سنتز لیگاند متوکسی آمیدو زانتات و بهینه سازی شرایط نشان دارسازی با mTc۹۹ به عنوان عامل تصویربرداری SPECT

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 184

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JONSAT-44-2_002

تاریخ نمایه سازی: 28 اسفند 1401

چکیده مقاله:

هدف از پژوهش حاضر، سنتز، ترکیب متوکسی آمیدو زانتات MAX و نشان دارسازی آن با رادیونوکلیید mTc۹۹ به عنوان یک عامل تشخیصی نوین جهت تصویربرداری توموگرافی رایانه ای تک فوتونی (SPECT) می­ باشد. لیگاند فوق از واکنش بین دو ماده ی کلرواستامید (Chloroacetamide) و مشتقات زانتات (Xanthate) با نسبت های مولی معین سنتز شد. سپس فرایند نشان دارسازی لیگاند MAX از طریق دوشیدن mTc۹۹ از ژنراتور (mTc۹۹Mo/۹۹) و به روش مستقیم انجام گرفت. به این ترتیب که قلع کلرید به عنوان عامل کاهنده مورد استفاده قرار گرفت و اثر پارامترهایی از قبیل عوامل افزودنی از جمله اسید آسکوربیک، تغییر غلظت عامل شلات کننده و pH جهت بهینه سازی شرایط نشان دارسازی مورد ارزیابی قرار گرفت. شناسایی و تشخیص محصولات شیمیایی به وسیله ی طیف سنجی های مادون قرمز (FTIR) و رزونانس مغناطیسی هسته (NMR) انجام گرفت. میزان نشان دارسازی کمپلکس در دمای آزمایشگاه %۹۳ برآورد شد. رادیوداروی نوین mTc-MAX۹۹ با خلوص رادیونوکلییدی و رادیوشیمیایی بالاتر از %۹۰ می تواند به عنوان یک عامل تشخیصی نوید بخش در مطالعات کلینیکی و پیش بالینی مورد استفاده قرار گیرد که در مطالعات آینده به آن پرداخته خواهد شد.

نویسندگان

زهرا عرب حلوایی باقری

گروه مهندسی پرتو پزشکی، دانشگاه شهید بهشتی، صندوق پستی: ۴۷۱۶-۱۹۸۳۹، تهران- ایران

سیدمحمودرضا آقامیری

گروه مهندسی پرتو پزشکی، دانشگاه شهید بهشتی، صندوق پستی: ۴۷۱۶-۱۹۸۳۹، تهران- ایران

الهام ستارزاده خامنه

پژوهشکده کاربرد پرتوها، پژوهشگاه علوم و فنون هسته ای، صندوق پستی: ۳۴۸۶-۱۱۳۶۵، تهران ایران

سعید کاکائی

پژوهشکده کاربرد پرتوها، پژوهشگاه علوم و فنون هسته ای، صندوق پستی: ۳۴۸۶-۱۱۳۶۵، تهران ایران

حسن یوسف نیا

پژوهشکده کاربرد پرتوها، پژوهشگاه علوم و فنون هسته ای، صندوق پستی: ۳۴۸۶-۱۱۳۶۵، تهران ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :