| مرحله جاری طرح | خاتمه قرارداد و اجرا در دانشکده/مرکز |
| کد طرح | 59963 |
| عنوان فارسی طرح | بررسی امکان پیش بینی محلولیت داروها در مخلوط آب + کمک حلال با استفاده از مدل تلفیق یافته جویبان-آکری و وانت هوف |
| عنوان لاتین طرح | Prediction solubility of drugs in binary solvent mixtures using combination model of Jouyban-Acree and Vant Hoff |
| نوع طرح | طرح - پایان نامه |
| اولویت طرح | --- غیر اولویت دار (جزو اولویت های دانشگاه نمی باشد) |
| نوع مطالعه | مطالعات علوم پایه (Experimental) |
| تحقیق در نظام سلامت | بلی |
| آیا طرح پایاننامه دانشجویی است؟ | بله |
| مقطع پایان نامه | دکتری عمومی |
| مدت اجرا - ماه | 10 |
| نوآوری و ضرورت انجام تحقیق | میزان محلولیت دارو یکی از ابتدایی ترین اطلاعات مورد نیاز در مراحل تولید و ساخت اشکال دارویی می باشد.در مطالعات طراحی دارویی حدود 40% از مواد کاندید برای دارو شدن به دلیل محلولیت با چالش های فراوانی روبرو میشوند.(1) از میان روش های افزایش محلولیت، استفاده از کمک حلال یکی از رایج ترین و ساده ترین روش های مورد استفاده در صنعت میباشد. اندازه گیری آزمایشگاهی میزان محلولیت دقیق ترین و مطمئن ترین روش می باشد که هنوز هم استفاده وسیعی دارد که هزینه و زمان زیادی نیاز دارد. برای حل این مشکل مدل های ریاضی ارائه شده تا میزان محلولیت ماده را در دما و فراکسیون های مختلف پیش بینی کند. ما در این مطالعه با استفاده از تعداد کمی داده تجربی معادله محلولیت برای هر دارو به دست خواهیم آورد که این معادله ما را قادر به پیش بینی محلولیت در دما های مختلف در هر فراکسیون حلال، خواهد کرد. تمرکز ما در این مطالعه به دست آوردن حداقل تعداد داده های تجربی مورد نیاز برای رسیدن به معادله با درصد خطای مناسب خواهد بود. |
| اهداف اختصاصی | بررسی قدرت پیش بینی مدل در حالت های مختلف -یافتن مدل بهینه با استفاده از کمترین داده ها برای انجام پیش بینی |
| چکیده انگلیسی طرح | In this study, experimental data on the solubility of drugs (pseudodrugs) in 2-solvent systems in different solvent fractions and temperatures are collected from articles from 2012-2016 and entered into SPSS software. The collected data will be analyzed using the Van't Hoff-Joyban-Akri integrated model using multiparameter linear regression, and if appropriate percentage errors are obtained, it will be possible to predict solubility using this model. In the next step, the data will be divided into 2 categories: training and testing. Regression is performed using the training data and the equation constants are calculated, then the solubility of the test data will be predicted using the obtained equation. The percentage of model prediction error will be obtained by comparing the experimental and predicted values of the test series. The priority in this study will be to use the minimum number of experimental data to train the model and obtain the equation constants and finally predict the solubility with an appropriate percentage error. |
| کلمات کلیدی | TEO:Ttheoritical EMP:Empirical SEMP:Semi Empirical R-S: Ruckenstein-Shulgin J-A:Jouyban-Acree |
| ذینفعان نتایج طرح | صنعت داروسازی و همچنین کمک به صنعت داروسازی برای درک مکانیسم محلولیت |
| نام و نامخانوادگی | سمت در طرح |
|---|---|
| سینا دادمند | دانشجوی مالک پایان نامه |
| ابوالقاسم جویبان | استاد راهنمای اول (آموزشی ) |
| حوزه خبر | خبر |
|---|---|
| رسانه ها و مردم | عنوان خبر متن خبر |
| متخصصان و پژوهشگران | عنوان خبر مدل ریاضی برای پیش بینی محلولیت داروها با استفاده از حداقل تعداد نقاط داده های تجربیمتن خبر محلولیت پایین مواد دارویی همواره یکی از مشکلات مهم در علوم دارویی می باشد که با روش هایی از جمله استفاده از کمک حلال سعی شده بر این مشکل غلبه شود. در مطالعه حاضر، با استفاده از 8 نقطه تجربی مدل محلولیت دارو در مخلوط حلال ها تبیین شده و برای پیش بینی محلولیت در شرایط مختلف (غلظت مختلف از کمک حلال و دما) بکار گرفته شد. این روش به متخصصین در یافتن غلظت کمک حلال بهینه برای افزایش محلولیت داروها کمک شایانی می نماید. |
| سیاستگذاران درمانی | عنوان خبر متن خبر |
| سیاستگذاران پژوهشی | عنوان خبر ارایه یک روش بهینه برای پیشبینی محلولیت داروها در سیستم 2 حلالی در دماهای مختلف با استفاده از حداقل تعداد داده های تجربیمتن خبر اندازه گیری محلولیت دارو ها در شرایط مختلف یک فرایند زمان بر و هزینه بر می باشد. مدل های پیش بینی مختلف جهت تسهیل این فرایند همواره در صنعت مورد استفاده قرار گرفته است. بهترین مدل پیش بینی مدلی است که با استفاده از کمترین تعداد داده های تجربی با دقت قابل قبول پیش بینی محلولیت را انجام دهد. در این مطالعه مدلی برای پیش بینی محلولیت معرفی میشود. این مدل با استفاده از فقط 8 داده تجربی محلولیت یک دارو, قادر به پیش بینی محلولیت آن دارو در تمام حالات مختلف دما و فراکسیون های حلال خواهد بود. این پیش بینی ها با میزان خطای قابل قبول انجام میگیرند. این روش در صنعت به یافتن غلظت کمک حلال بهینه برای افزایش محلولیت داروها کمک شایانی می نماید. |
| لینک (URL) مقاله انگلیسی مرتبط منتشر شده 1 |