Optimal Solvent Screening for the Crystallization of Pharmaceutical Compounds from Multisolvent Systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this study, an effort has been made to predict the solid–liquid equilibrium (SLE) behavior of different solids (pharmaceuticals) in many common solvents and their mixtures. A modified optimization of a recent thermodynamic model, the NRTL–SAC model, was used in all stages of calculation (VLE, LLE, and SLE predictions). The batch cooling–antisolvent crystallization process was simulated for seven model molecules from the initial temperature to the final temperature and for the volume fraction of each solvent. The feasible region of temperature for each crystallization case was calculated based on the bubble-point temperature of the solvent mixture and the melting point of the model molecules. The NRTL–SAC model was used in conjunction with the optimization procedure to test the complete miscibility of solvents during each part of crystallization. After estimating the optimum solvent mixture (combination) for a specific model molecule, the results for single, binary, and ternary solvent mixtures were compared. The results obtained from the binary and ternary combinations were similar in terms of crystallization yields per mass of solvent mixture and far superior to those obtained with single solvents. The proposed algorithm demonstrates flexibility, simplicity, and accuracy in predicting the phase behavior and eventual optimal solvent screening for the crystallization of pharmaceutical components.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle