= 24)는 I-최적 설계(I-optimal design)를 사용하여 개발되었으며, 기계학습 도구(XGBoost/베이지안 최적화 및 자기 검증 앙상블(self-validated ensemble, SVEM))를 활용하여 공정을 최적화하고 지질 혼합비를 예측하였다. 본 연구에는 물질 특성, 각 특성의 비율, 공정 특성이 포함되었다. 입자 크기(PS), 다분산지수(PDI), 제타전위, pKa, 열 트렌드 사이클, 캡슐화 효율(EE), 회수율, 캡슐화된 mRNA 등과 같은 핵심 반응을 평가하였다. 전반적인 SVEM의 예측 성능(>97%)은 XGBoost/베이지안 최적화(>94%)에 비해 비교할 만하게 더 우수하였다. 또한 실제 실험 결과에서 SVEM 예측은 실제 데이터에 가깝게 나타났는데, 실험에서 확인된 PS(94–96 nm)가 예측된 값(95–97 nm)과 유사하였다. PDI 및 EE를 포함한 나머지 매개변수 또한 실제 실험 데이터와 유사하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.