تعیین حلالیت داروهای ضد سرطان در دی اکسید کربن فوق بحرانی با استفاده از مدل های تجربی و شبکه ی عصبی مصنوعی

 حلالیت ضعیف ترکیبات دارویی در محیط آبی بدن موجب افزایش تاثیرات جانبی نامطلوب، افزایش مقدار داروی مصرفی و کاهش اثربخشی آن می شود. تولید میکرو/ نانوذرات ترکیبات دارویی با مرفولوژی و توزیع اندازه ی یکنواخت یکی از روش های تایید شده برای افزایش حلالیت این ترکیبات است. از این رو انتخاب وطراحی یک روش مناسب برای تولید میکرو/ نانوذرات ترکیبات دارویی یکی از مهمترین زمینه های تحقیقاتی در صنایع داروسازی است. در طول سه دهه گذشته، بکارگیری فرایندهای بر پایه دی اکسیدکربن فوق بحرانی در زمینه های مختلف داروسازی بسیار مورد توجه قرار گرفته است. اما برای استفاده از این فناوری جهت تولید میکرو/نانوذرات دارویی و طراحی و توسعه ی واحدهای عملیاتی موردنیاز، تعیین میزان حلالیت این ترکیبات در دی اکسیدکربن فوق بحرانی الزامی است.

در این پژوهش، از پنج مدل تجربی مختلف (آداچی و لو، چ و مادراس، هژبر و همکارانش، بیان و همکارانش و مدل مندز سانتیاگو تیجا) و همچنین شبکه ی عصبی مصنوعی برای تعیین حلالیت شش ترکیب دارویی ضدسرطان (اپرپیتانت، 5-فلوروراسیل، ایماتینیب مسیلات، کاپسیتابین، لتروزول و داستاکسل) در دی اکسیدکربن فوق بحرانی استفاده شده است. سپس با استفاده از داده های تجربی موجود برای حلالیت این مواد و محاسبه ی معیارهای آماری مانند میانگین قدر مطلق خطای نسبی (AARD%)، ضریب هم بستگی تنظیم شونده (Radj) و مقدار پارامتر F (F-value)، میزان دقت و صحت این مدل ها در تخمین حلالیت ترکیبات دارویی مذکور بررسی شده است.

 بر اساس نتایج حاصله، مدل آداچی و لو با مقدار  AARD%معادل %12/12 و میانگین Radj معادل 97/0 می تواند پیش بینی قابل قبولی از میزان حلالیت این ترکیبات دارویی در دی اکسیدکربن فوق بحرانی داشته باشد. همچنین با مقایسه ی نتایج به دست آمده از شبکه ی عصبی مصنوعی و مدل های تجربی، شبکه ی عصبی مصنوعی با مقدار AARD% معادل %65/1 و میانگین Radj معادل 9960/0 را می توان به عنوان مناسب ترین مدل برای پیش بینیمیزان حلالیت این داروهای ضدسرطان انتخاب نمود.