Análisis de la lipófilia de compuestos en el flujo de entrada al proceso de alquilación en refinería mediante química computacional
Main Article Content
Resumo
Introducción: La alquilación en refinerías es crucial para la producción de gasolina de alto octanaje con bajas emisiones, cumpliendo con requerimientos ambientales y exigencias de la industria automotriz actual. Este estudio provee datos obtenidos mediante análisis con química computacional de los compuestos químicos del flujo de entrada al proceso de alquilación en refinería, con lo cual se prevé mejorar significativamente la calidad del combustible y la eficiencia del proceso. Objetivo: El objetivo de este estudio es analizar los valores de lipófilia de los compuestos químicos del flujo de entrada al proceso de alquilación en refinería, los cuales son identificados a través de una exhaustiva búsqueda bibliográfica y analizados mediante química computacional utilizando los métodos iLOGP, XLOGP3, MLOGP, WLOGP y SILICOS-IT. Se busca entender cómo la lipófilia de estos compuestos influye en su comportamiento durante este proceso de refinado de crudo, con el fin de mejorar la eficiencia y selectividad de dicho proceso. Metodología: En este estudio se realizan observación, medición, experimentación e interpretación sistemática y rigurosa de los resultados. Mediante análisis y búsqueda bibliográfica, se determinan los compuestos presentes en el flujo de entrada al proceso de alquilación en refinería. Estos compuestos son procesados mediante química computacional para obtener los valores de lipófilia de cada molécula. Posteriormente, se procede al análisis meticuloso de dichos valores y su influencia en las variables relevantes del proceso de refinado. Resultados: El Consensus Log Po/w combina métodos computacionales para estimar el Log Po/w de cada molécula, mejorando la precisión de las predicciones. Este estudio se centra en analizar la lipófilia de compuestos en el flujo de entrada para la alquilación en refinería. El propileno presenta el menor valor, mientras que el n-pentano tiene el mayor. La lipófilia garantiza la solubilidad y eficiencia del proceso. Conclusiones: Las características lipofílicas en compuestos del flujo de entrada a la alquilación son cruciales en el refinado de crudo. La comprensión y predicción de la lipofilia pueden lograrse con métodos computacionales como iLOGP, XLOGP3, WLOGP, MLOGP y SILICOS-IT. Los valores consensus de lipofilia oscilan entre 1.35 y 2.45, afectando la solubilidad en fases orgánicas y la interacción con catalizadores, lo que influye en la eficiencia y rendimiento de la alquilación en refinería.
Downloads
Metrics
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Referências
Ancheyta, J. (2011). Modeling and Simulation of Catalytic Reactors for Petroleum Refining. (J. W. Sons, Ed.) Wiley. Obtenido de https://books.google.com.ec/books?id=86shQ7GZOWIC
Arias, T. (2002). Glosario de medicamentos: desarrollo, evaluación y uso. Organización Panamericana de la Salud. Obtenido de https://iris.paho.org/bitstream/handle/10665.2/751/9275323054.pdf
ChemDraw. (14 de Mayo de 2024). Harness the Power of your Data for Scientific Breakthroughs in Pharma & Biotech, Chemicals & Materials. Obtenido de Millions of downloads: #1 trusted chemical drawing solution since 1985: https://revvitysignals.com/products/research/chemdraw
Daina, A., & Zoete, V. (2016). A boiled‐egg to predict gastrointestinal absorption and brain penetration of small molecules. ChemMedChem, 11(11), 1117-1121. https://doi.org/10.1002/cmdc.201600182
Daina, A., Michielin, O., & Zoete, V. (2014). iLOGP: A Simple, Robust, and Efficient Description of n-Octanol/Water Partition Coefficient for Drug Design Using the GB/SA Approach. Journal of chemical information and modeling, 54 12, 3284-301. DOI:10.1021/ci500467k
Daina, A., Michielin, O., & Zoete, V. (2017). SwissADME: a free web tool to evaluate pharmacokinetics, drug-likeness and medicinal chemistry friendliness of small molecules. Scientific reports, 7, 42717. https://doi.org/10.1038/srep42717
Delgado Cirilo, A., Minguillón Llombart, C., Joglar Tamargo, J. (2003). Introducción a la química terapéutica. España: Díaz de Santos. https://www.google.com.ec/books/edition/Introducci%C3%B3n_a_la_qu%C3%ADmica_terap%C3%A9utica/4LwpfcjAhoMC?hl=es-419&gbpv=1
Dhiman, N., Awasthi, R., Sharma, B., Kharkwal, H., & Kulkarni, G. T. (2021). Lipid nanoparticles as carriers for bioactive delivery. Frontiers in chemistry, 9, 580118. https://doi.org/10.3389/fchem.2021.580118
Espin, W. & Travez, S. (2021). Estudio in silico, teórico computacional de las corrientes de ingreso y salida de una refinería de petróleo enfocado en el proceso de “Polimerización y Alquilación” con énfasis en las estructuras químicas individuales para cada flujo, y el análisis de sus propiedades fisicoquímicas intrínsecas, configuraciones, conformaciones y potenciales interacciones intermoleculares entre sí [Tesis de pregrado, Universidad de las Fuerzas Armadas ESPE]. Repositorio de la Universidad de las Fuerzas Armadas ESPE. http://repositorio.espe.edu.ec/handle/21000/25027
Kumar, B., & Raj Mohan, B. (2015). Microwave-Assisted Extraction of Wax from Oily Sludge: An Experimental Study and its Process Variables Optimization Using Response Surface Methodology. Soil and Sediment Contamination: An International Journal, 24(5), 588–607. https://doi.org/10.1080/15320383.2015.988780
Mäki-Arvela, P., Kaka khel, T. A., Azkaar, M., Engblom, S., & Murzin, D. Y. (2018). Catalytic hydroisomerization of long-chain hydrocarbons for the production of fuels. Catalysts, 8(11), 534. https://doi.org/10.3390/catal8110534
Mansouri, K., Ringsted, T., Ballabio, D., Todeschini, R., & Consonni, V. (2013). Quantitative structure–activity relationship models for ready biodegradability of chemicals. Journal of chemical information and modeling, 53(4), 867-878. https://doi.org/10.1021/ci4000213
Mishra, S., & Dahima, R. (2019). In Vitro Adme Studies Of Tug-891, A Gpr-120 Inhibitor Using Swiss Adme Predictor. Journal of Drug Delivery and Therapeutics, 9(2-s), 366-369. DOI:10.61744/hjp.v2i2.54
Parveen, S., & Alnoman, R. B. (2021). Potential exploration of recent FDA-approved anticancer drugs against models of SARS-CoV-2’s main protease and spike glycoprotein: a computational study. Biointerface Research in Applied Chemistry, 11(3), 10059-10073. https://doi.org/10.33263/BRIAC113.1005910073
PennState College of Earth and Mineral Sciences. (20 de Mayo de 2024). John A. Dutton Institute for Teaching and Learning Excellence. Obtenido de FSC 432 Petroleum Processing: https://www.e-education.psu.edu/fsc432/content/alkylation
Saha, S., & Pal, D. (2017). log P. Encyclopedia of Physical Organic Chemistry (1ª ed.). USA: Zerong Wang. https://www.researchgate.net/publication/314216649_Log_P_in_Encyclopedia_of_Physical_Organic_Chemistry
Saldívar-González F. I., Chávez-Hernández, A. L., Prado-Romero, D. L., & González-Medina, M. (2023). ¿Por qué hay que hablar de mujeres en Química Computacional y no sólo de Química Computacional?. Revista Ciencia UANL, 26(121), 8-19. https://doi.org/10.29105/cienciauanl26.121-1
Sempere Pérez, I. (2020). Diastereoselective Deacylative Addition Of 3-Acetyl-3-Fluorooxindoles to Aldehydes. [Tesi de màster, Universitat d' Alacant]. Repositorio de la Universitat d' Alacant. Obtenido de http://hdl.handle.net/10045/107742
Shokri, A., & Karimi, S. (2021). A review in linear Alkylbenzene (LAB) production processes in the petrochemical industry. Russian Journal of Applied Chemistry, 94(11), 1546-1559. Doi: 10.1134/S1070427221110094
Singh, N., Sharma, P., Pal, M. K., Kahera, R., Badoni, H., Pant, K., Sharma, N., & Bhist, B. (2024). In silico targeting of the nacht/pyd domain in nlrp3 inflammasome using phytochemical alkaloids: a computational drug discovery approach. https://doi.org/10.21203/rs.3.rs-4149517/v1
SwissADME. (1 de Mayo de 2024). Swiss Institute of Bioinformatics. Obtenido de https://www.molecular-modelling.ch/swiss-drug-design.html
Udugade, S. B., Doijad, R. C., & Udugade, B. V. (2019). In silico evaluation of pharmacokinetics, drug-likeness and medicinal chemistry friendliness of momordicin1: an active chemical constituent of momordica charantia. Journal of Advanced Scientific Research, 10(03 Suppl 1), 222-229. Retrieved from http://www.sciensage.info/index.php/JASR/article/view/369
Velmourougane, G. (16 de Mayo de 2024). Understanding Lipinski’s Rule of 5 and the Role of LogP Value in Drug Design and Development. Obtenido de https://www.sailife.com/understanding-lipinskis-rule-of-5-and-the-role-of-logp-value-in-drug-design-and-development/
Wang, Z., Jeffries, B. F., Felstead, H. R., Wells, N. J., Chiarparin, E., & Linclau, B. (2019). A New Straightforward Method for Lipophilicity (logP) Measurement using 19F NMR Spectroscopy. JoVE (Journal of Visualized Experiments), (143), e58567. doi:10.3791/58567
Wildman, S. A., & Crippen, G. M. (1999). Prediction of physicochemical parameters by atomic contributions. Journal of chemical information and computer sciences, 39(5), 868-873. https://doi.org/10.1021/ci990307l