A carregar...
Publicação
Determinação experimental e modelação por aprendizagem automática da solubilidade de aminoácidos em soluções aquosas de eletrólitos
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 2.38 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
A glicina é um aminoácido alifático, estando entre os mais estudados no que se refere ao efeito de eletrólitos sobre sua solubilidade em água. Desempenha um papel fundamental na síntese de diversas biomoléculas e apresenta ampla aplicação em processos bioquímicos, farmacêuticos e de separação. Apesar disso, ainda existem lacunas e inconsistências nos dados de solubilidade reportados na literatura, especialmente entre diferentes autores, comprometendo a construção de modelos termodinâmicos confiáveis. Nesse contexto, este trabalho teve como objetivo avaliar a solubilidade da glicina em soluções aquosas contendo diferentes sais a 25 °C, utilizando o método shake-flask associado à técnica gravimétrica analítica ou, no caso de sais higroscópicos, à medição do índice de refração, destacando a importância do controle adequado das condições experimentais para garantir a exatidão, a reprodutibilidade e a confiabilidade dos resultados. Foram obtidos 39 novos pontos de solubilidade da glicina em diferentes soluções eletrolíticas, observando-se predominantemente o efeito salting-in, com exceção do sistema contendo salicilato de sódio. A comparação dos resultados com os dados da literatura revelou discrepâncias entre diferentes autores para os diversos sistemas estudados, especialmente em baixas concentrações de sal, mesmo após a análise da solubilidade relativa. Os efeitos dos cátions e ânions dos sais haletos apresentaram boa concordância com a série de Hofmeister. Além disso, os novos dados experimentais foram incorporados a um modelo computacional baseado em aprendizado de máquina (machine learning), resultando na redução da faixa de incerteza das previsões e na maior concordância entre os valores experimentais e os valores preditos pelo modelo.
Glycine is an aliphatic amino acid and is among the most extensively studied amino acids regarding the effects of electrolytes on its solubility in water. It plays a fundamental role in the synthesis of several biomolecules and has broad applications in biochemical, pharmaceutical, and separation processes. Despite this, gaps and inconsistencies remain in the solubility data reported in the literature, particularly among different authors, hindering the development of reliable thermodynamic models. In this context, this work aimed to evaluate the solubility of glycine in aqueous solutions containing different salts at 25 °C, using the shake-flask method combined with gravimetric analysis or, in the case of hygroscopic salts, refractive index measurements, highlighting the importance of adequate control of experimental conditions to ensure the accuracy, reproducibility, and reliability of the results. A total of 39 new glycine solubility data points were obtained in different electrolyte solutions, with the salting-in effect being predominant, except for the system containing sodium salicylate. Comparison of the results with literature data revealed discrepancies among different authors for the various systems studied, particularly at low salt concentrations, even after analyzing relative solubility. The effects of the cations and anions of the halide salts showed good agreement with the Hofmeister series. In addition, the new experimental data were incorporated into a machine-learning-based computational model, resulting in a reduction in the uncertainty range of the predictions and improved agreement between the experimental and model-predicted values.
Glycine is an aliphatic amino acid and is among the most extensively studied amino acids regarding the effects of electrolytes on its solubility in water. It plays a fundamental role in the synthesis of several biomolecules and has broad applications in biochemical, pharmaceutical, and separation processes. Despite this, gaps and inconsistencies remain in the solubility data reported in the literature, particularly among different authors, hindering the development of reliable thermodynamic models. In this context, this work aimed to evaluate the solubility of glycine in aqueous solutions containing different salts at 25 °C, using the shake-flask method combined with gravimetric analysis or, in the case of hygroscopic salts, refractive index measurements, highlighting the importance of adequate control of experimental conditions to ensure the accuracy, reproducibility, and reliability of the results. A total of 39 new glycine solubility data points were obtained in different electrolyte solutions, with the salting-in effect being predominant, except for the system containing sodium salicylate. Comparison of the results with literature data revealed discrepancies among different authors for the various systems studied, particularly at low salt concentrations, even after analyzing relative solubility. The effects of the cations and anions of the halide salts showed good agreement with the Hofmeister series. In addition, the new experimental data were incorporated into a machine-learning-based computational model, resulting in a reduction in the uncertainty range of the predictions and improved agreement between the experimental and model-predicted values.
Descrição
Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná
Palavras-chave
Glicina Solubilidade Eletrólitos Shake-flask Modelagem