소개
약학에서 아세틸살리실산(또는 줄여서 ASA, 영어권 국가에서는 아스피린™이라는 브랜드명이 동의어로 사용되기도 함)보다 더 많이 쓰인 활성 성분은 거의 없습니다. 아스피린의 성공 스토리는 19세기 말 펠릭스 호프만 박사가 바이엘 연구소에서 처음으로 불순물 없이 이 물질을 합성하면서 시작되었습니다. 오늘날에도 여전히 광범위한 치료 범위에서 가장 많이 사용되는 의약품 중 하나입니다. 비스테로이드성 항염증제(NSAID) 그룹에 속하며 통증, 발열 및 염증 치료에 사용됩니다. 또한 고위험 환자의 심장 마비 또는 뇌졸중 재발을 예방하는 데 사용됩니다. 1977년, ASA는 WHO(세계보건기구)의 '필수 의약품 목록'에 진통제로 추가되었습니다[1].
이 글은 아세틸살리실산의 열 거동에 대해 자세히 살펴보는 네 가지 애플리케이션 노트 중 두 번째 글입니다: 다양한 가스 분위기에서의 분해, 분해 역학 및 그 결과 생성되는 가스 종 [2] [3] [4].
열 분석 데이터의 동역학 분석
열분석 방법의 측정 데이터를 통해 분해, 열분해 또는 연소로 인한 질량 손실, 용융 또는 결정화와 같은 에너지 변화 또는 세라믹 재료와 같은 열팽창 또는 소결로 인한 시료 치수의 변화에 대한 정보를 얻을 수 있습니다. 그러나 이러한 정보만으로는 정보 내용이 완전히 활용되지 않습니다. 보다 포괄적인 동역학 분석을 통해 다양한 온도에서 반응의 시간 경과, 즉 반응 속도에 대한 정보도 얻을 수 있습니다. 수학 방정식의 도움으로 반응 과정을 충분히 잘 설명할 수 있다면 실험적으로 접근이 불가능하거나 어려운 반응 과정에 대한 예측도 가능합니다. 이를 통해 공정을 최적화하거나 재료 및 제품의 수명, 산화 안정성 또는 노화 거동을 예측하는 데 사용할 수 있습니다.
결과 및 토론
아세틸살리실산의 열 거동을 더 잘 이해하기 위해 실험 데이터를 설명할 수 있는 수학 방정식 체계를 찾기 위해 동역학적 접근법을 수행했습니다. 열 거동은 NETZSCH TG 209 F1 Libra® 를 사용하여 표 1에 요약된 측정 조건을 적용하여 연구했습니다. 일반적으로 동역학 평가의 주요 목표인 시간-온도 상관관계를 설명하기 위해서는 최소 세 가지 이상의 서로 다른 가열 속도 시리즈가 필요합니다.
표 1: TGA 측정 매개변수
| 파라미터 | 아세틸살리실산 |
|---|---|
| 시료 질량 [mg] | 4.982 │ 5.014 │ 5.053 |
| 대기 | 아르곤 |
| 도가니 | Al2O3, 85 μl, 개방 |
| 온도 프로그램 | RT - 450°C |
| 가열 속도 [K/min] | 3 │ 10 │ 30 |
| 가스 유량 [ml/min] | 40 |
| 샘플 홀더 | TGA |
그림 1은 NETZSCH Proteus® 분석 소프트웨어에서 얻은 결과를 보여줍니다. 100°C와 400°C 사이에서 열 중량 분석은 아세틸살리실산의 열분해에 대한 두 가지 주요 질량 손실 단계를 감지합니다. TGA 곡선은 가열 속도가 증가함에 따라 더 높은 온도로 이동합니다. 거의 동일한 최종 질량뿐만 아니라 거의 평행하게 이동하는 것은 가열 속도 자체가 반응 메커니즘을 크게 변화시키지 않는다는 것을 나타냅니다. 이것은 또한 이 경우 반응 메커니즘이 그다지 복잡하지 않다는 것을 분명히 나타냅니다. 반면에 질량 손실 단계가 완벽하게 분리되어 있지 않다는 것을 분명히 알 수 있습니다. 첫 번째 질량 손실 단계의 끝이나 두 번째 질량 손실 단계의 시작을 명확하게 정의하는 고원이 보이지 않습니다. TGA-FT-IR, TGA-MS 또는 TGA-GC-MS와 같은 결합 기술로 확인된 바와 같이 열분해와 증발이 동시에 발생합니다 [2][4][5].
동역학 분석을 위해 측정된 데이터는 ASCII를 통해 NETZSCH Kinetics Neo 소프트웨어로 전송됩니다. 가져온 데이터는 그림 2에 나와 있습니다.
반응 메커니즘에 대한 초기 아이디어를 얻으려면 소위 모델 없는 접근법으로 동역학 분석을 시작하는 것이 유용합니다. 그림 3은 오자와-플린-월에 따른 결과를 보여주는데, 여기서 가열 속도의 대수가 역온도에 대해 플롯되어 있습니다. 이 접근 방식은 측정된 모든 데이터 포인트를 고려할 뿐만 아니라 반응의 전체 과정에 걸쳐 활성화 에너지의 변화와 사전 지수 계수(전환 정도)에 대한 정보도 제공합니다. 이는 다단계 반응에 특히 유용합니다. 이 플롯은 세 가지 가열 속도(가로 기호) 모두에 대한 반응 진행(오른쪽에서 왼쪽으로)을 설명합니다. 거의 수직에 가까운 선은 각 가열 속도에 대해 동일한 변환 정도를 연결하므로 등변환선이라고 합니다.
이 등변선은 전체 공정의 시작과 끝에서 두 가지 주요 열분해 단계의 범위에서 어느 정도 평행합니다. 약 50% 변환에서 이 등변환선은 반응 메커니즘의 변화를 나타내는 다른 기울기를 보여줍니다. 이 반응 단계에서는 앞서 언급한 대로 열분해와 증발이 동시에 발생합니다[2][4][5].
그림 4는 오자와-플린-벽에 따라 반응의 진행에 따라 활성화 에너지가 어떻게 변화하는지 보여줍니다. 이는 전체 공정에 대해 세 가지 범위를 나타내므로 매우 중요한 정보로, 반응 초기에는 활성화 에너지가 약 110kJ/mol, 40%와 50% 전환 사이에는 약 40kJ/mol, 반응이 끝날 때는 약 120kJ/mol로 나타납니다. 전환 정도에 따른 활성화 에너지의 변화는 다단계 반응 메커니즘을 확인시켜 줍니다. 얻어진 값은 문헌에 발표된 결과와 좋은 상관관계가 있습니다 [6].
이 정보를 모델 기반 분석으로 옮기면 3단계 연속 모델(t:FnFnFn)로 이어지며, 여기서 A는 출발 물질(아세틸살리실산)을, B와 C는 문헌에서 알려진 중간체[6, 7]를, D는 최종 생성물을 나타냅니다. 이 경우 최종 생성물은 물론 실제 물질은 아니지만 세 열무게 곡선 모두 잔류 질량이 0이므로 반응의 끝 또는 100% 전환을 나타냅니다. 형성된 모든 생성물은 기체이므로 최종 온도까지 가열하는 동안 도가니 밖으로 증발합니다. 그림 5는 이 모델 기반 접근 방식의 결과를 보여줍니다. 측정된 데이터는 기호로 표시되어 있으며, 계산된 3단계 연속 모델의 결과는 실선으로 표시되어 있고 각 가열 속도와 관련된 색상이 표시되어 있습니다. 계산된 모델은 실험 데이터와 거의 완벽하게 일치하며, 이는 0.99986의 상관 계수로 최종적으로 확인됩니다.
계산된 매개변수인 지수 전 계수, 활성화 에너지 및 반응 순서는 각 개별 반응 단계에 대해 표 2에 요약되어 있습니다. 활성화 에너지의 모든 값은 오자와-플린-월 접근법에서 제안한 값과 문헌에 보고된 값과 잘 일치합니다[6]. 세 가지 반응 단계의 기여도는 각각 40.3%, 13.6%, 46.1%로, 제시된 질량 손실 단계와 잘 일치합니다.
표 2: n차 3단계 연속 모델을 사용한 모델 기반 접근 방식의 파라미터 결과
| 파라미터 | 1단계 (Fn) | 2단계 (Fn) | 3번째 단계 (Fn) |
|---|---|---|---|
| 로그(프리엑스피) | 9.88 | 0.88 | 8.02 |
| EA (kJ/mol) | 101.3 | 30.7 | 116.6 |
| 반응 순서 | 1.01 | 0.91 | 0.77 |
| 기여도(%) | 40.3 | 13.6 | 46.1 |
결론
문헌에서 제시된 아세틸살리실산의 열분해 메커니즘은 중간체의 동시 증발을 동반하는 2단계 메커니즘입니다[6]. 그레고리 등은 아세트산이 첫 번째 질량 손실 단계에서 방출되는 주요 화합물이라는 사실을 발견했습니다. 또한, 이들은 질량 분석법(MS)으로 검출된 원자 질량 단위(amu)로 표시된 것처럼 다양한 올리고머를 형성하는 열분해 메커니즘을 제안합니다[6][7]. 주요 가스 생성물이 아세트산, 살리실산, 페놀 및 아세틸살리실산임을 확인한 것과 함께, 추가 열분해 생성물을 분리하고 식별하기 위해 더욱 정교한 TGA-GC-MS 결합 기법이 사용되었습니다 [2]. 모든 저자들은 반응 진행의 40%에서 60% 사이에서 열분해와 증발이 중첩된다고 보고합니다.
본 연구에서는 이러한 결과를 3단계 연속 n차 모델을 사용하여 모델 기반 동역학 접근법으로 구현할 수 있었습니다. 실험 데이터와 수학적 모델 간의 우수한 상관관계는 0.99986의 상관 계수를 통해 확인되었습니다. 예를 들어 활성화 에너지의 값은 문헌에 보고된 값과 잘 일치합니다. 그럼에도 불구하고 여기서 소개한 3단계 연속 모델의 모델 기반 접근법은 각 개별 반응 단계마다 독립적으로 운동 데이터를 사용할 수 있다는 점에서 오자와-플린-월 등[6]에 기반한 등변환 모델 없는 접근법보다 한 단계 진일보한 접근법임이 분명합니다.