机器学习助力水杨酸溶解度精准预测：多因素关联深度解析

《Scientific Reports》：Advanced analysis on the correlation of salicylic acid solubility to solvent composition, temperature and pressure via machine learning approach

为解决预测水杨酸在不同溶剂中溶解度的问题，研究人员开展相关研究，发现 CNN 模型预测效果最佳，对相关领域意义重大。

　　

研究背景

在固体口服药物生产过程中，结晶是关键环节，其核心在于通过降低活性药物成分（API）在溶剂中的溶解度，使 API 从溶液中析出，形成固体粉末，而这一过程的驱动力便是过饱和状态。想要实现过饱和，精准掌握 API 在不同溶剂、不同温度和浓度下的溶解度变化至关重要。

以往，热力学方法常被用于分析 API 溶解度，但这种方法在实际操作中存在诸多不便，实施难度较大。近年来，机器学习（ML）技术逐渐崭露头角，其凭借强大的数据学习能力，在药物溶解度预测方面展现出独特优势。不过，此前研究多局限于简单模型或单组分系统，对于水杨酸在复杂多变量环境下的溶解度预测，仍存在较大空白。因此，开展更深入、全面的研究，探索水杨酸溶解度与溶剂组成、温度和压力之间的复杂关系迫在眉睫。

来自沙特阿拉伯国王沙特大学（King Saud University）的研究人员，针对这一问题展开研究。他们的研究成果发表在《Scientific Reports》上，为水杨酸结晶过程优化以及相关领域研究提供了新的思路和方法。

研究方法

研究人员采用了先进的 ML 方法来预测水杨酸溶解度。首先进行数据预处理，利用 Min–Max Scaler 对数据进行归一化处理，将特征值映射到 0 - 1 的区间，确保各输入特征在分析中具有平等的贡献。接着，使用 k - 最近邻离群值检测（KNNOD）技术识别并剔除数据集中的离群点，保证数据质量。

随后，研究人员运用多种 ML 模型进行预测，包括卷积神经网络（CNNs）、多项式回归（PR）和核岭回归（KRR）。为优化模型性能，采用 Hyperband 方法对模型超参数进行调优，该方法通过动态分配计算资源，高效筛选出最优的超参数配置。最后，利用决定系数（R²）、均方误差（MSE）和平均绝对误差（MAE）等指标评估模型的预测准确性。

研究结果

1. 模型性能对比：通过对不同模型预测性能的评估，发现 CNNs 在预测水杨酸溶解度方面表现最为出色。其 R²得分高达 0.989，MSE 为 4.161203×10^-05 ，MAE 为 3.760119×10^-03 ，表明其预测值与实际溶解度值拟合度极高，预测误差极小。相比之下，KRR 的 R²得分为 0.913873，PR 的 R²得分为 0.815462，二者在预测准确性上均不如 CNNs。
2. 特征重要性分析：研究人员进一步分析了各输入变量对预测模型的重要性。结果显示，X₂（水含量）和 X₅（PEG300 含量）是影响水杨酸溶解度的关键因素。由于水杨酸的疏水性，增加水含量会降低其在溶剂中的溶解度；而 PEG300 作为增溶剂，能够显著提高水杨酸在溶剂中的溶解度。

研究结论与意义

本研究成功运用先进的 ML 方法预测了水杨酸在不同溶剂中的溶解度。通过严格的数据预处理、有效的离群点检测以及精心优化的模型选择，研究人员实现了预测准确性的显著提升。其中，CNNs 模型凭借其卓越的性能，在众多模型中脱颖而出，为后续研究提供了可靠的模型参考。

研究结果明确了水含量和 PEG300 含量对水杨酸溶解度的关键影响，这对于优化水杨酸结晶过程具有重要的指导意义。在实际生产中，可依据这些结论合理调整溶剂组成，精准控制水杨酸的结晶过程，提高生产效率和产品质量。

然而，该研究也存在一定的局限性，模型的预测能力依赖于数据集的可用性，无法完全做到精准预测。未来研究可聚焦于将多种 ML 算法相结合，构建更强大的混合模型，进一步提升模型的稳健性和预测能力。总体而言，这项研究为解决复杂的药物工程问题提供了新的视角和方法，为溶解度预测及相关领域的研究搭建了重要的框架，推动了该领域的进一步发展。