Sistemas nano híbridos termoresponsivos a base de tetronic e laponita e sua otimização através de uma nova abordagem de aprendizado de máquina

• Autor(a) principal: Lima, Cleanne Cesário
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRN
• Texto Completo: https://repositorio.ufrn.br/handle/123456789/50045
• topic: transição de faseNanohíbrido; Tetronic; Laponita; pH; Temperatura; Nanohíbrido; phase transition; Tetronic; Laponite; Temperature; Nanohybrid

O estudo tem como propósito descrever o comportamento de fase de sistemas híbridos formados por copolímeros de poli óxido etileno e poli óxido propileno dispostos em blocos estelares ramificados, disponíveis no mercado sob a marca Tetronic®, e argilas sintéticas comercializadas com o nome Laponita®, em diferentes valores de concentrações, pH e temperatura. Devido à escassez de informações sobre esses sistemas, uma revisão bibliográfica foi realizada nas bases: PubMed, ScienceDirect e pelo portal de periódicos Capes, abordando três tipos de Tetronics® (Tetronic® 1304, Tetronic® 904 e Tetronic® 90R4) e três tipos de Laponita® (Laponita® RD, Laponita® XLG, Laponita® XL21). Os dados da literatura revelaram que essas substâncias são eficientes na incorporação de substâncias para entrega de forma controlada. Na sequência, foram preparados sistemas híbridos a base de Tetronic 904, Tetronic 90R4, Tetronic 1304 e Laponita® RD, nas concentrações de 1 a 20% de polímero e 1,5 e 3% de argila. As mudanças na conformação e hidrofilicidade do Tetronic® foram refletidas através de uma rampa de temperatura, com variação de 25º à 80º, variação de pH e em suas diferentes concentrações. Quando submetidos a essas variações, os sistemas híbridos demonstraram diferentes estados físicos, percebendo-se que a inserção da Laponita® impactava na transição sol-gel. Finalmente, os dados obtidos com os sistemas do Tetronic® 1304 e da Laponita® RD foram aplicados em um novo aprendizado de máquina (ML). Esses sistemas foram inseridos em máquina de vetores de suporte (SVM) e no perceptron multicamada (MLP). As conclusões derivadas deste trabalho serão muito úteis para otimizar o desempenho dos copolímeros em diferentes aplicações farmacêuticas e em sistemas de administração de medicamentos.