机器学习赋能pH响应型肝靶向纳米复合材料：基于CMC/Aga/CeO2载槲皮素系统的智能药物释放预测与肝癌精准治疗研究

　　本研究创新性构建了pH响应型羧甲基纤维素/琼脂糖/氧化铈（CMC/Aga/CeO2）纳米载药系统，实现槲皮素（QC）的高效肝细胞癌靶向递送。该系统展现出卓越的药物包封率（88.25%）与负载量（51.00%），并在酸性肿瘤微环境（pH 5.4）中实现98%的智能释药。通过机器学习模型（梯度提升/神经网络/随机森林/SVM）精准预测释药动力学（R2>0.97），为肝癌精准治疗提供计算优化方案。

　　

Highlight

材料与化学品（Material and Chemicals）

所有使用的试剂均达到分析纯标准且无需进一步纯化。羧甲基纤维素（CMC）、琼脂糖（Aga）、氧化铈（CeO₂）纳米颗粒、槲皮素（QC）、乙酸（≥99%）、司盘80（山梨坦单油酸酯）和芝麻油采购自Sigma-Aldrich（美国密苏里州圣路易斯市）或本地供应商。细胞培养材料包括高糖杜尔贝科改良 Eagle 培养基（DMEM）、胎牛血清（FBS）、青霉素-链霉素、胰蛋白酶/EDTA（0.25%）、二甲基亚砜（DMSO）和MTT试剂均购自Sigma-Aldrich。实验全程使用去离子水。

FT-IR（傅里叶变换红外光谱）

采用FTIR光谱技术识别官能团，分析组分间的分子相互作用，并进一步证实QC在CMC/Aga/CeO₂纳米载药系统中的成功负载。图1展示了单一材料（CMC、Aga、CeO₂）、二元复合物（CMC/Aga）、三元复合物（CMC/Aga/CeO₂）以及载药复合物（CMC/Aga/CeO₂@QC）的红外光谱。在酸性介质中制备的纯CMC光谱在3313 cm^-1附近显示出一个宽峰，归属于O-H伸缩振动...

结论、局限性与未来展望（Conclusion, Limitations, and Future Prospects）

本研究成功合成了CMC/Aga/CeO₂@QC纳米载药系统，用于QC的肝肿瘤靶向递送。CMC（pH响应释放）、Aga（机械稳定性）与CeO₂（药物负载与双重氧化还原活性）的协同组合，使系统具有高载药量（51.00%）和包封率（88.25%），并在肿瘤微环境pH下实现触发释药（pH 5.4时释放98% vs pH 7.4时64%）。CeO₂的双重氧化还原特性在研究中发挥关键作用...