Computer‐aided solvent selection and design for the efficient extraction of a pharmaceutical molecule
Notice bibliographique
Résumé
Abstract We have employed a computer‐aided approach to select and design task‐specific organic solvents for the liquid‐liquid extraction of ephedrine from its aqueous solution. We have identified three solvent performance indicators (SPIs) as the shortlisting criteria for solvents with desirable properties: high ephedrine solubility; low solvent loss; and high partition coefficient. Other properties that were considered include octanol‐water partition coefficient and toxicity, which give a measure of the safety/health/environmental (SHE) impacts, and liquid viscosity, which is an important process design parameter. We have first analyzed the trends in these SPIs for a range of common organic solvents. Toluene (currently employed for the extraction of R‐phenylacetylcarbinol, the precursor to ephedrine) has low solvent loss but relatively poor values of the other SPIs for ephedrine extraction, though with a relatively benign SHE impact. We are unable to identify a solvent (from the list of common organic solvents) that satisfies all the shortlisting criteria for use in the pharmaceutical industry and this provided the motivation for the design of task‐specific solvents. We have designed organic solvents (acyclic aliphatic, aromatic with one side chain attachment, and aromatic with two side chain attachments) with superior values of SPIs than the reference solvent, toluene. We have employed limiting values on the melting and boiling points to ensure the designed solvents are liquids at the operating conditions. Designed aliphatic compounds contain the chloro‐group(s), whereas there are aromatic solvents without the chloro‐groups with better SPIs than toluene. Designed solvents without chloro‐groups may be considered as the starting point for further screening experiments.
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.
Comment cette classification a été obtenuedéplier
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 | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».