Sistemas Microemulsionados contendo Óleo de Babaçu para Drug Delivery: formulação experimental, predição por redes neurais e compreensão molecular por Simulações Coarse-Grained

dc.contributor.advisorAguirre, Tanira Alessandra Silveirapt_BR
dc.contributor.advisor-coOliveira, Tiago Espinosa dept_BR
dc.contributor.advisor-coBotelho, Viviane Rodriguespt_BR
dc.contributor.authorAntoni, Ketherin Adampt_BR
dc.contributor.departmentPrograma de Pós-Graduação em Biociênciaspt_BR
dc.date.accessioned2026-03-06T20:22:31Z
dc.date.date-insert2026-03-06
dc.date.issued2025-07-18
dc.descriptionDissertação (Mestrado) - Programa de Pós-Graduação em Biociências, Fundação Universidade Federal de Ciências da Saúde de Porto Alegre.pt_BR
dc.description.abstractAs microemulsões (MEs) são sistemas coloidais termodinamicamente estáveis com estruturas internas altamente dinâmicas, formadas por dois líquidos imiscíveis. Sua capacidade de incorporar fármacos e aumentar a biodisponibilidade os torna candidatos promissores para a administração de medicamentos. No entanto, o desenvolvimento de formulações de microemulsão robustas e reprodutíveis para produção em larga escala requer tradicionalmente um extenso trabalho experimental. O presente trabalho aborda esses desafios explorando métodos computacionais avançados para a caracterização e predição da formação de microemulsões. O primeiro estudo se concentra na predição da formação de microemulsões usando Redes Neurais Artificiais (RNAs). Quatro modelos de RNA foram desenvolvidos e avaliados, utilizando o Balanço Hidrofílico-Lipofílico (HLB) e o Parâmetro de Solubilidade de Hildebrand, combinados com informações composicionais, como dados de entrada. Dados experimentais de 560 formulações (176 microemulsões), compostas por óleo de babaçu, água, Tween® 80, Tween® 21 e Transcutol®, demonstraram que a combinação de HLB para a mistura de surfactante e o Parâmetro de Solubilidade de Hildebrand para toda a formulação resultou em acurácias de modelo de até 95%, reduzindo significativamente o desvio padrão na validação cruzada em comparação com os outros modelos. Essa abordagem mostra um potencial significativo para reduzir a carga de trabalho experimental no desenvolvimento de microemulsões. O segundo estudo investiga a caracterização estrutural desses sistemas de automontagem usando simulações de Dinâmica Molecular (MD). Devido à estruturação em nanoescala de MEs e cristais líquidos (LCs), as técnicas de caracterização para aplicação industrial são limitadas. MD, um método clássico de simulação, fornece insights dinâmicos e estruturais em sistemas nanoestruturados. Após a preparação das formulações, dezessete sistemas distintos foram simulados em resolução coarse-grained. Os três sistemas mais promissores foram posteriormente analisados computacionalmente para Funções de Distribuição de Distância Mínima e Integrais de Kirkwood-Buff e caracterizados experimentalmente por SAXS e Cryo-EM. Os resultados revelaram estruturas internas variadas, incluindo microemulsões bicontínuas, uma mesofase hexagonal inversa e uma quasi-microemulsão com agregados semelhantes a bicelas, estruturas bicontínuas e organização de lamelas. A forte concordância entre os dados de simulação de coarse-grained e a caracterização experimental confirma a eficácia dos modelos computacionais desenvolvidos na captura das principais características físico-químicas desses sistemas coloidais automontados. Coletivamente, esses estudos destacam o potencial significativo de abordagens computacionais, especificamente RNAs para prever a formação de microemulsões e simulações de MD para compreensão estrutural, para acelerar e otimizar a formulação de sistemas microemulsionados e outros sistemas auto-organizáveis para aplicação em drug delivery.pt_BR
dc.description.abstract-enMicroemulsions (MEs) are thermodynamically stable colloidal systems with highly dynamic internal structures, formed by two immiscible liquids. Their ability to incorporate drugs and enhance bioavailability makes them promising candidates for drug delivery. However, the development of robust and reproducible microemulsion formulations for large-scale production traditionally requires extensive experimental work. The present work addresses these challenges by exploring advanced computational methods for the characterization and prediction of microemulsion formation and structure. The first study focuses on predicting microemulsion formation using Artificial Neural Networks (ANNs). Four ANN models were developed and evaluated, utilizing the Hydrophilic-Lipophilic Balance (HLB) and Hildebrand Solubility Parameter, combined with compositional information, as input data. Experimental data from 560 formulations (176 microemulsions), composed of babassu oil, water, Tween® 80, Tween® 21, and Transcutol®, demonstrated that combining HLB for the surfactant mix and Hildebrand Solubility Parameter for the whole formulation resulted in model accuracies of up to 95 %, significantly reducing the standard deviation in cross-validation compared to other models. This approach shows significant potential for reducing the experimental workload in microemulsion development. The second study delves into the structural characterization of these self-assembling systems using Molecular Dynamics (MD) simulations. Due to the nanoscale structuring of MEs and liquid crystals (LCs), characterization techniques for industrial application are limited. MD, a classical simulation method, provides dynamic and structural insights into nanostructured systems. After preparing formulations, seventeen distinct systems were simulated at coarsegrained resolution. The three most promising systems were further analysed computationally for Minimum Distance Distribution Functions and Kirkwood-Buff Integrals and experimentally characterized by SAXS and Cryo-EM. The results revealed varied internal structures, including bicontinuous microemulsions, an inverse hexagonal mesophase, and a quasi-microemulsion with combined bicelle-like aggregates, bicontinuous, and lamellae organization. The strong agreement between coarse-grained simulation data and experimental characterization confirms the efficacy of the developed computational models in capturing the key physicochemical characteristics of these colloidal self-assembled systems. Collectively, these studies highlight the significant potential of computational approaches, specifically ANNs for predicting microemulsion formation and MD simulations for structural understanding, to accelerate and optimize the development of microemulsion and other self-assembled drug delivery systems.en
dc.identifier.urihttps://repositorio.ufcspa.edu.br/handle/123456789/3515
dc.language.isopt_BRpt_BR
dc.relation.requiresTEXTO - Adobe Readerpt_BR
dc.rightsAcesso Embargadopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/br/
dc.subjectSistemas de Liberação de Medicamentospt_BR
dc.subjectMicroemulsõespt_BR
dc.subjectRede Nervosapt_BR
dc.subjectDinâmica Molecularpt_BR
dc.subjectSistemas Auto-organizáveispt_BR
dc.subject[en]Drug Delivery Systemsen
dc.subject[en] Microemulsionsen
dc.subject[en] Nerve Neten
dc.subject[en] Molecular Dynamicsen
dc.subject[en] Self-assembled Systemsen
dc.subject.ods3 - Saúde e Bem-Estarpt_BR
dc.subject.ods9 - Indústria, Inovação e Infraestruturapt_BR
dc.titleSistemas Microemulsionados contendo Óleo de Babaçu para Drug Delivery: formulação experimental, predição por redes neurais e compreensão molecular por Simulações Coarse-Grainedpt_BR
dc.typeDissertaçãopt_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
[DISSERTAÇÃO] Antoni, Ketherin Adam (P).pdf
Tamanho:
3.55 MB
Formato:
Adobe Portable Document Format
Descrição:
Texto Parcial

Universidade Federal de Ciências da Saúde de Porto Alegre
Biblioteca Paulo Lacerda de Azevedo

Logotipo Setic