基于非线性规划的透明质酸化妆品乳液安全设计优化

《Results in Engineering》：Safety-by-Design Optimization of Hyaluronic Acid Cosmetic Emulsions Using Nonlinear Programming

　　

研究人员提出了一种基于非线性规划（Nonlinear Programming, NLP）的系统化设计方法，用于开发含透明质酸（Hyaluronic Acid, HA）的油包水型化妆品乳液，旨在同时优化物理化学性能与安全特性。研究将乳液黏度、稳定性相关参数及聚合物-表面活性剂相互作用的预测模型整合到约束优化问题中，并在目标函数中引入基于半数致死浓度（Median Lethal Concentration, LC50）的混合毒性指数，以量化配方安全性。该方法将数千种潜在配方缩减为两个最优候选配方，经实验验证，优化后的乳液黏度符合目标范围且在四周内保持稳定，其预测毒性显著低于非优化配方。实验结果表明，乳液性能高度依赖于HA的纯度与分子特征。研究证明，基于优化的配方设计可替代经验性试错方法，为低毒化妆品乳液的开发提供稳健、可重复且面向安全的预测框架。

本研究由Alicia Román-Martínez发表于《Results in Engineering》，针对透明质酸（HA）在化妆品乳液配方中因分子特性敏感导致的性能不稳定及安全性评估滞后问题，提出了一种融合理化性能与安全指标的非线性规划（NLP）优化框架。传统经验式试错法难以兼顾乳化体系的流变特性、稳定性和毒理学风险，尤其在生物活性聚合物HA的应用中存在明显局限。研究人员通过构建预测模型，将LC₅₀毒性指数纳入目标函数，实现了配方组分在安全与性能上的同步优化，并通过实验验证了该方法的可靠性与工业适用性。

关键技术方法方面，研究人员首先建立了包含64种化妆品级油和150种非离子表面活性剂的成分数据库，缺失物性采用基团贡献法或已验证的预测模型估算，包括LC₅₀、亲水亲油平衡值（HLB）、汉森溶解度参数（Hansen Solubility Parameters, HSP）及浊点（Cloud Point, CP）。随后采用线性混合规则计算混合物的摩尔体积、HSP及LC₅₀，并使用非线性相对黏度模型预测乳液黏度。配方空间经过安全与理化性质筛选后，通过GAMS 38.3.0软件求解NLP问题，得到最佳摩尔分数并转化为质量分数。实验阶段制备两种含不同分散相（甜杏仁油与椰子油）的乳液，分别采用市售HA与蛋壳膜提取HA，并进行黏度测定、pH检测及四周加速稳定性测试。

研究结果分为多个部分。在优化结果与配方选择方面，NLP模型成功将初始约9600种配方组合缩减至两种可行配方，均满足黏度（5–2500 cP）、摩尔体积（20–150 cm³/mol）、活性成分含量（~1.4 wt%）、表面活性剂比例（3–4 wt%）及分散相比例（~35 wt%）等限制条件。两种配方均表现出较低的预测毒性，验证了在安全设计阶段引入LC₅₀指数的有效性。添加剂对预测乳液性能的影响表明，维生素E、苯甲酸钠和吐温80的加入仅对黏度与摩尔体积产生微小变化，仍保持在目标范围内，说明基础配方对工艺调整具有鲁棒性。实验验证的黏度与pH结果显示，使用市售HA的配方黏度预测值与实测值接近（如配方1-A为8.13 cP与9.21 cP），而蛋壳膜提取HA配方黏度显著降低且不稳定，反映出分子量差异对乳液流变性的关键影响。pH值处于6.44–6.85，略高于理想皮肤pH但可接受。稳定性行为与HA品质影响方面，市售HA配方在四周内无相分离，而提取HA配方在两至三周内出现黏度下降、颜色变黄及相分离，证实HA分子量与纯度对稳定性的决定性作用。皮肤渗透性考虑部分指出，低分子量HA更易渗透皮肤，高分子量HA则主要提供保湿与成膜作用。优化设计的意义在于证明NLP结合安全指标可有效指导低毒、稳定乳液的开发，并指出未来应引入分子量依赖的流变模型与更多毒理描述符。

在讨论与结论中，研究人员强调，该框架突破了传统经验式开发的局限，实现了理化性能与安全性的同步优化。尽管存在LC₅₀仅反映急性毒性的不足，以及HA被简化为单一伪组分的局限，但预测与实验结果的一致性支持其在早期配方设计中的应用价值。最终结论认为，基于NLP的HA化妆品乳液设计可在保证性能与稳定性的同时降低毒性，为安全设计（Safety-by-Design）理念在化妆品领域的推广提供了可扩展的方法学基础。