Modélisation de l’effet de l'adsorption sur la rétention des produits pharmaceutiques lors de nanofiltration et d’osmose inverse

Abstract

Modélisation de l’effet de l'adsorption sur la rétention des produits pharmaceutiques lors de nanofiltration et d’osmose inverse L’objectif assigné à ce travail est d’élaborer un modèle QSPR-RN optimal pour modélisation de l’effet de l'adsorption sur la rétention des produits pharmaceutiques lors de nanofiltration et d’osmose inverse. Un modèle neuronal optimal de type feedforward (QSPR-RN) caractérisé par une structure similaire (treize neurones dans la couche d'entrée, dix-huit neurones dans la couche cachée et un neurone dans la couche de sortie) est construits dans le but de prédire l’effet de l’adsorption sur la rétention des produits pharmaceutiques. Un ensemble de 825 points de données a été utilisé pour tester le réseau de neurones. 80%, 10% et 10% de l'ensemble de données a été utilisée respectivement pour l’apprentissage, la validation et le test. Pour le modèle le plus prometteur de réseau neurone, les valeurs de la rétention calculées de la phase test ont été comparées aux valeurs de la rétention mesurées, de bonnes corrélations ont été trouvées (le coefficient de corrélation "R = 0.9883" et la racine d’erreur quadratique moyenne "REQM = 3.5360%"). L'analyse de sensibilité par la méthode de "poids" a révélé que la rétention des produits pharmaceutiques lors d’osmose inverse et nanofiltration dépend plus précisément des interactions hydrophobe/adsorption que les autres interactions encombrement strique et interactions électrostatiques.