ラボスケールのコンパクションシミュレーターを用いたローラーコンパクションのシミュレーション
Andrey V. Zinchuk;...;Bruno C. Hancock(2004.1, International Journal of Pharmaceutics)[Simulation of roller compaction using a laboratory scale compaction simulator]
理由
自分の仕事関連
概要
ラボスケールのコンパクションシミュレーターを用いたローラーコンパクションプロセスのシミュレーション法を開発した。モデル物質としてミクロクリスタリンセルロース、重要なリボン特性としてリボンの固体率と引張強度を用いてシミュレーションを評価した。同じ固体率と比べると、実際とシミュレーションのリボンは類似の圧縮挙動と等価の力学特性(引張強度)を示した。よって、シミュレーションと実際のリボンは同等の造粒の結果と期待される。シミュレーションはいくつかのローラーコンパクション面(非一様のリボン密度や物質のバイパス)を説明できないが、従来のローラーコンパクション機に必要な物質のフラクションを用いて、ロール速度や圧力、半径のような重要なパラメータが、リボン特性に与える影響を予測できる。さらに、一定のリボンの固体率や引張強度はローラーコンパクションプロセスのスケールアップやトランスファー因子をして活用できるかもしれない。向上した物質効率と製品のトランスファー法は、医薬品開発において錠剤剤形をはやく処方開発することを可能にするだろう。
雑記
静かな山奥で3か月くらい何もせず暮らしたい
生物のパターン形成における数理モデルのデータ駆動型の発見とパラメータ推定
Hidekazu Hishinuma;...;Takashi Miura(2025.1, PLoS Comp. Bio.)[Data-driven discovery and parameter estimation of mathematical models in biological pattern formation]
理由
自分の好きな研究分野の論文
概要
数理モデリングは生物のパターン形成を説明するために用いられてきたが、モデルやパラメータの選択は経験的になされてきた。本研究では、データ駆動型の方法を提案して数理モデルの適用性を実証する。特に、関心のあるパターンに基づいて適切な数理モデルを自動的に選択し、モデルパラメータを推定する手法を開発した。モデル選択のために、ゼロショット特徴抽出のContrastive Language-Image Pre-training (CLIP) を実装し、与えられたパターンの画像を潜在空間にマッピングして、適切なモデルを特定する。パラメータ推定のために、自然勾配ブースティング(NGBoost)に基づく近似ベイズ推定を高速に行う新しい技術を開発した。この手法によって最小の拘束下でパラメータ推定が可能になり、すなわち時系列データや初期条件を必要とせず、多種の数理モデルに応用可能である。チューリングパターンに対してこの手法を試し、その高い精度と解析的特徴との対応を示した。この戦略によって、空間パターンを持ちる数理モデルの効率的な実証が可能になる。
印象的な図
Fig5. 生物の画像とCLIPによって選択された類似のパターン
雑記
今の仕事が好きになれるかは、この1年にかかっていそうな気がする
原料データベースと機械学習アルゴリズムを用いて持続放出錠剤の生体外溶出時間を予測するデータ駆動法
M. Bharathi;...;T. Sudheer Kumar(2024.8, PHARMACIA)[A data-driven approach to predict the in vitro dissolution time of sustained-release tablets using raw material databases and machine learning algorithms]
理由
自分の仕事関連
概要
錠剤は製剤的治療の最も典型的な剤形である。持続放出(SR)錠剤処方は血流で徐々に薬が放出されるよう設計され、より少ない投与を必要とすることが多い。持続放出錠剤の溶出時間を最適化する現在の戦略は、従来の手法にまだ依存しており、時間がかかり、高価である。この文脈において、TPOT AutoMLプラットフォームを通じて代替となる機械学習や深層学習モデルを示す。6つの機械学習(ML)モデルを比較し、溶出時間の予測方法を向上する、特に、決定木回帰(DTR)、勾配ブースト回帰(GBR)、ランダムフォレスト回帰(RFR)、エクストラツリー回帰(ETR)、XGブースト回帰(XGBR)、そして深層学習(DL)である。得られた結果から、機械学習法、特にランダムフォレストは溶出時間の推測においては信憑性があるが、深層ニューラルネットワークのハイパーチューニングによって、10分割のクロスバリデーションの深層学習モデルスキームは、8%のNRMSEと0.92のR二乗値を示す優れた予測性能を示した。SR錠剤の溶出時間に影響する主要な重要因子をSHAP法を用いて説明する。
雑記
この夏のマイブームは麦茶
製薬のローラーコンパクションプロセスの設計に対するモデルに基づく方法
Peter Toson;...; Johannes Khinast (2019.1, International Journal of Pharmaceutics: X)[Model-based approach to the design of pharmaceutical roller-compaction processes]
理由
自分の仕事関連
概要
この研究はローラーコンパクションプロセスの同じ機械内のプロセス設計とスケールアップに対する新しいモデルに基づく方法を示す。操作空間の予測は完全にin silicoで行うのではなく、入力として低スループットの実験を用いる。この低スループットデータは繰り返しの校正ルーティンに用いられ、ローラーコンパクター内の粉の振る舞いを記述し、低・高スループットで力学モデルの予測品質を向上する。そのモデルは2つのイブプロフェン処方の実験デザインで実証された。操作空間内の予測されたスイートスポットは実験結果とよく一致していた。
雑記
在宅でやる気が出ない
製薬産業における製造プロセスシミュレーションへの離散要素法の応用
Yeom, S.B;...; Choi, D.H.(2019.8, Pharmaceutics)[Application of the Discrete Element Method for Manufacturing Process Simulation in the Pharmaceutical Industry.]
理由
自分の仕事関連
概要
数理モデリングツールを用いたプロセスシミュレーションは製薬産業においてより一般的になっている。力学モデルはプロセス理解を強めることができ、実験コストを減らし品質を向上できる数理モデリングツールである。粉体に対してよく使われる力学モデリング方法は離散要素法(DEM)である。ほとんどの医薬品原料は粉や粒の物質をもつ。よって、DEMは製薬産業において広く活用されるだろう。この総説ではDEMの基本要素と製薬製造シミュレーションにおける実装に注目する。接触モデルと入力パラメータはDEMシミュレーションにおいて必須の要素である。接触モデルは粒子間や粒子と領域に働く接触力を計算する。入力パラメータは物質特性と相互作用パラメータの2種類に分類される。多様な校正方法を示して医薬品物質の相互作用パラメータを定義する。粉砕や混合、造粒やコーティングのような医薬品の製造プロセスにおけるDEMシミュレーションのいくつかの応用を分類して要約する。この総説に基づいて、DEMシミュレーションは体系的なプロセス理解とプロセス制御を与え、医薬品の品質を担保するかもしれない。
印象的な図
Graphical Abstract
雑記
DEMは実装するのめんどいのよな
チューリップブレイキングウイルスはどのように縞のチューリップを作り出すのか
Wong, A.A., Carrero, G. & Hillen, T. (2025.1, Commun Biol)[How the tulip breaking virus creates striped tulips.]
理由
パターン形成の話で面白そうだったから
概要
チューリップの美しさは数世紀の間、人類を魅了してきた。縞のある多様性は、その複雑かつ予測不可能なパターンで特に注目されてきた。模様のあるチューリップの縞パターン形成を駆動する機構をよく理解することは17世紀から進んでいない。これらのパターンのあるチューリップがチューリップブレイキングウイルスによるウイルス感染によるものであることが1928年から知られている。ここでは、花びらのウイルス感染がどのように縞を導くかを理解する数理モデルを示すことによって、350年間の謎に対するありうる説明を提供する。そのモデルは色素発現(アントシアニン)のウイルス抑制とウイルス複製との相互作用を記述した。このモデルはよく知られたチューリング不安定性に似た活性因子-基質機構として同定されたパターン形成機構を組み込み、ウォルパートの位置情報機構も組み込んだ。このモデルを成長するチューリップの花びらの形のドメインで解き、そこでチューリップの花びらの成長を明示的に記述する新しい方法を導入した。この研究は色素産生を阻害するウイルス感染がどのように美しいチューリップパターンを導きだせるかを示す。
印象的な図
Fig3. TBVに感染したチューリップの花びらのシミュレーション
雑記
もう最後の投稿から200日以上も経ってたのか・・・
製剤医薬品開発のためのコンピューター助けの処方設計 part01：視覚化ツールを通じた物質探索
Patrick M. Piccione;....;Paul Kroll(2024.12, International Journal of Pharmaceutics)[Computer-Aided formulation design for pharmaceutical drug product development, part 01: Materials exploration through a visualization tool]
理由
仕事関連で紹介された論文
概要
経口固形処方の設計を助ける双方向ツールを開発した。このツールは物理的、体積的、そして力学的特性を定量的に探索、比較でき、機能的特徴も考慮する。この方法において、添加剤とAPIsの両方の比較とクラスタリングを行う。これらの比較によって、リソースや物質を使わないために、代替案の生成や代理の同定を可能にする。
複数のデータソースを融合して、関連特性すべての”ジョイント”データ表を作成した。4つのメインワークフロー活動を支援する：物質探索、類似APIの検索、類似の添加剤の検索、物質クラスターの検索。複数次元のフィルタリングを各機能性に重ね合わせた。提案された視覚化は「標準プロット」として視覚化を与えることによって特にアクセス可能である。根底にある哲学は排他的な数学分野で処方決定をするというよりも処方科学者が他の選択肢を探索する力を与えることである。ここで示すツールは、混合特性の予測を統合する全体的な最適化に向けた最初の段階である。3つの物質選択応用例を通じて利用方法を説明する。
雑記
積読がたまりつつある
