Payame Noor University, Iran Iranian Journal of Analytical Chemistry 2383-2207 11 1 2024 03 01 Comparative Analysis of Computational Prediction Methods for Liquid-Liquid Equilibria in Ternary Water-Ethanol-Benzene Mixtures تحلیل مقایسه‌ای روش‌های پیش‌بینی محاسباتی برای تعادل مایع-مایع در مخلوط‌های سه‌جزئی آب- اتانول- بنزن 1 11 10968 10.30473/ijac.2024.71186.1296 EN Pouya Es'haghi Department of Chemical Engineering, Faculty of Engineering, University of Mohaghegh Ardabili, Ardebil, Iran Alireza Mohammadi Department of Chemical and Petroleum Engineering, Sharif University of Technology, Tehran, Iran Keivan Shayesteh Department of Chemical Engineering, Faculty of Engineering, University of Mohaghegh Ardabili, Ardebil, Iran Hassan Seddighi Department of Chemical Engineering, Faculty of Engineering, University of Mohaghegh Ardabili, Ardebil, Iran 0000-0002-2149-0593 Journal Article 2024 04 30 Ethanol (EtOH) purification is a pivotal research pursuit, with liquid-liquid extraction emerging as a significant purification methodology. This study focuses on utilizing benzene solvent for EtOH purification and investigates the liquid-liquid equilibrium (LLE) within three-component systems comprising EtOH, water, and benzene. Thermodynamic modeling of EtOH-benzene-water systems at temperatures of 20 °C, 30 °C, 40 °C, and 55 °C was conducted. In this paper, the equations used for predicting mole fraction include Non-Random Two-Liquid (NRTL), Adaptive Neuro-Fuzzy Inference System (ANFIS), and Multilayer Perceptron Artificial Neural Network (MLP-ANN). First, the equation parameters were optimized using the particle swarm optimization (PSO) algorithm to employ the NRTL equation Experimental data was used to train the MLP-ANN and ANFIS methods, and the same experimental datasets were used for all models. These models estimated integral components across both phases, revealing effective system control across all methodologies. However, the comparative analysis indicated the superior performance of the MLP-ANN and ANFIS methods over the NRTL model. The Root Mean Square Deviation (RMSD) errors for the NRTL, MLP-ANN, and ANFIS models were 0.0253, 0.0035, and 0.0017, respectively. These results indicate that despite the low prediction error of all three methods, the NRTL equation has the highest error, and the ANFIS method has the lowest mole fraction prediction error. خالص‌سازی اتانول یک تحقیق محوری است که استخراج مایع-مایع به‌عنوان یک روش خالص‌سازی قابل توجه در حال ظهور است. این مطالعه بر روی استفاده از حلال بنزن برای خالص‌سازی اتانول تمرکز دارد و تعادل مایع-مایع (LLE) را در سیستم‌های سه‌جزئی شامل اتانول، آب و بنزن بررسی می‌کند. مدل‌سازی ترمودینامیکی سیستم‌های اتانول-بنزن-آب در دماهای 20، 30، 40 و 55 درجه سانتی‌گراد انجام شد. در این مقاله، معادلات مورد استفاده برای پیش‌بینی کسر مولی عبارتند از: دو مایع غیر تصادفی (NRTL)، سیستم استنتاج تطبیقی عصبی-فازی ​​(ANFIS) و شبکه عصبی مصنوعی پرسپترون چند لایه (MLP-ANN). البته ابتدا پارامترهای معادله NRTL با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات (PSO) بهینه شدند. داده‌های تجربی برای آموزش روش‌های MLP-ANN و ANFIS، با مجموعه داده‌های تجربی یکسان برای همه مدل‌ها مورد استفاده قرار گرفت. این مدل‌ها اجزای مولی  را در هر دو فاز تخمین زدند. با این حال، تجزیه و تحلیل مقایسه‌ای نشان داد که روش‌های MLP-ANN و ANFIS نسبت به مدل NRTL عملکرد بهتری دارند. خطاهای ریشه میانگین مربعات انحراف (RMSD) به دست‌آمده برای مدل‌های NRTL، MLP-ANN و ANFIS به‌ترتیب 0253/0، 0035/0 و 0017/0 بود. نتایج نشان می‌دهد که با وجود خطای کم پیش‌بینی هر سه روش، معادله NRTL بیشترین خطا و روش ANFIS کمترین خطای پیش‌بینی کسر مولی را دارد.<br /> <br />  https://ijac.journals.pnu.ac.ir/article_10968_76ddbf8bbf93803905959424b6e03e33.pdf

Payame Noor University, Iran Iranian Journal of Analytical Chemistry 2383-2207 11 1 2024 03 01 Using Machine Learning Methods to Estimate the Molar Density of Benzene and Comparing the Methods with the Peng-Robinson EOS استفاده از روش‌های یادگیری ماشین برای تخمین چگالی مولی بنزن و مقایسه روش‌ها با معادله حالت پنگ-رابینسون 12 20 11008 10.30473/ijac.2024.71138.1295 EN Pouya Es'haghi Department of Chemical Engineering, Faculty of Engineering, University of Mohaghegh Ardabili, Ardabil, Iran Keivan Shayesteh Department of Chemical Engineering, Faculty of Engineering, University of Mohaghegh Ardabili, Ardabil, Iran Hassan Seddighi Department of Chemical Engineering, Faculty of Engineering, University of Mohaghegh Ardabili, Ardabil, Iran 0000-0002-2149-0593 Journal Article 2024 04 28 In chemical industries, precision in calculations and process simulations is crucial. One of the most influential parameters is the molar density of a fluid under various pressure and temperature conditions. Equations of state (EOS) are common among the methods for determining molar density. Usually, the error resulting from predicting molar density using EOS is generally high at high temperatures and pressures due to the increased intermolecular effects. Additionally, due to the form of EOS concerning volume or molar density, calculating molar volume at specified temperature and pressure requires suitable numerical methods for root-finding. This article aims to present an effective method for estimating the molar density of benzene using two crucial machine learning methods, namely Multi-Layer Perceptron-Artificial Neural Network(MLP-ANN) and Adaptive Neuro-Fuzzy Inference System (ANFIS). This study used 302 sets of experimental data to train these two methods. Additionally, another set of 60 experimental data was used to compare the errors of the methods. The Peng-Robinson (PR) equation was also employed in this article to evaluate the performance of machine learning methods better and calculate molar density. The results showed that the mean relative errors (MRE) for the MLP-ANN, ANFIS, and PR methods for the 362 data points are 0.838%, 1.791%, and 4.834%, respectively. The results demonstrated that using machine learning methods can reduce computational errors, with the error from predicting using the PR equation being almost five times that of MLP-ANN. In this article, the MLP-ANN method outperformed ANFIS due to its computational efficiency and lower error in predicting molar density. در صنایع شیمیایی، دقت در محاسبات و شبیه سازی فرآیند بسیار مهم است. یکی از پارامترهای تاثیرگذار، چگالی مولی سیال در شرایط مختلف فشار و دما است. معادلات حالت (EOS) برای تعیین چگالی مولی رایج است. معمولاً خطای ناشی از پیش‌بینی چگالی مولی با استفاده از EOS در دماها و فشارهای بالا به دلیل افزایش اثرات بین مولکولی زیاد است. علاوه بر این، با توجه به شکل EOS در مورد حجم یا دانسیته مولی، محاسبه حجم مولی در دما و فشار مشخص نیاز به روش‌های عددی مناسب برای ریشه‌یابی دارد. هدف این مقاله ارائه روشی موثر برای تخمین چگالی مولی بنزن با استفاده از دو روش یادگیری ماشینی مهم، یعنی MLP-ANN و ANFIS است. این مطالعه از 302 مجموعه داده های تجربی برای آموزش این دو روش استفاده کرد. علاوه بر این، مجموعه دیگری از 60 داده تجربی برای مقایسه خطاهای روش ها استفاده شد. معادله پنگ رابینسون (PR) نیز در این مقاله برای ارزیابی عملکرد روش‌های یادگیری ماشین و محاسبه چگالی مولی مورد استفاده قرار گرفت. نتایج نشان داد که میانگین خطاهای نسبی (MRE) برای روش های MLP-ANN،  ANFISو PR برای 362 نقطه داده به ترتیب 0.838، 1.791، و 4.834 درصد است. نتایج نشان داد که استفاده از روش‌های یادگیری ماشینی می‌تواند خطاهای محاسباتی را کاهش دهد، خطای پیش‌بینی با استفاده از معادله PR تقریباً پنج برابر MLP-ANN است. در این مقاله، روش MLP-ANN به دلیل کارایی محاسباتی و خطای کمتر در پیش‌بینی چگالی مولی، عملکرد بهتری از ANFIS داشت. https://ijac.journals.pnu.ac.ir/article_11008_03ff91ae83199bfcf0e95c3ee41db897.pdf

Payame Noor University, Iran Iranian Journal of Analytical Chemistry 2383-2207 11 1 2024 03 01 QSAR and Molecular Docking of Echinopsine Derivatives Containing Acylhydrazone Moiety Against Tobacco Mosaic Virus مطالعه رابطه کمی فعالیت -ساختار و اتصال مولکولی مشتقات اکینوپسین حاوی اسیل هیدرازون بر علیه ویروس موزاییک تنباکو 21 29 11009 10.30473/ijac.2024.71494.1298 EN Nosrat Madadi Mahani Department of Chemistry, Payame Noor University, 19395-4697, Tehran, Iran Maryam Bagherizadeh Department of Chemistry, Payame Noor University, 19395-4697, Tehran, Iran Journal Article 2024 06 05 Tobacco mosaic virus causes great economic damage to tobacco, pepper, cucumber and ornamental flowers all over the world. In the current work, the relationship between the structure and activity of novel series echinopsin derivatives containing acylhydrazone fragments as antiviral activity against tobacco mosaic virus (TMV) was studied using quantitative structure-activity relationship (QSAR) calculations and molecular docking analysis. Molecular docking analysis of echinopsin derivatives with tobacco mosaic virus (2OM3) protein was done using AutoDock software and descriptors such as binding energy, electroestatic energy and hydrogen bond energy were calculated. The negative values of the binding energy illustrated that the binding nature of these derivatives, as the ligand with the 2OM3 protein is strong. For QSAR model first, the dataset was divided into two groups of training and test sets. Then, descriptors were calculated using quantum mechanics, molecular docking and molecular <em>descriptors</em>. Then, modeling was done by multiple linear regression (MLR) method. It was found that of the lowest unoccupied molecular orbital (LUMO) and Gibbs free energy changes play a role in the model. Also, the descriptors of the total energy of van der Waals interactions, hydrogen bond and energy of vdW + H-bond + desolvation of the molecular docking descriptors have an effect in the regression model. This study can play an important role to design anti –TMV inhibitors. ویروس موزاییک تنباکو، زیان اقتصادی زیادی به تنباکو، فلفل، خیار و گل‌های زینتی در سراسر جهان وارد می‌نماید. در این مطالعه، یک سری از مشتقات جدید اکینوپسین حاوی اسیل هیدرازون با فعالیت انتی ویروسی بر علیه ویروس موزاییک تنباکو (TMV) با استفاده از محاسبات رابطه فعالیت کمیت-ساختار و اتصال مولکولی مورد بررسی قرارگرفت. آنالیز اتصال مولکولی مشتقات اکینوپسین با پروتئین ویروس موزائیک توتون (2OM3)با استفاده از نرم افزار اتوداک انجام شد و توصیف­کننده هایی مانند انرژی اتصال، انرژی الکترواستاتیک و انرژی پیوند هیدروژنی محاسبه گردید. مقادیر منفی انرژی اتصال نشان داد که ماهیت اتصال این مشتقات، به عنوان لیگاند با پروتئین 2OM3قوی است. برای مدل QSAR،  ابتدا مجموعه داده به دو گروه آموزش و مجموعه تست تقسیم شد. سپس توصیفگرها با استفاده از مکانیک کوانتومی، اتصال مولکولی و توصیفگرهای مولکولی محاسبه شدند.  سپس مدلسازی به روش رگرسیون خطی چندگانه (MLR) انجام شد. مشخص شد که انرژی کمترین اوربیتال مولکولی اشغال نشده (LUMO) و تغییرات انرژی آزاد گیبس در مدل نقش دارند. همچنین توصیف‌گرهای داکینگ مولکولی مانند توصیفگرهای انرژی کل برهمکنش‌های واندروالس، پیوند هیدروژنی و انرژی مجموع واندوالس، هیدروژنی و حل‌شوندگی  در مدل رگرسیونی تأثیر دارند. این مطالعه می‌تواند نقش مهمی در طراحی مهارکننده‌های ضد ویروس TMV داشته باشد. https://ijac.journals.pnu.ac.ir/article_11009_0f921dce4355deca487af375680efcb9.pdf

Payame Noor University, Iran Iranian Journal of Analytical Chemistry 2383-2207 11 1 2024 03 01 Adsorptive Removal of Pb(II) Ions by Using Multiwall Carbon Nanotube/ZnCo- Zeolite Imidazole Frameworks: Optimization and Modelling Study حذف جذبی یون‌های سرب (II) با استفاده از نانولوله‌های کربنی چند دیواره/ چارچوب‌های ایمیدازول زئولیتی روی کبالت: مطالعه بهینه‌سازی و مدل‌سازی 30 43 11254 10.30473/ijac.2024.71788.1303 EN Sayed Zia Mohammadi Department of Chemistry, Payame Noor University, Tehran, Iran Sareh Torabian Department of Chemistry, Payame Noor University, Tehran, Iran Somayeh Tajik Research Center of Tropical and Infectious Diseases, Kerman University of Medical Sciences, P.O. Box 76169-13555, Kerman, Iran Journal Article 2024 07 14 In the present research, an effective adsorbent as titled multiwall carbon nanotube/ZnCo- Zeolite imidazole frameworks (MWC/ZIF) was prepared and used for removal of Pb(II) ion from effluent samples. After separating the adsorbent from the solution, the amount of Pb(II) ion in the solution was measured using an atomic absorption device. Based on this, various experimental parameters effective on lead removal including pH, ionic strength, time, temperature, and Pb(II) ion concentration were investigated. Various kinetic models were also studied to assess adsorption kinetics of Pb(II) ions onto surface of MWC/ZIF nanocomposite. With reference to the obtained findings, the produced nanocomposite was assumed as an effective adsorption approach for removal of Pb(II) ions from effluent samples. ی<br />یک جاذب کارآمد تحت عنوان نانولوله کربنی چند دیواره/چهارچوب ایمیدازول زئولیتی-روی کبالت(MWC/ZIF) تهیه شد و برای خارج کردن یون سرب از نمونه‌های پساب مورد استفاده قرار گرفت. بعد از جدا کردن جاذب از محلول، مقدار یون سرب موجود در محلول بوسیله دستگاه جذب اتمی مورد اندازه گیری قرار گرفت. بر این اساس، انواع پارامترهای تجربی موثر بر روی حذف یون سرب همچون pH، قدرت یونی، زمان، دما و غلظت یون سرب مورد بررسی قرار گرفت. برای بررسی سینتیک جذب یون سرب بر روی نانوکامپوزیت MWC/ZIF، انواع مدلهای سینتیکی مورد بررسی قرار گرفت. با توجه به یافته‌ها، نانوکامپوزیت تولید شده به عنوان یک روش جذبی موثر برای حذف یون سرب از نمونه های پساب در نظر گرفته شد. https://ijac.journals.pnu.ac.ir/article_11254_91c5bba94d862e6b8680109c0d62b13c.pdf

Payame Noor University, Iran Iranian Journal of Analytical Chemistry 2383-2207 11 1 2024 03 01 Examining the Impact of Variable Selection Methods on Classification Outcomes of BCL-2 and BCL-XL Isoform-Selective Ligands بررسی تاثیر روش های انتخاب متغیر بر نتایج طبقه بندی لیگاندهای ایزوفرم انتخابی Bcl-2 و Bcl-xL 44 53 11270 10.30473/ijac.2024.70820.1290 EN Marzieh Sadat Neiband Department of Chemistry, Payam Noor University, 19395-4697, Tehran, Iran Journal Article 2024 07 12 Feature selection is crucial in Quantitative Structure-Activity Relationship (QSAR) studies, enhancing learning algorithms’ performance and reducing computational costs. This study evaluates the impact of eight variable selection methods on the classification of isoform-selective ligands for Bcl-2 and Bcl-xL targets using three machine learning techniques: Supervised Kohonen Network (SKN), Support Vector Machine (SVM), and Partial Least Squares Discriminant Analysis (PLS-DA). Classification models were assessed using confusion matrix parameters, 10-fold Venetian blind cross-validation, and test sets.<br />The results show that PLS-DA and SVM have comparable classification capabilities, outperforming SKN. However, PLS-DA occasionally leaves some ligands unassigned, making SVM a more robust and efficient choice. Despite using different variable selection methods, no clear advantage was found for any specific method, with all achieving around 70% classification accuracy in validation and test series. This suggests that the choice of variable selection method does not consistently affect outcomes across all techniques.<br />Ensuring the reliability of selected variables involves meticulous data quality assessments, literature review, and robust cross-validation. Eliminating redundant features is essential for accurate classification models, as many physicochemical properties may be irrelevant to target bioactivity. While no single method guarantees superior models, selecting important variables is vital for extracting relevant features. This study highlights the importance of careful variable selection in QSAR studies, emphasizing its role in reducing dimensionality and improving model interpretability. Ultimately, this enhances drug discovery efficiency by identifying safer and more effective compounds, reducing time and cost. انتخاب ویژگی‌ها در مطالعات رابطه کمّی ساختار-فعالیت (QSAR) بسیار مهم است، زیرا عملکرد الگوریتم‌های یادگیری را بهبود می‌بخشد و هزینه‌های محاسباتی را کاهش می‌دهد. این مطالعه تأثیر هشت روش انتخاب متغیر را بر طبقه‌بندی لیگاندهای ایزوفورم-انتخابی برای اهداف Bcl-2 و Bcl-xL با استفاده از سه تکنیک یادگیری ماشین: شبکه کوهونن نظارت‌شده (SKN)، ماشین بردار پشتیبان (SVM) و تحلیل تفکیکی حداقل مربعات جزئی (PLS-DA) ارزیابی می‌کند. مدل‌های طبقه‌بندی با استفاده از پارامترهای ماتریس سردرگمی، اعتبارسنجی متقاطع ۱۰-تایی و مجموعه‌های آزمون ارزیابی شدند.<br />نتایج نشان می‌دهد که PLS-DA و SVM قابلیت‌های طبقه‌بندی مشابهی دارند و از SKN بهتر عمل می‌کنند. با این حال، PLS-DA گاهی برخی لیگاندها را بدون تخصیص باقی می‌گذارد، که SVM را به یک انتخاب قوی‌تر و کارآمدتر تبدیل می‌کند. با وجود استفاده از روش‌های مختلف انتخاب متغیر، هیچ مزیت واضحی برای هیچ روش خاصی یافت نشد و همه حدود ۷۰٪ دقت طبقه‌بندی را در سری‌های اعتبارسنجی و آزمون به دست آوردند. این نشان می‌دهد که انتخاب روش انتخاب متغیر به طور مداوم بر نتایج در تمام تکنیک‌ها تأثیر نمی‌گذارد.<br />اطمینان از قابلیت اطمینان متغیرهای انتخاب‌شده شامل ارزیابی دقیق کیفیت داده‌ها، مرور ادبیات و اعتبارسنجی متقاطع قوی است. حذف ویژگی‌های زائد برای مدل‌های طبقه‌بندی دقیق ضروری است، زیرا بسیاری از خواص فیزیکوشیمیایی ممکن است به فعالیت زیستی هدف مرتبط نباشند. در حالی که هیچ روش واحدی مدل‌های برتر را تضمین نمی‌کند، انتخاب متغیرهای مهم برای استخراج ویژگی‌های مرتبط حیاتی است. این مطالعه اهمیت انتخاب دقیق متغیرها در مطالعات QSAR را برجسته می‌کند و نقش آن را در کاهش ابعاد و بهبود تفسیر مدل‌ها تأکید می‌کند. در نهایت، این کارایی کشف دارو را با شناسایی ترکیبات ایمن‌تر و مؤثرتر افزایش می‌دهد و زمان و هزینه را کاهش می‌دهد. https://ijac.journals.pnu.ac.ir/article_11270_de3b1d26ea39ef8016832b5e0b39bd92.pdf

Payame Noor University, Iran Iranian Journal of Analytical Chemistry 2383-2207 11 1 2024 03 01 A promising on-off Chemosensor Based on Manganese(II) Complex of a Xanthene Ligand as an Easily Commercially Available Dye for the Detection of Cysteine in Biological Samples یک حسگر شیمیایی‌ امیدوارکننده بر پایه کمپلکس منگنز (II) با یک لیگاند زانتن به‌عنوان یک رنگ تجاری در دسترس برای تشخیص سیستئین در نمونه‌های بیولوژیکی 54 68 11255 10.30473/ijac.2024.72220.1306 EN Hossein Tavalali Department of Chemistry, Payame Noor University 19395-4697 Tehran, Islamic Republic of Iran Hesamadin Haghdan Department of Chemistry, Payame Noor University 19395-4697 Tehran, Islamic Republic of Iran Journal Article 2024 08 30 A novel colorimetric chemosensor for naked-eye detection and determination of Mn²⁺ and cysteine (Cys) based on indicator displacement assay (IDA) was designed using bromo pyrogallol red (BPR). The indicator exchange occurred between BPR and Cys by the addition of Cys to the Mn(BPR) complex, which is accomplished by an immediate visible color change from purple to magenta, in EtOH/HEPES buffer 10.0 mmol L^-1, pH 9.3 (1:4 v/v). The proposed method exhibits a 0.02 μmol L⁻¹ detection limit and good linearity in the range of 0.11–2.87 μmol L⁻¹ for cysteine amino acid. Additionally, the absorption and color change obtained in this chemosensor operate as an “IMPLICATION” logic gate considering Mn²⁺ and Cys as inputs. Eventually, based on such a fast, reversible, and reproducible signal, a molecular-scale sequential memory unit was designed to display “keypad lock” behavior. The developed chemosensor presented satisfactory repeatability, good precision, and successful application for the selective determination of Cys in human biological fluids. Furthermore, the method's accuracy was evaluated by comparing the results obtained from the proposed method and those from the reference method. در این مطالعه، یک حسگر شیمیایی رنگ سنجی جدید برای تشخیص و تعیین منگنز (II) و سیستئین (Cys) با چشم غیر مسلح بر اساس سنجش جابجایی شناساگر (IDA) با استفاده از بومو پیووگالول قرمز (BPR) طراحی و توسعه داده شد. تبادل بین BPR و Cys با افزودن Cys به کمپلکس منگنز -BPR رخ داد که منجر به تغییر رنگ واضح و سریع از بنفش به سرخابی در محیط اتانول /محلول 0/10 میلی مولار بافرHEPES در 3/9 pH= با نسبت حجمی/حجمی 4:1 همراه بود. روش پیشنهادی حد تشخیص 02/0 میکرومول بر لیتر و محدوده خطی87/2-11/0 میکرومولبر لیتر برای سیستئین را نشان می دهد. علاوه بر این، بر اساس تغییرات جذب ایجاد شده و تغییر رنگ مشاهده شده ، این حسگر شیمیایی به عنوان یک دروازه منطقی "IMPLICATION" با در نظر گرفتن منگنز (II) و Cys به عنوان ورودی پیشنهاد شده است. به عنوان یک کاربرد در اندازه های مولکولی، بر اساس چنین سیگنال سریع و قابل تکرار، یک واحد حافظه متوالی در مقیاس مولکولی برای نشان دادن رفتار "قفل صفحه کلید" طراحی شده است. حسگر شیمیایی توسعه یافته تکرارپذیری رضایت بخش، دقت خوب و کاربرد موفقیت آمیز را برای تعیین انتخابی Cys در مایعات بیولوژیکی انسان فراهم می کند. همچنین دقت روش با مقایسه نتایج به دست آمده از روش پیشنهادی و روش مرجع مورد ارزیابی قرار گرفت. https://ijac.journals.pnu.ac.ir/article_11255_acd47a3473a9611e6adc8e937b0580a3.pdf

Payame Noor University, Iran Iranian Journal of Analytical Chemistry 2383-2207 11 1 2024 03 01 The Reduction of Nitro Compounds Using Nd2Sn2O7 Nanoceramic اهش ترکیبات نیترو با استفاده از نانوسرامیک Nd2Sn2O7 69 77 11275 10.30473/ijac.2024.72054.1304 EN Mostafa Khoshtabkh Department of Civil Engineering, Neyshabur Branch, Islamic Azad University, Neyshabur, Iran Mahdi Nobahari Department of Civil Engineering, Neyshabur Branch, Islamic Azad University, Neyshabur, Iran New materials Technology and Processing Reserearch Center, Neyshabur Branch, Islamic Azad University, Iran Seyed Mojtaba Movahedifar Department of Civil Engineering, Neyshabur Branch, Islamic Azad University, Neyshabur, Iran New materials Technology and Processing Reserearch Center, Neyshabur Branch, Islamic Azad University, Iran Amin Honarbakhsh Department of Civil Engineering, Neyshabur Branch, Islamic Azad University, Neyshabur, Iran New materials Technology and Processing Reserearch Center, Neyshabur Branch, Islamic Azad University, Iran Rahele Zhiani New materials Technology and Processing Reserearch Center, Neyshabur Branch, Islamic Azad University, Iran Department of chemistry, Neyshabur Branch, Islamic Azad University, Iran Advanced Research Center for Chemistry, Biochemistry and Nanomaterial; Neyshabur Branch, Islamic Azad University, Iran Journal Article 2024 08 12 Nd₂Sn₂O₇ nanoceramic was synthesized using an eco-friendly method with SnCl₄•5H₂O and Nd(NO₃)₃•6H₂O. Structural analysis confirmed the formation of Nd₂Sn₂O₇ nanoceramic with a size of 20±8 nm. Nd₂Sn₂O₇ was thoroughly characterized using SEM, XRD, TGA, EDX, and TEM techniques. Due to its high mechanical and long-term colloidal stability, large ionic character, and thermal stability, this system is considered an ideal nanocatalyst employing the host-guest approach. This green and environmentally friendly method was tested for the reduction of nitro-aromatic compounds using the synthesized Nd₂Sn₂O₇ nanoceramic. The catalyst demonstrated easy and effective reusability after the reaction was completed under visible light irradiation. نانوسرامیک Nd₂Sn₂O₇ با استفاده از یک روش سازگار با محیط زیست با SnC_l4•5H₂O و Nd(NO₃)³•6H₂O سنتز شدند. تجزیه و تحلیل ساختاری تشکیل نانوسرامیک Nd₂Sn₂O₇ با اندازه 8±20 نانومتر را تایید کرد. Nd₂Sn₂O₇ به طور کامل با استفاده از تکنیک های SEM، XRD، TGA، EDX و TEM مشخص شد. این سیستم به دلیل پایداری کلوئیدی بالای مکانیکی و بلندمدت، ویژگی یونی بزرگ و پایداری حرارتی، یک نانوکاتالیست ایده‌آل با استفاده از رویکرد میزبان-میهمان در نظر گرفته می‌شود. این روش سبز و سازگار با محیط زیست برای کاهش ترکیبات نیترو-آروماتیک با استفاده از نانوسرامیک سنتز Nd₂Sn₂O₇ مورد آزمایش قرار گرفت. کاتالیزور قابلیت استفاده مجدد آسان و موثر را پس از تکمیل واکنش تحت تابش نور مرئی نشان داد. https://ijac.journals.pnu.ac.ir/article_11275_a9db458937231fd29b6e9fccdf876c79.pdf

Payame Noor University, Iran Iranian Journal of Analytical Chemistry 2383-2207 11 1 2024 03 01 Zn/La3⁺-Based MOFs: A Novel Approach for Controlled and Sustained Release of Captopril چارچوب‌های آلی-فلزی بر پایه : Zn/La³⁺رویکردی نوین برای رهایش کنترل‌شده و پایدار کاپتوپریل 78 85 11285 10.30473/ijac.2024.71778.1302 EN Maryam Malekzadeh Department of Chemistry, Payame Noor University, 19395-4697, Tehran 0000-0002-3242-7557 Moghadaseh Yahyapour Department of Chemistry, Shahid Bahonar University, 76169-133, Kerman, Iran Journal Article 2024 07 11 This study presents the synthesis of Zn/La³⁺-based metal-organic frameworks (MOFs) using a co-precipitation assisted microwave method. Characterization through SEM and TEM revealed uniform nanoparticles around 80 nm. FT-IR spectroscopy confirmed the presence of key functional groups. Dynamic light scattering (DLS) showed highly uniform particle sizes. In vitro release studies of captopril from Zn/La³⁺/MOFs demonstrated a 41% release rate over 300 min, compared to 64% for pure captopril. Encapsulation within the MOF matrix ensured controlled and sustained drug release, with the first -order kinetic model fitting best. These Zn/La³⁺/MOFs show promise for enhanced and controlled drug delivery systems.<br />  این مطالعه به سنتز چارچوب‌های آلی-فلزی بر پایهZn/La³⁺ با استفاده از روش هم‌رسوبی به کمک ماکروویو می‌پردازد. شناسایی توسط میکروسکوپ الکترونی روبشی (SEM) و میکروسکوپ الکترونی عبوری (TEM) نشان داد که نانوذرات با اندازه یکنواخت حدود 80 نانومتر تولید شده‌اند. طیف‌سنجی FT-IR حضور گروه‌های عاملی کلیدی را تأیید کرد. پخش نور دینامیکی (DLS) اندازه‌های بسیار یکنواخت ذرات را نشان داد. مطالعات رهایش در شرایط آزمایشگاهی کاپتوپریل از چارچوب‌های آلی-فلزی Zn/La³⁺نشان داد که نرخ رهایش 41% طی 300 دقیقه بوده است، در حالی که برای کاپتوپریل خالص این میزان 64% بوده است. انکپسولاسیون در ماتریس چارچوب آلی-فلزی رهایش کنترل‌شده و پایدار دارو را تضمین کرد و مدل سینتیک مرتبه اول بهترین تطابق را نشان داد. این چارچوب‌های آلی-فلزی Zn/La³⁺ نشان‌دهنده پتانسیل بالایی برای سیستم‌های دارورسانی کنترل‌شده و بهبود یافته هستند. https://ijac.journals.pnu.ac.ir/article_11285_1d445718e55fc0626c33895a4bc17f8a.pdf

Payame Noor University, Iran Iranian Journal of Analytical Chemistry 2383-2207 11 1 2024 03 01 Removal of Organic Dyes Using Gd2ZnMnO6/ZnO Ceramic Nanocomposites as a Photocatalysts حذف رنگ های آلی با استفاده از نانوکامپوزیت های سرامیکی Gd2ZnMnO6/ZnO به عنوان فتوکاتالیست 86 94 11284 10.30473/ijac.2024.72062.1305 EN Masoud Kouchakzadeh Department of Civil Engineering, Neyshabur Branch, Islamic Azad University, Neyshabur, Iran Amin Honarbakhsh Department of Civil Engineering, Neyshabur Branch, Islamic Azad University, Neyshabur, Iran New materials Technology and Processing Reserearch Center, Neyshabur Branch, Islamic Azad University, Iran Seyed Mojtaba Movahedifar Department of Civil Engineering, Neyshabur Branch, Islamic Azad University, Neyshabur, Iran New materials Technology and Processing Reserearch Center, Neyshabur Branch, Islamic Azad University, Iran Rahele Zhiani New materials Technology and Processing Reserearch Center, Neyshabur Branch, Islamic Azad University, Iran Farhad Hajian Department of Civil Engineering, Neyshabur Branch, Islamic Azad University, Neyshabur, Iran Seyed Mohsen Sadeghzadeh New materials Technology and Processing Reserearch Center, Neyshabur Branch, Islamic Azad University, Iran Department of chemistry, Neyshabur Branch, Islamic Azad University, Iran Advanced Research Center for Chemistry, Biochemistry and Nanomaterial; Neyshabur Branch, Islamic Azad University, Iran Journal Article 2024 08 13 The photocatalytic degradation of organic dye residues offers a promising and eco-friendly solution to challenges that endanger living organisms. A highly efficient fibrous nanocatalyst was carefully fabricated, designed, and utilized to remove acid black 1, acid blue 92, acid brown 214, and acid violet 7 [Wastewater colors]. The findings indicated that the amount of Gd₂ZnMnO₆/ZnO quantum dots affects the degradation efficiency. Integrating quantum dots into the photocatalyst structure boosts light absorption, accelerates electron transfer rates, and enhances charge transfer efficiency. The catalyst's performance was assessed by considering various catalyst components for the removal of organic wastes. The study proposed rational procedures based on the interaction between Gd₂ZnMnO₆ and ZnO nanoparticles within the catalyst, which can be reused and recovered for at least 10 cycles without significant loss of reactivity. تخریب فتوکاتالیستی بقایای رنگ آلی راه حلی امیدوارکننده و سازگار با محیط زیست برای چالش هایی است که موجودات زنده را به خطر می اندازد. یک نانوکاتالیست فیبری بسیار کارآمد برای حذف اسید سیاه 1، آبی اسیدی 92، قهوه ای اسیدی 214 و بنفش اسیدی 7 [رنگ های فاضلاب] به دقت ساخته، طراحی و مورد استفاده قرار گرفت. یافته‌ها نشان داد که مقدار نقاط کوانتومی Gd₂ZnMnO₆/ZnO بر راندمان تخریب تأثیر می‌گذارد. ادغام نقاط کوانتومی در ساختار فتوکاتالیست، جذب نور را افزایش می‌دهد، سرعت انتقال الکترون را تسریع می‌کند و راندمان انتقال بار را افزایش می‌دهد. عملکرد کاتالیزور با در نظر گرفتن اجزای مختلف کاتالیزور برای حذف ضایعات آلی ارزیابی شد. این مطالعه رویه‌های منطقی را بر اساس برهمکنش بین نانوذرات Gd₂ZnMnO₆ و ZnO در داخل کاتالیزور پیشنهاد کرد که می‌توان آنها را برای حداقل 10 چرخه بدون از دست دادن قابل توجه واکنش‌پذیری مجدداً استفاده و بازیابی کرد. https://ijac.journals.pnu.ac.ir/article_11284_08e53d79437672b10132cb2455f64fc7.pdf

Payame Noor University, Iran Iranian Journal of Analytical Chemistry 2383-2207 11 1 2024 03 01 Synthesize and Application of SiO2/CPW Nanocomposite for Removal of Cadmium from Industrial Wastewater سنتز و کاربرد نانو کامپوزیت SiO2/CPW برای حذف یونهای کادمیم از پسابهای صنعتی 95 103 11324 10.30473/ijac.2024.72409.1309 EN Fatemeh Sabermahani Department of Chemistry, Payame Noor University, Kerman, Iran Iman Aminaei Department of Chemistry, Payame Noor University, Kerman, Iran Journal Article 2024 10 02 The coconut peel waste (CPW) was chemically spiked with silica nanoparticles to develop a novel nanocomposite (SiO₂/CPW). The new nanocomposite was characterized by FTIR, SEM and Dynamic Light Scattering method. Adsorption of Cd ions onto SiO₂/CPW was studied in batch mode as a function of pH, contact time, adsorbent dosage and initial concentration and temperature. The maximum removal of Cd²⁺ions was at pH=6.5 and adsorbent dosage=0.1 g. The experiments showed that the adsorption process was quick and about 74.5% of total cadmium was removed within 5 min. Cadmium uptake by the new adsorbent was best described by pseudo-second order model. Using the equilibrium concentration constants obtained at different temperatures, various thermodynamic parameters have been calculated. The results indicated that Cadmium adsorption was feasible, spontaneous, and endothermic. The suggested sorbent proved the great potential in cadmium removal from water and wastewater. پودر پوست نارگیل (CPW) بطور شیمیایی با نانوذرات سیلیس اصلاح و نانو کامپوزیت SiO₂/CPW تهیه گردید. نانو کامپوزیت جدید, توسط تکنیکهای FT-IR , SEM  وDLS   شناسایی شد. جذب کادمیم برروی SiO₂/CPW به صورت ناپیوسته و بعنوان تابعی ازpH , زمان تماس, مقدار جاذب, غلظت اولیه‌ی کادمیم و دما بررسی گردید. بیشترین حذف یونهای کادمیم در5/6 pH= و مقدار جاذب1/0 گرم بود. آزمایشات نشان دادکه فرایند جذب سریع بوده و 5/74 درصد از کل کادمیم در 5 دقیقه اول حذف میگردد. جذب کادمیم توسط جاذب جدید از معادله شبه مرتبه اول پیروی کرد.  با استفاده از  ثابتهای تعادلی غلظت در دماهای مختلف پارامتر‌های ترمودینامیکی محاسبه شدند. نتایج, دلالت بر جذب کادمیم بصورت خود به خودی و گرماگیر داشت. جاذب پیشنهادی پتانسیل خوبی در حذف کادمیم از آب و پسابهای صنعتی دارد. https://ijac.journals.pnu.ac.ir/article_11324_89993964bc5b3afce66db71a9fbfe8c1.pdf