Published January 24, 2023 | Version v1
Publication Open

Optimization of tamoxifen solubility in carbon dioxide supercritical fluid and investigating other molecular targets using advanced artificial intelligence models

Creators

  • 1. Prince Sattam Bin Abdulaziz University
  • 2. Beni-Suef University
  • 3. Taif University
  • 4. Minia University
  • 5. Umm al-Qura University
  • 6. King Khalid University
  • 7. Qassim University
  • 8. Duy Tan University

Description

Abstract Particle size, shape and morphology can be considered as the most significant functional parameters, their effects on increasing the performance of oral solid dosage formulation are indisputable. Supercritical Carbon dioxide fluid (SCCO 2 ) technology is an effective approach to control the above-mentioned parameters in oral solid dosage formulation. In this study, drug solubility measuring is investigated based on artificial intelligence model using carbon dioxide as a common supercritical solvent, at different pressure and temperature, 120–400 bar, 308–338 K. The results indicate that pressure has a strong effect on drug solubility. In this investigation, Decision Tree (DT), Adaptive Boosted Decision Trees (ADA-DT), and Nu-SVR regression models are used for the first time as a novel model on the available data, which have two inputs, including pressure, X1 = P(bar) and temperature, X2 = T(K). Also, output is Y = solubility. With an R-squared score, DT, ADA-DT, and Nu-SVR showed results of 0.836, 0.921, and 0.813. Also, in terms of MAE, they showed error rates of 4.30E−06, 1.95E−06, and 3.45E−06. Another metric is RMSE, in which DT, ADA-DT, and Nu-SVR showed error rates of 4.96E−06, 2.34E−06, and 5.26E−06, respectively. Due to the analysis outputs, ADA-DT selected as the best and novel model and the find optimal outputs can be shown via vector: (x1 = 309, x2 = 317.39, Y1 = 7.03e−05).

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

يمكن اعتبار حجم الجسيمات وشكلها ومورفولوجيتها أهم المعايير الوظيفية، وتأثيراتها على زيادة أداء تركيبة الجرعة الصلبة الفموية لا جدال فيها. تعد تقنية سائل ثاني أكسيد الكربون فوق الحرج (SCCO 2 ) طريقة فعالة للتحكم في المعلمات المذكورة أعلاه في تركيبة الجرعة الصلبة الفموية. في هذه الدراسة، يتم التحقيق في قياس قابلية ذوبان الدواء بناءً على نموذج الذكاء الاصطناعي باستخدام ثاني أكسيد الكربون كمذيب فوق حرج شائع، عند ضغط ودرجة حرارة مختلفة، 120–400 بار، 308–338 كلفن. تشير النتائج إلى أن الضغط له تأثير قوي على قابلية ذوبان الدواء. في هذا التحقيق، يتم استخدام نماذج انحدار شجرة القرار (DT) وأشجار القرار المعززة التكيفية (ADA - DT) و Nu - SVR لأول مرة كنموذج جديد على البيانات المتاحة، والتي لها مدخلان، بما في ذلك الضغط، X1 = P(بار) ودرجة الحرارة، X2 = T(K). أيضا، الإخراج هو Y = الذوبان. مع درجة R - squared، أظهرت DT و ADA - DT و Nu - SVR نتائج 0.836 و 0.921 و 0.813. أيضًا، من حيث MAE، أظهروا معدلات خطأ تبلغ 4.30E−06 و 1.95E−06 و 3.45E−06. مقياس آخر هو RMSE، حيث أظهرت DT و ADA - DT و Nu - SVR معدلات خطأ تبلغ 4.96E−06 و 2.34E−06 و 5.26E−06 على التوالي. نظرًا لمخرجات التحليل، تم اختيار ADA - DT كأفضل نموذج وجديد ويمكن عرض مخرجات FIND المثلى عبر المتجه: (x1 = 309، x2 = 317.39، Y1 = 7.03e−05).

Translated Description (French)

Résumé La taille, la forme et la morphologie des particules peuvent être considérées comme les paramètres fonctionnels les plus importants, leurs effets sur l'augmentation des performances de la formulation posologique solide orale sont indiscutables. La technologie de fluide de dioxyde de carbone supercritique (SCCO 2 ) est une approche efficace pour contrôler les paramètres susmentionnés dans la formulation posologique solide orale. Dans cette étude, la mesure de la solubilité des médicaments est étudiée sur la base d'un modèle d'intelligence artificielle utilisant le dioxyde de carbone comme solvant supercritique commun, à différentes pressions et températures, 120–400 bars, 308-338 K. Les résultats indiquent que la pression a un effet fort sur la solubilité des médicaments. Dans cette enquête, les modèles de régression Decision Tree (DT), Adaptive Boosted Decision Trees (ADA-DT) et Nu-SVR sont utilisés pour la première fois comme un nouveau modèle sur les données disponibles, qui ont deux entrées, y compris la pression, X1 = P(bar) et la température, X2 = T(K). En outre, la sortie est Y = solubilité. Avec un score R au carré, DT, ADA-DT et Nu-SVR ont montré des résultats de 0,836, 0,921 et 0,813. En outre, en termes de MAE, ils ont montré des taux d'erreur de 4,30E−06, 1,95E−06 et 3,45E−06. Une autre mesure est RMSE, dans laquelle DT, ADA-DT et Nu-SVR ont montré des taux d'erreur de 4,96 E-06, 2,34 E-06 et 5,26 E-06, respectivement. En raison des résultats d'analyse, ADA-DT sélectionné comme le meilleur et le nouveau modèle et les résultats optimaux de recherche peuvent être affichés via un vecteur : (x1 = 309, x2 = 317,39, Y1 = 7,03e−05).

Translated Description (Spanish)

Resumen El tamaño, la forma y la morfología de las partículas pueden considerarse como los parámetros funcionales más significativos, sus efectos sobre el aumento del rendimiento de la formulación de dosificación sólida oral son indiscutibles. La tecnología de fluido de dióxido de carbono supercrítico (SCCO 2 ) es un enfoque eficaz para controlar los parámetros mencionados anteriormente en la formulación de dosificación sólida oral. En este estudio, la medición de la solubilidad del fármaco se investiga en base al modelo de inteligencia artificial utilizando dióxido de carbono como disolvente supercrítico común, a diferentes presiones y temperaturas, 120–400 bar, 308–338 K. Los resultados indican que la presión tiene un fuerte efecto sobre la solubilidad del fármaco. En esta investigación, el árbol de decisión (DT), los árboles de decisión potenciados adaptativos (ADA-DT) y los modelos de regresión Nu-SVR se utilizan por primera vez como un modelo novedoso en los datos disponibles, que tienen dos entradas, incluida la presión, X1 = P(bar) y temperatura, X2 = T(K). Además, la salida es Y = solubilidad. Con una puntuación R-cuadrada, DT, ADA-DT y Nu-SVR mostraron resultados de 0.836, 0.921 y 0.813. Además, en términos de MAE, mostraron tasas de error de 4.30 E-06, 1.95 E-06 y 3.45 E-06. Otra métrica es RMSE, en la que DT, ADA-DT y Nu-SVR mostraron tasas de error de 4.96 E-06, 2.34 E-06 y 5.26 E-06, respectivamente. Debido a los resultados del análisis, ADA-DT seleccionado como el mejor y nuevo modelo y los resultados óptimos de búsqueda se pueden mostrar a través del vector: (x1 = 309, x2 = 317.39, Y1 = 7.03e−05).

Files

s41598-022-25562-y.pdf.pdf

Files (1.7 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:f6eb92f2fdee4588104b42cac867b959
1.7 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
تحسين قابلية ذوبان عقار تاموكسيفين في السائل فوق الحرج لثاني أكسيد الكربون والتحقيق في الأهداف الجزيئية الأخرى باستخدام نماذج الذكاء الاصطناعي المتقدمة
Translated title (French)
Optimisation de la solubilité du tamoxifène dans le fluide supercritique de dioxyde de carbone et étude d'autres cibles moléculaires à l'aide de modèles avancés d'intelligence artificielle
Translated title (Spanish)
Optimización de la solubilidad del tamoxifeno en el fluido supercrítico de dióxido de carbono e investigación de otros objetivos moleculares utilizando modelos avanzados de inteligencia artificial

Identifiers

Other
https://openalex.org/W4317831296
DOI
10.1038/s41598-022-25562-y

Is supplement to
https://openalex.org/W856307361 (Other)
https://openalex.org/W4388805554 (Other)
https://openalex.org/W3196163622 (Other)
https://openalex.org/W2371292460 (Other)
https://openalex.org/W2370685986 (Other)
https://openalex.org/W2130313128 (Other)
https://openalex.org/W2040168466 (Other)
https://openalex.org/W2029097933 (Other)
https://openalex.org/W1970238355 (Other)
https://openalex.org/W1560514446 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Vietnam

References

  • https://openalex.org/W1503398984
  • https://openalex.org/W1563247097
  • https://openalex.org/W1975846642
  • https://openalex.org/W1983865151
  • https://openalex.org/W1987766793
  • https://openalex.org/W1988790447
  • https://openalex.org/W1997731668
  • https://openalex.org/W2003233718
  • https://openalex.org/W2018565194
  • https://openalex.org/W2063375278
  • https://openalex.org/W2076723282
  • https://openalex.org/W2091854786
  • https://openalex.org/W2095795470
  • https://openalex.org/W2108949035
  • https://openalex.org/W2736285103
  • https://openalex.org/W2767711842
  • https://openalex.org/W2883481262
  • https://openalex.org/W2911688499
  • https://openalex.org/W2919996454
  • https://openalex.org/W2951913228
  • https://openalex.org/W3004227146
  • https://openalex.org/W3013306393
  • https://openalex.org/W3016077459
  • https://openalex.org/W3036246077
  • https://openalex.org/W3036399812
  • https://openalex.org/W3040795275
  • https://openalex.org/W3080214337
  • https://openalex.org/W3107217331
  • https://openalex.org/W3120624706
  • https://openalex.org/W3133897331
  • https://openalex.org/W3137398752
  • https://openalex.org/W3170674899
  • https://openalex.org/W3184824133
  • https://openalex.org/W3189543406
  • https://openalex.org/W3217803701
  • https://openalex.org/W4200364879
  • https://openalex.org/W4205611248
  • https://openalex.org/W4210888658
  • https://openalex.org/W4244952642
  • https://openalex.org/W4291511991
  • https://openalex.org/W4296071394
  • https://openalex.org/W4297957988
  • https://openalex.org/W4386656295