論文の概要: Accelerating the Development of PLGA In Situ Forming Depots Through AI-Driven Multi-Objective Optimization

• arxiv url: http://arxiv.org/abs/2610.08368v1
• Date: Tue, 06 Oct 2026 13:54:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:30.018806
• Title: Accelerating the Development of PLGA In Situ Forming Depots Through AI-Driven Multi-Objective Optimization
• Title（参考訳）: AI駆動多目的最適化によるリポジトリ形成におけるPLGAの開発促進
• Abstract要約: 長期に作用する注入可能な製剤の開発には、薬物負荷、放出速度論、粘性、注入性、安定性、その他の目的の同時最適化が必要である。 Corbin と Corbion の生吸収性ポリマーライブラリ PURA と Intrepid Labs の独自のAIアルゴリズムを組み合わせることで、治療ペプチドのためのin situ 形成デポを開発する。 6-12%w/wの薬物負荷にまたがる181種類の定式化を調製し, 広い設計空間マッピングと多目的最適化により特徴付けた。
• 参考スコア（独自算出の注目度）: 5.03273645197211
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Developing long-acting injectable formulations requires the simultaneous optimization of drug loading, release kinetics, viscosity, injectability, stability and other objectives. To navigate this multidimensional space, Corbion and Intrepid combined Corbion's diverse PURASORB bioresorbable polymer library with Intrepid Labs' proprietary AI algorithm (ANDROMEDA 1) to develop in situ forming depots for a therapeutic peptide. Over approximately 15 weeks, 181 unique formulations spanning drug loadings of 6-12% w/w were prepared and characterized through broad design-space mapping and targeted multi-objective optimization. Four lead candidate formulations were identified at 6%, 9%, and 12% w/w drug loading. Each met the predefined viscosity and injectability criteria while providing distinct 30-day in vitro release profiles. The study evaluated polymers spanning a broad range of molecular weights, including commercially available PURASORB grades and new polymers under development by Corbion to expand its polymer toolbox. ANDROMEDA 1 identified that polymers with intermediate molecular weights provided a favorable balance between sustained release and solution viscosity. Together, these findings demonstrate how integrated polymer expertise and AI-driven optimization can rapidly identify differentiated formulation candidates, focus the development space, and establish a strong data-driven foundation for further optimization and in vivo evaluation.
• Abstract（参考訳）: 長期に作用する注入可能な製剤の開発には、薬物の負荷、放出速度論、粘性、注入性、安定性、その他の目的の同時最適化が必要である。 この多次元空間をナビゲートするために、CorbionとIntrepidは、Corbionの多様なPURASORB生吸収性ポリマーライブラリとIntrepid Labsの独自AIアルゴリズム(ANDROMEDA 1)を組み合わせて、治療ペプチドのためのin situ形成デポを開発する。 約15週間で6-12%w/wの薬物負荷にまたがる181種類の定式化が作成され、広い設計空間マッピングと多目的最適化によって特徴付けられる。 6%, 9%, 薬物負荷12%で4種類の鉛候補が同定された。 それぞれが事前定義された粘度および注入性基準を満たし、30日間のin vitroリリースプロファイルを提供する。 この研究では、市販のPURASORBグレードや、Corbionによって開発された新しいポリマーなど、幅広い分子量にまたがるポリマーを評価した。 ANDROMEDA 1は、中間分子量を持つポリマーが持続放出と溶液粘度との間に良好なバランスを保っていることを同定した。 これらの知見は, 統合高分子の専門知識とAIによる最適化が, 識別された定式化候補を迅速に識別し, 開発空間に集中し, さらなる最適化と生体内評価のための強力なデータ駆動基盤を確立する方法を示すものである。

関連論文リスト

• Fine-tuning Pocket-Aware Diffusion Models via Denoising Policy Optimization [6.296632663190645]
  本稿では,事前学習したポケット・アウェア拡散モデルを微調整するための新しい構造に基づく分子最適化(SBMO)手法であるDEPPAを提案する。 DEPPAは、結合親和性、薬物類似性、合成可能性、多様性など、複数の特性の最適化を可能にする。
  論文  参考訳（メタデータ） (2026-05-17T23:21:24Z)
• PolyJarvis: LLM Agent for Autonomous Polymer MD Simulations [49.024137619510526]
  我々は,大規模な言語モデル(LLM)とRadonPyシミュレーションプラットフォームを結合するエージェントであるPolyJarvisを紹介する。 ポリマー名またはSMILES文字列が与えられた後、PolyJarvisはモノマーの構築、電荷割り当て、重合、力場パラメータ化、特性計算を自律的に実行する。 その結果, APS, PMMAの基準値の17～24%は0.1～4.8%, バルク変調率で, 密度予測は17～24%であった。
  論文  参考訳（メタデータ） (2026-04-02T21:43:35Z)
• Collaborative Expert LLMs Guided Multi-Objective Molecular Optimization [51.104444856052204]
  我々は,多目的分子最適化のための協調型大規模言語モデル(LLM)システムであるMultiMolを提案する。 6つの多目的最適化タスクに対する評価において、MultiMolは既存の手法を著しく上回り、82.30%の成功率を達成した。
  論文  参考訳（メタデータ） (2025-03-05T13:47:55Z)
• Decomposed Direct Preference Optimization for Structure-Based Drug Design [47.561983733291804]
  本稿では,拡散モデルと医薬的ニーズを整合させる構造に基づく最適化手法であるDecompDPOを提案する。 DecompDPOは、様々なタンパク質ファミリーにまたがる分子生成のための微調整済み拡散モデルと、生成後に特定のタンパク質サブポケットを与える分子最適化の2つの主要な目的のために効果的に使用できる。
  論文  参考訳（メタデータ） (2024-07-19T02:12:25Z)
• Aligning Target-Aware Molecule Diffusion Models with Exact Energy Optimization [147.7899503829411]
  AliDiffは、事前訓練されたターゲット拡散モデルと望ましい機能特性を整合させる新しいフレームワークである。 最先端の結合エネルギーを持つ分子を最大7.07 Avg. Vina Scoreで生成することができる。
  論文  参考訳（メタデータ） (2024-07-01T06:10:29Z)
• Guided Multi-objective Generative AI to Enhance Structure-based Drug Design [0.0]
  構造に基づく医薬品設計のための拡散と多目的最適化を組み合わせた生成化学AIであるIDOLproについて述べる。 IDOLproは、各テストセットにおける次の最先端メソッドよりも10%から20%以上の結合親和性で生成する。 我々は、IDOLproが、仮想スクリーンにあるどの分子よりも結合親和性と合成アクセシビリティが良く、様々な重要な疾患関連ターゲットの分子を生成できることを示した。
  論文  参考訳（メタデータ） (2024-05-20T05:08:55Z)
• Latent Chemical Space Searching for Plug-in Multi-objective Molecule Generation [9.442146563809953]
  本研究では, 標的親和性, 薬物類似性, 合成性に関連する目的を組み込んだ, 汎用的な「プラグイン」分子生成モデルを構築した。 我々はPSO-ENPを多目的分子生成と最適化のための最適変種として同定する。
  論文  参考訳（メタデータ） (2024-04-10T02:37:24Z)
• Pareto Optimization to Accelerate Multi-Objective Virtual Screening [11.356174411578515]
  EGFRおよびIGF1Rの選択的二重阻害剤であると考えられる4M分子の仮想ライブラリーを探索するツールを開発した。 このワークフローと関連するオープンソースソフトウェアは、分子設計プロジェクトのスクリーニング負担を軽減することができる。
  論文  参考訳（メタデータ） (2023-10-16T17:19:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。