Geri Dön

Farmasötik bileşenlerin makine öğrenmesi yöntemleri ile kimliklendirilmesi ve etken madde tespiti

Identification of pharmaceutical constituents and detection of active substances using machine learning methods

PDF İndir

  1. Tez No: 913047
  2. Yazar: HİRA BERİL KÜÇÜK
  3. Danışmanlar: PROF. DR. İBRAHİM YÜCEL ÖZBEK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Eczacılık ve Farmakoloji, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Pharmacy and Pharmacology, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: makine öğrenmesi, farmasötik preparat, tıbbi bitki, Ridge regresyon, UV-Vis Spektrofotometri, machine learning, pharmaceutical preparation, medicinal plant, Ridge regression, UV-Vis Spectrophotometry
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Atatürk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 72

Özet

Amaç: Eczacılık ve kimya disiplinlerinde ilaç dozaj formu ve tıbbi bitki bileşen konsantrasyonları gibi çeşitli farmasötik etken madde miktarı tayinlerinde karşılaşılan belli başlı problemler; hızlı tayin yapamama, doğru ve güvenilir tayin sonucu için kemometrik yöntemlerin eşzamanlı analizde yetersiz kalması, tehlikeli kimyasal çözücü kullanım miktarının artması gibi çeşitlendirilmektedir. Bu çalışmanın amacı söz konusu etken maddelerin tayinini doğru, güvenilir, hızlı ve çevre dostu bir yöntem aracılığıyla gerçekleştirmektir. Bu bağlamda Desloratadin (DST) ve Montelukast Sodyum (MTS) gibi farmasötik preparatların yanı sıra, Naringin ve Naringenin gibi fitokimyasal bileşenlerin eş zamanlı konsantrasyon tayini için makine öğrenmesi yöntemleri tercih edilmiştir. Böylece Yapay Zekâ destekli UV-Vis Spektrofotometrik yöntemler geliştirilmiş modeller arası davranış karşılaştırılmıştır. Yöntem: DST ve MTS'in 20-80 μg/mL ile Naringin ve Naringenin bileşenlerinin 5-40 μg/mL olacak şekilde farklı konsantrasyonlarda sentetik karışımları hazırlanmıştır. Δλ= 1 nm aralıklarla, 225-400 nm dalga boyu aralığında elde edilen spektral veriler, makine öğrenmesi tabanlı Destek Vektör Regresyonu (SVR), Doğrusal Regresyon (LR), Lasso Regresyonu, Ridge Regresyonu ve Elastic Net yöntemleri ile işlenmiştir. Bu yöntemlerin her biri, Naringin, Naringenin, DST ve MTS'nin spektral veriler üzerinden doğru miktar tayini yapma potansiyeline göre test edilmiştir. Model doğruluğunu değerlendirmek için Ortalama Mutlak Hata (MAE) ve belirleme katsayısı (R²) gibi performans kriterleri kullanılmıştır. Bulgular: Çalışmada Ridge regresyon modeli en yüksek doğruluğa ulaşmıştır ve DST için MAE = 0,379 R2= 0,9995, MTS için ise MAE = 0,7328 R2= 0,9996 olacak şekilde performans oranları sağlamıştır. Ayrıca, Naringin MAE = 1,083 R2= 0,9992, için Naringenin için MAE = 0,8401 R2= 0,9996 şeklinde performans değeri elde edilmiştir. Böylece eş zamanlı analizde hızlı, güvenilir, kesin sonuç veren ve aynı zamanda çevre dostu özelliği ile dikkat çeken makine öğrenmesi tabanlı analiz yöntemleri geliştirilmiştir. Sonuç: Bu çalışma, farmasötik ürünlerin ve tıbbi bitki bileşenlerinin aynı numunede, hızlı, doğru ve solvent kullanımını en aza indirerek analiz edilebileceği bir Yapay Zekâ Destekli UV-Vis spektrofotometrik yöntem sunmaktadır. Bu yöntem, solvent ve enerji tüketiminin düşük olmasıyla çevre dostu bir çözüm olarak öne çıkmakta ve kalite kontrol analizleri için geleneksel yöntemlere sürdürülebilir bir alternatif sunmaktadır. Yöntemin güvenilirliği ve çevreye duyarlılığı, farmasötik kombinasyon ürünlerinin analizinde büyük bir potansiyel göstermektedir.

Özet (Çeviri)

Purpose: In the disciplines of pharmacy and chemistry, the main problems encountered in the determination of the amount of various pharmaceutical active substances such as drug dosage form and medicinal plant component concentrations are diversified such as the inability to make rapid determinations, the inadequacy of chemometric methods in simultaneous analysis for accurate and reliable determination results, and the increase in the amount of hazardous chemical solvents used. The aim of this study is to carry out the determination of the active substances in question by means of an accurate, reliable, fast and environmentally friendly method. In this context, machine learning-based analysis methods were found suitable for the simultaneous concentration determination of pharmaceutical preparations such as Desloratadine (DST) and Montelukast Sodium (MTS), as well as phytochemical components such as Naringin and Naringenin. The behavior between the models developed with artificial intelligence-supported UV-Vis Spectrophotometric methods was compared. Method: In the developed analysis methods, synthetic mixtures of DST and MTS at different concentrations as 20-80 μg/mL and Naringin Naringenin components as 5-40 μg/mL were prepared using factorial design. The obtained spectral data (Δλ= 1 nm intervals, 225-400 nm wavelength range) were processed by machine learning based Support Vector Regression (SVR), Linear Regression (LR), Lasso Regression, Ridge Regression and Elastic Net and artificial intelligence algorithms. Each of these methods was tested according to their potential for accurate quantification of Naringin, Naringenin, DST and MTS from spectral data. Performance criteria such as Mean Absolute Error (MAE) and coefficient of determination (R²) were used to evaluate the model accuracy. Findings: In the study, the Ridge regression model achieved the highest accuracy and provided performance rates of MAE = 0.379 R2= 0.9995 for DST and MAE = 0.7328 R2= 0.9996 for MTS. In addition, the performance value was obtained as MAE = 1.083 R2= 0.9992 for Naringin, MAE = 0.8401 R2= 0.9996 for Naringenin. Thus, machine learning-based analysis methods that provide fast, reliable, precise results in simultaneous analysis and, also attract attention with their environmentally friendly features have been developed. Results: This study presents an Artificial Intelligence-Assisted UV-Vis spectrophotometric method that can analyze pharmaceutical products and medicinal plant components in the same sample quickly, accurately and by minimizing solvent use. This method stands out as an environmentally friendly solution with low solvent and energy consumption and offers a sustainable alternative to traditional methods for quality control analyses. The reliability and environmental sensitivity of the method show great potential in the analysis of pharmaceutical combination products.

Benzer Tezler

  1. Tez No

    750000

    2019-nCoV virüsüne karşı etkili olabilecek moleküllerin ilaç yeniden yapılandırma ve makine öğrenim yaklaşım yöntemleri ile saptanması

    Detection of molecules that may be effective against 2019-nCoV virus with drug reconstruction and machine learning approach methods

    ERSİN GÜNER

    Doktora

    Türkçe

    Türkçe

    2022

    Eczacılık ve FarmakolojiBiruni Üniversitesi

    Farmasötik Kimya Ana Bilim Dalı

    PROF. DR. SÜREYYA ÖLGEN

  2. Tez No

    685796

    Application of machine learning models and statistical approaches in dexketoprofen pharmaceutical dosage form

    Makine öğrenmesi modellerinin ve istatistiksel yaklaşımların deksketoprofen farmasötik dozaj formunda uygulaması

    ATAKAN BAŞKOR

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TAMER UÇAR

  3. Tez No

    790423

    Evaluation of comedogenicity and irritancy potential of some cosmetic ingredients using in silico methods

    Komedojenite ve cilt irritasyon potensiyeli olan kozmetik bileşenlerinin in silico methodlar ile değerlendirilmesi

    SEBLA ÖZTAN AKTÜRK

    Doktora

    İngilizce

    İngilizce

    2023

    Farmasötik ToksikolojiYeditepe Üniversitesi

    Farmasötik Toksikoloji Ana Bilim Dalı

    PROF. DR. HANDE SİPAHİ

  4. Tez No

    604693

    Mikroalgal biyoproses optimizasyonu, mikroalgal ekstrakt yüklü nanopartiküllerin üretimi ve antikanser etkilerinin araştırılması

    Microalgal bioprocess optimization, production of microalgal extract loaded nanoparticles and investigation of their anticancer effects

    BENAN İNAN

    Doktora

    Türkçe

    Türkçe

    2019

    BiyomühendislikYıldız Teknik Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    DOÇ. DR. DİDEM ÖZÇİMEN

  5. Tez No

    860712

    Impurity analysis of a psychoactive drug by HPLC-DAD detector

    Psikoaktif bir ilacın HPLC-DAD dedektörü ile safsızlık analizi

    MOHAMMED ALI SALEH AHMAD AL-SAEEDY

    Doktora

    İngilizce

    İngilizce

    2024

    KimyaAnadolu Üniversitesi

    Kimya Ana Bilim Dalı

    DOÇ. DR. ELİF MİNE ÖNCÜ KAYA

    DOÇ. DR. EROL ŞENER

Geri Dön