Campo Dublin Core | Valor | Língua |
dc.contributor.advisor | Cunha Filho, Marcílio Sérgio Soares da | - |
dc.contributor.author | Rodrigues, Alessandra de Souza | - |
dc.identifier.citation | RODRIGUES, Alessandra de Souza. Elaboração de modelos preditivos de nanopartículas poliméricas. 2022. 31 f., il. Trabalho de conclusão de curso (Bacharelado em Farmácia) — Universidade de Brasília, Brasília, 2022. | pt_BR |
dc.description | Trabalho de conclusão de curso (graduação) — Universidade de Brasília, Faculdade de Ciências da Saúde, Departamento de Farmácia, 2022. | pt_BR |
dc.description.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. | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject.keyword | Nanopartículas | pt_BR |
dc.subject.keyword | Nanoprecipitação | pt_BR |
dc.subject.keyword | Polímeros farmacêuticos | pt_BR |
dc.title | Elaboração de modelos preditivos de nanopartículas poliméricas | pt_BR |
dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
dc.date.accessioned | 2024-02-14T13:05:23Z | - |
dc.date.available | 2024-02-14T13:05:23Z | - |
dc.date.submitted | 2022-05-03 | - |
dc.identifier.uri | https://bdm.unb.br/handle/10483/37594 | - |
dc.language.iso | Português | pt_BR |
dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. | pt_BR |
dc.description.abstract1 | The objective of the presented paper was to assemble a prediction model, Neural Network, of polymeric nanoparticles (PN) capable of assessing and deciding which variables, both of formulation and production, interfere in the final NP physico-chemical characteristics. Thirty different formulations were prepared, varying the production and formulation components of the NP, with the concentration of the chosen drug remaining the same, by the nano-precipitation method to compose the data for the model and characterized by the determination of distribution of the hydro-dynamic diameter, Zeta potential and encapsulation efficiency. With the neural network it was possible to observe that the most important variable for the size and the NP zeta potential is the liquid surfactant, Tween-80. For the polidispersion index (IPd), the most important variable is organic phase volume. The minimum size observed from the 30 formulations was of 59.23 nn and the maximum was 1040.83 nn. For the IPd the minimum was of 0.020 and the maximum was of 0.730 nd for the zeta potential the minimum was of -25.8 mV and the maximum was of 32.530 mV. An acceptable value for the
encapsulation eficiency was obtained for most of the formulations of over 90%, being that just Met 2, 6, 7, 15, 16, 22 and 27 presented values under 90%. Thus, with the results of these 30 formulations and more possible variables to compose a nanoparticle, the predictive model will be able to group and decide which is the best shape and component to decide the size, zeta potential or IPd of the NP. | pt_BR |
Aparece na Coleção: | Farmácia - Campus Darcy Ribeiro
|