توسعه روش های میکرواستخراج و استفاده از کمومتریکس برای تعیین مقادیر بسیار کم گونه های شیمیایی و کاربرد qsar برای پیش بینی خواص داروئی

یک روش جدید میکرواستخراج مایع-مایع پخشی قطره آلی منجمد شناور برای جداسازی/تغلیظ و اندازه گیری مقادیر ناچیز وانادیم با اسپکترومتری جذب اتمی الکتروترمال توسعه داده شد. استخراج وانادیم با روش dllme-sfo بر اساس برهمکنش وانادیم با n-بنزوئیل -nفنیل هیدروکسیل آمین (bpha) به عنوان عامل کمپلکس دهنده بررسی و مخلوط حلال استخراج کننده حاوی bpha و حلال پخش کننده به سرعت با سرنگ به ml 25 محلول تزریق شد. بعد از سانتریفیوژ، قطرات استخراج کننده در سطح نمونه شناور شد. سپس ظرف نمونه به-مدت min 10در حمام یخ قرار داده شد تا قطره آلی منجمد شود. قطره منجمد شده به ظرفی منتقل و فورا ذوب شد. مقدار وانادیم در µl 20 از استخراج کننده با اسپکترومتری جذب اتمی کوره گرافیتی اندازه گیری شد. عوامل موثر بر تشکیل کمپلکس و استخراج با روش dllme-sfo بهینه شد. در شرایط بهینه حد تشخیص ng l-1 0/7 و انحراف استاندارد نسبی 6/4% ± (در ng l-1 0/500) به دست آمد. گستره خطی منحنی معیارگیری ng l-1 0/1000-0/10 با ضریب همبستگی 9996/0 به دست آمد. روش به طور موفقیت آمیزی برای اندازه گیری وانادیم در نمونه-های آب و جعفری به کار برده شد. یک روش جدید میکرواستخراج مایع-مایع پخشی قطره آلی منجمد شناور/ تزریق در جریان برای جداسازی/پیش تغلیظ و اندازه گیری مقادیر ناچیز کوئرستین توسعه داده شد. 1-آندکانول و متانول به ترتیب به عنوان حلال استخراج کننده و پخش کننده به کار رفت. عوامل موثر بر استخراج مانند حلال استخراج کننده و پخش کننده، ph و غلظت نمک بهینه شد. شرایط بهینه: حجم 1-آندکانول lµ 80، 3 ~ ph، حجم حلال پخش کننده lµ 100 به دست آمد. گـستره خطی سیستم منحنی معیارگیری در محدوده غلظتی 1-mol l 7-10 × 0/5-8- 10 × 0/5 به دست آمد. حد تشخیص 1- mol l 8-10 × 0/1 و انحراف استاندارد نسبی 8/2% ± به دست آمد روش به طور موفقیت آمیزی برای اندازه گیری کوئرستین در نمونه های میوه به کار برده شد. در قسمت دوم این مطالعه از ترکیب روش کمومتریکس با میکرواستخراج مایع-مایع پخشی قطره آلی منجمد شناور شده/ تزریق در جریان برای جداسازی/پیش تغلیظ و اندازه گیری مقادیر ناچیز روی و مس استفاده شد. از 1-(2-پیریدیل آزو)-2-نفتول (pan) به عنوان عامل کمپلکس دهنده، 1-آندکانول حلال استخراج کننده و استونیتریل حلال پخش کننده به کار برده شد. عوامل موثر بر تشکیل کمپلکس و استخراج مانند حجم حلال استخراج کننده و پخش کننده، ph، غلظت عامل کمپلکس دهنده و غلظت نمک بهینه شد. شرایط بهینه عبارتند از: حجم حلال استخراج کننده و پخش کننده به ترتیب 80 و lµ 200، غلظت عامل کمپلکس دهنده mol l?1 3- 10 × 4 و 5/7 ~ ph. سپس روش حداقل مربعات جزیی (pls) برای کالیبراسیون چندمتغیره و کاهش نویز با حذف متغیرهای پنهان کم اهمیت به کار برده شد. گـستره خطی منحنی معیارگیری به ترتیب µg l-1 0/23-0/1 و µg l-1 0/30-0/3، حد تشخیص µg l-1 25/0 و 2/1 برای روی و مس و انحراف استاندارد نسبی برای هر دو یون کمتر از 5/4 % ± به دست آمد. روش به طور موفقیت آمیزی برای اندازه گیری همزمان روی و مس در نمونه های آب با درصد بازیابی خوب (5/107-92) به کار برده شد. فاکتور افزایشی برای مس و روی به ترتیب 85 و 3/86 تعیین شد. از ترکیب روش کمومتریکس و استخراج فاز جامد برای استخراج همزمان یون های فلزی استفاده شد و یک روش ساده، سریع و انتخابی برای استخراج و اندازه گیری مقادیر ناچیز آهن و وانادیم با استفاده از دیسک غشایی اکتادسیل سیلیکا اصلاح شده با n-بنزوئیل-nفنیل-هیدروکسیل آمین (bpha) و اندازه گیری با اسپکتروفوتومتری ارائه شد. سپس از حداقل مربعات جزیی (pls) برای اندازه گیری همزمان این یون ها کمک گرفته شد. عوامل موثر بر استخراج مانند ph، سرعت جریان عبور نمونه و نوع حلال شوینده بررسی شد. گـستره خطی نمودار معیارگیری به ترتیب µg l-1 0/530-0/10 و µg l-1 0/320-0/14، حد تشخیص (dl) 5/2 و µg l-1 2/4 به ترتیب برای آهن و وانادیم به دست آمد. روش به طور موفقیت آمیزی برای اندازه گیری همزمان آهن و وانادیم در نمونه های آب به کار برده شد. در قسمت آخر روش کمومتریکس برای پیش گویی فعالیت بعضی داروها به کار برده شد. در بخش اول، رابطه کمی بین ساختار 130 آنتاگونیست cxcr2 و فعالیت شان با روش حداقل مربعات جزیی (pls) بررسی شد. الگوریتم ژنتیک (ga) برای بهبود مدل سازی pls با انتخاب موثرترین توصیف کننده ها به کار برده شد. نتایج نشان داد که 8 متغیر پنهان در حدود 77/86% پراکندگی در فعالیت تجربی مولکول ها در مجموعه آموزش را توصیف می کند. توان پیش گویی مدل qsar با مدل smlr، pls و ga-pls با روش اعتبار دهی تقاطعی و روش ارزیابی خارجی بررسی شد. مقایسه روش های مختلف نشان داد که ga قبل از مدل سازی رگرسیون، توان پیشگویی را بهبود می دهد. مدل های توسعه داده شده برای تخمین pic50 گیرنده های cxcr2 که به طور تجربی در دسترس نیستند مفید هستند. در بخش دوم، رابطه کمی بین ساختار 52 آنتاگونیست cxcr2 و فعالیت شان با روش حداقل مربعات جزیی (pls) بررسی شد. الگوریتم ژنتیک (ga) برای بهبود مدل سازی pls با انتخاب موثرترین توصیف کننده ها به کار برده شد. توان پیش گویی مدل qsar با مدل pls و ga-pls با روش اعتبار دهی تقاطعی و روش ارزیابی خارجی بررسی شد. مقایسه روش های مختلف نشان داد که ga قبل از مدل سازی رگرسیون، توان پیشگویی را بهبود می دهد. مدل های توسعه داده شده برای تخمین pic50 گیرنده های cxcr2 که به طور تجربی در دسترس نیستند مفید هستند.