Computational predictions of glass-forming ability and crystallization tendency of drug molecules

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: onr:"swepub:oai:DiVA.org:uu-232174" > Computational predi...

1 av 1
Föregående post
Nästa post
Till träfflistan

Alhalaweh, AmjadUppsala universitet,Institutionen för farmaci (författare)

Computational predictions of glass-forming ability and crystallization tendency of drug molecules

Artikel/kapitelEngelska2014

Förlag, utgivningsår, omfång ...

2014-07-30
American Chemical Society (ACS),2014
printrdacarrier

Nummerbeteckningar

LIBRIS-ID:oai:DiVA.org:uu-232174
https://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-232174URI
https://doi.org/10.1021/mp500303aDOI

Kompletterande språkuppgifter

Språk:engelska
Sammanfattning på:engelska

Ingår i deldatabas

SwePubSwePub

Klassifikation

Ämneskategori:ref swepub-contenttype
Ämneskategori:art swepub-publicationtype

Anmärkningar

Amorphization is an attractive formulation technique for drugs suffering from poor aqueous solubility as a result of their high lattice energy. Computational models that can predict the material properties associated with amorphization, such as glass-forming ability (GFA) and crystallization behavior in the dry state, would be a time-saving, cost-effective, and material-sparing approach compared to traditional experimental procedures. This article presents predictive models of these properties developed using support vector machine (SVM) algorithm. The GFA and crystallization tendency were investigated by melt-quenching 131 drug molecules in situ using differential scanning calorimetry. The SVM algorithm was used to develop computational models based on calculated molecular descriptors. The analyses confirmed the previously suggested cutoff molecular weight (MW) of 300 for glass-formers, and also clarified the extent to which MW can be used to predict the GFA of compounds with MW < 300. The topological equivalent of Grav3_3D, which is related to molecular size and shape, was a better descriptor than MW for GFA; it was able to accurately predict 86% of the data set regardless of MW. The potential for crystallization was predicted using molecular descriptors reflecting Hückel pi atomic charges and the number of hydrogen bond acceptors. The models developed could be used in the early drug development stage to indicate whether amorphization would be a suitable formulation strategy for improving the dissolution and/or apparent solubility of poorly soluble compounds.

Ämnesord och genrebeteckningar

Biuppslag (personer, institutioner, konferenser, titlar ...)

Alzghoul, AhmadUppsala universitet,Datalogi,Uppsala Database Laboratory(Swepub:uu)ahmal479 (författare)
Kaialy, Waseem (författare)
Mahlin, DennyUppsala universitet,Institutionen för farmaci(Swepub:uu)dma10394 (författare)
Bergström, Christel A. S.Uppsala universitet,Institutionen för farmaci(Swepub:uu)cjo29958 (författare)
Uppsala universitetInstitutionen för farmaci (creator_code:org_t)

Sammanhörande titlar

Ingår i:Molecular Pharmaceutics: American Chemical Society (ACS)11:9, s. 3123-31321543-83841543-8392

Internetlänk

Hitta via bibliotek

Molecular Pharmaceutics (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

1 av 1
Föregående post
Nästa post
Till träfflistan

Hitta mer i SwePub

Av författaren/redakt...: Alhalaweh, Amjad; Alzghoul, Ahmad; Kaialy, Waseem; Mahlin, Denny; Bergström, Chris ...

Om ämnet

MEDICIN OCH HÄLSOVETENSKAP: MEDICIN OCH HÄLS ...; och Medicinska och f ...; och Farmaceutiska ve ...

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...; och Datavetenskap

Artiklar i publikationen: Molecular Pharma ...

Av lärosätet: Uppsala universitet

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se