Solubilidad experimental y modelado termodinámico de empagliflozina en dióxido de carbono supercrítico

Oct 22, 2023

Scientific Reports volumen 12, Número de artículo: 9008 (2022) Citar este artículo

1493 Accesos

6 citas

3 Altmetric

Detalles de métricas

La solubilidad de la empagliflozina en dióxido de carbono supercrítico se midió a temperaturas (308 a 338 K) y presiones (12 a 27 MPa), por primera vez. La solubilidad medida en términos de fracción molar osciló entre 5,14 × 10–6 y 25,9 × 10–6. La región de cruce se observó a 16,5 MPa. Se derivó un nuevo modelo de solubilidad para correlacionar los datos de solubilidad utilizando criterios de equilibrio sólido-líquido combinados con el modelo de coeficiente de actividad de Wilson a una dilución infinita para el coeficiente de actividad. El modelo propuesto correlacionó los datos con la desviación relativa absoluta media (AARD) y el criterio de información de Akaike (AICc), 7,22% y −637,24, respectivamente. Además, los datos medidos también se correlacionaron con 11 modelos existentes (tres, cinco y seis parámetros empíricos y semiempíricos) y también con la ecuación de estado de Redlich-Kwong (RKEoS) junto con el modelo de reglas de mezcla de Kwak-Mansoori (KMmr). Entre los modelos basados ​​en la densidad, Bian et al., el modelo fue el mejor y se calculó el % AARD correspondiente 5.1. Se observó que el RKEoS + KMmr correlacionaba los datos con un 8,07 % (el AICc correspondiente es −635,79). Finalmente, se calcularon las entalpías total, de sublimación y de solvatación de la empagliflozina.

El dióxido de carbono supercrítico (ScCO2) es un fluido por encima de su punto crítico. Tiene propiedades físicas (densidad, difusividad, viscosidad y tensión superficial) intermedias a las del gas y líquido1,2. ScCO2 se ha utilizado como solvente en varias aplicaciones de procesos, porque tiene una difusividad similar a la de un gas y una densidad similar a la de un líquido con baja viscosidad y tensión superficial1,3,4,5. Las principales aplicaciones se encuentran en la micronización de partículas de fármacos, el procesamiento de alimentos, el teñido de textiles, el recubrimiento cerámico, la extracción y muchas más4,6,7,8,9,10,11,12. Aunque varios fluidos supercríticos se utilizan como solventes en la industria de procesos, ScCO2 es el solvente más deseable8,13,14,15,16,17. En general, la información de equilibrio de fase es necesaria para implementar la tecnología de fluidos supercríticos (SFT)6,7,9. La solubilidad es la información básica para el diseño y desarrollo de SFT. En la literatura, la solubilidad de muchos sólidos de fármacos en ScCO2 está fácilmente disponible18,19,20,21,22,23,24,25,26,27,28,29,30, sin embargo, la solubilidad de la empagliflozina no se ha informado, por lo tanto en este trabajo se ha medido por primera vez su solubilidad en ScCO2. Estos datos pueden utilizarse en el proceso de micronización de partículas utilizando ScCO2. La fórmula molecular de la empagliflozina es C23H27 ClO7 y su peso molecular es 450,91. La estructura química se muestra en la Fig. 1.

Estructura química de la empagliflozina.

La empagliflozina es un inhibidor del cotransportador de sodio-glucosa-2 (SGLT2), los transportadores principalmente responsables de la reabsorción de glucosa en el riñón. Además, es útil para reducir el riesgo de muerte cardiovascular en adultos con diabetes mellitus tipo 2 y enfermedad cardiovascular31. La dosificación suficiente del medicamento es muy esencial para esos tratamientos y esto se logra a través de un tamaño de partícula adecuado. Por lo tanto, el presente estudio es bastante útil en la micronización de partículas utilizando ScCO2. La medición de la solubilidad en cada condición deseada es muy engorrosa y, por lo tanto, existe una gran necesidad de desarrollar un modelo que correlacione/prediga la solubilidad32. Los desarrollos recientes, como los métodos de aprendizaje automático, pueden considerarse con la mejora de los métodos de predicción de inteligencia artificial para la correlación de datos33,34,35. Sin embargo, en general, los modelos de solubilidad se clasifican en cinco tipos; sin embargo, solo tres son fáciles de usar y son modelos de ecuación de estado, basados ​​en densidad y matemáticos36. Directa o indirectamente, todos ellos se derivan en función del marco termodinámico. Los modelos derivados hacen uso de los conceptos básicos relacionados con los criterios de equilibrio de fases (sólido-gas o sólido-líquido), la teoría de la asociación disolvente-soluto, la teoría de la solución diluida, la teoría de la solución y el modelo de Wilson o cualquier otro modelo37. De hecho, la mayoría de los modelos de la literatura correlacionan bastante bien la solubilidad de los solutos sólidos en ScCO2. Un modelo de equilibrio sólido-gas necesita las propiedades críticas y la presión de vapor del soluto, mientras que estas propiedades rara vez están disponibles en la literatura, debido a esto, los métodos de contribución de grupo son comúnmente utilizados38. Por otro lado, el criterio de equilibrio sólido-líquido (SLE) requiere un modelo apropiado para el cálculo del coeficiente de actividad. Un estudio reciente revela que el modelo SLE en combinación con el modelo de coeficiente de actividad de Van Laar puede ser un enfoque simple en el desarrollo del modelo, pero este método resultó en una expresión implícita en términos de fracción molar38,39. Por lo tanto, existe la necesidad de desarrollar un modelo de solubilidad explícito y, por lo tanto, esta tarea se aborda en este trabajo.

Los principales motivos de este estudio fueron en dos niveles. En el primer nivel, se determinó la solubilidad de la empagliflozina en ScCO2 y en el segundo nivel, se desarrolló un nuevo modelo explícito de solubilidad basado en el criterio de equilibrio sólido-líquido en combinación con el modelo de coeficiente de actividad de Wilson para el cálculo del coeficiente de actividad.

El CO2 gaseoso (pureza > 99,9 %) se obtuvo de la empresa Fadak, Kashan (Irán), la empagliflozina (número CAS: 864070-44-0, pureza > 99 %) se adquirió de la empresa Amin Pharma y el dimetilsulfóxido (DMSO, n.º CAS 67-68-5, pureza > 99%) fue proporcionado por la empresa Sigma Aldrich. La Tabla 1 indica toda la información sobre los productos químicos utilizados en este trabajo.

La discusión detallada del aparato de solubilidad y la celda de equilibrio se presentó en nuestros estudios anteriores (Fig. 2)19,25,40,41. Sin embargo, en esta sección se presenta una breve descripción del aparato. Este método puede clasificarse como un método isobárico-isotérmico42. Cada medición se llevó a cabo con alta precisión y las temperaturas y presiones se controlaron dentro de ± 0,1 K y ± 0,1 MPa, respectivamente. Para todas las mediciones se utilizó 1 g de empagliflozina. Como se mencionó en nuestros trabajos anteriores, el equilibrio se observó dentro de los 60 min. Después del equilibrio, se recogieron 600 µL de muestra saturada de ScCO2 a través de una válvula de puerto de 6 vías de 2 estados en un vial precargado con DMSO. Después de descargar 600 µL de ScCO2 saturado, la válvula del puerto se lavó con 1 ml de DMSO. Así, la solución de saturación total fue de 5 ml. Cada medición se repitió tres veces y se reportaron sus valores promedio. La fracción molar se obtiene de la siguiente manera:

donde \({n}_{\text{solute}}\) es el número de moles del fármaco, y \({n}_{{\text{CO}}_{2}}\) es el número de moles de CO2 en el circuito de muestreo.

Configuración experimental para medir la solubilidad, E1—cilindro de CO2; E-2—Filtro; E-3—Unidad de refrigeración; E-4—Compresor de aire; E-5—Bomba de alta presión; E-6: celda de equilibrio; E-7—Agitador magnético; E-8—Válvula de aguja; E-9—Válvula de contrapresión; E-10: válvula de dos posiciones y seis puertos; E-11—Horno; E-12—jeringa; E13: vial de recolección; E-14—Panel de control.

Además, las cantidades anteriores se dan como:

donde \({C}_{\text{s}}\) es la concentración de fármaco en el vial de muestra saturada en g/L. El volumen del bucle de muestreo y la recolección de viales son V1(L) = 600 \(\times \) 10–6 m3 y Vs(L) = 5 \(\times \) 10–3 m3, respectivamente. \(M_{s}\) y \(M_{{\text{CO}_{2} }}\) son el peso molecular del fármaco y del CO2, respectivamente. La solubilidad también se describe como

La relación entre S y \(y_{2}\) es

Se utilizó un espectrofotómetro UV-Visible (Modelo UNICO-4802) y disolvente DMSO para medir la solubilidad de la empagliflozina. Las muestras se analizaron a 276 nm.

En esta sección, se presentan los detalles de varios modelos de solubilidad junto con un nuevo modelo de solubilidad explícito.

Es uno de los últimos modelos para la correlación de solubilidad. Se explica matemáticamente como

donde \(A_{1} - \;C_{1}\) son constantes del modelo.

Es un modelo empírico y matemáticamente expresado como:

donde \(A_{2} - C_{2}\) son constantes del modelo. Del parámetro \(B_{2}\), uno puede estimar la entalpía de sublimación usando la relación, \(\Delta_{sub} H = - B_{2} R\), en la que R es la constante universal de los gases.

Es un modelo empírico y matemáticamente formulado como:

donde \(A_{3} - E_{3}\) son constantes del modelo.

Es un modelo semi-empírico y se expresa matemáticamente como:

donde \(\kappa ,A_{4} \;{\text{y}}\;B_{4}\) son constantes del modelo.

En términos de fracción molar, se escribe como47:

Es un modelo matemático y formulado matemáticamente como

donde \(A_{5} - E_{5}\) son constantes del modelo.

Es un modelo semi empírico y matemáticamente descrito como:

donde \(A_{6} - C_{6}\) son constantes del modelo.

Es uno de los últimos modelos. Se basa en el grado de libertad y se expresa matemáticamente como:

donde \(A_{7} - C_{7}\) son constantes del modelo.

Es un modelo semi-empírico y se explica matemáticamente como:

donde \(A_{8} - C_{8}\) son constantes del modelo.

Es un modelo matemático y se establece como:

donde \(A_{9} - F_{9}\) son constantes del modelo.

Es un modelo semi-empírico y se explica matemáticamente como:

donde \(\kappa^{\prime},A_{10} \;{\text{y}}\;B_{10}\) son constantes del modelo.

Es un modelo de grado de libertad y se expresa matemáticamente como:

donde \(A_{11} - F_{11}\) son constantes del modelo.

De acuerdo con los criterios de equilibrio de fase sólido-líquido, la fugacidad del soluto en la fase sólida y la fase líquida es igual en el equilibrio. La fase líquida se considera como una fase líquida expandida de ScCO2. En equilibrio, la solubilidad se puede expresar como 53,54,55,56,57

donde \(\gamma_{2}^{\infty }\) es el coeficiente de actividad del fármaco a una dilución infinitesimal en ScCO2 y \(f_{2}^{S}\) y \(f_{2}^{L}\) son las fugacidades del fármaco en las fases sólida y ScCO2, respectivamente. La relación \({f_{2}^{S} }/{f_{2}^{L} }\) se puede expresar de la siguiente manera:

donde,\(\Delta C_{p}\) es la diferencia de capacidad calorífica del fármaco en fase sólida y la de la fase SCCO2. Los términos que incluyen △Cp son mucho más pequeños que el término que tiene \(\Delta H_{2}^{m}\)58, por lo que dejar el término △Cp produce una expresión mucho más simple para la relación de fugacidad como:

Combinando la ecuación. (19) con la ecuación. (17) dé la expresión para el modelo de solubilidad (Ec. (20)).

Para utilizar la Ec. (20), el modelo apropiado para \(\gamma_{2}^{\infty }\) es esencial.

En este trabajo, el coeficiente de actividad requerido se obtiene del modelo de coeficiente de actividad de Wilson56 a dilución infinita y viene dado por la Ec. (21).

donde \(\lambda_{12} = \left( {{{V_{2} }/ {V_{1} }}} \right)\exp \left( { - {{a_{12} } /{RT} }} \right)\) y \(\lambda_{21} = \left( {{{V_{1} } / {V_{2} }}} \right)\exp \left( { - {{a_{ 21} } /{RT}}} \right)\), \(V_{1}\) y \(V_{2}\) son volúmenes molares de solvente y soluto, respectivamente.

Cuando \(\rho_{1} = {1 / {V_{1} }}\), la expresión final para el coeficiente de actividad de dilución infinita se obtiene como:

Se supone que las cantidades \(a_{12}\) y \(a_{21}\) son funciones de la densidad reducida del disolvente57, y se supone que el volumen molar del soluto es un valor constante. En este trabajo, se supone que \(a_{12}\) y \(a_{21}\) tienen la siguiente forma:

Combinando Ecs. (22), (23) y (24) con la ecuación. (20), dé el siguiente nuevo modelo de solubilidad explícito:

La ecuación (25) tiene cuatro variables ajustables independientes de la temperatura, a saber, \(A\),\(B\),\(C\) y \(D\).

La solubilidad del fármaco i (soluto) en ScCO2 (solvente) se expresa como59,60,61:

donde \(P_{i}^{s}\) es la presión de sublimación del sólido puro a la temperatura del sistema T, P es la presión del sistema,\(V_{s}\) es el volumen molar del sólido puro, R es la constante universal de los gases. El coeficiente de fugacidad del soluto puro en la saturación (\(\hat{\varphi }_{i}^{S}\)) generalmente se toma como la unidad. En este trabajo, el coeficiente de fugacidad del soluto en la fase supercrítica \(\hat{\varphi }_{i}^{{ScCO_{2} }}\) se calcula usando EoS junto con KMmr57. La expresión utilizada para el cálculo de \(\hat{\varphi }_{i}^{{ScCO_{2} }}\) se obtiene a partir de la siguiente relación termodinámica básica60:

La expresión para \(\hat{\varphi }_{i}^{{ScCO_{2} }}\) es

\({\text{dónde}}\) \(\alpha = \sum\limits_{i}^{n} {\sum\limits_{j}^{n} {x_{i} x_{j} a_{ {ij}}^{{2/3}} } } b_{{ij}}^{{1/3}} \)

y las reglas de mezcla asociadas son:

La principal razón para considerar RKEoS es que solo tiene dos constantes ajustables \(k_{ij}\) y \(l_{ij}\).

Todos los modelos (modelos basados ​​en densidad, nuevos y RKEoS) están correlacionados con la siguiente función objetivo58:

La capacidad de regresión de un modelo se indica en términos de un porcentaje de desviación relativa absoluta promedio (AARD %).

Para la regresión se ha utilizado el algoritmo fminsearch (MATLAB 2019a®).

La Tabla 1 muestra algunas propiedades fisicoquímicas de los materiales utilizados. La solubilidad de la empagliflozina en ScCO2 se informa a varias temperaturas (T = 308 a 338 K) y presiones (P = 12 a 27 MPa). La Tabla 2 indica los datos de solubilidad y densidad de ScCO2. La densidad de ScCO2 notificada se obtiene de la base de datos del NIST. La Figura 3 muestra el efecto de la presión sobre varias isotermas. La región de cruce se observa a 16,5 MPa. De la Fig. 3, debajo de la región de cruce, la solubilidad disminuye con el aumento de la temperatura y, por otro lado, por encima de la región de cruce, la solubilidad aumenta con el aumento de la temperatura. El modelo EoS requiere propiedades críticas que se calculan con métodos de contribución de grupo estándar basados ​​en la estructura química62,63,64,65. El resumen de las propiedades críticas calculadas se muestra en la Tabla 3. La Figura 4 presenta la autoconsistencia de los datos medidos con el modelo MT.

Solubilidad de empagliflozina en ScCO2 frente a presión.

Gráfico de autoconsistencia basado en el modelo MT.

Los modelos basados ​​en la densidad considerados en este trabajo tienen diferente número de parámetros ajustables. Estos parámetros van de tres a seis números. Los resultados de regresión de todos los modelos se indican en las Tablas 4 y 5. La capacidad de correlación de los modelos se representa en las Figs. 5, 6, 7, 8, 9, 10, 11. A partir de los resultados, está claro que todos los modelos pueden correlacionar los datos razonablemente bien y se observa que el porcentaje máximo de AARD es del 10,4 %. Se cree que más modelos de parámetros pueden correlacionar los datos con mayor precisión. El modelo de Sodefian et al. es capaz de correlacionar los datos con AARD = 5,84% y el criterio de información de Akaike (AIC = − 637,59) (la información más relevante se presenta en la siguiente sección). Entre los modelos de densidad, el modelo de Bian et al. (modelo de cinco parámetros) es capaz de correlacionar bien los datos y el % AARD correspondiente es del 5,1 %. Curiosamente, los modelos Chrastil (modelo de tres parámetros) y Chrastil reformulado (modelo de tres parámetros) también pueden correlacionar los datos bastante bien. Además, los modelos Chrastil y Reformulated Chrastil pueden proporcionar la entalpía total. Mientras que, Bartle et al., los parámetros del modelo pueden proporcionar la entalpía de sublimación del fármaco empagliflozina. A partir de la diferencia de magnitud entre las entalpías total y de sublimación, se calcula una entalpía de solvatación. Estos resultados se informan en la Tabla 6.

Solubilidad de empagliflozina frente a densidad de ScCO2. Las líneas sólidas y discontinuas son solubilidades calculadas con los modelos Chrastil y Chrastil reformulado, respectivamente.

Solubilidad de empagliflozina frente a densidad de ScCO2. Las líneas continuas y las líneas discontinuas son solubilidades calculadas con los modelos de KJ y Bartle et al., respectivamente.

Solubilidad de empagliflozina frente a densidad de ScCO2. Las líneas continuas y las líneas discontinuas son solubilidades calculadas con los modelos Alwi-Garlapati y Mahesh-Garlapati, respectivamente.

Solubilidad de empagliflozina frente a densidad de ScCO2. Las líneas continuas y las líneas discontinuas son solubilidades calculadas con los modelos de Bian et al. y Garlapati-Madras, respectivamente.

Solubilidad de empagliflozina frente a densidad de ScCO2. Las líneas continuas y las líneas discontinuas son solubilidades calculadas con los modelos Tippana-Garlapati y Sodeifian et al., respectivamente.

Solubilidad de empagliflozina frente a densidad de ScCO2. Las líneas continuas son solubilidades calculadas con el nuevo modelo.

Solubilidad de empagliflozina frente a presión. Las líneas sólidas son solubilidades calculadas con la regla de mezcla RKEoS + KM.

Se deriva un nuevo modelo de solubilidad explícito basado en criterios de equilibrio sólido-líquido combinado con el modelo de coeficiente de actividad de Wilson correspondiente a la dilución infinitesimal. El nuevo modelo tiene cuatro parámetros \(A\), \(B\), \(C\) y \(D\). Durante la regresión, los parámetros del nuevo modelo se tratan como independientes de la temperatura y el volumen molar sólido se mantiene constante. El nuevo modelo requiere el punto de fusión, la entalpía de fusión y el volumen molar del fármaco empagliflozina, y estos valores se obtienen de la literatura y los métodos de contribución del grupo. A partir de la literatura31, el punto de fusión del fármaco empagliflozina (426,1 K), el volumen molar (3,2699 × 10–4 m3/mol) y la entalpía de fusión (60,238 kJ/mol) se calculan según la literatura, Immirzi y Perini63 y Jain et al., métodos66, respectivamente. El nuevo modelo hace uso de la función objetivo dada en la ecuación. (33). De manera similar, las correlaciones RKEoS a lo largo de KMmr se establecen con la ayuda de las propiedades críticas proporcionadas en la Tabla 3 (correlaciones independientes de la temperatura). Los resultados de optimización de los nuevos modelos de solubilidad y RKEoS se indican en la Tabla 5.

Para examinar la capacidad de los modelos para correlacionar los datos de solubilidad, se aplica AIC67,68,69,70. Cuando el número de datos es inferior a < 40, se utiliza el AIC corregido (AICc).

donde AIC, N, \(Q\) y SSE son \(N\;\ln \left( {{{SSE} / N}} \right) + 2Q\), el número de observaciones, el número de parámetros ajustables del modelo y la suma de cuadrados del error, respectivamente. Según el criterio AICc, el mejor modelo tiene el menor valor AICc. La Tabla 7 muestra los valores de AICc para varios modelos considerados en este estudio. En términos de AICc, todos los modelos pueden correlacionar los datos estrechamente. Sin embargo, el modelo Chrastil Reformulado tiene un valor AICc (−637,02), por lo tanto, se trata como el mejor modelo y, al mismo tiempo, el modelo Tippana-Garlapati tiene el valor AICc más alto (−621,69), por lo tanto, se considera como un modelo poco correlacionado. modelo. Los modelos de tres parámetros, a saber, los modelos Chrastil, Alwi-Garlapati y Méndez-Teja, tienen valores AICc − 636.95, − 635.3 y − 635.4, respectivamente. El nuevo modelo que tiene cuatro parámetros, lo que indica un rendimiento comparable con el mejor modelo (valor AICc de − 637,24).

Se informaron por primera vez las solubilidades de la empagliflozina en ScCO2 a temperaturas (T = 308–338 K) y presiones (P = 12–27 MPa). La solubilidad medida en términos de fracción molar osciló entre 5,14 × 10–6 y 25,9 × 10–6. Los datos se correlacionaron satisfactoriamente con varios modelos, se observó que el modelo de Bian et al. (AARD = 5,1 %) era el mejor modelo para correlacionar los datos de solubilidad. Todos los modelos son capaces de correlacionar los datos razonablemente. Sin embargo, la capacidad de correlación en orden ascendente de varios modelos en términos de los valores más bajos de AICc es la siguiente: Bian et al., Reformulated Chrastil, Chrastil, new solid-liquidbalance, Mendez–Teja, RKEoS + KMmr, Alwi–Garlapati, Sodefian et al., Mahesh–Garlapati, Bartle et al., Modelos Tippana–Garlapati. El nuevo modelo propuesto en este trabajo puede ser útil para correlacionar la solubilidad de sólidos en cualquier SCF.

Los conjuntos de datos generados y/o analizados durante el estudio actual no están disponibles públicamente debido a que los casos confidenciales están disponibles del autor correspondiente a pedido razonable.

Nuevas constantes del modelo

Constantes del modelo de Alwi-Garlapati

Constantes del modelo de Bartle

Constantes del modelo de Bian

Constantes del modelo de Chrastil

Constantes del modelo de Garlapati-Madras

Constantes del modelo de Kumar-Johnstone

Constantes del modelo de Mahesh-Garlapati

Mendez–Teja model constants

Constantes del modelo sodefiano

Constantes del modelo de Chrastil reformuladas

Constantes del modelo Tippana-Garlapati

Desviación relativa media absoluta

R2 ajustado

Criterio de información de Akaike

parámetro de energía EoS

Corrección de volumen EoS

Solubilidad en el modelo de Chrastil

Capacidad calorífica

Ecuación de estado

entalpia de solvacion

entalpía de sublimación

Entalpía total

Entalpía de fusión del soluto.

Peso molecular del fluido supercrítico

Número de puntos de datos

Presión total

Presión de sublimación

Redlich-Kwong

Presión reducida

Presión crítica

Número de parámetros de un modelo

constante universal de gas

Cuadrado del coeficiente de correlación

Desviación cuadrática media raíz

error de suma de cuadrados

Temperatura

Temperatura crítica

Temperatura de fusión

Temperatura reducida

Solubilidad en fracción molar

Diferencia

Coeficiente de fugacidad de la sustancia pura en saturación

Fugacidad de soluto en dióxido de carbono supercrítico (ScCO2)

factor acéntrico

Densidad

Densidad reducida

Parámetro de regla de combinación de EoS

Parámetro de regla de combinación de EoS

Parámetros del modelo de Wilson

Coeficiente de actividad de dilución infinita

Experimental

Calculado

Disolvente (CO2)

Soluto (droga)

Crítico

Derritiendo

Reducido

Akgerman, A. & Madras, G. Fluidos supercríticos: fundamentos y aplicaciones (Kluwer Academic, 1994).

Google Académico

Sodeifian, G., Razmimanesh, F. y Sajadian, SA Predicción de la solubilidad del malato de sunitinib (un fármaco contra el cáncer) en dióxido de carbono supercrítico (SC–CO2): Correlaciones experimentales y modelos termodinámicos. J. Mol. Liq. 297, 111740 (2020).

Artículo CAS Google Académico

Hitchen, S. & Dean, J. Propiedades de los fluidos supercríticos. En Aplicaciones de fluidos supercríticos en análisis industrial 1–11 (Springer, 1993).

Google Académico

Subramaniam, B., Rajewski, RA & Snavely, K. Procesamiento farmacéutico con dióxido de carbono supercrítico. J. Pharm. ciencia 86(8), 885–890 (1997).

Artículo CAS PubMed Google Académico

Sodeifian, G., Razmimanesh, F., Sajadian, SA y Hazaveie, SM Datos experimentales y modelado termodinámico de la solubilidad del tosilato de sorafenib, como fármaco contra el cáncer, en dióxido de carbono supercrítico: evaluación de la regla de mezcla de Wong-Sandler. J. Chem. Termodina. 142, 105998 (2020).

Artículo CAS Google Académico

Bahrami, M. & Ranjbarian, S. Producción de micropartículas y nanocompuestos por dióxido de carbono supercrítico. J. Supercrítico. Fluidos 40(2), 263–283 (2007).

Artículo CAS Google Académico

Elvassore, N. & Kikic, I. Procesamiento farmacéutico con fluidos supercríticos. En Tecnología de procesos de alta presión: fundamentos y aplicaciones (ed. Bertucco, AGVG) 612–625 (Elsevier Science, 2001).

Capítulo Google Académico

Gupta, RB & Chattopadhyay, P Método de formación de nanopartículas y micropartículas de tamaño controlable usando fluidos supercríticos y ultrasonido. Patente de EE. UU. No. 20020000681 (2002).

Reverchon, E., Adami, R., Caputo, G. & De Marco, I. Producción de micropartículas esféricas por precipitación supercrítica con antidisolvente: Interpretación de los resultados. J. Supercrítico. Fluidos 47(1), 70–84 (2008).

Artículo CAS Google Académico

Sodeifian, G., Sajadian, SA, Ardestani, NS y Razmimanesh, F. Producción de nanopartículas de fármaco de loratadina mediante expansión rápida asistida por ultrasonidos de solución supercrítica en solución acuosa (US-RESSAS). J. Supercrítico. Fluidos 147, 241–253 (2019).

Artículo CAS Google Académico

Razmimanesh, F., Sodeifian, G. & Sajadian, SA Una investigación sobre la producción de nanopartículas de malato de sunitinib mediante el método US-RESOLV: efecto del tipo de polímero en la velocidad de disolución y la distribución del tamaño de partícula. J. Supercrítico. Fluidos 170, 105163 (2021).

Artículo CAS Google Académico

Sodeifian, G., Sajadian, SA & Daneshyan, S. Preparación de nanopartículas de Aprepitant (fármaco eficaz para hacer frente a los efectos del tratamiento del cáncer) mediante expansión rápida de solución supercrítica con codisolvente sólido (RESS-SC). J. Supercrítico. Fluidos 140, 72–84 (2018).

Artículo CAS Google Académico

Sodeifian, G., Alwi, RS, Razmimanesh, F. & Abadian, M. Solubilidad del monohidrato de dasatinib (medicamento contra el cáncer) en CO2 supercrítico: modelado experimental y termodinámico. J. Mol. Liq. 346, 117899 (2022).

Artículo CAS Google Académico

Sodeifian, G., Alwi, RS, Razmimanesh, F. & Tamura, K. Solubilidad del hemifumarato de quetiapina (fármaco antipsicótico) en dióxido de carbono supercrítico: aplicación experimental, modelado y parámetro de solubilidad de hansen. Equilibrio de fase fluida. 537, 113003 (2021).

Artículo CAS Google Académico

Sodeifian, G., Ardestani, NS, Sajadian, SA & Panah, HS Mediciones experimentales y modelado termodinámico de la solubilidad sólida de cumarina-7 en dióxido de carbono supercrítico: producción de nanopartículas a través del método RESS. Equilibrio de fase fluida. 483, 122–143 (2019).

Artículo CAS Google Académico

Sodeifian, G., Garlapati, C., Razmimanesh, F. y Ghanaat-Ghamsari, M. Medición y modelado de la solubilidad del fumarato de clemastina (fármaco antihistamínico) en dióxido de carbono supercrítico. ciencia Reps. 11(1), 1–16 (2021).

Artículo ADS CAS Google Académico

Sodeifian, G., Nasri, L., Razmimanesh, F. & Abadian, M. Utilización de CO2 para determinar la solubilidad de teriflunomida (agente inmunomodulador) en dióxido de carbono supercrítico: investigación experimental y modelado termodinámico. J. CO2 Util. 58, 101931 (2022).

Artículo CAS Google Académico

Reverchon, E., Russo, P. & Stassi, A. Solubilidades de octacosano y triacontano sólidos en dióxido de carbono supercrítico. J. Chem. Ing. Datos 38(3), 458–460 (1993).

Artículo CAS Google Académico

Sodeifian, G., Ardestani, NS, Sajadian, SA & Panah, HS Medición, correlación y modelado termodinámico de la solubilidad del fumarato de ketotifeno (KTF) en dióxido de carbono supercrítico: Evaluación de la ecuación de estado PCP-SAFT. J. Equilibrio de fase fluida. 458, 102–114 (2018).

Artículo CAS Google Académico

Sodeifian, G., Detakhsheshpour, R. y Sajadian, SA Estudio experimental y modelado termodinámico de la solubilidad del esomeprazol (fármaco inhibidor de la bomba de protones para la reducción del ácido estomacal) en dióxido de carbono supercrítico. J. Supercrítico. Fluidos 154, 104606 (2019).

Artículo CAS Google Académico

Sodeifian, G., Garlapati, C., Razmimanesh, F. y Sodeifian, F. Solubilidad del besilato de amlodipina (fármaco bloqueador de los canales de calcio) en dióxido de carbono supercrítico: medición y correlaciones. J. Chem. Ing. Datos 66(2), 1119–1131 (2021).

Artículo CAS Google Académico

Sodeifian, G., Garlapati, C., Razmimanesh, F. y Sodeifian, F. La solubilidad de la sulfabenzamida (un fármaco antibacteriano) en dióxido de carbono supercrítico: evaluación de un nuevo modelo termodinámico. J. Mol. Liq. 335, 116446 (2021).

Artículo CAS Google Académico

Sodeifian, G., Hazaveie, SM, Sajadian, SA y SaadatiArdestani, N. Determinación de la solubilidad del fármaco repaglinida en dióxido de carbono supercrítico: datos experimentales y modelado termodinámico. J. Chem. Ing. Datos 64(12), 5338–5348 (2019).

Artículo CAS Google Académico

Sodeifian, G., Hsieh, C.-M., Derakhsheshpour, R., Chen, Y.-M. & Razmimanesh, F. Medición y modelado de la solubilidad del clorhidrato de metoclopramida (fármaco antiemético) en dióxido de carbono supercrítico. Árabe. J. Chem. 15, 103876 (2022).

Artículo Google Académico

Sodeifian, G., Nasri, L., Razmimanesh, F. & Abadian, M. Medición y modelado de la solubilidad de un fármaco antihipertensivo (losartan potásico, Cozaar) en dióxido de carbono supercrítico. J. Mol. Liq. 331, 115745 (2021).

Artículo CAS Google Académico

Sodeifian, G., Razmimanesh, F., Ardestani, NS y Sajadian, SA Datos experimentales y modelado termodinámico de la solubilidad de la azatioprina, como fármaco inmunosupresor y anticancerígeno, en dióxido de carbono supercrítico. J. Mol. Liq. 299, 112179 (2020).

Artículo CAS Google Académico

Sodeifian, G., Razmimanesh, F., Sajadian, SA y Panah, HS Medición de la solubilidad de un fármaco antihistamínico (loratadina) en dióxido de carbono supercrítico: evaluación de las ecuaciones de estado qCPA y PCP-SAFT. J. Equilibrio de fase fluida. 472, 147–159 (2018).

Artículo CAS Google Académico

Sodeifian, G. & Sajadian, SA Medida de la solubilidad y preparación de nanopartículas de un fármaco anticancerígeno (Letrozol) mediante expansión rápida de soluciones supercríticas con codisolvente sólido (RESS-SC). J. Supercrítico. Fluidos 133, 239–252 (2018).

Artículo CAS Google Académico

Sodeifian, G., Sajadian, SA & Razmimanesh, F. Solubilidad de un fármaco antiarrítmico (clorhidrato de amiodarona) en dióxido de carbono supercrítico: Experimental y modelado. Equilibrio de fase fluida. 450, 149–159 (2017).

Artículo CAS Google Académico

Sodeifian, G., Sajadian, SA, Razmimanesh, F. & Hazaveie, SM Solubilidad de ketoconazol (fármaco antifúngico) en SC-CO2 para sistemas binarios y ternarios: Mediciones y correlaciones empíricas. ciencia Rep. 11(1), 1–13 (2021).

Artículo ADS CAS Google Académico

Niguram, P., Polaka, SN, Rathod, R., Kalia, K. & Kate, AS Actualización sobre la evaluación de la compatibilidad de la empagliflozina con los excipientes farmacéuticos seleccionados empleados en formas farmacéuticas sólidas mediante técnicas térmicas, espectroscópicas y cromatográficas. Desarrollo de drogas Industria Farmacéutica 46(2), 209–218 (2020).

Artículo CAS PubMed Google Académico

Sodeifian, G., Sajadian, SA, Razmimanesh, F. & Ardestani, NS Una comparación exhaustiva entre cuatro enfoques diferentes para predecir la solubilidad de compuestos sólidos farmacéuticos en dióxido de carbono supercrítico. J. Coreano J. Chem. Ing. 35(10), 2097–2116 (2018).

Artículo CAS Google Académico

Bian, X.-Q., Zhang, L., Du, Z.-M., Chen, J. y Zhang, J.-Y. Predicción de la solubilidad del azufre en gases ácidos supercríticos utilizando una máquina de vectores de soporte basada en el optimizador de lobo gris. J. Mol. Liq. 261, 431–438 (2018).

Artículo CAS Google Académico

Nguyen, HC et al. Predicción computacional de la solubilidad de fármacos en dióxido de carbono supercrítico: modelado termodinámico y de inteligencia artificial. J. Mol. Liq. 354, 118888 (2022).

Artículo CAS Google Académico

Sadeghi, A. et al. Simulación de aprendizaje automático de la solubilidad farmacéutica en dióxido de carbono supercrítico: predicción y validación experimental para el fármaco busulfán. Árabe. J. Chem. 15(1), 103502 (2022).

Artículo CAS Google Académico

Sodeifian, G., Garlapati, C., Hazaveie, SM y Sodeifian, F. Solubilidad de 2, 4, 7-triamino-6-fenilpteridina (triamtereno, fármaco diurético) en dióxido de carbono supercrítico: datos experimentales y modelos. J. Chem. Ing. Datos 65(9), 4406–4416 (2020).

Artículo CAS Google Académico

Rathnam, VM, Lamba, N. & Madras, G. Evaluación de un nuevo modelo basado en la densidad para correlacionar las solubilidades del ácido ricinoleico, ricinoleato de metilo y 10-undecenoato de metilo en dióxido de carbono supercrítico. J. Supercrítico. Fluidos 130, 357–363 (2017).

Artículo CAS Google Académico

Alwi, RS, Garlapati, C. & Tamura, K. Solubilidad de derivados de antraquinona en dióxido de carbono supercrítico: Nuevas correlaciones. Moléculas 26(2), 460 (2021).

Artículo CAS PubMed PubMed Central Google Scholar

Mahesh, G. & Garlapati, C. Modelización de la solubilidad de algunos parabenos en dióxido de carbono supercrítico y nuevas correlaciones. Árabe. J. Ciencia. Ing. 1–13 (2021).

Sodeifian, G., Razmimanesh, F. & Sajadian, SA Medición de la solubilidad de un agente quimioterapéutico (mesilato de imatinib) en dióxido de carbono supercrítico: evaluación de un nuevo modelo empírico. J. Supercrítico. Fluidos 146, 89–99 (2019).

Artículo CAS Google Académico

Sodeifian, G., SaadatiArdestani, N., Sajadian, SA, Golmohammadi, MR y Fazlali, A. Predicción de la solubilidad del valproato de sodio en dióxido de carbono supercrítico: estudio experimental y modelado termodinámico. J. Chem. Ing. Datos 65(4), 1747–1760 (2020).

Artículo CAS Google Académico

Peper, S., Fonseca, JM y Dohrn, R. Equilibrios de fase fluida a alta presión: tendencias, desarrollos recientes y sistemas investigados (2009–2012). Equilibrio de fase fluida. 484, 126–224 (2019).

Artículo CAS Google Académico

Alwi, RS & Garlapati, C. Un nuevo modelo semi empírico para la solubilidad de colorantes en dióxido de carbono supercrítico. química Papilla. 75(6), 2585–2595 (2021).

Artículo CAS Google Académico

Bartle, KD, Clifford, A., Jafar, S. & Shilstone, G. Solubilidades de sólidos y líquidos de baja volatilidad en dióxido de carbono supercrítico. J. física. química Árbitro. Datos 20(4), 713–756 (1991).

Artículo ADS CAS Google Académico

Bian, X.-Q., Zhang, Q., Du, Z.-M., Chen, J. y Jaubert, J.-N. Un modelo empírico de cinco parámetros para correlacionar la solubilidad de compuestos sólidos en dióxido de carbono supercrítico. Equilibrio de fase fluida. 411, 74–80 (2016).

Artículo CAS Google Académico

Chrastil, J. Solubilidad de sólidos y líquidos en gases supercríticos. J. física. química 86(15), 3016–3021 (1982).

Artículo CAS Google Académico

Sridar, R., Bhowal, A. & Garlapati, C. Un nuevo modelo para la solubilidad de compuestos colorantes en dióxido de carbono supercrítico. Termoquim. Acta 561, 91–97 (2013).

Artículo CAS Google Académico

Garlapati, C. & Madras, G. Nuevas expresiones empíricas para correlacionar solubilidades de sólidos en dióxido de carbono supercrítico. Termoquim. Acta 500(1), 123–127 (2010).

Artículo CAS Google Académico

Kumar, SK & Johnston, KP Modelización de la solubilidad de sólidos en fluidos supercríticos con la densidad como variable independiente. J. Supercrítico. Fluidos 1(1), 15–22 (1988).

Artículo CAS Google Académico

Méndez-Santiago, J. & Teja, AS La solubilidad de sólidos en fluidos supercríticos. Equilibrio de fase fluida. 158, 501–510 (1999).

Artículo Google Académico

Garlapati, C. & Madras, G. Solubilidades de ácidos grasos palmítico y esteárico en dióxido de carbono supercrítico. J. Chem. Termodina. 42(2), 193–197 (2010).

Artículo CAS Google Académico

Reddy, TA & Garlapati, C. Modelo empírico adimensional para correlacionar la solubilidad de compuestos farmacéuticos en dióxido de carbono supercrítico. química Ing. Tecnología 42(12), 2621–2630 (2019).

Artículo CAS Google Académico

Huang, C.-Y., Lee, L.-S. & Su, C.-S. Correlación de solubilidades sólidas de compuestos farmacéuticos en dióxido de carbono supercrítico con enfoque de modelo de solución. J. Instituto de Taiwán química Ing. 44(3), 349–358 (2013).

Artículo CAS Google Académico

Iwai, Y., Koga, Y., Fukuda, T. & Arai, Y. Correlación de solubilidades de componentes de alto punto de ebullición en dióxido de carbono supercrítico utilizando un modelo de solución. J. Chem. Ing. Jpn. 25(6), 757–760 (1992).

Artículo CAS Google Académico

Kramer, A. & Thodos, G. Solubilidad de 1-hexadecanol y ácido palmítico en dióxido de carbono supercrítico. J. Chem. Ing. Datos 33(3), 230–234 (1988).

Artículo CAS Google Académico

Narayan, RC, Dev, JV & Madras, G. Determinación experimental y correlación teórica de las solubilidades de ésteres de ácido dicarboxílico en dióxido de carbono supercrítico. J. Supercrítico. Fluidos 101, 87–94 (2015).

Artículo CAS Google Académico

Nasri, L., Bensetiti, Z. & Bensaad, S. Modelado de la solubilidad en dióxido de carbono supercrítico de algunos isómeros de solutos sólidos utilizando la teoría del líquido expandido. J. Ciencia. Tecnología 3(2) (2018).

De Zordi, N., Kikic, I., Moneghini, M. & Solinas, D. Solubilidad de compuestos farmacéuticos en dióxido de carbono supercrítico. J. Supercrítico. Fluidos 66, 16–22 (2012).

Artículo CAS Google Académico

Garlapati, C. & Madras, G. Reglas de mezcla independientes de la temperatura para correlacionar las solubilidades de antibióticos y fármacos antiinflamatorios en ScCO2. Termoquim. Acta 496(1–2), 54–58 (2009).

Artículo CAS Google Académico

Kwak, T. & Mansoori, G. Van der Waals reglas de mezcla para ecuaciones de estado cúbicas. Aplicaciones para el modelado de extracción de fluidos supercríticos. química Ing. ciencia 41(5), 1303–1309 (1986).

Artículo CAS Google Académico

Valderrama, JO & Alvarez, VH Reglas de mezcla independientes de la temperatura para correlacionar la solubilidad de sólidos en dióxido de carbono supercrítico. J. Supercrítico. Fluidos 32(1–3), 37–46 (2004).

Artículo CAS Google Académico

Fedors, RF Un método para estimar tanto los parámetros de solubilidad como los volúmenes molares de líquidos. polim. Ing. ciencia 14(2), 147–154 (1974).

Artículo CAS Google Académico

Immirzi, A. & Perini, B. Predicción de densidad en cristales orgánicos. Acta Crystallogr. Secta. Un Cristal. física Dif. teor. Gen. Crystallogr. 33(1), 216–218 (1977).

Artículo ANUNCIOS Google Académico

Lyman, WJ, Reehl, WF y Rosenblatt, DH Manual de métodos de estimación de propiedades químicas (McGraw-Hill, 1982).

Google Académico

Reid, RC, Prausnitz, JM & Poling, BE Las propiedades de los gases y líquidos. (1987).

Jain, A., Yang, G. & Yalkowsky, SH Estimación de puntos de fusión de compuestos orgánicos. Ing. Ind. química Res. 43(23), 7618–7621 (2004).

Artículo CAS Google Académico

Akaike, H. Teoría de la información y una extensión del principio de máxima verosimilitud. En Actas del Segundo Simposio Internacional sobre Teoría de la Información (eds Petrov, BN & Csaki, F.) 267–281 (AkademiaaiKiado, 1973).

Google Académico

Burnham, KP & Anderson, DR Inferencia multimodelo: comprensión de AIC y BIC en la selección de modelos. Sociol. Métodos Res. 33(2), 261–304 (2004).

Artículo MathSciNet Google Académico

Deepitha, J., Pitchaiah, K., Brahmmananda Rao, C., Madras, G. y Sivaraman, N. Solubilidades de dialquilhidrógeno fosfonatos en dióxido de carbono supercrítico y su correlación mediante ecuaciones semiempíricas. Ciencia sep. Tecnología 54(10), 1650–1660 (2019).

Artículo CAS Google Académico

Kletting, P. & Glatting, G. Selección de modelos para curvas de tiempo-actividad: el criterio de información de Akaike corregido y la prueba F. Z.Med. física 19(3), 200–206 (2009).

Artículo PubMed Google Académico

https://webbook.nist.gov/chemistry/01 (Instituto de Estándares y Tecnología Departamento de Comercio de EE. UU., 2018).

Descargar referencias

Los autores correspondientes quisieran agradecer al diputado de investigación de la universidad de Kashan (Grant # Pajoohaneh-1400/26) por el apoyo financiero de este proyecto.

Departamento de Ingeniería Química, Facultad de Ingeniería, Universidad de Kashan, Kashan, 87317-53153, Irán

Gholamhossein Sodeifian, Fariba Razmimanesh y Hassan Nateghi

Laboratorio de fluidos supercríticos y nanotecnología, Universidad de Kashan, Kashan, 87317-53153, Irán

Gholamhossein Sodeifian, Fariba Razmimanesh y Hassan Nateghi

Centro de Modelado y Simulación, Facultad de Ingeniería, Universidad de Kashan, Kashan, 87317-53153, Irán

Gholamhossein Sodeifian, Fariba Razmimanesh y Hassan Nateghi

Departamento de Ingeniería Química, Universidad Tecnológica de Puducherry, Puducherry, 605014, India

Chandrasekhar Garlapati

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

GS conceptualización, metodología, validación, investigación, supervisión, administración de proyectos, redacción—revisión y edición; Metodología de CG, investigación, software, redacción—borrador original; FR investigación, validación, recursos; Medida HN.

Correspondencia a Gholamhossein Sodeifian.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Sodeifian, G., Garlapati, C., Razmimanesh, F. et al. Solubilidad experimental y modelado termodinámico de empagliflozina en dióxido de carbono supercrítico. Informe científico 12, 9008 (2022). https://doi.org/10.1038/s41598-022-12769-2

Descargar cita

Recibido: 16 de marzo de 2022

Aceptado: 16 mayo 2022

Publicado: 30 mayo 2022

DOI: https://doi.org/10.1038/s41598-022-12769-2

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Informes científicos (2023)

Informes científicos (2022)

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.