Artificial neural networks modeling and simulation of the in-vitro nanoparticle-cell interactions

Bu araştırmada, Yapay Sinir Ağları (YSA) yöntemi ile hücreye tutunan, yani hücre yüzeyine yapışan ve hücre içine alınan, nanopartikül (NP) oranını tahmin eden bir model geliştirilmiştir. Organizmaların kaotik ortamları, teknik kısıtlamaları ve tutunma oranına etkisi olan birçok değişkenin binlerce varyasyonunun deneylerle test edilmesinin çok uzun süre gerektireceği göz önünde bulundurulduğunda nanopartiküllerin hücreye tutunma oranının tahmini çok önemli ve gerekli bir çalışmadır. NP-hücre etkileşimleri deney süreçlerinin simülasyonu ile güdümlü ilaç dağılımı, mevcut patolojilerin hücre düzeyinde tespiti, tedavisi ve teşhisi için temel oluşturulmaya çalışılmıştır. Bu çalışma ayni zamanda nanotıp çalışmalarını hızlandıracaktır. NP tipi, NP boyutu, NP yüzey yükü, yoğunluk ve zamana bağlı olan hücresel tutunma oranının tahmini için çok katmanlı, ileri beslemeli, Backpropagation (Geri-Yayılım) algoritmasına dayalı bir YSA modeli geliştirilmiştir. In-vitro NP-sağlıklı hücre etkileşimi analizleri için kullanılacak NP çeşitlerinin her biri küresel sekle sahip olan polimetil metakrilat (PMMA), silika ve polilaktik asit (PLA) olarak belirlenmiştir. Önerilen YSA modelinde kullanılacak gizli katman sayısı, nöron sayısı ve eğitim fonksiyonlarını optimize etmek için MATLAB Programlama Dili kullanılmıştır. Ağın eğitim ve test edilmesi için gerekli veri seti Türkiye'de bir Nano-Tıp Araştırma Merkezi tarafından yapılan in-vitro NP-hücre etkileşimi deneyleri sonucunda elde edilmiştir. YSA yöntemiyle en iyi tahmin modeli oluşturarak ve uygulayarak farklı nanopartiküllerin dağılım özellikleri ve hücre etkileşimleri incelenmiştir. Birçok farklı deney gerçekleştirmek yerine YSA modeli kullanılarak hücreler ile hedeflenen nanopartiküllerin olası etkileşimlerinin simülasyonu, çok daha hızlı, daha elverişli ve daha ucuz bir yaklaşımdır.