文献
J-GLOBAL ID:201702267034472418   整理番号:17A1487894

インドメタシンのヒドロトロープ増強可溶化の予測における機械学習の応用【Powered by NICT】

Application of machine learning in prediction of hydrotrope-enhanced solubilisation of indomethacin
著者 (5件):
資料名:
巻: 530  号: 1-2  ページ: 99-106  発行年: 2017年 
JST資料番号: A0285B  ISSN: 0378-5173  CODEN: IJPHD  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
系統的in vitro研究は難水溶性薬剤,インドメタシンの見かけ水性溶解度を改善するための10可能性ヒドロトロープの範囲の能力を決定するために実施した。ヒドロトロープの存在下で薬物の可溶化は,紫外(UV)検出を用いた高速液体クロマトグラフィー(HPLC)を用いて実験的に決定した。これらの実験データ,ヒドロトロープの種々知られており,計算した物理化学的性質と共に,その後in silicoインドメタシン可溶化の予測を可能にするために人工ニューラルネットワーク(ANN)を訓練するために使用した。訓練したANNをヒドロトロープの存在下でのインドメタシンの可溶化の高度に正確な予測を与えることが分かった,によるヒドロトロープ有効性は計算的にスクリーニングできた貴重な手段を提供することを示した。ネットワーク結合重みのインタロゲーションはインドメタシンの可溶化の増大の程度を決定する上で様々なヒドロトロープ物理化学的特性の相対的重要性の定量的評価を与えた。人工神経回路網を用いた薬物/ヒドロトロープシステムのin-silicoスクリーニングは,これらのシステムの広範な実験室試験の必要性を低減する大きな可能性を提供し,コスト低減と薬物製剤開発における時間の経済を提供する可能性があると結論した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (3件):
分類
JSTが定めた文献の分類名称とコードです
生物薬剤学(基礎)  ,  生物薬剤学(臨床)  ,  製剤一般 
物質索引 (1件):
物質索引
文献のテーマを表す化学物質のキーワードです

前のページに戻る