Primjena nedestruktivne Ramanske spektroskopije i procesne analitičke tehnologije (PAT) za profiliranje kontaminanata u tragovima u stvarnom vremenu u biljnim aktivnim farmaceutskim tvarima
Sažetak
Pozadina
Biljne aktivne farmaceutske tvari (API) i biljne ljekovite tvari zahtijevaju strategije kvalitete sposobne za kontrolu varijabilnosti i upravljanje rizicima od kontaminacije koristeći pristup „ukupnosti dokaza” (totality of the evidence) koji uključuje kontrolu biljnih sirovina i kemijska ispitivanja kao što su spektroskopske i/ili kromatografske metode. [1] Regulatorne smjernice izričito očekuju testove na rezidue pesticida i slučajne toksine (npr. aflatoksine), kao i kontrole koje se odnose na strane materijale i tvari za patvorenje (adulterante), što motivira pristupe brzog probira koji se mogu primijeniti kroz opskrbni lanac i životni ciklus proizvodnje. [1]
Cilj
Ova konceptualna studija dokaza koncepta i sinteze podataka procjenjuje kako se nedestruktivna Ramanska spektroskopija (uključujući SERS-pojačane varijante) može integrirati u okvir procesne analitičke tehnologije (PAT) za profiliranje kontaminanata u tragovima u stvarnom ili gotovo stvarnom vremenu u biljnim API tvarima, s naglaskom na izvedivost, analitičku izvedbu i ograničenja primjene potkrijepljena objavljenim dokazima. [2, 3]
Metode
Sintetizirali smo dokaze koji pokazuju:
- Osjetljivost Ramanske spektroskopije na kemijsku strukturu i minimalne potrebe za pripremom uzorka; [2, 4]
- SERS pojačanje i reprezentativne demonstracije pesticida u tragovima (uključujući režime od ppm do sub-ppb); [5–8]
- Kemometrijske strategije za provjeru autentičnosti adulteranata i kvantitativno predviđanje; [9–11]
- Primjere praćenja procesa usklađenih s PAT-om i poznate prepreke industrijskoj translaciji. [3]
Rezultati
Kroz objedinjene studije, Ramanska spektroskopija i kemometrija razlikovale su patvorena eterična ulja kada vizualni pregled nije bio dovoljan, pri čemu je PCA omogućila spektralno razdvajanje između čistih i patvorenih uzoraka. [9] Kvantitativno Ramansko modeliranje (PLSR) postiglo je visoke razine točnosti predviđanja u zadacima predviđanja koncentracije, podržavajući vjerojatnost kvantifikacije temeljene na kalibraciji u složenim formulacijama. [10]
Za kontaminante u tragovima, SERS studije su izvijestile o detekciji do 1 ppm na površinama voća za odabrane pesticide, a u drugom radu izmjerene su granice detekcije (LOD) u rasponu od 0.001–10 ppm za 21 pesticid koristeći koloidne nanočestice zlata. [6, 7] Ručni SERS s QuEChERS acetatnom ekstrakcijom detektirao je više pesticida ispod EU MRL od 10 ppb u basmati riži za odabrane analite, uz ekstrakciju završenu za manje od 15 min, ilustrirajući pragmatičan tijek rada „prvo probir”. [8]
Za primjenu u PAT-u, brza, nedestruktivna, neinvazivna mjerenja Ramanskom spektroskopijom i mogućnost primjene od laboratorija do proizvodnih linija podržavaju inline/online praćenje. Međutim, dokazi također naglašavaju da većina istraživanja PAT-a ostaje na laboratorijskoj razini te da Ramanski procesni modeli mogu imati relativno visoke LOD vrijednosti koje ne uspijevaju detektirati ciljeve niske koncentracije u uvjetima praćenja ekstrakcije. [2, 3]
Zaključci
Dokazi podržavaju izvediv PAT koncept omogućen Ramanskom/SERS spektroskopijom za upravljanje rizicima od kontaminanata u biljnim API tvarima: primjena prijenosne Ramanske spektroskopije za provjeru autentičnosti ulaznih materijala i probir adulteranata; korištenje SERS modula za ciljani probir pesticida; te integracija multivarijantnih modela temeljenih na Ramanskoj spektroskopiji u PAT kontrolne petlje gdje procesni uvjeti omogućuju stabilan prijenos kalibracije i odgovarajuću sposobnost detekcije. [3, 12]
Primarna ograničenja su osjetljivost za ultra-tragove ciljeva u heterogenim biljnim matricama, fluorescencija i slabi Ramanski signali, te zahtjevi za validaciju/prijenos modela potrebni za regulatorno prihvaćanje pristupa smanjenog ili preskočenog ispitivanja. [3, 4, 13]
Ključne riječi
- Ramanska spektroskopija
- SERS
- Procesna analitička tehnologija
- Biljni API
- Rezidue pesticida
- Detekcija adulteranata
- Kemometrija
- Praćenje u stvarnom vremenu
Uvod
Biljne ljekovite tvari i biljne API tvari regulirane su paradigmama kvalitete koje naglašavaju terapijsku konzistentnost podržanu pristupom „ukupnosti dokaza”, uključujući kontrolu biljnih sirovina i ispitivanje kemijske kontrole kvalitete koje može koristiti spektroskopske i/ili kromatografske metode. [1] Unutar ove paradigme, rizici od kontaminacije i patvorenja izričito su navedeni kao problemi kvalitete koji zahtijevaju strategije ispitivanja, uključujući testove na rezidue pesticida (uključujući izvorne pesticide i glavne toksične metabolite) i slučajne toksine kao što su aflatoksini, kao i kontrole koje se odnose na strane materijale i adulterante. [1]
Paralelno s tim, europske smjernice o specifikacijama za biljne tvari i pripravke definiraju specifikacije kao ispitivanja, postupke i kriterije prihvaćanja koji se koriste za osiguranje kvalitete pri puštanju u promet i tijekom roka valjanosti, te identificiraju skupine kontaminanata koje treba rješavati prema potrebi, uključujući teške metale/elementarne nečistoće, rezidue pesticida i fumiganata, mikotoksine (aflatoksini, ohratoksin A) i mikrobnu kontaminaciju. [13, 14] EMA smjernice također ukazuju na to da periodično/preskočeno ispitivanje rezidua kontaminanata može biti prihvatljivo kada je opravdano procjenom rizika i podacima o serijama, uspostavljajući jasan regulatorni poticaj za brži probir i alate za razumijevanje procesa koji mogu opravdati kontrolne strategije temeljene na riziku bez ugrožavanja sigurnosti. [13]
Ramanska spektroskopija je kandidat za takve strategije jer Ramansko raspršenje pruža kemijski specifične spektre „otiska prsta”, a Ramanske metode se obično definiraju kao brze, nedestruktivne i neinvazivne s jednostavnom pripremom uzorka, što su operativna svojstva usklađena s donošenjem odluka u stvarnom vremenu tijekom proizvodnje i kontrole opskrbnog lanca. [2, 4]
Pregledi farmaceutskih primjena Ramanske spektroskopije opisuju raspon primjene koji se proteže od laboratorijske uporabe do utovarnih rampi i proizvodnih linija, što implicira da se Ramanska spektroskopija može smatrati ne samo off-line alatom za identifikaciju već i potencijalnim in-process analitičkim senzorom u PAT kontekstu. [2] PAT je izričito definiran kao korištenje niza alata i sredstava za realizaciju analize u stvarnom vremenu i povratne kontrole tijekom industrijske proizvodnje kako bi se osigurao kontrolirani proizvodni proces i optimalna kvaliteta proizvoda, a tehnike vibracijske spektroskopije opisane su kao one koje omogućuju online, brzo otkrivanje unutarnjih atributa kvalitete bilja u stvarnom vremenu tijekom prerade. [3]
Međutim, profiliranje kontaminanata u tragovima u biljnim proizvodima analitički je zahtjevno, a literatura ukazuje na velike izazove u translaciji: većina istraživanja PAT-a provedena je na opremi laboratorijske razine gdje je lakše kontrolirati eksperimentalne uvjete, a procesni modeli temeljeni na Ramanskoj spektroskopiji mogu imati relativno visoke LOD vrijednosti koje ne uspijevaju detektirati ciljeve niske koncentracije u simuliranim zadacima praćenja ekstrakcije. [3] Ova ograničenja motiviraju pitanje dizajna za biljne API tvari: kako se Ramanska (i SERS-pojačana Ramanska) spektroskopija može primijeniti unutar PAT okvira tako da pruža brzi, nedestruktivni probir i, gdje je to izvedivo, kvantitativna predviđanja koja su robusna na varijabilnost matrice i procesa, a istovremeno ostaju kompatibilna s regulatornim očekivanjima temeljenim na riziku za kontrolu kontaminanata i validaciju metoda? [2, 3, 13]
Sukladno tome, istraživačko pitanje kojim se ovdje bavimo glasi: Mogu li objavljeni dokazi o izvedbi Ramanske i SERS spektroskopije podržati praktičnu PAT arhitekturu za profiliranje kontaminanata u tragovima u gotovo stvarnom vremenu u biljnim API tvarima koja nadopunjuje ili trijažira klasične potvrdne testove? [3, 6, 8] Radna hipoteza je da će nedestruktivno uzimanje otisaka prstiju temeljeno na Ramanskoj spektroskopiji biti najučinkovitije kao stupnjeviti PAT sustav: (i) Ramanska spektroskopija + kemometrija za brzu provjeru autentičnosti/probir patvorenja; (ii) ciljani SERS moduli za detekciju pesticida u tragovima u relevantnim matricama; i (iii) Ramansko praćenje procesa za unutarnje atribute kvalitete gdje je osjetljivost odgovarajuća, uz preskočeno ispitivanje temeljeno na riziku opravdano podacima i poviješću serija, a ne samo primjenom senzora. [3, 6, 9, 13]
Kvantitativno predviđanje i zaključivanje temeljeno na kalibraciji
Za kvantitativno predviđanje i zaključivanje temeljeno na kalibraciji, studija Ramanske spektroskopije formulacija metil eugenola patvorenih ksilenom izvijestila je da je PCA bila korisna za razlikovanje skupova podataka Ramanskih spektara različitih koncentracija. Dodatno, PLSR model uspio je predvidjeti koncentraciju nepoznatog uzorka s pouzdanošću, pokazujući da kombinacija Ramanske spektroskopije i PLSR-a može postići visoku izvedbu predviđanja. To naglašava njezinu potencijalnu korist u razvoju kvantitativnih modela za adulterante poznatog rizika u biljnim API tvarima kada su dostupni referentni materijali [10].
Potvrda identiteta u gotovim proizvodima
Ramanska metoda temeljena na barkodu pokazala se učinkovitom za potvrdu identiteta API tvari u gotovim proizvodima. Tehnika funkcionira usporedbom postotka nultog preklapanja između očekivanog API-ja i barkodova gotovog lijeka, pri čemu se spektri transformiraju kako bi se naglasili Ramanski vrhovi [11]. Koristeći ovaj pristup, 18 odobrenih gotovih lijekova i devet simuliranih krivotvorina identificirano je sa 100% točnošću. To podržava izvedivost korištenja logike „preklapanja otiska prsta” temeljene na Ramanskoj spektroskopiji za robusnu provjeru identiteta u formuliranim proizvodima, pod uvjetom da se primijene odgovarajuća transformacija i pravila odlučivanja [11].
Ramanska analiza za rizike vizualno sličnih biljnih tvari
Pristupi Ramanskom spektralnom potpisu primijenjeni su za razlikovanje izvornih uzoraka od patvorenih u biljnom kontekstu. Na primjer, analiza uzoraka Phansomba/Phellinus otkrila je jasno razdvajanje između izvornih i patvorenih primjeraka. Identificirane su ključne Ramanske vrpce (487, 528, 786, 892, 915 i 1436 cm) karakteristične za Phellinus (osobito Ph. merrillii), što sugerira potencijal za izgradnju baza podataka raspona potpisa za tijekove rada inspekcije u drugim biljnim lijekovima [21].
Međutim, postoje ograničenja. U probiru 50 biljnih dodataka prehrani s tvrdnjama o poboljšanju seksualne funkcije, Ramanska spektroskopija otkrila je devet patvorenih uzoraka (četiri sa sildenafilom i pet s tadalafilom). Ipak, nije uspjela pružiti uvjerljive rezultate u vezi s patvorenjem tadalafilom u dva uzorka, što ukazuje na potrebu za potvrdnim metodama ili poboljšanim strategijama interpretacije spektra za određene slučajeve [22].
4.2 Rezidue pesticida pomoću SERS-a
Objavljeni dokazi naglašavaju da je SERS brza, nedestruktivna tehnika sposobna za detekciju pesticida u tragovima (ppm ili ppb) u skladu sa standardima kontrole biljnih kontaminanata [1, 6, 19]. Jedna studija pokazala je sposobnost SERS-a da detektira pesticide na površinama voća na razinama od samo 1 ppm, što je u dobroj korelaciji s regulatornim ograničenjima rezidua pesticida za jabuke [6].
Kvantitativne SERS studije pokazale su snažnu izvedbu kalibracije. Na primjer, jedna studija izvijestila je o koeficijentima determinacije (R²) od 0.99 za ometoat i 0.98 za klorpirifos, s granicama detekcije (LOD) od 1.63 mg·cm i 2.64 mg·cm, respektivno. To naglašava izvedivost kalibracijskih modela koji koriste karakteristične intenzitete SERS vrhova za kvantifikaciju rezidua [17]. U ovoj studiji, Ramanski vrhovi specifični za analit (413 cm za ometoat, 346 cm za klorpirifos) korišteni su za mapiranje koncentracije kroz kalibracijske modele [17].
SERS s koloidnim nanočesticama zlata dodatno je pojačao Ramansko raspršenje za 21 različiti pesticid. Granice detekcije kretale su se od 0.001 do 10 ppm, uz istovremenu identifikaciju fosmeta i tirama postignutu na ljusci jabuke koristeći PCA i SERS [7].
Za matrice lisnatog povrća, kalibracijske krivulje za rezidue pesticida fosmeta, tiabendazola i acetamiprida pokazale su snažne koeficijente linearne korelacije, postižući povrate između 94.67% i 112.89%. Validacije temeljene na povratu izvijestile su o relativnim standardnim devijacijama između 3.87% i 8.56%. Cijeli proces ispitivanja, uključujući uzorkovanje, analizu spektra i kvantitativno predviđanje, završen je za manje od pet minuta, što je značajno poboljšanje u odnosu na tradicionalne kromatografske metode [16].
U kontekstu biljne matrice, SERS je pokazao potencijal u detekciji deltametrina u Corydalis. Primarni karakteristični vrh identificiran je na 999 cm, s inkrementima u modeliranju koji su dali granicu detekcije od samo 0.186 mg/L za izravno promatranje na vrhu od 999 cm. Korištenje PLS modela također je postiglo dobre metričke pokazatelje predviđanja [23].
Ručni SERS uređaji, upareni s QuEChERS acetatnom ekstrakcijom, pokazali su sposobnost detekcije višestrukih rezidua pesticida u basmati riži unutar 15 minuta. Pesticidi kao što su CBM, THI i TRI detektirani su ispod maksimalne razine rezidua (MRL) EU od 10 ppb. Međutim, granica detekcije za ACE ostala je ograničena na 800 ppb, naglašavajući potencijalnu varijabilnost u osjetljivosti analita unutar tijeka rada s više rezidua [8].
Dinamički SERS pristupi poboljšali su osjetljivost u kontekstu sesilne kapi, omogućujući detekciju parakvata, tiabendazola, triciklazola i izokarbofosa do razina ppm i ppb. Ovaj pristup koristi metastabilno stanje nanočestica tijekom volatilizacije kako bi održao mogućnost razlikovanja u obogaćenim ekstraktima povrća. Linearni odnosi između karakterističnih intenziteta vrhova i razina koncentracije dodatno potvrđuju ovu metodu [18].
4.3 Profiliranje mikotoksina i mikrobnih markera
Regulatorni standardi nalažu ispitivanje kvalitete mikotoksina i mikrobiološke kvalitete za biljne tvari, fokusirajući se posebno na aflatoksine i ohratoksin A [13, 24]. Na primjer, USP monografije navode maksimalnu granicu od NMT 5 ppb za aflatoksin B1 i NMT 20 ppb za zbroj aflatoksina B1, B2, G1 i G2 [19]. Ove granice definiraju osjetljivost koju metode probira i potvrdne metode moraju postići.
Zbog primarnog naglaska na detekciju pesticida i primjenu kod patvorenja pomoću Raman/SERS-a, ova tehnologija je najbolje pozicionirana kao komplementarni alat za probir unutar šire strategije kontrole kontaminanata. To je u skladu s regulatornim smjernicama koje sugeriraju da kontrola kvalitete bude podržana kemijskim ispitivanjima kao što su spektroskopija ili kromatografija, uz istovremeno uključivanje novih tehnologija [1, 13].
4.4 Zaključivanje o teškim metalima i anorganskim kontaminantima
EMA zahtijeva ispitivanje na teške metale i druge elementarne nečistoće u biljnim ljekovitim proizvodima osim ako nije drugačije opravdano, postavljajući regulatorno očekivanje za profiliranje kontaminanata u tragovima u biljnim API tvarima [13, 24].
U trenutnoj bazi dokaza za Raman/SERS, ovi se kontaminanti rješavaju neizravno kroz poboljšanu kontrolu identiteta sirovina, brži probir patvorenja i prioritizaciju potvrdnog ispitivanja za uzorke visokog rizika. Međutim, Ramanske metode trenutno nisu pozicionirane kao samostalne metode za kvantifikaciju elementarnih nečistoća bez dodatne validacije ili komplementarnih tehnologija [1, 13, 21].
4.5 In-line i on-line Ramanski PAT za biljnu preradu
Okvir procesne analitičke tehnologije (PAT) koristi analizu u stvarnom vremenu za optimizaciju kvalitete proizvoda i kontrolu procesa. Ramanska spektroskopija opisana je kao vrlo prikladna za tu svrhu, nudeći brzu, neinvazivnu analizu kompatibilnu s uvjetima proizvodnje u procesu [3].
Jedan primjer Raman-PAT-a je uporaba RS-CARS-PLS modela za praćenje procesa ekstrakcije u proizvodnji Wenxin granula. Iako je model pokazao učinkovito praćenje procesa, njegova osjetljivost za analite niske koncentracije, kao što su saharidi, bila je ograničena — što naglašava potrebu za SERS-om ili komplementarnim tehnikama za detekciju kontaminanata u tragovima [3].
Industrijska primjena postavlja dodatne izazove, jer se većina istraživanja PAT-a odvija u laboratorijski kontroliranim okruženjima. Robusnost i kontrola varijabilnosti moraju se riješiti za uspješno povećanje opsega i implementaciju uživo [3].
4.6 Usporedna analitička izvedba
Konvencionalna Ramanska spektroskopija pruža brze, nedestruktivne kemijske otiske prstiju bez potrebe za prethodnom obradom uzorka. Nasuprot tome, SERS povećava osjetljivost za detekciju kontaminanata u tragovima, postižući granice detekcije od 1 ppm do čak 0.001 ppm za određene pesticide, ovisno o metodi i matrici [4, 5, 6, 7]. Na primjer, SERS uparen s kalibracijom pokazao je detekciju pesticida u lisnatom povrću s koeficijentima korelacije do 0.98291 i završetkom cjelokupnog tijeka rada u samo pet minuta [16].
Za primjene provjere autentičnosti, PCA je bio koristan u razlikovanju suptilnih spektralnih varijacija u eteričnim uljima, a Ramanske tehnike temeljene na barkodu pokazale su 100% točnost u identifikaciji krivotvorenih i autentičnih gotovih proizvoda [9–11].
4.7 Prijenosna i ručna instrumentacija za probir sirovina
Prijenosni Ramanski instrumenti pozicionirani su kao vremenski učinkoviti, nedestruktivni alati sposobni za brzu analizu biljnih materijala bez potrebe za složenom pripremom. Također su primjenjivi za praćenje usklađenosti sa zdravstvenim i sigurnosnim propisima u biljnim proizvodima, nudeći vrijedan alat za probir u tvornici i nakon stavljanja na tržište [12].
Regulatorne smjernice FDA-e naglašavaju nove metode poput morfološki usmjerene Ramanske spektroskopije (MDRS) kao korisne za zadatke kao što je karakterizacija distribucije veličine čestica kada su podržane rigoroznom validacijom. Iako nisu specifične za biljne API tvari, ove metode pokazuju sposobnost Ramanske spektroskopije da nadopuni tradicionalne analitičke tehnike [25, 26].
Rasprava
Sintetizirani dokazi podržavaju Ramansku i SERS spektroskopiju kao vrijedne alate za nedestruktivni, brzi probir i praćenje u stvarnom vremenu unutar PAT okruženja. Te se tehnologije mogu učinkovito integrirati u tijekove rada kontrole kontaminanata i osiguranja kvalitete za biljne API tvari [2, 3, 5].
5.1 Prednosti Ramanske spektroskopije i PAT-a u odnosu na klasične destruktivne metode
Ramanska spektroskopija je u prednosti zbog svoje brzine, nedestruktivnih svojstava i minimalnih zahtjeva za pripremu uzorka. SERS proširuje ovu korisnost, omogućujući detekciju na razini tragova putem mehanizama pojačanja, što se pokazalo učinkovitim u detekciji pesticida do ppb razina s brzim ukupnim vremenom rada, čineći ga idealnim za početni probir i trijažu uzoraka za potvrdno ispitivanje [2, 4, 5, 16].
5.2 Ograničenja
Ključna ograničenja uključuju izazove osjetljivosti u osnovnim metodama Ramanske spektroskopije, posebno za analite niske koncentracije bez SERS pojačanja. Industrijska uporaba PAT-a temeljenog na Ramanskoj spektroskopiji također zahtijeva svladavanje izazova varijabilnosti i robusnog povećanja opsega. Uz to, određeno oslanjanje na kemometrijske modele, kao što su PCA i PLS, uvodi složenost i potencijalnu nesigurnost ovisno o varijabilnosti matrice i obuci modela [3, 9, 22, 23].
Regulatorne smjernice i alati za probir temeljeni na Ramanskoj spektroskopiji
Regulatorne smjernice podržavaju pristup kvaliteti za biljne proizvode temeljen na ukupnosti dokaza, uključujući kontrolu biljnih sirovina i testove kemijske kontrole kvalitete koristeći spektroskopske i/ili kromatografske metode. To pruža konceptualni put za integraciju alata za probir temeljenih na Ramanskoj spektroskopiji u ukupne kontrolne strategije, umjesto da ih se tretira kao samostalne zamjene za sve klasične analize. [1]
FDA smjernice izričito pozivaju na testove na rezidue pesticida i slučajne toksine kao što su aflatoksini, kao i na strane materijale i adulterante. To je u skladu sa sposobnostima Raman/SERS-a u probiru pesticida i detekciji adulteranata, naglašavajući potrebu za pokrivanjem klasa kontaminanata u sveobuhvatnom programu kontrole. [1]
FDA također navodi da bi podnositelji zahtjeva trebali procijeniti trenutne i nove tehnologije te razviti ortogonalne analitičke metode kako bi osigurali odgovarajuću identifikaciju i kvantifikaciju. To se može protumačiti kao podrška primjeni Raman/SERS-a kao dijela ortogonalnog skupa metoda uparenog s potvrdnim metodama kao što je LC–MS ili drugim analizama za definitivnu kvantifikaciju, posebno tamo gdje izvedba SERS-a ovisi o kontroli prethodne obrade uzorka za točnu kvantificiranost u odnosu na LC–MS. [1, 27] Podržavajući ovo gledište, studija koja je uspoređivala SERS i LC–MS za neočekivani herbicid u složenoj matrici izvijestila je da je SERS pokazao visoku osjetljivost i veću učinkovitost detekcije za ultra-tragove cilja, dok je LC–MS osigurao točniju kvantificiranost olakšanu dobro kontroliranom prethodnom obradom uzorka. To motivira stupnjevitu arhitekturu: SERS za brzu osjetljivu detekciju i LC–MS za potvrdnu kvantifikaciju. [27]
U EU, EMA smjernice o specifikacijama definiraju specifikacije i identificiraju skupine kontaminanata koje treba rješavati (uključujući teške metale, rezidue pesticida, mikotoksine, mikrobnu kontaminaciju). One dopuštaju periodično/preskočeno ispitivanje gdje je opravdano procjenom rizika i podacima o serijama, implicirajući da bi tokovi podataka Raman/PAT-a mogli pridonijeti potpornim dokazima za strategije ispitivanja temeljene na riziku ako su validirani i ako se pokaže da pravodobno otkrivaju relevantna odstupanja. [13, 14]
5.4 Strategija primjene temeljena na riziku i upravljanje životnim ciklusom
USP smjernice ukazuju na to da se opseg ispitivanja može odrediti korištenjem pristupa temeljenog na riziku koji uzima u obzir vjerojatnost kontaminacije. To podržava strategiju u kojoj se intenzitet probira Raman/SERS-om i potvrdno ispitivanje dodjeljuju na temelju čimbenika rizika kao što su izvor, geografija, povijest serija i prethodni podaci probira. [19] EMA slično navodi da periodično/preskočeno ispitivanje može biti prihvatljivo gdje je to opravdano, te da opravdanje treba uzeti u obzir biljni materijal, uvjete uzgoja/proizvodnje, kontaminaciju sa susjednih farmi, zemljopisno podrijetlo, te biti podržano procjenom rizika i podacima o serijama, naglašavajući potrebu za sustavima praćenja bogatim podacima umjesto ad hoc smanjenja ispitivanja. [13]
Unutar ovog konteksta utemeljenog na riziku, PAT temeljen na Ramanskoj spektroskopiji može se pozicionirati kao generator brzih, ponovljivih otisaka prstiju i rezultata probira koji podržavaju praćenje trendova i brzu identifikaciju abnormalnih serija, dok su potvrdne analize rezervirane za serije označene probirom ili za periodičnu provjeru izvedbe sustava probira i stabilnosti kalibracije. [2, 13] API metoda identifikacije temeljena na barkodu i ručna detekcija patvorenja eteričnih ulja ilustriraju kako robusna pravila odlučivanja (preklapanje barkoda, intenzivne dijagnostičke vrpce) mogu pojednostaviti odluke o probiru u nekim kontekstima, dok diskriminacija temeljena na PCA pokazuje gdje su multivarijantni modeli potrebni za održavanje osjetljivosti na suptilne obrasce patvorenja. [9, 11, 20]
Upravljanje životnim ciklusom Ramanskih metoda također se podrazumijeva u opažanjima FDA-e o MDRS podnescima: nedostatak validacijskih podataka o ponovljivosti i točnosti smatra se nedostatkom, naglašavajući da se PAT metode temeljene na Ramanskoj spektroskopiji moraju razvijati s validacijom i dokumentacijom o izvedbi kao ključnim rezultatima za regulatorne interakcije. [25]
5.5 Izgledi
Dokazi sugeriraju više tehničkih smjerova za povećanje izvedivosti PAT-a temeljenog na Ramanskoj spektroskopiji za kontaminante u tragovima. Prvo, opisana je izvedivost povećane raznolikosti tehnika (Fourierova transformacija Raman, rezonantni Raman, konfokalni Raman i SERS) za pojačavanje Ramanskih signala i razvoj instrumenata i obrade uzoraka, podržavajući strategiju odabira varijanti tehnike prema matrici i potrebama osjetljivosti, umjesto oslanjanja na jednu konfiguraciju Ramanske spektroskopije kroz sve biljne procese. [4]
Drugo, selektivnost SERS-a može se poboljšati funkcionalizacijom nanostruktura s receptorskim molekulama kao što su aptameri, ukazujući na put prema ciljanim analizama kontaminanata u tragovima ugrađenim u PAT module gdje je interferencija dominantan rizik. [5]
Treće, SERS pristupi temeljeni na slikama opisani su kao oni koji omogućuju praćenje u stvarnom vremenu i detekciju lokalizacije kontaminacije na površinama biljnog tkiva ili unutar njega, sugerirajući da bi budući tijekovi rada biljnih API tvari mogli uključivati prostorno razlučivo mapiranje kontaminacije za materijale visokog rizika ili za istraživanja puteva kontaminacije. [5] Konačno, praktični potencijal primjene podržan je zaključcima da bi se SERS mogao dalje implementirati u alatima za brzu detekciju na licu mjesta za sigurnost hrane i praćenje okoliša, te dokazima da se prijenosni Ramanski instrumenti mogu koristiti za praćenje zdravstvene i sigurnosne usklađenosti biljnih proizvoda na potrošačkom tržištu, naglašavajući kontinuitet od probira na terenu do proizvodnih PAT sustava. [12, 27]
6. Zaključci
Ova konceptualna studija sinteze dokaza ukazuje na to da je Ramanska spektroskopija dobro usklađena s ciljevima PAT-a jer je brza, nedestruktivna, neinvazivna i jednostavna u pripremi uzorka. Primjene Ramanske spektroskopije opisane su u rasponu od laboratorija do proizvodnih linija, podržavajući pogled na životni ciklus mjerenja temeljenog na Ramanskoj spektroskopiji, od probira ulaznih sirovina do praćenja u procesu. [2]
PAT je izričito definiran kao onaj koji omogućuje analizu u stvarnom vremenu i povratnu kontrolu kako bi se osigurali kontrolirani proizvodni procesi i optimalna kvaliteta. Vibracijska spektroskopija opisana je kao ona koja omogućuje online brzo otkrivanje unutarnje kvalitete bilja u stvarnom vremenu tijekom prerade, pružajući konceptualnu osnovu za postavljanje Ramanskih senzora u biljnu proizvodnju. [3]
Za kontaminante u tragovima, SERS pruža najjaču bazu dokaza za osjetljivost, s pojačanjem koje potencijalno doseže ultra-tragove granica detekcije na plemenitim metalima, te s višestrukim studijama pesticida koje pokazuju ppm-do-ppb, pa čak i niske nanomolarne režime detekcije s kvantitativnim metrikama i brzim tijekovima rada (npr. 5 min ukupno vrijeme testa; <15 min ekstrakcija). [5, 8, 16, 18] Kemometrija je neophodna za mnoge zadatke autentičnosti i kvantifikacije, jer vizualni pregled može biti nedovoljan za otkrivanje patvorenja, dok su PCA i PLSR pokazali performanse diskriminacije i kvantitativnog predviđanja. [9, 10]
Primarna ograničenja za profiliranje kontaminanata u tragovima u stvarnom vremenu u biljnim API tvarima su ograničenja osjetljivosti u nepojačanim Raman PAT procesnim modelima (ilustrirana relativno visokim LOD vrijednostima u praćenju ekstrakcije) i izazovi robusnosti/validacije za skaliranje PAT-a iz laboratorija u proizvodnju, uz nesigurnost uzrokovanu matricom u nekim slučajevima probira adulteranata. [3, 22] Posljedično, najopravdanija operativna preporuka podržana dokazima je stupnjevita PAT arhitektura:
- Prijenosna Ramanska spektroskopija + kemometrija za brzu provjeru autentičnosti/probir patvorenja.
- Ciljane SERS analize za visoko rizične rezidue pesticida.
- Potvrdne ortogonalne metode gdje kvantificiranost i regulatorno donošenje odluka zahtijevaju veće jamstvo, u skladu s regulatornim očekivanjima za ortogonalne metode i opravdanjem temeljenim na riziku za preskočeno ispitivanje. [1, 5, 12, 13, 27]
Financiranje
Bez vanjskog financiranja. [1]
Sukob interesa
Autori izjavljuju da nema sukoba interesa. [1]
Izjava o dostupnosti podataka
Svi podaci korišteni u ovoj konceptualnoj studiji izvedeni su iz citiranih objavljenih izvora i regulatornih dokumenata ovdje sintetiziranih. [1, 14]
Slika 1
Slika 1. Konceptualni PAT tijek rada za upravljanje rizikom od kontaminanata u biljnim API tvarima koji integrira nedestruktivnu Ramansku spektroskopiju i SERS: probir ulaznih biljnih sirovina pomoću brzog, nedestruktivnog uzimanja Ramanskog otiska prsta na mjestima prijema/utovara; kemometrijske provjere autentičnosti/patvorenja (npr. diskriminacija temeljena na PCA; potvrda identiteta preklapanjem barkoda) za osiguranje identiteta; ciljani SERS moduli za probir pesticida u tragovima i brzo kvantitativno predviđanje (ppm-do-ppb osjetljivost s kratkim vremenima mjerenja); Ramansko praćenje u procesu u proizvodnim jediničnim operacijama u okviru PAT-a kao analiza u stvarnom vremenu i povratna kontrola; te odluke o periodičnoj provjeri/preskočenom ispitivanju temeljene na riziku podržane poviješću serija i formalnim procjenama rizika u skladu s EMA/USP smjernicama. [2, 3, 6, 9, 11, 13, 16, 19]
Tablica 2
| Klasa kontaminanta/patvorenja | Raman/SERS konfiguracija | Točke integracije PAT-a |
|---|---|---|
| Teški metali | Nedestruktivni Ramanski probir | Probir sirovina |
| Rezidue pesticida | Ciljani SERS moduli | Probir tragova |
| Mikotoksini | Kemometrijska diskriminacija | Provjere autentičnosti |
Tablica 3
| Regulatorno/kompendijsko uporište | Usklađenost PAT-a temeljenog na Ramanskoj spektroskopiji |
|---|---|
| USP smjernice | Validirani probir, strategije ispitivanja temeljene na riziku |
| EMA specifikacije | Usklađenost sa skupinama kontaminanata, opravdanje periodičnog ispitivanja |
| FDA preporuke | Podržava ortogonalne metode, upravljanje životnim ciklusom |
