Elaboração de modelos preditivos de nanopartículas poliméricas

Abstract

O objetivo do presente trabalho foi montar um modelo preditivo, Rede Neural, de nanopartículas poliméricas (NP) capaz de avaliar e decidir quais variáveis, tanto de formulação quanto de produção, interferem nas características físico-químicas finais da NP. Foi preparado trinta formulações diferentes, variando os componentes de produção e formulação da NP, com a concentração do fármaco escolhido permanecendo a mesma, pelo método de nanoprecipitação para compor os dados para o modelo e caracterizadas pela determinação de distribuição do diâmetro hidrodinâmico, potencial Zeta e eficiência de encapsulação. Com a Rede Neural foi possível de avaliar que a variável mais importante para o tamanho e o potencial Zeta da NP é o tensoativo líquido, Tween-80. Para o Índice de Polidispersão (IPd), a variável mais importante é o volume da fase orgânica. O tamanho mínimo observado das 30 formulações foi de 59,23 nn e máximo 1040,83 nn, para o IPd o mínimo foi 0,020 e máximo 0,730 e para o potencial Zeta a mínima foi –25,8 mV e máxima 32,530 mV. Foi obtido um valor aceitável para a eficiência de encapsulação para a maioria das formulações de mais de 90%, sendo que apenas a Met 2, 6, 7, 15, 16, 22 e 27 apresentaram um valor abaixo de 90%. Dessa forma, com a obtenção dos resultados destas 30 formulações e de mais variáveis possíveis para se compor uma nanopartícula, a partir do modelo preditivo será capaz de agrupar e decidir qual a melhor forma e componente para decidir o tamanho, potencial zeta ou IPd da NP.