Nano-hybrid systems are products of interactions between organic and inorganic materials designed and planned to develop drug delivery platforms that can be self-assembled. Poloxamine, commercially available as Tetronic®, is formed by blocks of copolymers consisting of poly (ethylene oxide) (PEO) and poly (propylene oxide) (PPO) units arranged in a four-armed star shape. Structurally, Tetronics are similar to Pluronics®, with an additional feature as they are also pH-dependent due to their central ethylenediamine unit. Laponite is a synthetic clay arranged in the form of discs with a diameter of approximately 25 nm and a thickness of 1 nm. Both compounds are biocompatible and considered as candidates for the formation of carrier systems. The objective is to explore associations between a Tetronic (T1304) and LAP (Laponite) at concentrations of 1–20% (w/w) and 0–3% (w/w), respectively. Response surface methodology (RMS) and two types of machine learning (multilayer perceptron (MLP) and support vector machine (SVM)) were used to evaluate the physical behavior of the systems and the β-Lapachone (β-Lap) solubility in the systems. β-Lap (model drug with low solubility in water) has antiviral, antiparasitic, antitumor, and anti-inflammatory properties. The results show an adequate machine learning approach to predict the physical behavior of nanocarrier systems with and without the presence of LAP. Additionally, the analysis performed with SVM showed better results (R2 > 0.97) in terms of data adjustment in the evaluation of β-Lap solubility. Furthermore, this work presents a new methodology for classifying phase behavior using ML. The new methodology allows the creation of a phase behavior surface for different concentrations of T1304 and LAP at different pHs and temperatures. The machine learning strategies used were excellent in assisting in the optimized development of new nano-hybrid platforms.

Nano-hybrid formulations combine organic and inorganic materials in self-assembled platforms for drug delivery. Laponite is a synthetic clay, biocompatible, and a guest of compounds. Poloxamines are amphiphilic four-armed compounds and have pH-sensitive and thermosensitive properties. The association of Laponite and Poloxamine can be used to improve attachment to drugs and to increase the solubility of β-Lapachone (β-Lap). β-Lap has antiviral, antiparasitic, antitumor, and anti-inflammatory properties. However, the low water solubility of β-Lap limits its clinical and medical applications. All samples were prepared by mixing Tetronic 1304 and LAP in a range of 1–20% (w/w) and 0–3% (w/w), respectively. The β-Lap solubility was analyzed by UV-vis spectrophotometry, and physical behavior was evaluated across a range of temperatures. The analysis of data consisted of response surface methodology (RMS), and two kinds of machine learning (ML): multilayer perceptron (MLP) and support vector machine (SVM). The ML techniques, generated from a training process based on experimental data, obtained the best correlation coefficient adjustment for drug solubility and adequate physical classifications of the systems. The SVM method presented the best fit results of β-Lap solubilization. In silico tools promoted fine-tuning, and near-experimental data show β-Lap solubility and classification of physical behavior to be an excellent strategy for use in developing new nano-hybrid platforms.