendana kwa nguvu na nukta za data zilizotumika. Hata hivyo R² ya juu haionyeshi kwamba modeli inatabiri kwa usahihi biodistribution ya maisha halisi au ufanisi wa kliniki.

Imeelezwa kuwa vigezo vilibadilishwa “iteratively” ndani ya safu zilizoripotiwa katika fasihi wakati vigezo vya uthibitishaji havikufikia shabaha. Hakuna hold-out approach iliyoelezwa, ambapo vigezo huwekwa katika seti moja ya data na kisha kupimwa kwa upofu katika seti nyingine huru. Hali hii inaweza kuongeza uwezekano wa modeli kufaa kupita kiasi kwenye mikunjo ya fasihi iliyotumika.

Zaidi ya hayo, rejea ya tatu iliyotolewa kama chanzo cha uthibitishaji inaonekana kuwa mapitio kuhusu mifumo nyeti kwa ROS. Ni dataset gani ya majaribio ya moja kwa moja iliyotumiwa kulinganisha modeli yenye mwitikio maradufu haijaonyeshwa kwa kina katika maandishi kuu.

Grid search ilifanywaje?

Utafutaji wa kimfumo ulifanywa kwa vigezo vitatu vya msingi vya muundo:

• k_pH,max: thamani 20 kati ya 0,08-0,22 saa^-1,
• K_ROS: thamani 25 kati ya 30-80 µM,
• β: thamani 20 kati ya 0,2-1,0.

Jumla ya michanganyiko:

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

Kwa kila mchanganyiko, targeting index ya saa 24 katika hali ya plaki ya mapema ilihesabiwa. Matokeo yaliwasilishwa kwa heat maps na nyuso za optimization za pande tatu.

Katika maelezo ya Figure 3 ukurasa wa 7, kuna kauli “zaidi ya michanganyiko 6.000”, ilhali sehemu ya mbinu inaripoti takribani michanganyiko 10.000. Kuzidisha ukubwa wa grid pia kunatoa 10.000. Kwa hiyo kuna kutolingana kwa namba kati ya maelezo ya kielelezo na sehemu ya mbinu.

Vigezo bora zaidi

Muundo bora ulizalisha targeting index iliyo juu kwa takribani %6 ikilinganishwa na vigezo vya awali na takribani %65 ikilinganishwa na mfumo bora wenye mwitikio mmoja.

Wakati kulikuwa na mkengeuko wa ±%20 kutoka optimum:

• Mabadiliko ya k_pH,max yalipunguza targeting index kwa %15-18.
• Mabadiliko ya K_ROS yalipunguza targeting index kwa %22-28.
• Mabadiliko ya β yalipunguza targeting index kwa %8-12.

Matokeo haya yanaonyesha kuwa utendaji ni nyeti hasa kwa udhibiti wa K_ROS na k_pH,max katika utengenezaji.

Kwa nini genetic algorithm ilitumika pia?

Grid search hujaribu nukta zilizowekwa awali moja baada ya nyingine. Optimum halisi inaweza kuwa kati ya nukta mbili za grid. Genetic algorithm hutumia njia ya heuristic inayofanana na uteuzi na mutation katika idadi ya viumbe ili kusonga ndani ya parameter space.

Mipangilio ya genetic algorithm katika utafiti:

• Population: 100,
• Idadi ya generations: 50,
• Tournament selection: 4,
• Crossover rate: 0,8,
• Adaptive feasible mutation.

Iliripotiwa kuwa algorithm ilikaribia thamani zilizo karibu sana na grid search katika takribani generations 35, na tofauti ya matokeo ilikuwa chini ya %3. Ukaribu huu unaunga mkono kwamba optimum iliyopatikana ni suluhisho thabiti ndani ya modeli ya hisabati iliyotumika.

Hata hivyo, kwa kuwa njia hizo mbili za optimization hutumia milinganyo ile ile na objective function ile ile, zinaonyesha uthabiti ndani ya modeli ya hisabati, si lazima ukweli wa kibaolojia wa optimum hiyo.

Uchambuzi wa kutokuwa na uhakika wa Monte Carlo

Ili kuiga utofauti unaoweza kutokea kati ya batches za uzalishaji, vigezo vyote vya modeli vilichukuliwa nasibu kutoka normal distributions zenye standard deviation ya %15 ya wastani wake. Simulations 10.000 zilifanywa.

Coefficient of variation inaweza kuhesabiwa hivi:

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

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

Usambazaji wa modeli kuonekana karibu na normal na sehemu kubwa ya simulations kubaki na TI juu ya 4 kunaonyesha kuwa mabadiliko ya nasibu ya %15 karibu na vigezo hayakuondoa kabisa utendaji.

Hata hivyo, uchambuzi huu hujaribu tu aina ya kutokuwa na uhakika iliyofafanuliwa ndani ya modeli. Katika uzalishaji halisi, vigezo vinaweza visiwe na normal distribution, vinaweza kuhusiana, au vinaweza kuwa na utofauti mkubwa kuliko %15. Haijaelezwa kama trimming au transformation ilitumika kuzuia normal distributions kutoa samples nje ya mipaka ya kimwili.

Uchambuzi wa Sobol global sensitivity

Njia ya Sobol inalenga kugawanya variance ya matokeo ya modeli kulingana na vigezo vinavyoisababisha.

• S₁: Sehemu ya variance inayotokana na kigezo peke yake.
• S_T: Mchango wa jumla wa kigezo, ukijumuisha athari yake yenyewe na interactions na vigezo vingine.

Jumla ya first-order effects za K_ROS na k_pH,max ni 0,65. Mwandishi anatafsiri hili kama ishara kwamba hasa sifa hizi mbili zinapaswa kudhibitiwa kwa tolerance finyu katika usanisi wa majaribio na quality control.

Matokeo kulingana na hatua za ugonjwa

Kihesabu, targeting index ya juu zaidi haionekani katika plaki ya mapema, bali katika plaki ya kiwango cha kati. Kukubaliwa kwa plaki ya mapema kuwa “bora zaidi” hakutegemei TI peke yake, bali pia dhana ya upenyezaji wa tishu na kupungua kwa ufikaji wa seli katika plaki za juu.

Kulingana na utafiti, katika plaki ya kiwango cha kati, mkusanyiko wa jumla wa tishu ni %27 juu kuliko katika plaki ya mapema, lakini mkusanyiko wa dawa yenye ufanisi ndani ya seli ni mara 1,4 tu zaidi. Vizuizi vya nyuzi vimedhaniwa kupunguza tofauti hii.

Hata hivyo, jinsi volume ya tishu, biodistribution ya nanopartikeli, uchukuaji wa seli na upenyezaji wa nyuzi zilivyohesabiwa haijaonyeshwa katika maandishi kuu kwa milinganyo na meza za vigezo za kina. Kwa hiyo, hitimisho kwamba plaki ya mapema ni “dirisha la tiba” bora lina dhana nyingi zaidi kuliko modeli ya msingi ya pH/ROS release.

Release kwa muda

Kwa nanopartikeli yenye mwitikio maradufu chini ya hali ya plaki ya mapema, vipindi vitatu vilifafanuliwa:

1. Saa 0-3: kuchelewa kwa mwanzo chini ya %10.
2. Saa 3-24: kipindi cha release ya haraka na kiwango cha %72 saa 24.
3. Saa 24-72: release inayoendelea na kiwango cha %94 saa 72.

Kwa mazingira yenye afya:

• %5 katika saa 6,
• %11 katika saa 24,
• %24 katika saa 72

iliripotiwa.

Selectivity ya juu zaidi ya papo hapo ilitajwa kuonekana kati ya saa 18-24; katika fast phase ya saa 6-24, %60 ya mzigo uliachiliwa katika mazingira ya ugonjwa na %8 katika mazingira yenye afya. Uwiano:

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

Kwa hiyo utafiti uliitafsiri saa 18-24 kama kipindi cha tofauti kubwa zaidi ya release.

Hata hivyo, kutokana na elimination katika milinganyo ya release na mikunjo inayoshuka katika ukurasa wa 6, haiko wazi kama asilimia hizi ni cumulative au ni kiasi cha dawa kilichopo wakati huo. Hitimisho la ratiba ya dozi ya kliniki linahitaji uthibitishaji wa majaribio kwa sababu ya kutokuwa wazi huku.

Figure 1 inaeleza nini?

Figure 1 katika ukurasa wa 6 inaonyesha kiasi cha simvastatin kilichotolewa kwa muda wa saa 72 katika hatua tano za ugonjwa kwa mfumo wenye mwitikio maradufu.

Mikunjo ya hatua za ugonjwa hufikia kilele cha juu zaidi kuliko mkunjo wa mshipa wenye afya. Mazingira yenye asidi zaidi na ROS nyingi zaidi hutoa kutolewa kwa dawa kwa nguvu zaidi mapema.

Kushuka kwa mikunjo baada ya kilele kunaonyesha kuwa kuna elimination kutoka sehemu ya dawa iliyotolewa ndani ya modeli. Kwa hiyo grafu haipaswi kusomwa kama cumulative release curve safi.

Figure 2 inaeleza nini?

Figure 2 hulinganisha mifumo minne ya nanopartikeli kwa kuonyesha plaki ya mapema na mazingira yenye afya katika grafu tofauti.

Katika plaki ya mapema, mkunjo wa mfumo wenye mwitikio maradufu uko juu zaidi kuliko miundo mingine. Katika mazingira yenye afya, mikunjo ya pH, ROS na mwitikio maradufu iko karibu zaidi. Udhibiti usio na mwitikio una jibu la chini zaidi na la polepole zaidi.

Ujumbe mkuu wa kielelezo ni kwamba mfumo wenye mwitikio maradufu unapanua tofauti ya kinetic kati ya mazingira ya ugonjwa na yenye afya.

Figure 3 inaeleza nini?

Heat map katika ukurasa wa 7 inaonyesha jinsi targeting index hubadilika kadiri K_ROS na k_pH,max zinavyobadilika. Maeneo ya bluu yenye giza yanawakilisha utendaji mdogo, na maeneo ya njano-nyekundu utendaji mkubwa zaidi.

Nukta bora imewekwa karibu na k_pH,max=0,163 saa^-1 na K_ROS=47 µM. Mabadiliko ya haraka ya rangi karibu na optimum yanaonyesha kwamba modeli ni nyeti kwa vigezo hivi.

Figure 4 inaeleza nini?

Figure 4 hulinganisha mkusanyiko wa jumla kwenye plaki na mkusanyiko katika tishu yenye afya kulingana na hatua za ugonjwa, na kuonyesha mwenendo wa selectivity katika hatua hizo.

Maelezo ya kielelezo yanafafanua plaki ya mapema, yenye selectivity takribani mara tano, kama dirisha linalofaa zaidi la tiba; pia yanaeleza kuwa katika plaki kali ufanisi hupungua kutokana na vizuizi vya nyuzi, na katika hatua ya subclinical faida ni ndogo.

Hata hivyo, katika paneli ya kulia ya grafu, kiwango cha selectivity kinaonekana kutokuwa katika skeli ile ile na thamani za 2,70-6,29 zilizo katika maandishi kuu. Ufafanuzi wa uhusiano kati ya mhimili wa picha na namba za maandishi ni mdogo. Vielelezo havitoi raw data au error bars zinazotosha kurudia hesabu.

Kutolingana kwa namba ndani ya utafiti

Katika PDF, thamani fulani za matokeo yale yale hubadilika kati ya sehemu tofauti:

• Katika matokeo kuu, TI za mifumo yenye mwitikio mmoja ni pH=3,09 na ROS=3,18, lakini katika sehemu ya hitimisho imeandikwa pH=2,1 na ROS=2,4.
• Katika mbinu za grid search, michanganyiko 10.000 imeripotiwa, lakini katika maelezo ya Figure 3 kuna kauli ya zaidi ya michanganyiko 6.000.
• Katika ugonjwa mkali, release ya saa 24 ya mfumo wenye mwitikio maradufu imetolewa sehemu moja kama %94,7 na katika sehemu ya uainishaji wa hatua kama %87,2. Haijafafanuliwa kama hili linatokana na seti tofauti za vigezo.
• Ufanisi wa plaki ya mapema dhidi ya hatua ya subclinical umeelezwa katika sehemu moja kuwa takribani mara 2,3 na katika hitimisho kuwa mara 2,6.
• Muhtasari unasema kuingilia mapema ni bora mara mbili kuliko plaki ya hatua ya kuchelewa, ilhali kwenye jedwali la modeli, TI za hatua ya kati na kali ni za juu kuliko ya mapema. Ukuu wa hatua ya mapema umeelezwa kwa dhana ya upenyezaji.

Kutolingana huku hakufuti kabisa hitimisho la kimsingi la kimfumo; lakini kunaonyesha kuwa thamani za namba zinahitaji kuthibitishwa huru na kusahihishwa katika peer review.

Nguvu za utafiti

• Umefafanua mifumo ya pH na ROS kwa milinganyo tofauti, na hivyo kuruhusu kuigwa kwa vichocheo viwili kwa pamoja.
• Umeweka mifumo isiyo na mwitikio, yenye mwitikio mmoja na yenye mwitikio maradufu katika hali zilezile za ulinganisho.
• Umeunda mazingira matano tofauti ya kemikali kuanzia mshipa wenye afya hadi plaki kali.
• Umechunguza takribani michanganyiko 10.000 ya muundo kwa grid search.
• Umehakiki optimum ya grid search mara ya pili kwa genetic algorithm.
• Umetathmini athari ya parameter variability kwa Monte Carlo analysis.
• Umetumia Sobol analysis kujaribu kubaini vigezo muhimu kwa uzalishaji.
• Umeilinganisha mikunjo ya modeli na data kadhaa zilizochapishwa.
• Umeeleza kuwa MATLAB code ipo katika GitHub repository iliyo wazi.
• Umejadili wazi kuwa modeli ni zana ya kuzalisha hypotheses kabla ya utafiti wa maabara.

Mapungufu ya utafiti

• Ni preprint: Haijapitia peer review.
• Ni ya kikokotozi kabisa: Hakuna usanisi wa nanopartikeli, cell culture, mnyama au jaribio la binadamu.
• Uthibitishaji wa modeli si uthibitishaji huru wa maabara: Data zilizochukuliwa kidijitali kutoka grafu zilizochapishwa zilitumika.
• Tofauti kati ya parameter fitting na validation si wazi: Vigezo vilibadilishwa iteratively kulingana na validation results, na hakuna blind test set iliyoelezwa.
• pH na ROS zimechukuliwa kuwa homogeneous: Katika plaki halisi, thamani zinaweza kubadilika kwa nafasi na muda.
• Mtiririko wa damu haukuigwa: Blood flow, turbulence, wall shear stress na nanopartikeli kukaribia uso wa mshipa hazikuhesabiwa.
• Kupenya kwa ukuta wa mshipa si kwa kina: Endothelial permeability, usafiri kati ya seli na diffusion ndani ya plaki havikuonyeshwa kwa spatial model wazi.
• Mwingiliano wa mfumo wa kinga haupo: Protein corona, opsonization, complement activation na macrophage clearance hazikuingizwa.
• Ukamataji na ini na wengu haukuigwa.
• Ukubwa wa chembe na kemia ya uso havimo moja kwa moja katika objective function.
• Mgawo wa synergy ni phenomenological: β si constant ya kemikali iliyotolewa kutoka first principles.
• “Targeting index” kimsingi ni uwiano wa release: Haiwakilishi moja kwa moja mkusanyiko halisi wa nanopartikeli na cellular uptake.
• Ufafanuzi wa kipimo cha release haueleweki kikamilifu: Kuna elimination katika differential equation, ilhali maandishi hutumia lugha ya cumulative release.
• Upenyezaji wa plaki za juu haujaandikwa kwa kutosha: Milinganyo ya kina ya hesabu ya fibrous barrier haipo katika maandishi kuu.
• “Patient classification” haitokani na wagonjwa halisi: Ni ulinganisho wa scenarios tano za pH/ROS za kinadharia.
• Simvastatin pekee imechunguzwa: Ukubwa, solubility na elimination ya dawa nyingine zinaweza kutoa matokeo tofauti.
• Toxicity haikuigwa: Bidhaa za uharibifu wa polima, immune reaction na organ toxicity hazikutathminiwa.
• Hakuna matokeo ya kliniki: Hakuna matokeo kuhusu ujazo wa plaki, kupasuka kwa plaki, myocardial infarction, stroke au kifo.
• Akiba ya gharama haijachambuliwa moja kwa moja: Dola milioni na kuokoa miaka 5-10 ni makadirio ya mwandishi, si matokeo ya economic model.
• Kuna kutolingana kwa ripoti za namba: Baadhi ya thamani za mfumo, combinations na hatua hubadilika kati ya sehemu za makala.

Utafiti unasema nini?

• Ndani ya modeli ya hisabati iliyofafanuliwa, mfumo wenye mwitikio maradufu kwa pH na ROS ulizalisha selectivity ya juu zaidi ya release ya plaki ya mapema kuliko mifumo yenye mwitikio mmoja.
• Targeting index kuu ya plaki ya mapema katika maandishi kuu ni 4,95.
• Kwa optimization, targeting index iliongezeka hadi 5,24.
• Vigezo bora vya modeli ni k_pH,max=0,163 saa^-1, K_ROS=47 µM na β=0,68.
• Katika %97,8 ya Monte Carlo simulations, TI ilibaki juu ya 4.
• K_ROS na k_pH,max ndizo vigezo vinavyochangia zaidi kutokuwa na uhakika wa modeli.
• Plaki ya mapema ilitafsiriwa kuwa hatua inayofaa zaidi kwa pamoja kwa selectivity na penetration inayodhaniwa.
• Computational optimization inaweza kupunguza safu za muundo zinazopaswa kupewa kipaumbele katika majaribio ya maabara.

Utafiti hausemi nini?

• Haujaonyesha kuwa nanopartikeli halisi ya simvastatin yenye mwitikio maradufu kwa pH/ROS imetengenezwa.
• Haujathibitisha kuwa nanopartikeli hubaki thabiti katika mzunguko wa damu.
• Haujaonyesha kuwa inafika kimwili au kujikusanya kwenye plaki ya atherosklerosi.
• Haujathibitisha kuwa inapunguza madhara ya simvastatin katika tishu zenye afya.
• Haujaonyesha kuwa inapunguza ukuaji wa plaki, uchochezi au hatari ya kupasuka.
• Haujaonyesha kuwa inazuia myocardial infarction au ischemic stroke.
• Haiwezi kuhitimishwa kuwa wagonjwa wa atherosklerosi ya hatua ya mapema wanapaswa kupokea tiba ya nanopartikeli.
• Haijathibitishwa kuwa vigezo bora vilivyohesabiwa vinaweza kuzalishwa maabara.
• Mafanikio ya modeli ya %97,8 si uwezekano wa mafanikio ya kliniki au usalama.
• Modeli haitoi tiba mbadala ya statin therapy ya kawaida.

Umuhimu kwa jana, leo na baadaye

Mchakato wa jadi wa kuendeleza nanopartikeli huhitaji usanisi wa polima nyingi, kupima sifa zake za kimwili na kufanya majaribio ya kupakia na kuachilia dawa. Kila muundo usiofanikiwa huunda mzunguko mpya wa uzalishaji na upimaji.

Utafiti huu unapendekeza mfumo wa awali wa kuchuja unaotabiri ni kasi gani za uharibifu na unyeti gani wa ROS watafiti wanapaswa kulenga kabla ya uzalishaji wa majaribio. Mbinu hii haiwezi kuchukua nafasi ya kazi zote za maabara, bali inaweza kupunguza idadi ya miundo ya kujaribiwa.

Thamani ya kisayansi ya modeli inaweza kupimwa baadaye kwa hatua hizi:

• Kusanisi polima nyeti kwa pH na ROS zilizo karibu na vigezo vilivyopendekezwa,
• Majaribio halisi ya release katika pH 7,4-6,3 na ROS 5-400 µM,
• Kupima huru kasi za uharibifu wa polima,
• Protein corona na uthabiti wa chembe katika plasma ya damu,
• Majaribio ya uptake katika endothelial cells na macrophage cultures,
• Three-dimensional vessel-wall na flow models,
• Biodistribution na plaque accumulation katika wanyama wenye atherosklerosi,
• Kupima plaque inflammation, ukubwa na stability,
• Toxicity katika ini, misuli na viungo vingine,
• Mlinganisho wa moja kwa moja na tiba ya kawaida ya simvastatin.

Maana kwa maisha ya kila siku

Wazo kuu la utafiti ni kutumia “smart carrier” inayofunguliwa na sifa za kemikali za tishu iliyo na ugonjwa, badala ya dawa kuamilishwa kwa wakati mmoja mwilini kote.

Ikiwa mbinu hii itathibitishwa kwa mafanikio siku zijazo, inaweza kuwezesha mkusanyiko mkubwa zaidi wa dawa ndani ya plaki kwa dozi ya jumla iliyo chini, na kupunguza exposure isiyo ya lazima ya tishu zenye afya.

Hata hivyo, utafiti wa sasa uko kwenye kompyuta. Haubadilishi statin therapy inayotumika leo, hautoi kizingiti kipya cha kliniki cha screening ya atherosklerosi, na hauundi bidhaa ya nanopartikeli iliyo tayari kutumiwa kwa wagonjwa.

Mbinu na Matokeo ya Utafiti

Muundo wa kiufundi wa utafiti

Modeli kuu za hisabati

Matokeo ya uthibitishaji wa modeli

Ulinganisho wa mifumo katika plaki ya mapema

Matokeo ya optimization

Matokeo ya Monte Carlo na Sobol

Matokeo ya hatua za ugonjwa

Tathmini ya hypotheses ndani ya modeli

Maelezo ya Chanzo na Mbinu

Maudhui haya yanatokana na utafiti wa Ayur Anchan wenye kichwa “Computational Optimization of pH/ROS Dual-Responsive Nanoparticle Systems for Targeted Atherosclerosis Therapy”.

Taasisi ya mwandishi imeelezwa kuwa North Carolina School of Science and Mathematics - Durham.

Utafiti huu si utafiti wa majaribio ya nanoteknolojia ambapo formulation mpya ya dawa imetengenezwa maabara. Ni utafiti wa computational modeling na optimization unaochunguza, katika mazingira ya MATLAB, uharibifu wa nanopartikeli nyeti kwa pH na ROS, release ya simvastatin na plaque selectivity ya kinadharia.

Hakuna mshiriki binadamu, mgonjwa wa kliniki, mnyama wa majaribio, cell culture au usanisi wa moja kwa moja wa nanopartikeli. Uchambuzi unaoitwa “patient classification” haulinganishi makundi halisi ya wagonjwa, bali unalinganisha scenarios tano za kinadharia za ugonjwa zilizofafanuliwa kwa pH na ROS tofauti.

Utafiti umechapishwa kama preprint kwenye SSRN. Maandishi yana kauli wazi: “This preprint research paper has not been peer reviewed”. Kwa hiyo haujapitia peer review. Maandishi hayatoi taarifa ya kukubaliwa na jarida iliyothibitishwa au DOI ya preprint hii.

Imeelezwa kuwa hakukuwa na ufadhili wa nje, tathmini ya institutional ethics board haikuhusika, na mwandishi hakuripoti mgongano wa maslahi.

Mwandishi alieleza kuwa simulation codes, MATLAB scripts, optimization workflows na analysis documents zinapatikana hadharani kwenye GitHub repository. Katika maudhui haya, repository hiyo haikuendeshwa wala matokeo hayakurudiwa kwa uhuru.

Uthibitishaji wa modeli ulifanywa kwa data za majaribio zilizochukuliwa kidijitali kutoka grafu za tafiti zilizochapishwa. Huu si uthibitishaji mpya huru wa majaribio. Kubadilishwa kwa vigezo ili kuendana na data kunaweza kuongeza hatari ya overfitting ikiwa hakuna validation set tofauti.

Katika modeli, pH na ROS ndani ya plaki zilichukuliwa kuwa homogeneous; blood flow, kupenya kwa ukuta wa mshipa, protein corona, immune clearance, organ distribution, toxicity na clinical outcomes hazikuigwa moja kwa moja.

Ingawa neno la elimination limeongezwa kwenye sehemu ya dawa iliyotolewa, baadhi ya sehemu za matokeo hutumia lugha ya cumulative release. Kushuka kwa mikunjo baada ya kilele kunaonyesha kuwa thamani inayoonyeshwa si cumulative release safi.

Katika PDF kuna tofauti fulani za namba kati ya sehemu kuhusu targeting indices za mifumo yenye mwitikio mmoja, idadi ya combinations zilizochunguzwa, release katika plaki kali na ulinganisho wa ufanisi kati ya hatua. Thamani hizi zinapaswa kufafanuliwa katika peer review na reproduction huru.

Vigezo bora, uwiano wa kulenga na uwezekano wa mafanikio wa %97,8 si matokeo ya ufanisi au usalama wa kliniki. Ni matokeo ya modeli pekee chini ya milinganyo, safu za vigezo na distributions za kutokuwa na uhakika zilizofafanuliwa.

Makala hii imeandaliwa tu kwa msingi wa milinganyo, mbinu, grafu, matokeo ya namba, mapungufu na tafsiri za mwandishi zilizopo katika PDF iliyopakiwa. Haijaongezwa madai yasiyokuwamo kwenye PDF kuhusu ufanisi wa nanopartikeli, mafanikio ya tiba ya kliniki, kupungua kwa madhara, dhamana ya kuzuia myocardial infarction au bidhaa iliyo tayari kutumika.