Monitoramento em linha baseado em AI e espectroscopia da concentração enantiomérica de praziquantel
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRJ |
Texto Completo: | http://hdl.handle.net/11422/20467 |
Resumo: | A esquistossomose é uma doença tropical negligenciada, cujo tratamento é feito por meio do medicamento praziquantel. O tratamento para crianças é feito pelo medicamento em forma líquida, que apresenta amargor, devido à presença do enantiômero dextrógiro D-PZQ (ingrediente inativo). Assim, durante a formulação é necessário um enriquecimento do componente levógiro da mistura racêmica, ou seja, o L-PZQ, a partir da separação de tais componentes. O Leito Móvel Simulado (LMS) pode ser utilizado para a separação de enantiômeros. Para o controle automático do LMS, é necessário o monitoramento das concentrações dos enantiômeros. Em estudos prévios na Escola de Química da UFRJ, foi construído um LMS, o qual possui um detector quiral, que mede sinais de UV e dicroísmo circular simultaneamente. Neste trabalho, são desenvolvidos modelos matemáticos baseados em aprendizado de máquina para correlacionar os sinais de UV e dicroísmo circular com as concentrações de cada enantiômero no LMS. Optou-se pela utilização das redes neuronais devido à relação não linear previamente observada entre as concentrações e medições. O desenvolvimento da rede foi feito em Python, utilizando o MLPRegressor, um estimador que se baseia nas redes do tipo “Perceptron Multi-camada”. Devido à ampla gama de possibilidades para o projeto da rede, foi necessário resolver um problema de otimização, buscando o melhor conjunto de hiperparâmetros para a predição da concentração dos enantiômeros. Para isso, foi utilizado o software Optuna. Como forma de validação foram feitas comparações com algoritmo “Random Forest”, diferentes abordagens de pré-processamento, usando como critério de desempenho o coeficiente de determinação (R²) e a abordagem polinomial desenvolvida no trabalho de CUNHA et al (2020). Com base em todos os dados experimentais (57 pontos) e validação (18 pontos), as redes neuronais apresentaram um R² de 0,82 e 0,83. No caso do “Random Forest”, o coeficiente foi de 0,82 e 0,66 e, no caso da abordagem polinomial, 0,54 e 0,59. Dessa forma, os resultados habilitam o uso das redes para monitorar o processo, pela boa capacidade preditiva verificada, a qual pode ainda ser melhorada com a disponibilidade de mais dados. |
id |
UFRJ_63ba89fe9c684e0f7fa5948189152bd7 |
---|---|
oai_identifier_str |
oai:pantheon.ufrj.br:11422/20467 |
network_acronym_str |
UFRJ |
network_name_str |
Repositório Institucional da UFRJ |
repository_id_str |
|
spelling |
Santos, Marlon Conceição doshttp://lattes.cnpq.br/4530858702685674http://lattes.cnpq.br/8273692833290071Secchi, Argimiro Resendehttp://lattes.cnpq.br/3710340061939187Cunha, Felipe Coelhohttp://lattes.cnpq.br/4514556362071685Barreto Júnior, Amaro Gomeshttp://lattes.cnpq.br/1005756226202071Nogueira, Idelfonso Bessa dos Reishttp://lattes.cnpq.br/6396503275989248Souza Júnior, Maurício Bezerra de2023-05-15T20:30:03Z2023-11-30T03:00:41Z2022-12-19http://hdl.handle.net/11422/20467Submitted by Fábio Ferreira (fabio.ferreira@eq.ufrj.br) on 2023-05-15T20:30:03Z No. of bitstreams: 1 MCSantos.pdf: 1006431 bytes, checksum: 053ab74890728dc587c80f1532b8f6ea (MD5)Made available in DSpace on 2023-05-15T20:30:03Z (GMT). No. of bitstreams: 1 MCSantos.pdf: 1006431 bytes, checksum: 053ab74890728dc587c80f1532b8f6ea (MD5) Previous issue date: 2022-12-19A esquistossomose é uma doença tropical negligenciada, cujo tratamento é feito por meio do medicamento praziquantel. O tratamento para crianças é feito pelo medicamento em forma líquida, que apresenta amargor, devido à presença do enantiômero dextrógiro D-PZQ (ingrediente inativo). Assim, durante a formulação é necessário um enriquecimento do componente levógiro da mistura racêmica, ou seja, o L-PZQ, a partir da separação de tais componentes. O Leito Móvel Simulado (LMS) pode ser utilizado para a separação de enantiômeros. Para o controle automático do LMS, é necessário o monitoramento das concentrações dos enantiômeros. Em estudos prévios na Escola de Química da UFRJ, foi construído um LMS, o qual possui um detector quiral, que mede sinais de UV e dicroísmo circular simultaneamente. Neste trabalho, são desenvolvidos modelos matemáticos baseados em aprendizado de máquina para correlacionar os sinais de UV e dicroísmo circular com as concentrações de cada enantiômero no LMS. Optou-se pela utilização das redes neuronais devido à relação não linear previamente observada entre as concentrações e medições. O desenvolvimento da rede foi feito em Python, utilizando o MLPRegressor, um estimador que se baseia nas redes do tipo “Perceptron Multi-camada”. Devido à ampla gama de possibilidades para o projeto da rede, foi necessário resolver um problema de otimização, buscando o melhor conjunto de hiperparâmetros para a predição da concentração dos enantiômeros. Para isso, foi utilizado o software Optuna. Como forma de validação foram feitas comparações com algoritmo “Random Forest”, diferentes abordagens de pré-processamento, usando como critério de desempenho o coeficiente de determinação (R²) e a abordagem polinomial desenvolvida no trabalho de CUNHA et al (2020). Com base em todos os dados experimentais (57 pontos) e validação (18 pontos), as redes neuronais apresentaram um R² de 0,82 e 0,83. No caso do “Random Forest”, o coeficiente foi de 0,82 e 0,66 e, no caso da abordagem polinomial, 0,54 e 0,59. Dessa forma, os resultados habilitam o uso das redes para monitorar o processo, pela boa capacidade preditiva verificada, a qual pode ainda ser melhorada com a disponibilidade de mais dados.porUniversidade Federal do Rio de JaneiroUFRJBrasilEscola de QuímicaCNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICAEsquistossomoseRedes neuronaisDoenças negligenciadasMedicamentosLeito móvel simulado (LMS)Monitoramento em linha baseado em AI e espectroscopia da concentração enantiomérica de praziquantelinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisabertoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJLICENSElicense.txtlicense.txttext/plain; charset=utf-81853http://pantheon.ufrj.br:80/bitstream/11422/20467/2/license.txtdd32849f2bfb22da963c3aac6e26e255MD52ORIGINALMCSantos.pdfMCSantos.pdfapplication/pdf1006431http://pantheon.ufrj.br:80/bitstream/11422/20467/1/MCSantos.pdf053ab74890728dc587c80f1532b8f6eaMD5111422/204672023-11-30 00:00:41.024oai:pantheon.ufrj.br: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Repositório de PublicaçõesPUBhttp://www.pantheon.ufrj.br/oai/requestopendoar:2023-11-30T03:00:41Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false |
dc.title.pt_BR.fl_str_mv |
Monitoramento em linha baseado em AI e espectroscopia da concentração enantiomérica de praziquantel |
title |
Monitoramento em linha baseado em AI e espectroscopia da concentração enantiomérica de praziquantel |
spellingShingle |
Monitoramento em linha baseado em AI e espectroscopia da concentração enantiomérica de praziquantel Santos, Marlon Conceição dos CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA Esquistossomose Redes neuronais Doenças negligenciadas Medicamentos Leito móvel simulado (LMS) |
title_short |
Monitoramento em linha baseado em AI e espectroscopia da concentração enantiomérica de praziquantel |
title_full |
Monitoramento em linha baseado em AI e espectroscopia da concentração enantiomérica de praziquantel |
title_fullStr |
Monitoramento em linha baseado em AI e espectroscopia da concentração enantiomérica de praziquantel |
title_full_unstemmed |
Monitoramento em linha baseado em AI e espectroscopia da concentração enantiomérica de praziquantel |
title_sort |
Monitoramento em linha baseado em AI e espectroscopia da concentração enantiomérica de praziquantel |
author |
Santos, Marlon Conceição dos |
author_facet |
Santos, Marlon Conceição dos |
author_role |
author |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/4530858702685674 |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/8273692833290071 |
dc.contributor.advisorCo1.none.fl_str_mv |
Secchi, Argimiro Resende |
dc.contributor.advisorCo1Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3710340061939187 |
dc.contributor.advisorCo2.none.fl_str_mv |
Cunha, Felipe Coelho |
dc.contributor.advisorCo2Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/4514556362071685 |
dc.contributor.author.fl_str_mv |
Santos, Marlon Conceição dos |
dc.contributor.referee1.fl_str_mv |
Barreto Júnior, Amaro Gomes |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/1005756226202071 |
dc.contributor.referee2.fl_str_mv |
Nogueira, Idelfonso Bessa dos Reis |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/6396503275989248 |
dc.contributor.advisor1.fl_str_mv |
Souza Júnior, Maurício Bezerra de |
contributor_str_mv |
Barreto Júnior, Amaro Gomes Nogueira, Idelfonso Bessa dos Reis Souza Júnior, Maurício Bezerra de |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA Esquistossomose Redes neuronais Doenças negligenciadas Medicamentos Leito móvel simulado (LMS) |
dc.subject.por.fl_str_mv |
Esquistossomose Redes neuronais Doenças negligenciadas Medicamentos Leito móvel simulado (LMS) |
description |
A esquistossomose é uma doença tropical negligenciada, cujo tratamento é feito por meio do medicamento praziquantel. O tratamento para crianças é feito pelo medicamento em forma líquida, que apresenta amargor, devido à presença do enantiômero dextrógiro D-PZQ (ingrediente inativo). Assim, durante a formulação é necessário um enriquecimento do componente levógiro da mistura racêmica, ou seja, o L-PZQ, a partir da separação de tais componentes. O Leito Móvel Simulado (LMS) pode ser utilizado para a separação de enantiômeros. Para o controle automático do LMS, é necessário o monitoramento das concentrações dos enantiômeros. Em estudos prévios na Escola de Química da UFRJ, foi construído um LMS, o qual possui um detector quiral, que mede sinais de UV e dicroísmo circular simultaneamente. Neste trabalho, são desenvolvidos modelos matemáticos baseados em aprendizado de máquina para correlacionar os sinais de UV e dicroísmo circular com as concentrações de cada enantiômero no LMS. Optou-se pela utilização das redes neuronais devido à relação não linear previamente observada entre as concentrações e medições. O desenvolvimento da rede foi feito em Python, utilizando o MLPRegressor, um estimador que se baseia nas redes do tipo “Perceptron Multi-camada”. Devido à ampla gama de possibilidades para o projeto da rede, foi necessário resolver um problema de otimização, buscando o melhor conjunto de hiperparâmetros para a predição da concentração dos enantiômeros. Para isso, foi utilizado o software Optuna. Como forma de validação foram feitas comparações com algoritmo “Random Forest”, diferentes abordagens de pré-processamento, usando como critério de desempenho o coeficiente de determinação (R²) e a abordagem polinomial desenvolvida no trabalho de CUNHA et al (2020). Com base em todos os dados experimentais (57 pontos) e validação (18 pontos), as redes neuronais apresentaram um R² de 0,82 e 0,83. No caso do “Random Forest”, o coeficiente foi de 0,82 e 0,66 e, no caso da abordagem polinomial, 0,54 e 0,59. Dessa forma, os resultados habilitam o uso das redes para monitorar o processo, pela boa capacidade preditiva verificada, a qual pode ainda ser melhorada com a disponibilidade de mais dados. |
publishDate |
2022 |
dc.date.issued.fl_str_mv |
2022-12-19 |
dc.date.accessioned.fl_str_mv |
2023-05-15T20:30:03Z |
dc.date.available.fl_str_mv |
2023-11-30T03:00:41Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11422/20467 |
url |
http://hdl.handle.net/11422/20467 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.publisher.initials.fl_str_mv |
UFRJ |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Escola de Química |
publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRJ instname:Universidade Federal do Rio de Janeiro (UFRJ) instacron:UFRJ |
instname_str |
Universidade Federal do Rio de Janeiro (UFRJ) |
instacron_str |
UFRJ |
institution |
UFRJ |
reponame_str |
Repositório Institucional da UFRJ |
collection |
Repositório Institucional da UFRJ |
bitstream.url.fl_str_mv |
http://pantheon.ufrj.br:80/bitstream/11422/20467/2/license.txt http://pantheon.ufrj.br:80/bitstream/11422/20467/1/MCSantos.pdf |
bitstream.checksum.fl_str_mv |
dd32849f2bfb22da963c3aac6e26e255 053ab74890728dc587c80f1532b8f6ea |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ) |
repository.mail.fl_str_mv |
|
_version_ |
1784097297361010688 |