اندازه‌گیری حلالیت داروی ناپروکسن در برخی حلال‌های اتکتیک عمیق بر پایه کولین بعنوان حلالهای سبز نوین در صنعت داروسازی و کارایی مدل uniifac در پیش بینی آن

حلالیت پایین داروها یکی از اصلی‌ترین معضلات و چالش‌های مهم صنعت داروسازی است که توسعه فرآورده‌های دارویی را با مشکلات و محدودیتهای فراوانی مواجه می‌کند. از سوی دیگر، انجام کارهای آزمایشگاهی زمان‌بر بوده و هزینه‌های زیادی بهمراه دارد. معرفی روش‌ها و مدل‌های ریاضی جهت تعیین بهترین حلال برای دارو از مهمترین مباحث می‌باشد که با کمترین هزینه و در مدت زمان کم بتوان مناسبترین حلال برای یک دارو را تعیین کرد. یکی از مسکن‌های پر مصرف ناپروکسن می‌باشد که حلالیت بسیار کمی در آب دارد و برای اینکه جذب بدن شده و اثر درمانی موردنظر را از خود نشان دهد می‌بایست به حالت محلول درآید. لذا بهره‌گیری از روش‌های افزایش حلالیت برای افزایش فراهمی زیستی این داروی کم محلول امری ضروری و اجتناب ناپذیر می‌باشد. در این مقاله برای اولین بار از حلال‌های اتکتیک عمیق بعنوان حلال‌های سبز جدید بعنوان کمک حلال برای افزایش حلالیت داروی ناپروکسن استفاده شده است. نتایج نشان می‌دهد حلالیت این دارو در این حلال‌ها افزایش یافته و بعلت سمیت کم و زیست تخریب پذیری، جایگزین‌های مناسبی برای حلال‌های آلی و مایعات یونی می‌باشند. همچنین کارایی مدل unifac بعنوان یکی از بهترین مدل‌های پیشبینی برای این سیستم‌ها بررسی شده است.

Measurements of the naproxen solubility in some cholinebased deep eutectic solvents as novel green solvents in the pharmaceutical industry and the performance of the UNIIFAC model in this systems

Prediction of drugs solubility in various solvents is one of the main challenges in drug discovery and advanced investigation. The thermodynamic models are fast, reliable, and costeffective methods to select the best solvent or solvent mixtures to increase drug solubility. Experimental solubility determination is not always possible because of the small amount of product available in the early stages of a drug development. In this paper, UNIFAC activity coefficient model is tested for prediction of naproxen (NAP) solubility in two cholinebased DESs and the performance of this model is compared with experimental data. The average relative deviation of this model for investigated systems is 10.57% and 15.27% showing that experimental measurements are carried out with high exactitude.