Análise multivariada aplicada na identificação de fármacos antidepressivos. Parte II: Análise por componentes principais (PCA) e o método de classificação SIMCA
AUTOR(ES)
Sabin, Janusa Goelzer, Ferrão, Marco Flôres, Furtado, João Carlos
FONTE
Revista Brasileira de Ciências Farmacêuticas
DATA DE PUBLICAÇÃO
2004-09
RESUMO
Neste trabalho a identificação e a discriminação de dois diferentes fármacos utilizados como antidepressivos foi estudada, empregando os espectros de reflexão difusa no infravermelho médio com transformada de Fourier (DRIFTS), juntamente com a análise de componentes principais (PCA) e o método de classificação SIMCA. Os espectros no infravermelho de amostras contendo diferentes concentrações dos princípios ativos cloridrato de amitriptilina e cloridrato de imipramina, foram coletados em um espectrofotômetro NICOLET Magna 550, sendo realizadas 2 réplicas para cada amostra, com resolução de 4 cm-1 e 32 varreduras. A análise de componentes principais confirmou a existência de dois grupos distintos, correspondendo aos dois diferentes princípios ativos utilizados, além de evidenciar a presença de amostras anômalas no conjunto de dados que, possivelmente, iriam interferir na modelagem. Já o método de classificação SIMCA possibilitou o reconhecimento de amostras dos princípios ativos cloridrato de imipramina e cloridrato de amitriptilina com resultados indicando 100% de classificação correta das classes modeladas.
ASSUNTO(S)
fármacos antidepressivos reflexão difusa infravermelho pca simca quimiometria
Documentos Relacionados
- Classificação de refrigerantes através de análise de imagens e análise de componentes principais (PCA)
- Investigação da qualidade de farinhas enriquecidas utilizando Análise por Componentes Principais (PCA)
- Avaliação da qualidade do corpo hídrico do rio Tibagi na região de Ponta Grossa utilizando análise de componentes principais (PCA)
- Ressonancia magnetica nuclear de 1H e de 13C de compostos alifaticos : estudos dos efeitos dos substituintes [alfa] atraves da analise de componentes principais (PCA)
- Análise multivariada das medidas morfométricas de potros da raça Mangalarga Marchador: análise de componentes principais