使用响应表面方法优化Levomilnacipran载荷纳米结构脂质载体
Parthiban Ramalingam1, Mothilal M1
1Department of Pharmaceutics, SRM College of Pharmacy, Kattankulathur, India.
Pharmaceutical nanotechnology
|September 5, 2025
概括
响应表面方法优化了Levomilnacipran纳米结构脂质载体 (LEV- NLC) 的配方. 优化的LEV-NLC显示出有利的颗粒大小,高捕获效率和持续的药物释放,增强治疗潜力.
科学领域:
- 制药科学
- 纳米技术
- 药物输送系统
背景情况:
- 利沃米尔纳西普兰是一种用于治疗抑郁症的血清 - 上腺素再吸收抑制剂.
- 纳米结构脂质载体 (NLC) 为改善药物的溶解性,稳定性和受控释放提供了一个有希望的平台.
- 优化NLC配方对于最大限度地提高治疗效果和患者服药性至关重要.
研究的目的:
- 优化含有levomilnacipran的纳米结构脂质载体 (LEV-NLC) 的配方.
- 研究关键配方变量对LEV-NLC特征的影响.
- 评估优化LEV-NLCs的体外释放特征.
主要方法:
- 采用了响应表面方法 (RSM) 和中央复合可旋转设计 (CCRD).
- 研究了三种独立变量:水相与有机相的比率 (X1),药物与脂质的比率 (X2) 和表面活性剂的度 (X3).
- 测量了粒子大小,泽塔潜力和捕获效率;通过SEM和TEM评估形态;在pH7.4和6.0下研究药物释放.
主要成果:
- RSM成功优化了LEV-NLC的配方参数.
- 最佳配方包括1: 1的水相比和有机相比,1: 7的药物与脂质相比,以及0. 5%的表面活性剂度.
- 优化LEV-NLC的粒子大小为148nm,zeta电位为36mV,捕获效率为88%,球形形态,持续释放 (pH为7.7%,pH为6.0在24小时内为76%).
结论:
- RSM-CCRD是模拟和优化LEV-NLC配方的一个有效工具.
- 优化的LEV-NLC配方显示了增强Levomilnacipran输送的潜力.
- 持续释放的特征表明治疗效果有所改善,剂量频率降低.


