Xây dựng phần mềm thông tin phục vụ tối ưu hóa công thức dược phẩm

ỦY BAN NHÂN DÂN TP.HCM SỞ KHOA HỌC VÀ CÔNG NGHỆ BÁO CÁO NGHIỆM THU (Đã chỉnh sửa theo góp ý Hội đồng nghiệm thu) XÂY DỰNG PHẦN MỀM THƠNG MINH PHỤC VỤ TỐI ƯU HỐ CƠNG THỨC DƯỢC PHẨM CHỦ NHIỆM ĐỀ TÀI (Ký tên) Đỗ Quang Dương CƠ QUAN QUẢN LÝ (Ký tên/đóng dấu xác nhận) Chung Khang Kiệt CƠ QUAN CHỦ TRÌ (Ký tên/đóng dấu xác nhận) GS.TS Lê Quan Nghiệm THÀNH PHỐ HỒ CHÍ MINH THÁNG 06/ 2011 TÓM TẮT NỘI DUNG NGHIÊN CỨU Việc thành lập công thức vấn đề đơn giản, mà thực thử thách Theo kinh nghiệm, công thức thường thành lập qua bốn giai đoạn: xây dựng tiêu chuẩn, thành lập công thức, kiểm tra chất lượng sản phẩm sửa đổi hồn thiện cơng thức Phương pháp thành lập cơng thức phần mềm máy tính có nhiều triển vọng cơng cụ hỗ trợ nhà nghiên cứu vì: khơng giới hạn số biến độc lập, tối ưu đồng thời nhiều biến phụ thuộc, phù hợp với loại liệu phức tạp phi tuyến Đề tài nghiên cứu kết hợp kỹ thuật máy tính thơng minh - mạng nơron, logic mờ, thuật tốn di truyền - cho ứng dụng mơ hình tối ưu hóa liệu cơng thức Trên sở lý thuyết nghiên cứu, nhóm đề tài xây dựng phần mềm hỗ trợ mơ hình hóa tối ưu cơng thức dược phẩm vừa nhỏ với kỹ thuật nêu Phần mềm có chức năng: - Mơ hình hóa liệu thực nghiệm với kỹ thuật mạng nơron - Tối ưu hóa cơng thức dược phẩm với kỹ thuật logic mờ thuật toán di truyền Đề tài thử nghiệm đánh giá phần mềm liệu thực nghiệm quy mơ phịng thí nghiệm so sánh với phần mềm có (INForm 3.6) Kết dự đoán từ phần mềm kết thực nghiệm khơng khác có ý nghĩa mặt thống kê Với kết đạt được, phần mềm tiếp tục mở rộng ứng dụng cho lãnh vực khác so với mục tiêu ban đầu tối ưu quy trình chiết xuất dược liệu, tối ưu mơi trường nuôi cấy vi sinh… Dự kiến giai đoạn tới nhóm tác giả tiếp tục triển khai phần mềm đến xí nghiệp nhằm hỗ trợ xí nghiệp tiếp cận công nghệ nghiên cứu phát triển thuốc Bên cạnh nhóm tác giả tiếp tục nghiên cứu số kỹ thuật khác cho phép hỗ trợ nhà bào chế dễ dàng khảo sát mối liên quan nhân trực quan i SUMMARY OF RESEARCH CONTENT It is increasingly recognized that experimental data derived from a study of complex multivariable systems contain much information that existing analytical and modelling procedures not capture For dealing with structured data designed before experimenting, there are several methods supporting formulators in analysing data However, with unstructured data being more complex and generally containing some redundant factors, the analysing processes are lengthy and lead to increase in the time and cost of formulation research and development Recently a new analysis tool, computer software, which has the advantage of producing more accurate predictive models, has been developed This study researches the Neural networks (NN), Fuzzy logic (FL) and Genetic algorithms (GA) techniques and tests the hypothesis that this method can be used to model and optimise product formulations from structured and unstructured data, and generate accurate predictive formulation when compared to experimental data As a validating procedure, small, medium, and large formulation data sets were examined to compare the studied software against a commercial tool (INForm 3.6) as well as the experimental method Based on results from this study, the studied software produced higher quality models compared with INForm in most cases and delivered relatively accurate optimised formulations when compared to experimental data From these critical analyses and comparisons with experimental results, it is concluded that the studied software is a valuable, effective and efficient tool for modelling and optimising pharmaceutical formulations Keywords: Neural networks; Fuzzy logic; Genetic algorithms; Modelling; Optimising; Drug formulation ii MỤC LỤC Trang Tóm tắt đề tài/dự án (gồm tiếng Việt tiếng Anh) I Mục lục III Danh sách chữ viết tắt V Danh sách bảng VI Danh sách hình VII PHẦN MỞ ĐẦU 1 Thông tin chung đề tài Mục tiêu Nội dung Sản phẩm đề tài CHƯƠNG I TỔNG QUAN TÀI LIỆU 1.1 Tổng quan tình hình nghiên cứu thuộc lĩnh vực đề tài 1.2 Tính cấp thiết đề tài 1.3 Ý nghĩa tính khoa học thực tiễn 1.4 Tình trạng đề tài CHƯƠNG II NỘI DUNG NGHIÊN CỨU 2.1 Mục tiêu nghiên cứu 10 2.2 Nội dung nghiên cứu 10 2.2.1 Nghiên cứu kỹ thuật mạng neuron, logic mờ, thuật tốn di 10 truyền cho ứng dụng mơ hình tối ưu hóa liệu cơng thức 2.2.2 Thử nghiệm đánh giá phần mềm liệu thực nghiệm iii 11 quy mơ phịng thí nghiệm so sánh với phần mềm có 2.3 Phương pháp nghiên cứu 11 2.4 Nội dung sản phẩm cần đạt 14 CHƯƠNG III KẾT QỦA VÀ THẢO LUẬN 3.1 Nghiên cứu kỹ thuật mạng neuron, logic mờ, thuật toán di 15 truyền cho ứng dụng mơ hình tối ưu hóa liệu cơng thức 3.1.1 Mạng Nơron 15 3.1.2 Logic mờ 28 3.1.3 Thuật toán di truyền 39 3.2 Kết hợp kỹ thuật cho tối ưu hoá công thức 48 3.2.1 Áp dụng cụ thể kỹ thuật thơng minh 49 3.2.2 Mơ hình hóa liệu với mạng Nơron 50 3.2.3 Tối ưu công thức với thuật toán di truyền kết hợp với logic mờ 52 3.3 Phần mềm tối ưu hóa cơng thức BCPharSoft-OPT 56 3.4 Thử nghiệm đánh giá phần mềm liệu thực nghiệm 62 quy mơ phịng thí nghiệm so sánh với phần mềm có 3.4.1 Danh sách liệu sử dụng đánh giá phần mềm 62 3.4.2 Kết đánh giá phần mềm 64 3.5 Kết sản phẩm đề tài 131 CHƯƠNG IV KẾT LUẬN VÀ ĐỀ NGHỊ PHỤ LỤC TÀI LIỆU THAM KHẢO iv 134 DANH SÁCH CÁC CHỮ VIẾT TẮT VIẾT TẮT THUẬT NGỮ TIẾNG VIẾT CNTT Công nghệ thông tin I Input – Lớp nhập HL Hidden layer – Lớp ẩn O Output – Lớp xuất E Error – Lỗi W Weight – Trọng số RPROP Resilient backpropagation v DANH SÁCH BẢNG SỐ TÊN BẢNG SỐ LIỆU TRANG 3.1 Tổng kết logic mờ, mạng neuron thuật toán di truyền 47 3.2 Dữ liệu thực nghiệm viên nén Matrix 65 3.3 Dữ liệu thực nghiệm công thức Diclofenac sodium microspheres 67 3.4 Dữ liệu thực nghiệm cở hạt nhũ tương nano 69 3.5 Dữ liệu thực nghiệm công thức Acyclovir 71 3.6 Dữ liệu thực nghiệm kem Placebo 73 3.7 Dữ liệu thực nghiệm kem Vitamin E- Nghệ 75 3.8 Dữ liệu thực nghiệm viên Loratadin 77 3.9 Dữ liệu thực nghiệm viên Salbutamol 79 3.10 Dữ liệu thực nghiệm công thức vi cầu chứa Aspirin 81 3.11 Dữ liệu thực nghiệm viên Natri Flourid 83 3.12 Dữ liệu thực nghiệm viên Paracetamol 85 3.13 Dữ liệu thực nghiệm viên Gliclazide 88 3.14 Dữ liệu thực nghiệm hỗn dịch Paracetamol 90 3.15 Dữ liệu thực nghiệm viên Ibuprofen 92 3.16 Dữ liệu thực nghiệm thuốc bột Cefuroxim 94 3.17 Dữ liệu quy trình chiết Cao Hà thủ ô đỏ 96 3.18 Dữ liệu thực nghiệm viên Cefixime 101 3.19 Dữ liệu thực nghiệm viên Domperidon 102 3.20 Dữ liệu thực nghiệm hỗn dịch nhỏ mắt 105 3.21 Dữ liệu thực nghiệm viên Dimenhydrinat 108 3.22 Dữ liệu thực nghiệm viên Cinnarizin 116 3.23 Dữ liệu thực nghiệm kem chứa Diphenhydramine 118 3.24 Dữ liệu thực nghiệm công thức thuốc hạt chứa Finofibrat 122 vi 3.25 Dữ liệu thực nghiệm viên Fenofibrat 160 mg 125 3.26 Dữ liệu thực nghiệm viên Metoclopramide 129 vii DANH SÁCH HÌNH SỐ TÊN HÌNH ẢNH TRANG 3.1 Cấu trúc tế bào thần kinh sinh học 15 3.2 Cấu trúc đơn vị thần kinh nhân tạo 16 3.3 Cấu trúc mạng neuron thường gặp 17 3.4 Các giá trị vào - nút 18 3.5 Minh họa khái niệm logic cổ điển (a) logic mờ (b) 29 3.6 Minh họa trình xử lý logic mờ 29 3.7 Hàm Triangular 30 3.8 Hàm Trapezoid 31 3.9 Hàm Gaussian 31 3.10 Hàm Bell 32 3.11 Hàm Sigmoid 32 3.12 Hàm Left-Right 33 3.13 Minh họa trình xử lý luật 34 3.14 Q trình làm mờ mơ Mamdani 34 3.15 Minh họa Centroid of area 35 3.16 Minh họa Bisector of area 35 3.17 Minh họa Mean of maximun 36 3.18 Minh họa Smallest of maximum 36 3.19 Minh họa Largest of maximum 36 3.20 Quá trình làm mờ mơ Sugeno 37 3.21 Q trình làm mờ mơ Tsukamono 39 viii 3.22 Minh họa trình di truyền 40 3.23 Minh họa q trình tối ưu hóa thuật tốn di truyền 42 3.24 Minh họa q trình giải toán tối ưu 48 3.25 Cấu trúc mạng nơron hệ thống 51 3.26 Hàm Trapezoid 53 3.27 Cấu trúc cá thể thuật giải di truyền 55 3.28 Quá trình đột biến lai ghép 55 3.29 Màn BCPharSoft OPT 57 3.30 Hướng dẫn sử dụng phiên tiếng Việt 61 3.31 Hướng dẫn sử dụng phiên tiếng Anh 61 3.32 Ảnh hưởng yếu tố: tỷ lệ dược liệu: dung môi, nhiệt độ, pH lên y1 98 3.33 Ảnh hưởng yếu tố: tỷ lệ dược liệu: dung môi, nhiệt độ, pH lên y2 98 3.34 Ảnh hưởng yếu tố: tỷ lệ dược liệu-dung môi, nhiệt độ, pH lên y3 99 3.35 1, x2 x3 lên y1 109 3.36 1, x2 x3 lên y2 110 3.37 1, x2 x3 lên y3 112 3.38 Diện tích dàn mỏng (y1) 119 3.39 Phần trăm phóng thích qua màng (y2) 120 3.40 Mức độ tách lớp sau ly tâm (y3) 121 ix 14 5 53,79 81,06 86,88 92,23 Thiết lập mơ hình - Dữ liệu dùng để luyện: 12 - Dữ liệu dùng để thử: y1: ( 1, 7) ; y2: ( 2, 5) ; y3: ( 2, 13) ; y4: ( 1, 14) Kết luyện mạng y1 y2 y3 y4 R2 luyện 0,96 0,96 0,96 0,96 R2 thử 0,99 0,99 0,99 0,99 Giá trị R2 luyện y1, y2, y3, y4 = 96% lớn 95% Giá trị R2 thử y1, y2, y3, y4 lớn 70% Vậy mơ hình xây dựng đáng tin cậy dùng vào mục đích dự đốn Kết tối ưu Thành phần cơng thức tính chất sản phẩm dự đốn phần mềm BC Pharsoft OPT Thành phần cơng thức Tính chất sản phẩm xi Giá trị tìm yj Giá trị dự đoán x1 4,164% y1 37,138 x2 4,081% y2 73,74 x3 y3 83,017 y4 99,502 Thực nghiệm kiểm chứng 126 Với mục đích đánh giá kết tối ưu dự đoán phần mềm BC Pharsoft OPT, tiến hành sản xuất lô viên nén fenofibrat 160 mg kiểm chứng (mỗi lô 300 viên) với thành phần công thức trình bày sau: Thành phần cơng thức viên nén fenofibrat 160 mg kiểm chứng Thành phần viên ( 730 mg) 300 viên ( 219g) Fenofibrat 160 mg 48 g β- cyclodextrin 252 mg 75,6 g Natri croscarmellose 30,40 mg 9,12 g HPMC 29,79 mg 8,94 g Talc 14,6 mg 4,38 g Natri stearyl fumarate 9,5 mg 2,85 g Vđ Vđ PC Các thơng số kiểm sốt trước dập viên bao gồm tốc độ chảy, số nén độ ẩm hạt Mặt khác, đồng hàm lượng hoạt chất khối hạt trước dập viên cần kiểm soát để đảm bảo khối hạt trộn đều, qua đảm bảo độ đồng hàm lượng viên Với kết kiểm nghiệm trên, hỗn hợp hạt lô kiểm chứng đủ điều kiện để dập viên Kết định lượng thử độ hịa tan lơ kiểm chứng Định lƣợng lô kiểm chứng Hàm lượng trung bình RSD Hàm lượng fenofibrat (mg) Lơ Lô 76,99 78,82 79,61 78,26 77,39 77,47 78,00 78,18 1,81% 0,87% Kết kiểm nghiệm độ hịa tan lơ Thời điểm Độ hoà tan(%) 127 TB (%) ( phút) 10 20 30 45 Viên 44,88 75,97 85,76 96,32 Viên 42,02 75,56 93,41 98,99 Viên 45,03 77,51 86,09 97,45 Viên 34,45 68,02 82,04 97,02 Viên 45,62 77,26 94,64 99,93 Viên 40,17 70,26 86,21 96,32 42,03 74,10 88,03 97,72 Kết kiểm nghiệm độ hịa tan lơ Thời điểm ( phút) 10 20 30 45 Viên 44,19 69,13 77,61 93,70 Viên 36,82 74,68 82,27 96,63 Độ hoà tan(%) Viên Viên 43,39 35,27 69,56 75,79 86,67 82,67 98,48 96,56 TB (%) Viên 50,38 72,54 89,87 99,07 Viên 37,86 59,89 84,99 93,05 41,32 70,26 84,02 96,25 So sánh giá trị dự đốn giá trị lơ kiểm chứng Kết phân tích phương sai yếu tố khơng lặp liệu bên cho thấy độ hòa tan viên nén fenofibrat 160 mg giá trị dự đốn lơ thực nghiệm cơng thức tối ưu không khác mặt thống kê (p = 0,282 > 0,05) Bảng so sánh độ hòa tan thực nghiệm dự đốn Thời điểm Độ hịa tan (%) ( phút) Lô Lô Giá trị dự đoán 10 42,03 41,32 37,14 20 74,10 70,26 73,74 30 88,03 84,02 83,02 45 97,72 96,25 99,50 Vậy phần mềm BCPharsoft OPT dự đốn xác thành phần cơng thức tính chất sản phẩm cơng thức tối ưu 128 3.4.2.2.12 Xác định công thức bào chế tối ưu cho viên nén rã nhanh Metoclopramide với quy mơ labo Dữ liệu cơng thức dược phẩm trích từ Đề tài nghiên cứu công thức viên nén rã nhanh Metoclopramide nhóm tác giả PGS.TS Huỳnh Văn Hóa, Bộ mơn Bào chế, Khoa Dược, ĐH Y Dược Tp.HCM Biến độc lập x1 tá dược siêu rã A hay B x2 lượng tá dược siêu rã 5-6-7 (mg) x3 lượng tá dược dập thẳng 100-110-120 (mg) Biến phụ thuộc y1 thời gian rã (s) y2 thời gian thấm ướt (s) Điều kiện tối ưu Điều kiện cho biến phụ thuộc: y1, y2 thấp tốt Bảng 3.26 Dữ liệu thực nghiệm viên Metoclopramide 10 11 12 13 14 x1 C C C C C C C B B B B B B B x2 6 7 5 6 7 x3 110 100 110 120 100 110 120 100 110 120 100 120 110 120 129 y1 6,16 6,91 7,40 7,41 7,66 9,96 8,48 10,18 10,12 10,58 9,35 8,13 8,93 8,92 y2 33,47 34,06 34,48 36,36 41,43 43,35 41,44 37,43 34,32 41,75 37,45 44,69 45,13 49,23 Thiết lập mô hình - Dữ liệu dùng để luyện: 12 - Dữ liệu dùng để thử: y1: ( 2, 9) ; y2: ( 3, 13) Kết luyện mạng y1 y2 R2 luyện 0,99 0,99 R2 thử 0,97 0,97 Giá trị R2 luyện y1, y2 cao Vậy mơ hình xây dựng đáng tin cậy dùng vào mục đích dự đốn Kết tối ưu Thành phần cơng thức tính chất sản phẩm dự đốn phần mềm BC Pharsoft OPT Thành phần cơng thức Tính chất sản phẩm Giá trị tìm xi yj Giá trị dự đoán x1 C y1 6.173 x2 y2 33.563 x3 105,23 Thực nghiệm kiểm chứng Với mục đích đánh giá kết tối ưu dự đoán phần mềm BC Pharsoft OPT, tiến hành sản xuất lô kiểm chứng Bảng so sánh thực nghiệm dự đoán y1 (giây) Lô Lô Lô TB lô BCPharSoft-OPT 6,47 6,62 6,56 6,55 6.173 130 y2 (giây) 33,63 33,15 33,22 32,87 33.563 Kết phân tích phương sai yếu tố không lặp liệu bên cho thấy giá trị dự đoán lô thực nghiệm công thức tối ưu không khác mặt thống kê (p = 0,97 > 0,05) Vậy phần mềm BCPharsoft OPT dự đốn xác thành phần cơng thức tính chất sản phẩm công thức tối ưu 3.5 Kết sản phẩm đề tài Phần mềm máy tính: Phần mềm tối ưu hóa cơng thức BCPharSoft hướng - dẫn sử dụng (dạng điện tử đính kèm vào phần mềm) tiếng Việt/ Anh Báo cáo phân tích, so sánh đánh giá kết phần mềm: Báo cáo phân - tích kết so sánh với 13 liệu hồi cứu 12 liệu thực nghiệm Danh sách công trình cơng bố liên quan đến đề tài: (Nội dung báo - chi tiết Phụ lục) Tạp chí khoa học Stt Tác giả Tên cơng trình Tạp chí Chung Khang Xây dựng phần mềm BCPharSoft Tạp chí Dược học Kiệt, Đỗ giải tốn tối ưu hố (2010), (4) tr 48-51 Quang Dương cơng thức quy trình sản xuất dược phẩm Nguyễn Đăng Ứng dụng kỹ thuật Neuro- Tạp chí Phát triển Khoa Khoa, Đỗ fuzzy Visualization khảo sát học - Công nghệ, ĐH Quang Dương quy luật nhân công thức Quốc Gia TP.HCM dược phẩm (2010), 1(13) tr 35-42 Nam Phuong An approach of Soft-Computing Journal Science and Nguyen, Nam in Optimizing Controlled Release Technology Huu Bui, Products Development, Vietnam Duong Quang National University - Do HCM (2010), 2(13) p 71-82 131 Chung Khang Ứng dụng mạng thần kinh mờ Tạp chí Y học Thành Kiệt, Đỗ kỹ thuật tọa độ song song khảo phố Hồ Chí Minh, Tập Quang Dương sát mối liên quan nhân 15 Số (01/2011), 1-5 quy trình chiết xuất cao diệp hạ châu Nguyễn So sánh ứng dụng kỹ thuật mạng Tạp chí Y học Thành Phương Nam, thần kinh lập trình di truyền phố Hồ Chí Minh, Tập Đỗ Quang mơ hình hóa liệu công 15 Số (01/2011), 6- Dương thức viên nén phóng thích có 12 kiểm sốt Lê Thanh Nghiên cứu xây dựng cơng thức Tạp chí Y học Thành Thảo Nguyên, viên nén phân tán nhanh phố Hồ Chí Minh, Tập Chung Khang Domperidon 15 Số (01/2011), Kiệt, Lê Hậu, 101-105 Đỗ Quang Dương Đỗ Quang So sánh ứng dụng kỹ thuật thơng Tạp chí Dược học Dương, minh cho mơ hình hố quy trình (2011), (2) 46-50 Nguyễn chiết xuất cao diệp hạ châu Phương Nam Hội nghị khoa học Stt Tác giả Tên cơng trình Hội nghị Do Quang An application of soft- Proceedings of the Sixth Duong, computing in modelling and Indochina Conference on Huynh Van optimising pharmaceutical Pharmaceutical Sciences in Hoa formulation Hue (2009), p.42-47 Nguyen Designing a Vietnamese Proceedings of the Sixth Phuong software using soft-computing Indochina Conference on Nam, Do for modelling and optimising 132 Pharmaceutical Sciences in Quang pharmaceutical formulation Duong 133 Hue (2009), p.178-182 CHƢƠNG IV KẾT LUẬN VÀ ĐỀ NGHỊ Với kết đánh giá phần mềm qua 13 liệu hồi cứu 12 liệu thực nghiệm (có so sánh với phần mềm chuyên nghiệp INForm), nhận thấy rằng: Về thuật tốn cài đặt: - Dữ liệu cơng thức tương đối ít: thời gian luyện mạng nhanh, cấu trúc mạng nhỏ - Giá trị R2 luyện thử cao giá trị dự đốn từ phần mềm gần giá trị thực nghiệm Với kết dự đoán từ phần mềm, phần mềm phần loại trừ trường hợp học mức dự đoán sai (đây nhược điểm mạng nơron) nhờ vào liệu thử (dữ liệu đánh giá mô hình mạng) - Trong thuật tốn mạng nơron cài đặt, thuật toán lan truyền ngược cải tiến nhóm tác giả kết hợp với thuật tốn lựa chọn nhóm liệu thử nhóm tác giả đề xuất cho kết tốt Thuật toán lan truyền ngược giải cho kết tốt cho hầu hết 25 liệu thử nghiệm Những thuật toán khác giải cho liệu phức tạp thuật tốn lan truyền ngược khơng giải Nhóm tác giả đề xuất sử dụng phần mềm nên thi hành phần mềm với thuật toán lan truyền ngược sau sử dụng thuật tốn khác thuật tốn lan truyền ngược khơng cho kết tốt - Trong phần mềm có cài đặt số phần cải tiến so với phần mềm INForm như: Phần mềm tự động lựa chọn phân loại biến độc lập phụ thuộc theo tên biến x y hỗ trợ người dùng thao tác nhanh Mỗi giá trị phụ thuộc y luyện riêng có liệu luyện thử riêng Điều nhằm nâng cao chất lượng mơ hình cơng thức cho giá trị phụ thuộc y xây dựng từ mạng nơron Giá trị R2 luyện thử có giới hạn dừng riêng cho phép người sử dụng thay đổi hay lựa chọn giới hạn dừng cho mô hình dự đốn Người sử dụng tăng khả dự đốn mơ hình cách tăng giá trị R2 134 luyện thử, điều khác với phần mềm INForm không cho phép nâng cao chất lượng dự đốn mơ hình người sử dụng Biểu đồ 3D phần mềm đề tài có tính linh hoạt cho phép người dùng dễ dàng thao tác khảo sát mối liên quan nhân-quả công thức thay đổi biến độc lập theo ý muốn Phần tối ưu hoá với kỹ thuật thuật giải di truyền, phần mềm đề tài dự đoán nhiều kết tối ưu vùng tối ưu giúp nhà bào chế có nhiều lựa chọn việc xây dựng công thức phù hợp với điều kiện thực tế INForm đưa công thức tối ưu nên gây khó khăn cho người sử dụng Về tính hiệu phần mềm: - Qua khảo sát số cán giảng Khoa Dược sau sử dụng phần mềm cho phần mềm cho kết mô hình dự đốn nhanh xác - Với 25 liệu thử có 12 liệu thực nghiệm cho thấy kết công thức tối ưu từ phần mềm thực nghiệm không khác có ý nghĩa mặt thống kê - Khi so sánh với phần mềm INForm sử dụng Khoa Dược, phần mềm cho khả dự đoán có giá trị R2 luyện thử cao cho tất biến y INForm chi đưa giá trị tốt cho số biến y cơng thức, điều dẫn đến mơ hình dự đốn sử dụng q trình tối ưu hóa khơng tốt làm cho kết tối ưu khơng xác Với kết đề tài thực hiện, phần mềm tối ưu hóa cơng thức BCPharSoft-OPT tiếp tục sử dụng cho đề tài nghiên cứu khoa Dược cho tốn nghiên cứu tối ưu cơng thức thuốc Bên cạnh đó, phần mềm áp dụng bước đầu việc tối ưu hóa mơi trường nuôi cấy thu nhận chitinase từ trichoderma (đề tài nghiên cứu kết hợp với ThS Đinh Minh Hiệp – Sở Khoa học & Công nghệ Tp.HCM) 135 So sánh kết mục tiêu đề tài: Đề tài thực vòng năm theo hợp đồng ký với Sở Khoa học Công nghệ số 82/ HĐ-SKHCN ký ngày 19 tháng năm 2009 đề tài đạt kết so với mục tiêu ban đầu sau: Giai đoạn I: từ tháng 4/2009 đến tháng 4/2010 TT Tóm tắt nội dung Sản phẩm cần đạt Kết Nghiên cứu cấu trúc Đề nghị hướng kết hợp Kết hợp liệu tối ưu hóa kỹ thuật thơng minh kỹ thuật thông minh ngành Dược nhân tạo để giải bao gồm mạng Nghiên cứu lý thuyết toán hiệu nơron, thuật giải di mạng nơron, logic mờ truyền logic mờ thuật toán di truyền cho phần mềm Xây dựng phần mềm phiên Phần mềm phiên đầu Phần mềm phiên thô, thử nghiệm tiên đánh giá kỹ thuật nghiên cứu thống kê Lựa chọn liệu công Danh sách liệu Danh sách 13 cơng thức từ cơng trình sử dụng để đánh thức hồi cứu nghiên cứu phù hợp để giá phần mềm (8 cơng đánh giá tính hiệu thức) chương trình Áp dụng liệu cơng thức Kết đánh giá tính Đánh giá phần mềm từ cơng trình nghiên hiệu chương với 14 liệu hồi cứu phù hợp để đánh giá trình cứu tính hiệu chương trình Báo cáo sơ kết giai đoạn Báo cáo kết giám Báo cáo giám định định đề tài 136 tháng 5/2010 Giai đoạn II: từ tháng 5/2010 đến tháng 4/2011 TT Tóm tắt nội dung Sản phẩm cần đạt Kết Nghiên cứu lựa chọn Công thức thực nghiệm 12 cơng thức thực thăm dị liệu thực có số lượng biến nghiệm, đó: nghiệm cho dạng bào cơng thức khác nhau, công thức viên nén chế khác (viên nén, không phức tạp mặt dạng, thuốc mỡ…) bào chế đánh giá dạng bào chế khác tiêu kiểm nghiệm thuốc bột, cao liệu thực nghiệm có dược liệu, hỗn dịch, đầy đủ đặc trưng kem viên nang dạng bào chế (2 công thức) Điều chỉnh lại phần mềm Phần mềm phiên thử Phần lựa chọn kỹ thuật hay nghiệm mềm điều chỉnh phương pháp phù hợp Đánh giá lại phần mềm với Kết đánh giá, so So sánh với INForm liệu thực nghiệm sánh phần mềm INForm 3.5 Kết hợp với dược sĩ để Phần mềm hoàn chỉnh Phần mềm hoàn hoàn thiện phần mềm phiên tiếng Việt chỉnh tiếng Việt mặt giao diện chức Anh Bài báo khoa học đăng tạp Đăng báo chí khoa học hội tạp chí khoa học nghị khoa học chuyên hội nghị khoa ngành học chuyên ngành So với mục tiêu đăng ký, đề tài hoàn thành mục: - Nghiên cứu kỹ thuật thông minh ứng dụng cho tối ưu công thức Dược - Kết hợp kỹ thuật mạng nơron, thuật giải di truyền logic mờ 137 - Xây dựng phần mềm tối ưu thi hành hiệu với kỹ thuật thông minh cài đặt Đề tài thực số mục vượt tiêu: - Số lượng công thức dùng đánh giá nhiều so với đăng ký (13/8 công thức hồi cứu; 12/2 công thức thực nghiệm) - Số lượng báo đăng tạp chí khoa học hội nghị khoa học chuyên ngành CNTT Dược nhiều so với đăng ký (9/2 đăng tạp chí đăng kỷ yếu hội nghị) - Phần mềm hướng dẫn sử dụng tiếng Việt tiếng Anh Với kết đạt việc phần mềm tiếp tục mở rộng ứng dụng cho lãnh vực khác so với mục tiêu ban đầu tối ưu quy trình chiết xuất dược liệu, tối ưu môi trường nuôi cấy vi sinh… đề tài thật thành cơng mong đợi nhóm tác giả xây dựng công cụ hỗ trợ cho nghiên cứu, đặc biệt luận văn sinh viên Đại học học viên Cao học Khoa Dự kiến giai đoạn tới nhóm tác giả tiếp tục triển khai phần mềm đến xí nghiệp nhằm hỗ trợ xí nghiệp tiếp cận cơng nghệ nghiên cứu phát triển thuốc Bên cạnh nhóm tác giả tiếp tục nghiên cứu số kỹ thuật khác kỹ thuật tọa độ song song tích hợp vào phần mềm cho phép hỗ trợ nhà bào chế dễ dàng khảo sát mối liên quan nhân 138 V TÀI LIỆU THAM KHẢO Tiếng Việt [1] Đặng Văn Giáp (2001), Áp dụng phần mềm thông minh tối ưu hóa cơng thức quy trình, phần II: Thiết kế & tối ưu hóa cơng thức quy trình, Khoa Dược – Đại học Y Dược Tp HCM, - 26 [2] Hoàng Kiếm Lê Hoàng Thái (2000), Thuật giải di truyền: Cách giải tự nhiên tốn máy tính, Nhà xuất giáo dục [3] Nguyễn Đình Thúc (2000), Mạng Nơron phương pháp & ứng dụng, Nhà xuất giáo dục Tiếng Anh [4] Ajith, A (2001), “Cerebral Quotient of Neuro Fuzzy Techniques – Hype or Hallelujah?”, Monash University (Gippsland Campus), Churchill, Victoria, Australia – 3842 [5] Bonissone, P.P (1997), Adaptive Neural Fuzzy Inference Systems (ANFIS): Analysis and Applications, GE CRD, Schenectady, NY USA [6] Fullér, R (1995), Neural Fuzzy Systems, Abo Akademi University, ISBN 951650-624-0, ISSN 0358-5654 [7] Jang, J.R., Sun, C and Mizutani, E (1997), Neuro-fuzzy and Soft Computing, A Computation Approach To Learning And Machine Intelligence, Prentice Hall, Upper Saddle River [8] Jantzen, J (1998), Neurofuzzy Modelling, Department of Automation, University of Denmark, report no 98-H-874 [9] Kasabov, N., Kim, J.S., Gray, A.R and Watts, M.J., FuNN - A Fuzzy Neural Network Architecture for Adaptive Learning and Knowledge Acquisition, University of Otago, P.O.Box 56, Dunedin, New Zealand [10] Kasabov, N and Song, Q (1999), Dynamic Evolving Fuzzy Neural Networks with ‘m-out-of-n’ Activation Nodes for On-line Adaptive Systems, Department of Information Science, University of Otago, P.O.Box 56, Dunedin, New Zealand [11] Lee, H., Chen, C and Huang, T (2001), Learning efficiency improment of backpropagation algorithm by error saturation prevention method, National Taiwan University of Science and Technology, Department of Electronic Engineering [12] Lin, C.T and Lee, C.S.G (1996), Neural Fuzzy Systems, A Neuro-Fuzzy Synergism to Intelligent Systems, Prentice Hall International [13] Magoulas, G.D., Vrahatis, M.N and Androulakis, G.S (1999), “Improving the Convergence of the Backpropagation Algorithm Using Learning Rate Adaptation Methods”, Massachusetts Institute of Technology, Neural Computation 11, 1769 – 1796 [14] Michalewicz, Z (1999), Genetic Algorithms + Data Structures = Evolution Programs, Springer – Verlag Berlin Heidelberg New York [15] Nauck, D and Kruse, R (1997), Neuro_Fuzzy Systems for Function Approximation, Faculty of Computer Science_ Neural and Fuzzy Systems, Otto_von_Guericke_University of Magdeburg, Universitaetsplatz 2, D-39106 Magdeburg, Germany [16] Philip, A (2000), Evaluation Of Artificial Intelligence In The Modelling And Optimization Of Pharmaceutical Formulations, MSc Thesis, School of Pharmacy, University of Bradford [17] Schiffmann, W., Joost, M and Werner, R (1994), Optimization of the Backpropagation Algorithm for Training Multilayer Perceptrons, University of Koblenz, Institute of Physics, Rheinau 156075 Koblenz [18] Stoeva, S and Nikov, A (1998), “A fuzzy backpropagation algorithm”, Fuzzy sets and systems, ELSEVIER