隨著全球慢性炎癥性腸病發病率逐年上升，潰瘍性結腸炎（UC）已成為威脅人類健康的重要公共衛生問題?，F有臨床治療方案普遍存在療效波動與不良反應顯著的局限性。天然藥物大黃素雖展現出卓越的抗炎活性，但因其水溶性差、生物利用度低的特性，極大程度限制了臨床轉化進程。在納米藥物遞送領域，脂質體作為理想的藥物載體，具備提升藥物遞送效率與靶向性的顯著優勢。然而，傳統脂質體制備技術面臨流程繁瑣、批次質量不均的瓶頸，新興微流控技術亦因混合效率不足難以實現規?；瘧?。因此，開發創新性解決方案，實現納米藥物的精準制備與靶向治療，已成為突破當前困境的關鍵方向。
近日，魯東大學陳雪葉教授團隊創新性地將微流控技術與機器學習深度融合，開發出“仿生葉脈溝槽—馬蹄形”新型組合式微混合器（VGHM），結合NRBO-CNN-LSTM-Attention多元回歸預測模型，實現了靶向大黃素脂質體（Apt-EMO@Lip）的精準可控制備，為潰瘍性結腸炎的精準治療提供了全新策略。
相關成果以“Machine learning-guided one-step fabrication of targeted emodin liposomes via novel micromixer for ulcerative colitis therapy”發表于“中國科技期刊卓越行動計劃”領軍期刊《Nano Research》上，2023級研究生陳鑫坤、潘玉麗為共同第一作者，陳雪葉教授與鮑誠副教授為通訊作者。
（1）本研究將植物葉脈的凹槽結構與馬蹄形流體分匯原理結合起來，設計了一種新型的仿生葉脈-馬蹄形耦合微混合器（VGHM），具體的設計結構如圖1a所示。通過摩方精密面投影微立體光刻（PμSL）3D打印技術（nanoArch? P150，精度：25μm）制造模具，結合PDMS模塑與等離子鍵合工藝制備出完整器件，其微通道形貌和封裝結構如圖1b-e所示。
圖1. 微混合器設計圖。(a)微混合器詳細信息（尺寸、組成、入口）；(b)制備流程圖；(c)微混合器實物圖；(d、e)微通道超景深顯微鏡圖。
（2）通過COMSOL數值模擬構建流體動力學模型，結合雙染料溶液實驗驗證混合機制，具體的流場質量分數云圖與流線分布如圖2a-b所示。實驗裝置采用高速攝像機記錄微通道內混合過程（圖2d），實驗結果與模擬結果對比顯示趨勢一致（圖2f-g）。
圖2. 微混合器性能評估。(a)仿真質量云圖；(b)VGM不同截面的流線分布；(c)兩種結構不同混合單元數下的混合效率；(d)實驗裝置；(e)局部實驗圖對比仿真圖；(f、g) 數值模擬與實驗數據對比。
（3）本研究使用VGHM一步合成Apt-EMO@Lip策略，將脂質分子有機相與緩沖液水相在微通道內動態混合，驅動脂質體從條狀→盤狀→球形進行演變，并通過HSM單元實現適配體共價偶聯。
圖3. 一步形成靶向脂質體機制。(a)VGHM與薄膜水合法制備靶向脂質體的對比示意圖；(b)VGM中脂質體的自組裝形成過程；(c)脂質體成分的化學結構；(d)靶向脂質體形成的機制。
（4）通過系統探究微流控制備變量，將流速比（FRR）、總流速（TFR）及溶劑類型作為關鍵參數。實驗結果證實FRR=40:1時粒徑最小，乙醇溶劑優于甲醇/氯仿；所得Apt-EMO@Lip呈單峰分布、電位-45.54mV，4℃儲存4周穩定性良好，TEM顯示典型球形形貌。
圖4. 制備參數對脂質體的特性影響圖。(a)流量信息配置；(b)FRR對粒徑和PDI的影響。(c)TFR對粒徑和PDI的影響；(d)溶劑類型對粒徑的影響；(e)Blank@Lip、EMO@Lip和Apt-EMO@Lip的粒徑分布；(f)Blank@Lip、EMO@Lip和Apt-EMO@Lip的Zeta電位值；(g)Blank@Lip、EMO@Lip和Apt-EMO@Lip在4℃儲存條件下的長期穩定性；(h)純化的Apt-EMO@Lip樣品圖；(i)TEM圖像顯示Blank@Lip和Apt-EMO@Lip的球形形態（標尺=200 nm）。
（5）通過創新性融合牛頓-拉夫遜優化（NRBO）、卷積神經網絡（CNN）、長短期記憶網絡（LSTM）及注意力機制，構建多變量回歸預測模型用于預測不同條件下脂質體粒徑尺寸。模型對脂質體粒徑預測精度達R2=0.9574（RMSE=6.52nm）。
圖5. 機器學習預測粒徑圖。(a)訓練損失隨迭代次數變化圖; (b)均方根誤差（RMSE）隨迭代次數變化圖；(c)模型訓練適應度曲線；(c)相對誤差圖；(d)訓練集樣本擬合度；(f)訓練集預測值與真實值對比；(g)測試集樣本的預測誤差分布；(h)測試集樣本擬合度；(i)測試集預測值與真實值對比。
（6）通過對比分析兩種技術路徑，將微流控法（MF-EMO@Lip）與薄膜水合法（TFH-EMO@Lip）的理化特性并置評估。涵蓋粒徑分布、形態、穩定性、電位及細胞毒性等關鍵指標，為制備方法選擇提供依據。
（7）通過體外模擬胃腸道環境評估藥物釋放行為，展現出了良好的緩釋特性（48h釋放率58.62%）。我們進一步通過RAW264.7巨噬細胞模型評估脂質體的抗炎活性，Elisa實驗結果顯示，經EMO@Lip處理后，促炎因子NO、TNF-α、IL-6和IL-1β的水平顯著降低；Caco-2細胞劃痕實驗證實其加速腸道屏障細胞層損傷修復。
總結：本研究通過“微流控技術-機器學習” 的協同創新，構建了一步法制備靶向脂質體的高效策略，突破了傳統脂質體制備的效率與一致性瓶頸，結合智能預測模型實現了粒徑的精準調控，在潰瘍性結腸炎的體外模型中展現出優異的抗炎與腸屏障修復能力。該成果為中藥活性成分的精準遞送及炎癥性疾病的靶向治療開辟了新路徑。
原文鏈接：https://doi.org/10.26599/NR.2025.94907713
