下载
加入VIP
  • 专属下载特权
  • 现金文档折扣购买
  • VIP免费专区
  • 千万文档免费下载

上传资料

关闭

关闭

关闭

封号提示

内容

首页 人工神经网络在药物处方设计中的应用

人工神经网络在药物处方设计中的应用.pdf

人工神经网络在药物处方设计中的应用

jahn16
2011-10-04 0人阅读 举报 0 0 暂无简介

简介:本文档为《人工神经网络在药物处方设计中的应用pdf》,可适用于医药卫生领域

物理药剂学综述药剂研一人工神经网络在药物处方设计中的应用作者:yxzxs单位:ChinaPharmaceuticalUniversity摘要:人工神经网络(artificialneuralnetworks,ANNs)特有的非线性适应性信息处理能力使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。在药剂学中的应用也越来越受到药剂工作者的重视在数据分析、药物及处方设计、生物药剂学、临床药剂学等各方面体现了它的优越性。本文综述介绍人工神经网络在药物处方设计中的应用。关键词:人工神经网络处方设计综述人工神经网络(artificialneuralnetworks,ANNs)领域的研究源于物理学、心理学和神经生理学的研究。它特有的非线性适应性信息处理能力克服了传统人工智能方法对于自觉如模式、非结构化信息处理方面的缺陷使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。近年来人工神经网络在药剂学中的应用越来越受到药剂工作者的重视在数据分析、药物及处方设计、生物药剂学、临床药剂学等各方面得到了初步应用与实践。尤其是近几年人工神经网络在国外药剂学工作研究中取得了实质性的进展。一、ANNs在药物处方设计中的应用药物处方设计过程是一个很专一化的过程需要专门的知识以及多年的工作经验。从人工智能技术衍生出来的神经计算机器学习知识库系统以及专家系统等能够有效提高药品的产率、质量和均一度等。药物处方设计包含了许多处方因素和变量一些与效力、有用性、稳定性以及安全性相关的方面必须被优化。其难点在于第一难以预测随机因素(输入变量)与响应变量(输出变量)之间的关系第二一个合适的处方总是只对应于一种性质而对于别的性质却不适合。这就是所谓的多目的同步优化问题。人工神经网络应用在药剂中主要目的便是优化和预测随机因素与响应变量之间的关系。使用神经网络对材料和过程的模拟可以预测制粒和制片模型系统的性质。片剂处方设计包含以下变量:制粒设备、填充剂、粘合剂添加的方法、粘合剂的浓度。KesavanJG等将处方设计的材料、过程、制粒评估、片剂评估等数据输入到神经网络模型中对其进行训练和测试结果显示在训练过程中制粒模型和制片模型均快速的收敛。所有制粒模型的参数(平均几何粒径、流动性、堆密度、振实密度)的预测都达到满意效果制片模型中崩解及厚度的预测也同样满意。叶婷等运用人工神经网络的BP模型对难溶性药物在羟丙基甲基纤维素(HPMC)亲水凝胶骨架片中的释放进行了预测。实验者选用甲氧苄胺、卡马西平、磺胺甲口恶唑、茶碱等作为模型药物考察不同pH值、不同离子强度的溶出介质对释药行为的影响利用人工神经网络技术预测不同药物在不同溶出介质条件下的释放。结果显示所建释药模型的拟合值、预测值均与实测值的符合度较好。因而得出结论人工神经网络完全可用于预测不同药物的HPMC骨架片在不同溶出介质中的释放进而有效设计和筛选物理药剂学综述药剂研一处方。缓控释药物传递系统与传统剂型相比有很多的优点然而其复杂性增加了开发缓控释药物传递系统的难度。传统的响应曲面方法(theresponsesurfacemethodology,RSM)已经应用于这类系统的开发和设计但是RSM方法本身有缺陷这种方法基于二项式方程这通常将模拟限制在较低的水平上导致处方设计中的错误估计。人工神经网络能够预测比使用RSM方法更精确的结果。因此在这类药物传递系统的设计中人工神经网络受到了广泛的欢迎。ChenY等在控释系统设计中使用人工神经网络结合药动学模型拟合预测药物在体内外的行为。实验者将一种拟交感类模型药物的种不用处方中个处方变量和个片剂变量(湿度、粒径和硬度)作为神经网络模型的输入体外溶出时间曲线作为输出结果显示用神经网络预测的数据与体外观察体内拟合的数据有较好的一致性。盛海林等建立的神经网络可以预测硝苯地平和尼莫地平以卡波姆为骨架材料时的缓释片的溶出情况。WuT等将人工神经网络用于硫酸舒喘宁渗透泵的剂型优化设计中研究者研制了种不同的硫酸舒喘宁渗透泵片剂分别测定每一种样品溶出将一组溶出参数和随机因素(HPMC的总量、包衣液中PEG的浓度以及包衣重量)用来训练神经网络另一组用作测试数据两组数据都输入神经网络中运行直到产生误差小到满意的值为止结果预测值与观测值一致。TakayamaK等将人工神经网络用于茶碱控释片的处方优化中结果溶出参数的预测值和观测值之间有相当好的一致性这表明人工神经网络在药物处方设计优化中非常有用。人工神经网络亦被用于经皮给药系统的处方设计中实验表明经过学习后人工神经网络能很好的预测结果并且优化处方渗透率(penetrationrateR(p))的预测值和观测值比较吻合。二、ANNs技术的不足尽管ANNs已在药学研究的众多领域显出其独特的优越性,但直到目前为止,实际应用的ANNs仍是在计算机上使用软件模拟的,而不是真正用硬件方式实现的人工神经网络计算机系统。药物处方计应用中人工神经网络也有不足:①神经网络推理过程的不透明性使实验者只能看到输入和输出而看不到中间的分析推理过程及其依据不利于实验者理解和使用推理结果。②系统知识处理的正确性和可靠性很大程度受所选择的训练样本的限制常常收敛较慢训练花费时间多若样本的正交性和完备性不好往往会使系统的性能恶化。尤其在实验设计中样本太少不足以反映设计规则太多则会大大增加训练时间这导致目前使用人工神经网络还只能实现一些较小的智能模块。③由于目前理论水平的限制人工神经网络在实现连续型的非线性映射方面还存在精度不高的问题。三、结束语对于药剂学研究中经常遇到的复杂的多元非线性关系的处理与传统的RSM模拟方法相比人工神经网络显示出充分的优越性和广阔应用前景它不需要以往繁琐复杂的方程运算并可以使用多元学习函数。虽然在模拟过程中人工神经网络需要大量的数据组以进行学习但由于它可以将文献数据及实验数据结合起来解决实际问题因此实验工作量比传统方法要小很多。人工神经网络以其独特的优越性越来越受到药剂工作者的重视在药物处方物理药剂学综述药剂研一设计和优化中必将发挥越来越重要的作用。参考文献:MartinTHagan,HowardBDemuth,MarkHBeale,等戴葵,等译神经网络设计M北京:机械工业出版社AgatonovicKustrinS,BeresfordRBasicconceptsofartificialneuralnetwork(ANN)modelinganditsapplicationinpharmaceuticalresearchJJPharmBiomedAnal,,():PlumbAP,RoweRC,YorkP,等TheeffectofexperimentaldesignonthemodelingofatabletcoatingformulationusingartificialneuralnetworksJEurJPharmSci,,():IbrićS,JovanovićM,DjurićZ,等ArtificialneuralnetworksinthemodelingandoptimizationofaspirinextendedreleasetabletswithEudragitLasmatrixsubstanceJAAPSPharmSciTech,,():ELeaneMM,CummingI,CorriganOITheuseofartificialneuralnetworksfortheselectionofthemostappropriateformulationandprocessingvariablesinordertopredicttheinvitrodissolutionofsustainedreleaseminitabletsJAAPSPharmSciTech,,():ERaymondCRowe,RonaldJRobertsArtificialintelligenceinpharmaceuticalproductformulation:neuralcomputingandemergingtechnologiesPharmaceuticalScienceandTechnologyToday,,():TakayamaK,FujikawaM,NagaiTArtificialneuralnetworkasanovelmethodtooptimizepharmaceuticalformulationsJPharmRes,():HiroshiIchikawaHierarchyneuralnetworksasappliedtopharmaceuticalproblemsAdvancedDrugDeliveryReviews,,():KesavanJG,PeckGEPharmaceuticalgranulationandtabletformulationusingneuralnetworksPharmDevTechnol,,():叶婷,魏晓红,梁文权神经网络在预测难溶性药物从HPMC骨架片中释放的应用J中国药学杂志,,():YichunSun,YingxuPeng,YixinChen,等ApplicationofartificialneuralnetworksinthedesignofcontrolledreleasedrugdeliverysystemsAdvancedDrugDeliveryReviews,,():KozoTakayama,MikitoFujikawa,YasukoObata,等NeuralnetworkbasedoptimizationofdrugformulationsAdvancedDrugDeliveryReviews,,():HussainAS,YuXQ,JohnsonRDApplicationofneuralcomputinginpharmaceuticalproductdevelopmentJPharmRes,,():ChenY,McCallTW,BaichwalAR,等TheapplicationofanartificialneuralnetworkandpharmacokineticsimulationsinthedesignofcontrolledreleasedosageformsJControlRelease,,():盛海林,王平,涂家生,等人工神经网络应用于骨架型缓释片处方设计J中国医药工业杂志,,():WuT,PanW,ChenJ,等FormulationoptimizationtechniquebasedonartificialneuralnetworkinsalbutamolsulfateosmoticpumptabletsJDrugDevIndPharm,,():TakayamaK,MorvaA,FujikawaM,等Formulaoptimizationoftheophyllinecontrolled物理药剂学综述药剂研一releasetabletbasedonartificialneuralnetworksJControlRelease,,():CheePengLim,SiowSanQuek,KokKhiangPehPredictionofdrugreleaseprofilesusinganintelligentlearningsystem:anexperimentalstudyintransdermaliontophoresisJJPharmBiomedAnal,,():–KozoTakayama,JunichiTakahara,MikitoFujikawa,等FormulaoptimizationbasedonartificialneuralnetworksintransdermaldrugdeliveryJournalofControlledRelease,,():WuPC,ObataY,FujikawaM,等SimultaneousoptimizationbasedonartificialneuralnetworksinketoprofenhydrogelformulacontainingOethylbutylcyclohexanolaspercutaneousabsorptionenhancerJPharmSci,,():

用户评价(0)

关闭

新课改视野下建构高中语文教学实验成果报告(32KB)

抱歉,积分不足下载失败,请稍后再试!

提示

试读已结束,如需要继续阅读或者下载,敬请购买!

文档小程序码

使用微信“扫一扫”扫码寻找文档

1

打开微信

2

扫描小程序码

3

发布寻找信息

4

等待寻找结果

我知道了
评分:

/4

人工神经网络在药物处方设计中的应用

VIP

在线
客服

免费
邮箱

爱问共享资料服务号

扫描关注领取更多福利