Tuhoamattoman Raman-spektroskopian ja prosessianalyyttisen teknologian (PAT) soveltaminen kasviperäisten lääkeaineiden reaaliaikaiseen hivenepäpuhtauksien profilointiin
Tiivistelmä
Tausta
Kasviperäiset lääkeaineet (API) ja kasviperäiset lääkeaineosat edellyttävät laatustrategioita, jotka kykenevät hallitsemaan vaihtelua ja kontaminaatioriskejä käyttäen ”kokonaisnäyttöön” (totality of the evidence) perustuvaa lähestymistapaa, johon kuuluu kasviperäisen raaka-aineen valvonta ja kemiallinen testaus, kuten spektroskooppiset ja/tai kromatografiset menetelmät. [1] Sääntelyohjeistus odottaa nimenomaisesti testejä torjunta-ainejäämien ja satunnaisten toksiinien (esim. aflatoksiinit) varalta sekä valvontaa, joka kohdistuu vierasaineisiin ja väärennöksiin, mikä motivoi nopeiden seulontamenetelmien käyttöä koko toimitusketjussa ja valmistuksen elinkaaren aikana. [1]
Tavoite
Tämä käsitteellinen proof-of-concept- ja datasyntreesitutkimus arvioi, miten tuhoamaton Raman-spektroskopia (mukaan lukien SERS-tehostetut variantit) voidaan integroida prosessianalyyttisen teknologian (PAT) viitekehykseen kasviperäisten API-aineiden reaaliaikaista tai lähes reaaliaikaista hivenepäpuhtauksien profilointia varten, painottaen toteutettavuutta, analyyttistä suorituskykyä ja käyttöönoton rajoitteita julkaistun näytön tukemana. [2, 3]
Menetelmät
Syntetisoimme näyttöä, joka osoittaa:
- Ramanin herkkyyden kemialliselle rakenteelle ja minimaalisen näytteen esikäsittelytarpeen; [2, 4]
- SERS-tehostuksen ja edustavat osoitukset hivenaineiden torjunta-aineista (mukaan lukien ppm-sub-ppb-alueet); [5–8]
- Kemometriset strategiat väärennösten todentamiseen ja kvantitatiiviseen ennustamiseen; [9–11]
- PAT-yhteensopivat prosessinseurantaesimerkit ja tunnetut esteet teolliselle soveltamiselle. [3]
Tulokset
Kootuissa tutkimuksissa Raman ja kemometria erottivat väärennetyt eteeriset öljyt silloin, kun visuaalinen tarkastus oli riittämätöntä, ja PCA tarjosi spektraalisen erottelun puhtaiden ja väärennettyjen näytteiden välillä. [9] Kvantitatiivinen Raman-mallinnus (PLSR) saavutti korkean ennustetarkkuuden pitoisuuden ennustustehtävissä, mikä tukee kalibrointiin perustuvan kvantifioinnin uskottavuutta monimutkaisissa formulaatioissa. [10]
Hivenepäpuhtauksien osalta SERS-tutkimukset raportoivat havaitsemisrajaksi jopa 1 ppm hedelmien pinnoilta valituille torjunta-aineille, ja toisessa työssä mitattiin LOD-arvoja välillä 0.001–10 ppm 21 eri torjunta-aineelle käyttämällä kolloidisia kultananopartikkeleita. [6, 7] Kädessä pidettävä SERS yhdessä QuEChERS-asetaattiuuton kanssa havaitsi useita torjunta-aineita alle EU MRL -rajan 10 ppb basmatiriisistä valituille analyyteille, uuton valmistuessa alle 15 minuutissa, mikä havainnollistaa käytännöllistä ”seulonta ensin” -työnkulkua. [8]
PAT-käyttöä ajatellen Ramanin nopeat, tuhoamattomat ja ei-invasiiviset mittaukset sekä kyky tulla otetuksi käyttöön laboratoriosta tuotantolinjoille tukevat inline/online-seurantaa. Näyttö korostaa kuitenkin myös sitä, että suurin osa PAT-tutkimuksesta on edelleen laboratoriotasoista ja että Raman-prosessimalleilla voi olla suhteellisen korkeat LOD-arvot, jotka eivät havaitse alhaisen pitoisuuden kohteita uuton seurantaympäristöissä. [2, 3]
Johtopäätökset
Näyttö tukee toteutuskelpoista Raman/SERS-pohjaista PAT-konseptia kasviperäisten API-aineiden kontaminaatioriskien hallintaan: käytetään kannettavaa Ramania saapuvan materiaalin todentamiseen ja väärennösten seulontaan; hyödynnetään SERS-moduuleja kohdennettuun torjunta-aineiden seulontaan; ja integroidaan Raman-pohjaiset monimuuttujamallit PAT-ohjaussilmukoihin, joissa prosessiolosuhteet mahdollistavat vakaan kalibroinnin siirron ja riittävän havaitsemiskyvyn. [3, 12]
Ensisijaisia rajoituksia ovat herkkyys ultra-hivenaineille heterogeenisissä kasviperäisissä matriiseissa, fluoresenssi ja heikot Raman-signaalit sekä validointi-/mallinsiirtovaatimukset, joita tarvitaan vähennetyn tai ajoittaisen testauksen (skip-testing) sääntelylliseen hyväksyntään. [3, 4, 13]
Avainsanat
- Raman-spektroskopia
- SERS
- Prosessianalyyttinen teknologia
- Kasviperäinen API
- Torjunta-ainejäämät
- Väärennösten havaitseminen
- Kemometria
- Reaaliaikainen seuranta
Johdanto
Kasviperäisiä lääkeaineita ja kasviperäisiä API-aineita säännellään laatuparadigmojen puitteissa, jotka korostavat terapeuttista yhdenmukaisuutta ja joita tukee ”kokonaisnäyttöön” (totality of the evidence) perustuva lähestymistapa, mukaan lukien kasviperäisen raaka-aineen valvonta ja kemiallinen laadunvalvontatestaus, jossa voidaan käyttää spektroskooppisia ja/tai kromatografisia menetelmiä. [1] Tässä paradigmassa kontaminaatio- ja väärennösriskit on nimenomaisesti mainittu laatukysymyksinä, jotka edellyttävät testausstrategioita, mukaan lukien testit torjunta-ainejäämien (mukaan lukien emotorjunta-aineet ja tärkeimmät toksiset metaboliitit) ja satunnaisten toksiinien, kuten aflatoksiinien, varalta sekä valvontatoimet vierasaineiden ja väärennösten hallitsemiseksi. [1]
Samanaikaisesti eurooppalainen spesifikaatio-ohjeistus kasviperäisille aineille ja valmisteille määrittelee spesifikaatiot testeiksi, menetelmiksi ja hyväksymiskriteereiksi, joita käytetään laadun varmistamiseen vapauttamisen yhteydessä ja säilyvyysajan aikana. Ohjeistus tunnistaa epäpuhtausryhmät, joita tulisi käsitellä tarvittaessa, mukaan lukien raskasmetallit/alkuaine-epäpuhtaudet, torjunta-aineiden ja kaasutusaineiden jäämät, mykotoksiinit (aflatoksiinit, okratoksiini A) ja mikrobikontaminaatio. [13, 14] EMA-ohjeistus osoittaa myös, että epäpuhtausjäämien ajoittainen testaus (skip-testing) voi olla hyväksyttävää, kun se perustellaan riskinarvioinnilla ja erädatalla. Tämä luo selvän sääntelyllisen kannustimen nopeammille seulonta- ja prosessiymmärrystyökaluille, jotka voivat oikeuttaa riskipohjaiset valvontastrategiat turvallisuudesta tinkimättä. [13]
Raman-spektroskopia on ehdokas tällaisiin strategioihin, koska Raman-sironta tarjoaa kemiallisesti spesifisiä ”sormenjälkispektrejä”, ja Raman-menetelmiä kuvataan yleisesti nopeiksi, tuhoamattomiksi ja ei-invasiivisiksi yksinkertaisella näytteen esikäsittelyllä. Nämä ovat toiminnallisia ominaisuuksia, jotka ovat linjassa reaaliaikaisen päätöksenteon kanssa valmistuksen ja toimitusketjun valvonnan aikana. [2, 4]
Katsaukset farmaseuttisiin Raman-sovelluksiin kuvaavat käyttöalueen ulottuvan laboratoriokäytöstä lastauslaitureille ja tuotantolinjoille, mikä viittaa siihen, että Ramania voidaan pitää paitsi off-line-tunnistustyökaluna myös mahdollisena prosessinaikaisena analyyttisenä sensorina PAT-kontekstissa. [2] PAT määritellään nimenomaisesti sellaisten työkalujen ja keinojen sarjaksi, joilla toteutetaan reaaliaikainen analyysi ja takaisinkytkentäohjaus teollisen tuotannon aikana, jotta varmistetaan hallittavissa oleva tuotantoprosessi ja tuotteen optimaalinen laatu. Värähtelyspektroskopiatekniikoiden kuvataan mahdollistavan kasvien sisäisten laatuominaisuuksien online-, reaaliaikaisen ja nopean havaitsemisen prosessoinnin aikana. [3]
Kasviperäisten aineiden hivenepäpuhtauksien profilointi on kuitenkin analyyttisesti vaativaa, ja kirjallisuus osoittaa merkittäviä haasteita soveltamisessa: suurin osa PAT-tutkimuksesta on tehty laboratoriotason laitteilla, joissa koeolosuhteet on helpompi hallita, ja Raman-pohjaisilla prosessimalleilla voi olla suhteellisen korkeat LOD-arvot, jotka eivät havaitse alhaisen pitoisuuden kohteita simuloiduissa uuton seurantatehtävissä. [3] Nämä rajoitteet motivoivat suunnittelulähtöistä kysymystä kasviperäisille API-aineille: miten Raman (ja SERS-tehostettu Raman) voidaan ottaa käyttöön PAT-viitekehyksessä siten, että se tarjoaa nopean, tuhoamattoman seulonnan ja, missä mahdollista, kvantitatiivisia ennusteita, jotka ovat kestäviä matriisin ja prosessin vaihtelulle, samalla kun ne pysyvät yhteensopivina riskipohjaisten sääntelyodotusten kanssa epäpuhtauksien valvonnassa ja menetelmien validoinnissa? [2, 3, 13]
Tästä johtuen tässä käsiteltävä tutkimuskysymys on: Voiko julkaistu Raman- ja SERS-suorituskyky näyttö tukea käytännön PAT-arkkitehtuuria kasviperäisten API-aineiden lähes reaaliaikaiseen hivenepäpuhtauksien profilointiin, joka täydentää tai priorisoi perinteisiä varmistavia määrityksiä? [3, 6, 8] Työhypoteesi on, että Raman-pohjainen tuhoamaton sormenjälkimääritys on tehokkain porrastettuna PAT-järjestelmänä: (i) Raman + kemometria nopeaan todentamiseen/väärennösten seulontaan; (ii) kohdennetut SERS-moduulit hivenaineiden torjunta-aineiden havaitsemiseen relevanteissa matriiseissa; ja (iii) prosessi-Raman-seuranta sisäisille laatuominaisuuksille, joissa herkkyys on riittävä, ja riskipohjainen ajoittainen testaus (skip-testing) perusteltuna datalla ja erähistorialla pelkän sensorin käyttöönoton sijaan. [3, 6, 9, 13]
Kvantitatiivinen ennustaminen ja kalibrointiin perustuva päättely
Kvantitatiivisen ennustamisen ja kalibrointiin perustuvan päättelyn osalta Raman-tutkimus metyylieugenoli-formulaatioista, jotka oli väärennetty ksyleenillä, raportoi, että PCA oli hyödyllinen eri pitoisuuksien Raman-spektridatasettien erottamisessa. Lisäksi PLSR-malli kykeni ennustamaan tuntemattoman näytteen pitoisuuden luotettavasti, mikä osoittaa, että Raman-spektroskopian ja PLSR:n yhdistelmä voi saavuttaa korkean ennustesuorituskyvyn. Tämä korostaa sen potentiaalista hyödyllisyyttä kehitettäessä kvantitatiivisia malleja tunnetun riskin väärennöksille kasviperäisissä API-aineissa, kun vertailumateriaaleja on saatavilla [10].
Identiteetin varmistaminen lopputuotteissa
Viivakoodipohjainen Raman-menetelmä on osoittautunut tehokkaaksi API-aineiden identiteetin varmistamisessa lopputuotteissa. Tekniikka toimii vertaamalla odotetun API:n ja valmiin lääkevalmisteen viivakoodien välisen nollasta poikkeavan päällekkäisyyden prosenttiosuutta, jossa spektrit on muunnettu korostamaan Raman-piikkejä [11]. Tätä lähestymistapaa hyödyntäen 18 hyväksyttyä valmista lääkevalmistetta ja yhdeksän simuloitua väärennöstä tunnistettiin 100 % tarkkuudella. Tämä tukee Raman-pohjaisen ”sormenjälkien päällekkäisyyden” logiikan toteutettavuutta vankkaan identiteetin todentamiseen formuloiduissa tuotteissa, edellyttäen että sovelletaan asianmukaisia muunnos- ja päätössääntöjä [11].
Raman-analyysi kasviperäisten 'Look-Alike'-riskien hallinnassa
Raman-spektraalisia tunnusmenetelmiä on käytetty erottamaan aidot näytteet väärennetyistä kasviperäisissä yhteyksissä. Esimerkiksi Phansomba/Phellinus-näytteiden analyysi paljasti selvän eron aitojen ja väärennettyjen näytteiden välillä. Tärkeät Raman-kaistat (487, 528, 786, 892, 915 ja 1436 cm), jotka ovat ominaisia Phellinukselle (erityisesti Ph. merrillii), tunnistettiin, mikä viittaa mahdollisuuteen rakentaa tietokantoja tunnusomaisista alueista muiden rohdosvalmisteiden tarkastusprosesseja varten [21].
Rajoituksia on kuitenkin olemassa. Seulonnassa, joka sisälsi 50 yrttipohjaista ravintolisää, joilla väitettiin olevan seksuaalista suorituskykyä parantavia vaikutuksia, Raman-spektroskopia havaitsi yhdeksän väärennettyä näytettä (neljä sildenafiilia ja viisi tadalafiilia sisältävää). Se ei kuitenkaan kyennyt antamaan ratkaisevia tuloksia tadalafiiliväärennöksestä kahdessa näytteessä, mikä osoittaa varmistavien menetelmien tai tehostettujen spektrintulkintastrategioiden tarpeen tietyissä tapauksissa [22].
4.2 Torjunta-ainejäämät SERS:llä
Julkaistu näyttö korostaa, että SERS on nopea, tuhoamaton tekniikka, joka kykenee havaitsemaan hivenaineen tason torjunta-aineita (ppm tai ppb) linjassa kasviperäisten epäpuhtauksien valvontastandardien kanssa [1, 6, 19]. Eräs tutkimus osoitti SERS:n kyvyn havaita torjunta-aineita hedelmien pinnoilta jopa 1 ppm tasolla, mikä korreloi hyvin omenoiden torjunta-ainejäämien sääntelyrajojen kanssa [6].
Kvantitatiiviset SERS-tutkimukset ovat osoittaneet vahvaa kalibrointisuorituskykyä. Esimerkiksi eräs tutkimus raportoi determinatiokertoimiksi (R²) 0.99 ometoaatille ja 0.98 klorpyrifossille, havaitsemisrajojen (LOD) ollessa vastaavasti 1.63 mg·cm ja 2.64 mg·cm. Tämä korostaa tunnusomaisten SERS-piikkien intensiteettejä hyödyntävien kalibrointimallien toteutettavuutta jäämien kvantifioinnissa [17]. Tässä tutkimuksessa analyyttikohtaisia Raman-piikkejä (413 cm ometoaatille, 346 cm klorpyrifossille) käytettiin pitoisuuden kartoittamiseen kalibrointimallien kautta [17].
Kolloidisilla kultananopartikkeleilla toteutettu SERS on edelleen tehostanut Raman-sirontaa 21 eri torjunta-aineesta. Havaitsemisrajat vaihtelivat välillä 0.001–10 ppm, ja fosmetin ja tiraamin samanaikainen tunnistaminen saavutettiin omenan kuoresta käyttämällä PCA:ta ja SERS:ää [7].
Lehtivihannesmatriisien osalta fosmetin, tiabendatsolin ja asetamipridin torjunta-ainejäämien kalibrointikäyrät osoittivat vahvoja lineaarisia korrelaatiokertoimia, saavuttaen saannot välillä 94.67 % ja 112.89 %. Saantoon perustuvat validoinnit raportoivat suhteellisiksi standardipoikkeamiksi 3.87–8.56 %. Koko testausprosessi, mukaan lukien näytteenotto, spektrianalyysi ja kvantitatiivinen ennuste, valmistui alle viidessä minuutissa, mikä on huomattava parannus perinteisiin kromatografisiin menetelmiin verrattuna [16].
Kasviperäisessä matriisikontekstissa SERS osoitti potentiaalia deltametriinin havaitsemisessa Corydalis-suvussa. Ensisijainen tunnuspiikki tunnistettiin kohdassa 999 cm, ja mallinnuksen lisäykset tuottivat jopa 0.186 mg/L havaitsemisrajan suoralla havainnolla 999 cm piikistä. PLS-mallin käyttö saavutti myös hyvät ennustavan suorituskyvyn mittarit [23].
Kädessä pidettävät SERS-laitteet paritettuna QuEChERS-asetaattiuuton kanssa osoittivat kyvyn havaita useita torjunta-ainejäämiä basmatiriisissä 15 minuutissa. Torjunta-aineet kuten CBM, THI ja TRI havaittiin alle EU:n enimmäisjäämärajan (MRL) 10 ppb. ACE:n havaitsemisraja jäi kuitenkin 800 ppb tasolle, mikä korostaa analyyttien herkkyyden mahdollista vaihtelua monijäämätyönkulussa [8].
Dynaamiset SERS-lähestymistavat ovat parantaneet herkkyyttä pisaramittauksissa, mahdollistaen parakuatin, tiabendatsolin, trisyklatsolin ja isokarbofossin havaitsemisen ppm- ja ppb-tasoilla. Tämä lähestymistapa hyödyntää metastabiilia nanopartikkelitilaa haihtumisen aikana säilyttääkseen erottelukyvyn piikitetyissä vihannesuutteissa. Lineaariset suhteet tunnusomaisten piikkien intensiteettien ja pitoisuustasojen välillä vahvistavat tätä menetelmää entisestään [18].
4.3 Mykotoksiinien ja mikrobimarkkereiden profilointi
Sääntelyvaatimukset edellyttävät kasviperäisten aineiden mykotoksiini- ja mikrobiologista laaduntestausta, keskittyen erityisesti aflatoksiineihin ja okratoksiini A:han [13, 24]. Esimerkiksi USP-monografiat määrittelevät aflatoksiini B1:n enimmäisrajaksi NMT 5 ppb ja aflatoksiinien B1, B2, G1 ja G2 summan enimmäisrajaksi NMT 20 ppb [19]. Nämä rajat määrittelevät herkkyyden, joka seulonta- ja varmistusmenetelmien on saavutettava.
Koska ensisijainen painopiste on ollut Raman/SERS-torjunta-aineiden havaitsemisessa ja väärennössovelluksissa, tämä teknologia on parhaimmillaan täydentävänä seulontatyökaluna laajemmassa epäpuhtauksien hallintastrategiassa. Tämä on linjassa sääntelyohjeiden kanssa, jotka ehdottavat, että laadunvalvontaa tuetaan kemiallisilla testeillä, kuten spektroskopialla tai kromatografialla, samalla kun hyödynnetään uusia teknologioita [1, 13].
4.4 Raskasmetallien ja epäorgaanisten epäpuhtauksien päättely
EMA edellyttää raskasmetallien ja muiden alkuaine-epäpuhtauksien testaamista kasviperäisissä lääkevalmisteissa, ellei toisin perustella, luoden sääntelyllisen odotuksen kasviperäisten API-aineiden hivenepäpuhtauksien profiloinnille [13, 24].
Nykyisessä Raman/SERS-näyttöpohjassa näitä epäpuhtauksia käsitellään epäsuorasti parannetun raaka-aineen identiteetin valvonnan, nopeamman väärennösseulonnan ja korkean riskin näytteiden varmistavan testauksen priorisoinnin kautta. Raman-menetelmiä ei kuitenkaan tällä hetkellä pidetä itsenäisinä menetelminä alkuaine-epäpuhtauksien kvantifiointiin ilman lisävalidointia tai täydentäviä teknologioita [1, 13, 21].
4.5 Inline- ja online-Raman-PAT kasviperäisessä prosessoinnissa
Prosessianalyyttisen teknologian (PAT) viitekehys hyödyntää reaaliaikaista analyysia tuotteen laadun ja prosessinhallinnan optimoimiseksi. Raman-spektroskopiaa kuvataan tähän tarkoitukseen hyvin soveltuvaksi, tarjoten nopean, ei-invasiivisen analyysin, joka on yhteensopiva prosessinaikaisten valmistusolosuhteiden kanssa [3].
Yksi esimerkki Raman-PAT:sta on RS-CARS-PLS-mallin käyttö uuttoprosessien seurannassa Wenxin-granulaattien valmistuksessa. Vaikka malli osoitti tehokasta prosessinseurantaa, sen herkkyys alhaisen pitoisuuden analyyteille, kuten sakkarideille, oli rajallinen – korostaen SERS- tai muiden täydentävien tekniikoiden tarvetta hivenepäpuhtauksien havaitsemisessa [3].
Teollinen käyttöönotto asettaa lisähaasteita, sillä suurin osa PAT-tutkimuksesta tapahtuu laboratoriokontrolloiduissa ympäristöissä. Vankkuus ja vaihtelun hallinta on ratkaistava onnistunutta skaalausta ja live-toteutusta varten [3].
4.6 Analyyttisen suorituskyvyn vertailu
Perinteinen Raman-spektroskopia tarjoaa nopeita, tuhoamattomia kemiallisia sormenjälkiä ilman näytteen esikäsittelyä. Sitä vastoin SERS parantaa herkkyyttä hivenepäpuhtauksien havaitsemiseksi, saavuttaen havaitsemisrajoja 1 ppm:stä jopa 0.001 ppm:ään tietyille torjunta-aineille menetelmästä ja matriisista riippuen [4, 5, 6, 7]. Esimerkiksi SERS yhdistettynä kalibrointiin osoitti torjunta-aineiden havaitsemisen lehtivihanneksista korrelaatiokertoimilla jopa 0.98291 ja koko työnkulun valmistumisen vain viidessä minuutissa [16].
Todentamissovelluksissa PCA on ollut hyödyllinen eteeristen öljyjen hienovaraisten spektraalisten vaihteluiden erottamisessa, ja viivakoodipohjaiset Raman-tekniikat osoittivat 100 % tarkkuuden väärennettyjen ja aitojen lopputuotteiden tunnistamisessa [9–11].
4.7 Kannettavat ja kädessä pidettävät laitteet raaka-aineiden seulontaan
Kannettavat Raman-laitteet asemoidaan aikatehokkaiksi, tuhoamattomiksi työkaluiksi, jotka kykenevät analysoimaan rohdosmateriaaleja nopeasti ilman monimutkaista esikäsittelyä. Ne soveltuvat myös kasviperäisten tuotteiden terveys- ja turvallisuusvaatimusten noudattamisen seurantaan, tarjoten arvokkaan työkalun sekä tehdas- että markkinoiden jälkeiseen seulontaan [12].
FDA:n sääntelyohjeistukset korostavat uusia menetelmiä, kuten morfologiapainotteista Raman-spektroskopiaa (MDRS), hyödyllisinä tehtävissä, kuten partikkelikokojakauman karakterisoinnissa, kun niitä tuetaan tiukalla validoinnilla. Vaikka ne eivät ole kasviperäisille API-aineille spesifisiä, nämä menetelmät osoittavat Ramanin kyvyn täydentää perinteisiä analyysitekniikoita [25, 26].
Pohdinta
Syntetisoitu näyttö tukee Ramania ja SERS:ää arvokkaina työkaluina tuhoamattomaan, nopeaan seulontaan ja reaaliaikaiseen seurantaan PAT-ympäristöissä. Nämä teknologiat voidaan integroida tehokkaasti kasviperäisten API-aineiden epäpuhtauksien hallintaan ja laadunvarmistuksen työnkulkuihin [2, 3, 5].
5.1 Ramanin ja PAT:n vahvuudet verrattuna perinteisiin tuhoaviin menetelmiin
Raman-spektroskopia on edullinen nopeuden, tuhoamattomien ominaisuuksien ja minimaalisen näytteen esikäsittelyn ansiosta. SERS laajentaa tätä hyödyllisyyttä mahdollistamalla hivenaineiden havaitsemisen tehostusmekanismien kautta. Tämän on osoitettu havaitsevan torjunta-aineita jopa ppb-tasoilla nopeilla työnkulun kokonaisajoilla, mikä tekee siitä ihanteellisen alkuperäiseen seulontaan ja näytteiden priorisointiin varmistavaa testausta varten [2, 4, 5, 16].
5.2 Rajoitukset
Keskeisiä rajoituksia ovat perinteisten Raman-menetelmien herkkyyshaasteet, erityisesti alhaisen pitoisuuden analyyteille ilman SERS-tehostusta. Raman-pohjaisen PAT:n teollinen käyttö edellyttää myös vaihteluun ja vankkaan skaalaukseen liittyvien haasteiden voittamista. Lisäksi riippuvuus kemometrisistä malleista, kuten PCA ja PLS, tuo mukanaan monimutkaisuutta ja mahdollista epävarmuutta riippuen matriisin vaihtelusta ja mallin koulutuksesta [3, 9, 22, 23].
Sääntelyohjeistus ja Raman-pohjaiset seulontatyökalut
Sääntelyohjeistus tukee kasviperäisten aineiden laatulähestymistapaa, joka perustuu kokonaisnäyttöön, mukaan lukien kasviperäisen raaka-aineen valvonta ja kemialliset laadunvalvontatestit käyttäen spektroskooppisia ja/tai kromatografisia menetelmiä. Tämä tarjoaa käsitteellisen väylän Raman-pohjaisten seulontatyökalujen integroimiseksi yleisiin valvontastrategioihin sen sijaan, että niitä kohdeltaisiin kaikkien perinteisten määritysten itsenäisinä korvaajina. [1]
FDA-ohjeistus edellyttää nimenomaisesti testejä torjunta-ainejäämien ja satunnaisten toksiinien, kuten aflatoksiinien, sekä vierasaineiden ja väärennösten varalta. Tämä on linjassa Raman/SERS-kyvykkyyksien kanssa torjunta-aineiden seulonnassa ja väärennösten havaitsemisessa, vahvistaen tarvetta kattaa epäpuhtausluokat kattavassa valvontaohjelmassa. [1]
FDA toteaa myös, että hakijoiden tulisi arvioida nykyisiä ja nousevia teknologioita ja kehittää ortogonaalisia analyysimenetelmiä riittävän tunnistamisen ja kvantifioinnin varmistamiseen. Tämä voidaan tulkita tueksi Raman/SERS-käytölle osana ortogonaalista menetelmäsarjaa paritettuna varmistavien menetelmien, kuten LC–MS, tai muiden lopulliseen kvantifiointiin tarkoitettujen määritysten kanssa, erityisesti silloin, kun SERS-suorituskyky riippuu näytteen esikäsittelyn hallinnasta tarkan kvantifioitavuuden saavuttamiseksi suhteessa LC–MS:ään. [1, 27] Tätä näkemystä tukee tutkimus, jossa verrattiin SERS- ja LC–MS-menetelmiä odottamattoman rikkakasvien torjunta-aineen havaitsemiseksi monimutkaisesta matriisista; SERS osoitti korkeaa herkkyyttä ja parempaa havaitsemistehokkuutta ultra-hivenaineiden kohdalla, kun taas LC–MS tarjosi tarkemman kvantifioitavuuden hyvin hallitun näytteen esikäsittelyn ansiosta. Tämä motivoi porrastettua arkkitehtuuria: SERS nopeaan ja herkkään havaitsemiseen ja LC–MS varmistavaan kvantifiointiin. [27]
EU:ssa EMA:n spesifikaatio-ohjeistus määrittelee spesifikaatiot ja tunnistaa epäpuhtausryhmät, joita tulisi käsitellä (mukaan lukien raskasmetallit, torjunta-ainejäämät, mykotoksiinit, mikrobikontaminaatio). Se sallii ajoittaisen testauksen (skip-testing) silloin, kun se on perusteltu riskinarvioinnilla ja erädatalla, mikä viittaa siihen, että Raman/PAT-datavirrat voisivat tarjota tukevaa näyttöä riskipohjaisille testausstrategioille, jos ne on validoitu ja niiden osoitetaan havaitsevan merkittävät poikkeamat ajoissa. [13, 14]
5.4 Riskipohjainen käyttöönottostrategia ja elinkaaren hallinta
USP-ohjeistus osoittaa, että testauksen laajuus voidaan määrittää riskipohjaisella lähestymistavalla, joka ottaa huomioon kontaminaation todennäköisyyden. Tämä tukee strategiaa, jossa Raman/SERS-seulonnan intensiteetti ja varmistava testaus kohdennetaan riskitekijöiden, kuten lähteen, maantieteen, erähistorian ja aikaisemman seulontadatan perusteella. [19] EMA osoittaa samoin, että ajoittainen testaus voi olla hyväksyttävää perusteiden mukaan, ja perusteluissa tulisi huomioida kasvimateriaali, viljely-/tuotanto-olosuhteet, naapuritilojen kontaminaatio, maantieteellinen alkuperä ja sen tulisi perustua riskinarviointiin ja erädataan. Tämä vahvistaa tarvetta datarikkaille seurantajärjestelmille pelkkien ad hoc -testausvähennysten sijaan. [13]
Tässä riskipohjaisessa kontekstissa Raman-pohjainen PAT voidaan asettaa nopeiden, toistettavien sormenjälkien ja seulontatulosten tuottajaksi, mikä tukee trendien seurantaa ja epänormaalien erien nopeaa tunnistamista. Varmistavat määritykset varataan seulonnassa merkityille erille tai seulontajärjestelmän suorituskyvyn ja kalibroinnin vakauden määräaikaiseen todentamiseen. [2, 13] Viivakoodipohjainen API-identiteettimenetelmä ja kädessä pidettävä eteeristen öljyjen väärennösten havaitseminen havainnollistavat, miten vankat päätössäännöt (viivakoodien päällekkäisyys, voimakkaat diagnostiset kaistat) voivat yksinkertaistaa seulontapäätöksiä joissakin yhteyksissä, kun taas PCA-pohjainen erottelu osoittaa, missä monimuuttujamalleja tarvitaan säilyttämään herkkyys hienovaraisille väärennöskuvioille. [9, 11, 20]
Raman-menetelmien elinkaaren hallinta on myös implisiittisesti esillä FDA:n MDRS-hakemuksia koskevissa huomioissa: toistettavuutta ja tarkkuutta koskevien validointitietojen puuttuminen on puute, mikä korostaa, että Raman-pohjaiset PAT-menetelmät on kehitettävä validointi ja suorituskyvyn dokumentointi keskeisinä tuotoksina sääntelyviranomaisten kanssa käytävää vuoropuhelua varten. [25]
5.5 Tulevaisuuden näkymät
Näyttö viittaa useisiin teknisiin suuntiin Raman-pohjaisen PAT:n toteutettavuuden parantamiseksi hivenepäpuhtauksille. Ensinnäkin menetelmien kirjon lisäämistä (Fourier-muunnos-Raman, resonanssi-Raman, konfokaalinen Raman ja SERS) kuvataan mahdollisena tapana vahvistaa Raman-signaaleja ja kehittää instrumentteja sekä näytteenkäsittelyä. Tämä tukee strategiaa, jossa menetelmävariantit valitaan matriisin ja herkkyystarpeiden mukaan sen sijaan, että luotettaisiin yhteen Raman-konfiguraatioon kaikissa kasviperäisissä prosesseissa. [4]
Toiseksi SERS-selektiivisyyttä voidaan parantaa funktionalisoimalla nanorakenteita reseptorimolekyyleillä, kuten aptameereillä, mikä osoittaa väylän kohti kohdennettuja hivenepäpuhtausmäärityksiä integroituna PAT-moduuleihin, joissa häiriöt ovat hallitseva riski. [5]
Kolmanneksi kuvantamiseen perustuvia SERS-lähestymistapoja kuvataan mahdollistavan reaaliaikaisen seurannan ja kontaminaation paikallistamisen havaitsemisen kasvikudoksen pinnoilla tai sisällä. Tämä viittaa siihen, että tulevaisuuden kasviperäiset API-työnkulut voisivat sisältää paikallisesti eroteltua kontaminaatiokartoitusta korkean riskin materiaaleille tai kontaminaatioväylien tutkimiseen. [5] Lopuksi käytännön käyttöönottopotentiaalia tukevat johtopäätökset, joiden mukaan SERS-tekniikkaa voitaisiin edelleen soveltaa nopeissa ja paikan päällä tehtävissä elintarviketurvallisuuden ja ympäristön seurannan työkaluissa, sekä näyttö siitä, että kannettavia Raman-laitteita voidaan käyttää kuluttajatuotteiden rohdosvalmisteiden terveys- ja turvallisuusvaatimusten seurantaan, korostaen jatkumoa kenttäseulonnasta valmistuksen PAT-järjestelmiin. [12, 27]
6. Johtopäätökset
Tämä käsitteellinen, näytön synteesiin perustuva tutkimus osoittaa, että Raman-spektroskopia on hyvin linjassa PAT-tavoitteiden kanssa, koska se on nopea, tuhoamaton, ei-invasiivinen ja näytteen esikäsittely on yksinkertaista. Raman-sovellusten kuvataan ulottuvan laboratoriosta tuotantolinjoille, mikä tukee elinkaarinäkemystä Raman-pohjaisesta mittauksesta saapuvien raaka-aineiden seulonnasta prosessinaikaiseen seurantaan. [2]
PAT määritellään nimenomaisesti reaaliaikaisen analyysin ja takaisinkytkentäohjauksen mahdollistajaksi, jolla varmistetaan hallittavat tuotantoprosessit ja optimaalinen laatu. Värähtelyspektroskopian kuvataan mahdollistavan rohdoskasvien sisäisen laadun online-reaaliaikaisen nopean havaitsemisen prosessoinnin aikana, tarjoten käsitteellisen pohjan Raman-sensorien sijoittamiselle kasviperäisten tuotteiden valmistuksessa. [3]
Hivenepäpuhtauksien osalta SERS tarjoaa vahvimman näyttöpohjan herkkyydelle, ja tehostus voi potentiaalisesti saavuttaa ultra-hivenaineiden havaitsemisrajat jalometalleilla. Useat torjunta-ainetutkimukset osoittavat ppm–ppb- ja jopa matalia nanomolaarisia havaitsemisalueita kvantifiointimittareilla ja nopeilla työnkuluilla (esim. 5 min kokonaistestiaika; <15 min uutto). [5, 8, 16, 18] Kemometria on välttämätöntä monille aitous- ja kvantifiointitehtäville, koska visuaalinen tarkastus voi olla riittämätöntä väärennösten havaitsemiseen, kun taas PCA ja PLSR ovat osoittaneet kykynsä erotteluun ja kvantitatiiviseen ennustamiseen. [9, 10]
Kasviperäisten API-aineiden reaaliaikaisen hivenepäpuhtauksien profiloinnin ensisijaisia rajoituksia ovat herkkyysrajoitukset tehostamattomissa Raman-PAT-prosessimalleissa (mitä havainnollistavat suhteellisen korkeat LOD-arvot uuton seurannassa) sekä vankkuus- ja validointihaasteet PAT:n skaalaamisessa laboratoriosta tuotantoon, matriisista johtuvan epävarmuuden ohella joissakin väärennösten seulontatapauksissa. [3, 22] Tämän seurauksena näyttöön perustuva suositeltavin toimintamalli on porrastettu PAT-arkkitehtuuri:
- Kannettava Raman + kemometria nopeaan todentamiseen/väärennösten seulontaan.
- Kohdennetut SERS-määritykset korkean riskin torjunta-ainejäämille.
- Varmistavat ortogonaaliset menetelmät silloin, kun kvantifioitavuus ja sääntelyllinen päätöksenteko edellyttävät korkeampaa varmuutta, linjassa ortogonaalisia menetelmiä koskevien sääntelyodotusten ja ajoittaisen testauksen riskipohjaisten perustelujen kanssa. [1, 5, 12, 13, 27]
Rahoitus
Ei ulkoista rahoitusta. [1]
Eturistiriidat
Kirjoittajat ilmoittavat, ettei heillä ole eturistiriitoja. [1]
Tietojen saatavuusilmoitus
Kaikki tässä käsitteellisessä tutkimuksessa käytetyt tiedot on johdettu viitatuista julkaistuista lähteistä ja sääntelyasiakirjoista, jotka on syntetisoitu tässä. [1, 14]
Kuva 1
Kuva 1. Käsitteellinen PAT-työnkulku kasviperäisten API-aineiden kontaminaatioriskien hallintaan integroimalla tuhoamaton Raman ja SERS: saapuvan kasviperäisen raaka-aineen seulonta nopealla, tuhoamattomalla Raman-sormenjälkimäärityksellä vastaanotto-/laituripisteissä; kemometriset todentamis-/väärennöstarkastukset (esim. PCA-pohjainen erottelu; viivakoodien päällekkäisyyteen perustuva identiteetin varmistaminen) identiteetin varmistamiseksi; kohdennetut SERS-moduulit hivenaineiden torjunta-aineiden seulontaan ja nopeaan kvantitatiiviseen ennustamiseen (ppm–ppb-herkkyys lyhyillä mittausajoilla); prosessinaikainen Raman-seuranta valmistusyksiköissä, joka on määritelty PAT-viitekehyksessä reaaliaikaiseksi analyysiksi ja takaisinkytkentäohjaukseksi; ja riskipohjaiset määräaikaiset varmistus-/ajoittaisen testauksen päätökset, joita tukee erähistoria ja muodolliset riskinarvioinnit EMA/USP-ohjeistuksen mukaisesti. [2, 3, 6, 9, 11, 13, 16, 19]
Taulukko 2
| Epäpuhtaus-/väärennösluokka | Raman/SERS-konfiguraatio | PAT-integraatiopisteet |
|---|---|---|
| Raskasmetallit | Tuhoamaton Raman-seulonta | Raaka-aineen seulonta |
| Torjunta-ainejäämät | Kohdennetut SERS-moduulit | Hivenseulonta |
| Mykotoksiinit | Kemometrinen erottelu | Todentamistarkastukset |
Taulukko 3
| Sääntelyllinen/kompendiaalinen perusta | Raman-pohjainen PAT-yhdenmukaisuus |
|---|---|
| USP-ohjeistus | Validoitu seulonta, riskipohjaiset testausstrategiat |
| EMA-spesifikaatiot | Epäpuhtausryhmien noudattaminen, ajoittaisen testauksen perustelut |
| FDA-suositukset | Tukee ortogonaalisia menetelmiä, elinkaaren hallinta |
