A roncsolásmentes Raman-spektroszkópia és a folyamat-analitikai technológia (PAT) alkalmazása növényi hatóanyagok valós idejű nyomnyi szennyezőanyag-profilalkotásában
Absztrakt
Háttér
A növényi hatóanyagok (API-k) és növényi gyógyszeranyagok olyan minőségi stratégiákat igényelnek, amelyek képesek a variabilitás kontrollálására és a szennyeződési kockázatok kezelésére a „bizonyítékok összessége” (totality of the evidence) megközelítés alkalmazásával. Ez magában foglalja a növényi nyersanyagok ellenőrzését és a kémiai vizsgálatokat, például spektroszkópiai és/vagy kromatográfiás módszereket. [1] A szabályozói iránymutatások kifejezetten elvárják a peszticidmaradékok és az eseti toxinok (pl. aflatoxinok) vizsgálatát, valamint az idegen anyagokra és adulteránsokra vonatkozó ellenőrzéseket, ami ösztönzi az ellátási láncban és a gyártási életciklusban alkalmazható gyors szűrési megközelítések kidolgozását. [1]
Célkitűzés
Ez a koncepcióigazoló (proof-of-concept) és adatszintézis-tanulmány azt vizsgálja, hogyan integrálható a roncsolásmentes Raman-spektroszkópia (beleértve a SERS-fokozott változatokat is) egy folyamat-analitikai technológiai (PAT) keretrendszerbe a növényi API-k valós idejű vagy kvázi valós idejű nyomnyi szennyezőanyag-profilalkotása érdekében, hangsúlyt fektetve a megvalósíthatóságra, az analitikai teljesítményre és a publikált bizonyítékok által támogatott alkalmazási korlátokra. [2, 3]
Módszerek
Összegeztük azokat a bizonyítékokat, amelyek bemutatják:
- A Raman-spektroszkópia kémiai szerkezetre való érzékenységét és minimális mintaelőkészítési igényét; [2, 4]
- A SERS-fokozást és a reprezentatív nyomnyi peszticid-demonstrációkat (beleértve a ppm-től a sub-ppb tartományig terjedő rezsimeket); [5–8]
- Az adulteránsok hitelesítésére és kvantitatív előrejelzésére szolgáló kemometriai stratégiákat; [9–11]
- A PAT-szemléletű folyamatmonitorozási példákat és az ipari transzláció ismert akadályait. [3]
Eredmények
Az összeállított tanulmányok során a Raman-spektroszkópia és a kemometria sikeresen megkülönböztette a hamisított illóolajokat, amikor a vizuális ellenőrzés nem volt elegendő, a PCA pedig spektrális elkülönítést biztosított a tiszta és a hamisított minták között. [9] A kvantitatív Raman-modellezés (PLSR) magas szintű előrejelzési pontosságot ért el a koncentráció-becslési feladatokban, alátámasztva a kalibráció-alapú kvantifikálás megvalósíthatóságát komplex készítményekben. [10]
A nyomnyi szennyeződések tekintetében a SERS-vizsgálatok egyes peszticidek esetében 1 ppm-es kimutatási határt jeleztek gyümölcsfelületeken, míg más munkák 0.001–10 ppm közötti LOD értékeket mértek 21 különböző peszticidnél kolloid arany nanorészecskék alkalmazásával. [6, 7] A QuEChERS acetátos extrakcióval kombinált kézi SERS eszközök több peszticidet is kimutattak a 10 ppb-s EU MRL érték alatt basmati rizsben bizonyos analitoknál, kevesebb mint 15 perc alatt elvégzett extrakció mellett, ami egy pragmatikus „szűrés az első” munkafolyamatot illusztrál. [8]
A PAT alkalmazás szempontjából a Raman gyors, roncsolásmentes, non-invazív mérései, valamint a laboratóriumtól a gyártósorokig terjedő telepíthetősége támogatja az inline/online monitorozást. A bizonyítékok azonban hangsúlyozzák azt is, hogy a legtöbb PAT kutatás laboratóriumi léptékű marad, és a Raman-folyamatmodellek viszonylag magas LOD értékekkel rendelkezhetnek, amelyek elvéthetik az alacsony koncentrációjú célpontokat az extrakció-monitorozási környezetben. [2, 3]
Következtetések
A bizonyítékok alátámasztják a növényi API-k szennyeződési kockázatkezelésére szolgáló Raman/SERS-alapú PAT koncepció megvalósíthatóságát: hordozható Raman alkalmazása a beérkező anyagok hitelesítésére és az adulteránsok szűrésére; SERS modulok használata célzott peszticidszűrésre; valamint Raman-alapú többváltozós modellek integrálása a PAT szabályozási körökbe, ahol a folyamatkörülmények lehetővé teszik a stabil kalibrációátvitelt és a megfelelő detektálási képességet. [3, 12]
Az elsődleges korlátokat a heterogén növényi mátrixokban lévő ultra-nyomnyi célpontok iránti érzékenység, a fluoreszcencia és a gyenge Raman-jelek, valamint a validálási és modellátviteli követelmények jelentik, amelyek szükségesek a csökkentett vagy időszakos (skip) vizsgálati megközelítések szabályozói elfogadásához. [3, 4, 13]
Kulcsszavak
- Raman-spektroszkópia
- SERS
- Folyamat-analitikai technológia
- Növényi API
- Peszticidmaradékok
- Adulteráns detektálás
- Kemometria
- Valós idejű monitorozás
Bevezetés
A növényi gyógyszeranyagok és növényi API-k szabályozása olyan minőségi paradigmák alá tartozik, amelyek a „bizonyítékok összessége” megközelítéssel támogatott terápiás konzisztenciát hangsúlyozzák. Ez magában foglalja a növényi nyersanyagok ellenőrzését és a kémiai minőségellenőrző vizsgálatokat, amelyek spektroszkópiai és/vagy kromatográfiás módszereket alkalmazhatnak. [1] Ezen a paradigmán belül a szennyeződési és hamisítási kockázatok kifejezetten minőségi aggályként jelennek meg, amelyek vizsgálati stratégiákat igényelnek, beleértve a peszticidmaradékok (ideértve az anyavegyületeket és a főbb toxikus metabolitokat) és az eseti toxinok, például az aflatoxinok vizsgálatát, valamint az idegen anyagokra és adulteránsokra vonatkozó ellenőrzéseket. [1]
Ezzel párhuzamosan a növényi anyagokra és készítményekre vonatkozó európai specifikációs iránymutatás a specifikációkat olyan vizsgálatokként, eljárásokként és elfogadási kritériumokként határozza meg, amelyeket a minőség biztosítására használnak a felszabadításkor és az eltarthatósági idő alatt. Meghatározza továbbá a megfelelően kezelendő szennyeződések csoportjait, beleértve a nehézfémeket/elemi szennyeződéseket, a peszticid- és fumigánsmaradékokat, a mikotoxinokat (aflatoxinok, ochratoxin A) és a mikrobiális szennyeződést. [13, 14] Az EMA iránymutatása azt is jelzi, hogy a szennyezőanyag-maradékok időszakos/skip vizsgálata elfogadható lehet, ha azt kockázatértékeléssel és gyártási tétel adatokkal igazolják, ami egyértelmű szabályozói ösztönzőt jelent a gyorsabb szűrési és folyamatmegértési eszközök számára, amelyek igazolhatják a kockázatalapú ellenőrzési stratégiákat a biztonság veszélyeztetése nélkül. [13]
A Raman-spektroszkópia alkalmas jelölt az ilyen stratégiákhoz, mivel a Raman-szórás kémiailag specifikus „ujjnyomat” spektrumokat biztosít, a Raman-módszerek pedig általában gyors, roncsolásmentes és non-invazív eljárások, egyszerű mintaelőkészítéssel. Ezek olyan operatív tulajdonságok, amelyek összhangban vannak a gyártás és az ellátási lánc ellenőrzése során hozott valós idejű döntéshozatallal. [2, 4]
A gyógyszerészeti Raman-alkalmazások áttekintései leírják, hogy az alkalmazási kör a laboratóriumi felhasználástól a rakodópartokig és a gyártósorokig terjed, ami azt jelenti, hogy a Raman nemcsak off-line azonosító eszközként, hanem potenciális folyamatközi analitikai szenzorként is figyelembe vehető PAT kontextusban. [2] A PAT-ot kifejezetten olyan eszközök és eszközrendszerek használataként határozzák meg, amelyek az ipari termelés során valós idejű elemzést és visszacsatolásos szabályozást valósítanak meg a szabályozható gyártási folyamat és az optimális termékminőség biztosítása érdekében. A vibrációs spektroszkópiai technikákat úgy írják le, mint amelyek lehetővé teszik a gyógynövények belső minőségi jellemzőinek online, valós idejű és gyors detektálását a feldolgozás során. [3]
Azonban a növényi anyagok nyomnyi szennyezőanyag-profilalkotása analitikailag igényes feladat, és a szakirodalom jelentős transzlációs kihívásokat jelez: a legtöbb PAT kutatást laboratóriumi berendezéseken végezték, ahol a kísérleti körülmények könnyebben kontrollálhatók, és a Raman-alapú folyamatmodellek viszonylag magas LOD értékekkel rendelkezhetnek, amelyek nem képesek detektálni az alacsony koncentrációjú célpontokat a szimulált extrakció-monitorozási feladatokban. [3] Ezek a korlátok egy tervezés-orientált kérdést vetnek fel a növényi API-k esetében: hogyan telepíthető a Raman (és a SERS-fokozott Raman) egy PAT keretrendszeren belül úgy, hogy gyors, roncsolásmentes szűrést és – ahol lehetséges – a mátrix- és folyamatvariabilitással szemben robusztus kvantitatív előrejelzéseket adjon, miközben kompatibilis marad a szennyezőanyag-ellenőrzésre és a módszervalidálásra vonatkozó kockázatalapú szabályozói elvárásokkal? [2, 3, 13]
Ennek megfelelően az itt tárgyalt kutatási kérdés a következő: Támogathatják-e a publikált Raman és SERS teljesítményadatok egy gyakorlati PAT architektúrát a növényi API-k kvázi valós idejű nyomnyi szennyezőanyag-profilalkotásához, amely kiegészíti vagy triázsolja a klasszikus megerősítő vizsgálatokat? [3, 6, 8] A munkahipotézis az, hogy a Raman-alapú roncsolásmentes ujjnyomat-vétel egy többszintű PAT rendszerként lesz a leghatékonyabb: (i) Raman + kemometria a gyors hitelesítéshez/adulteráció-szűréshez; (ii) célzott SERS modulok a nyomnyi peszticid-detektáláshoz releváns mátrixokban; és (iii) folyamat-Raman monitorozás a belső minőségi jellemzőkhöz, ahol az érzékenység megfelelő, a kockázatalapú skip-testinget pedig adatokkal és a gyártási tételek előtörténetével, nem pedig önmagában a szenzor telepítésével igazolják. [3, 6, 9, 13]
Kvantitatív előrejelzés és kalibráció-alapú következtetés
A kvantitatív előrejelzés és a kalibráció-alapú következtetés tekintetében egy xilollal hamisított metil-eugenol készítményekkel végzett Raman-vizsgálat arról számolt be, hogy a PCA hasznos volt a különböző koncentrációjú Raman-spektrális adatkészletek megkülönböztetésére. Ezenkívül egy PLSR modell képes volt megbízhatóan előrejelezni egy ismeretlen minta koncentrációját, ami bizonyítja, hogy a Raman-spektroszkópia és a PLSR kombinációja magas prediktív teljesítményt érhet el. Ez rávilágít annak potenciális hasznosságára a növényi API-k ismert kockázatú adulteránsaira vonatkozó kvantitatív modellek kidolgozásában, amennyiben referenciaanyagok állnak rendelkezésre [10].
Azonosság igazolása késztermékekben
Egy vonalkód-alapú Raman-módszer hatékonynak bizonyult az API-k azonosságának megerősítésére késztermékekben. A technika az elvárt API és a kész gyógyszertermék vonalkódjai közötti nem nulla átfedés százalékos arányának összehasonlításával működik, ahol a spektrumokat a Raman-csúcsok kiemelése érdekében transzformálják [11]. Ezt a megközelítést alkalmazva 18 engedélyezett készterméket és kilenc szimulált hamisítványt azonosítottak 100%-os pontossággal. Ez támogatja a Raman-alapú „ujjnyomat-átfedési” logika alkalmazhatóságát a formulázott termékek robusztus azonosság-ellenőrzéséhez, feltéve, hogy megfelelő transzformációt és döntési szabályokat alkalmaznak [11].
Raman-elemzés növényi „hasonmás” kockázatok esetén
A Raman-spektrális szignatúra-megközelítéseket a valódi minták és a hamisítottak megkülönböztetésére alkalmazták növényi kontextusban. Például a Phansomba/Phellinus minták elemzése során éles különbséget mutattak ki a valódi és a hamisított példányok között. Meghatározták a Phellinus-ra (különösen a Ph. merrillii-re) jellemző főbb Raman-sávokat (487, 528, 786, 892, 915 és 1436 cm), ami arra utal, hogy lehetséges szignatúra-tartomány adatbázisokat építeni más gyógynövények ellenőrzési munkafolyamataihoz is [21].
Vannak azonban korlátok. 50, szexuális teljesítményfokozásra vonatkozó állítással forgalmazott gyógynövény-alapú étrend-kiegészítő szűrése során a Raman-spektroszkópia kilenc hamisított mintát detektált (négyet szildenafillal és ötöt tadalafillal). Két minta esetében azonban nem tudott meggyőző eredményt adni a tadalafil-hamisítás tekintetében, ami jelzi a megerősítő módszerek vagy a továbbfejlesztett spektrális interpretációs stratégiák szükségességét bizonyos esetekben [22].
4.2 Peszticidmaradékok meghatározása SERS alkalmazásával
A publikált bizonyítékok rávilágítanak arra, hogy a SERS egy gyors, roncsolásmentes technika, amely képes a nyomnyi szintű peszticidek (ppm vagy ppb) kimutatására, összhangban a növényi szennyezőanyag-ellenőrzési szabványokkal [1, 6, 19]. Egy tanulmány bemutatta a SERS képességét a peszticidek detektálására gyümölcsfelületeken akár 1 ppm-es szinten is, ami jól korrelál az almákra vonatkozó szabályozási peszticidmaradék-határértékekkel [6].
A kvantitatív SERS-vizsgálatok erős kalibrációs teljesítményt mutattak. Például egy tanulmány 0.99-es determinációs együtthatót (R²) jelzett az ometoát, és 0.98-at a klórpirifosz esetében, 1.63 mg·cm, illetve 2.64 mg·cm kimutatási határokkal (LOD). Ez hangsúlyozza a karakterisztikus SERS-csúcsintenzitásokat alkalmazó kalibrációs modellek megvalósíthatóságát a maradékanyag-kvantifikáláshoz [17]. Ebben a vizsgálatban analit-specifikus Raman-csúcsokat (413 cm az ometoátnál, 346 cm a klórpirifosznál) használtak a koncentráció-térképezéshez kalibrációs modelleken keresztül [17].
A kolloid arany nanorészecske alapú SERS tovább fokozta 21 különböző peszticid Raman-szórását. A kimutatási határok 0.001 és 10 ppm között mozogtak, a foszmet és a tirám egyidejű azonosítását pedig almahéjon érték el PCA és SERS alkalmazásával [7].
Leveles zöldségmátrixok esetében a foszmet, tiabendazol és acetamiprid peszticidmaradékok kalibrációs görbéi erős lineáris korrelációs együtthatókat mutattak, 94.67% és 112.89% közötti visszanyerést érve el. A visszanyerésen alapuló validálások 3.87% és 8.56% közötti relatív szórást jeleztek. A teljes vizsgálati folyamat, beleértve a mintavételt, a spektrumelemzést és a kvantitatív előrejelzést, kevesebb mint öt perc alatt befejeződött, ami jelentős javulást mutat a hagyományos kromatográfiás módszerekhez képest [16].
Növényi mátrix kontextusban a SERS potenciált mutatott a deltametrin kimutatására a Corydalis nemzetségnél. Az elsődleges karakterisztikus csúcsot 999 cm-nél azonosították, a modellezés során pedig akár 0.186 mg/L-es kimutatási határt értek el a 999 cm-es csúcsnál végzett közvetlen megfigyeléssel. A PLS modell használata szintén jó prediktív teljesítménymutatókat eredményezett [23].
A QuEChERS acetátos extrakcióval párosított kézi SERS eszközök képesek voltak több peszticidmaradék detektálására basmati rizsben 15 percen belül. Az olyan peszticideket, mint a CBM, THI és TRI, a 10 ppb-s európai uniós maximális maradékanyag-határérték (MRL) alatt detektálták. Az ACE kimutatási határa azonban 800 ppb maradt, ami rávilágít az analit-érzékenység lehetséges variabilitására a többmaradékos munkafolyamatokban [8].
A dinamikus SERS-megközelítések fokozták az érzékenységet a "sessile-drop" (ülő csepp) kontextusban, lehetővé téve a parakvát, tiabendazol, triciklazol és izokarbofosz ppm és ppb szintű kimutatását. Ez a megközelítés a nanorészecskék párolgás során fellépő metasztabil állapotát használja ki a megkülönböztethetőség fenntartására a dúsított zöldségkivonatokban. A karakterisztikus csúcsintenzitások és a koncentrációszintek közötti lineáris kapcsolatok tovább validálják ezt a módszert [18].
4.3 Mikotoxin- és mikrobiális-marker profilalkotás
A szabályozói szabványok előírják a növényi anyagok mikotoxin- és mikrobiológiai minőségvizsgálatát, különös tekintettel az aflatoxinokra és az ochratoxin A-ra [13, 24]. Például az USP monográfiák maximum NMT 5 ppb határértéket határoznak meg az aflatoxin B1-re, és NMT 20 ppb-t az aflatoxin B1, B2, G1 és G2 összegére [19]. Ezek a határértékek határozzák meg azt az érzékenységet, amelyet a szűrési és megerősítő módszereknek el kell érniük.
A Raman/SERS peszticid-detektálási és hamisítás-ellenőrzési alkalmazásokra fektetett elsődleges hangsúly miatt ez a technológia leginkább kiegészítő szűrőeszközként pozicionálható egy szélesebb szennyezőanyag-ellenőrzési stratégián belül. Ez összhangban van azokkal a szabályozói irányelvekkel, amelyek javasolják, hogy a minőségellenőrzést olyan kémiai vizsgálatok támogassák, mint a spektroszkópia vagy a kromatográfia, miközben integrálják a feltörekvő technológiákat is [1, 13].
4.4 Nehézfémekre és szervetlen szennyeződésekre vonatkozó következtetések
Az EMA megköveteli a nehézfémek és egyéb elemi szennyeződések vizsgálatát a növényi gyógyszerkészítményekben, hacsak másként nem indokolt, szabályozói elvárást fogalmazva meg a növényi API-k nyomnyi szennyezőanyag-profilalkotására vonatkozóan [13, 24].
A jelenlegi Raman/SERS bizonyítékbázisban ezeket a szennyeződéseket közvetve kezelik a nyersanyag-azonosság javított ellenőrzésén, a gyorsabb hamisítás-szűrésen és a nagy kockázatú minták megerősítő vizsgálatának priorizálásán keresztül. A Raman-módszerek jelenleg nem pozicionálhatók önálló módszerként az elemi szennyeződések kvantifikálására további validálás vagy kiegészítő technológiák nélkül [1, 13, 21].
4.5 In-line és On-line Raman PAT a növényi feldolgozásban
A folyamat-analitikai technológiai (PAT) keretrendszer valós idejű elemzést alkalmaz a termékminőség és a folyamatirányítás optimalizálására. A Raman-spektroszkópiát erre a célra kifejezetten alkalmasnak írják le, mivel gyors, non-invazív elemzést kínál, amely kompatibilis a folyamat közbeni gyártási körülményekkel [3].
A Raman-PAT egyik példája egy RS-CARS-PLS modell alkalmazása az extrakciós folyamatok monitorozására a Wenxin granulátum gyártása során. Bár a modell hatékony folyamatmonitorozást mutatott, érzékenysége az alacsony koncentrációjú analitok, például a szacharidok esetében korlátozott volt – rávilágítva a SERS vagy kiegészítő technikák szükségességére a nyomnyi szintű szennyeződések detektálásához [3].
Az ipari alkalmazás további kihívásokat jelent, mivel a legtöbb PAT kutatás laboratóriumi körülmények között zajlik. A robusztusságot és a variabilitás ellenőrzését meg kell oldani a sikeres felskálázáshoz és az éles implementációhoz [3].
4.6 Összehasonlító analitikai teljesítmény
A konvencionális Raman-spektroszkópia gyors, roncsolásmentes kémiai ujjnyomatot biztosít mintaelőkészítés nélkül. Ezzel szemben a SERS fokozza az érzékenységet a nyomnyi szintű szennyeződések detektálásához, elérve az 1 ppm-től akár 0.001 ppm-ig terjedő kimutatási határokat bizonyos peszticideknél, a módszertől és a mátrixtól függően [4, 5, 6, 7]. Például a kalibrációval párosított SERS peszticid-detektálást mutatott be leveles zöldségekben akár 0.98291-es korrelációs együtthatóval és mindössze öt perces teljes munkafolyamattal [16].
A hitelesítési alkalmazásoknál a PCA hasznosnak bizonyult az illóolajok finom spektrális variációinak megkülönböztetésében, a vonalkód-alapú Raman-technikák pedig 100%-os pontosságot mutattak a hamisított és az eredeti késztermékek azonosításában [9–11].
4.7 Hordozható és kézi műszerek a nyersanyag-szűréshez
A hordozható Raman-műszerek időhatékony, roncsolásmentes eszközként jelennek meg, amelyek képesek a növényi anyagok gyors elemzésére bonyolult előkészítés nélkül. Alkalmazhatók továbbá a gyógynövénykészítmények egészségügyi és biztonsági megfelelőségének monitorozására is, értékes eszközt kínálva mind a gyári, mind a piacfelügyeleti szűrésekhez [12].
Az FDA szabályozói iránymutatásai kiemelik az olyan feltörekvő módszereket, mint a morfológia-vezérelt Raman-spektroszkópia (MDRS), amely hasznos olyan feladatokhoz, mint a részecskeméret-eloszlás jellemzése, amennyiben szigorú validálás támasztja alá. Bár nem kifejezetten növényi API-specifikusak, ezek a módszerek bemutatják a Raman képességét a hagyományos analitikai technikák kiegészítésére [25, 26].
Diszkusszió
Az összegezett bizonyítékok alátámasztják, hogy a Raman és a SERS értékes eszközök a roncsolásmentes, gyors szűréshez és a valós idejű monitorozáshoz a PAT környezetekben. Ezek a technológiák hatékonyan integrálhatók a növényi API-k szennyezőanyag-ellenőrzési és minőségbiztosítási munkafolyamataiba [2, 3, 5].
5.1 A Raman és a PAT erősségei a klasszikus roncsolásos módszerekkel szemben
A Raman-spektroszkópia előnyös a gyorsasága, roncsolásmentes tulajdonságai és minimális mintaelőkészítési igénye miatt. A SERS kiterjeszti ezt a használhatóságot, lehetővé téve a nyomnyi szintű detektálást a fokozási mechanizmusok révén, amelyről kimutatták, hogy képes peszticideket detektálni akár ppb szinteken is, gyors teljes munkafolyamat-idővel, így ideális a minták kezdeti szűrésére és triázsolására a megerősítő vizsgálatok előtt [2, 4, 5, 16].
5.2 Korlátok
A főbb korlátok közé tartoznak az alap Raman-módszerek érzékenységi kihívásai, különösen az alacsony koncentrációjú analitok esetében SERS-fokozás nélkül. A Raman-alapú PAT ipari alkalmazása szintén megköveteli a variabilitással és a robusztus felskálázással kapcsolatos kihívások leküzdését. Ezenkívül a kemometriai modellekre, például a PCA-ra és PLS-re való támaszkodás összetettséget és potenciális bizonytalanságot vezet be a mátrixvariabilitástól és a modell tanításától függően [3, 9, 22, 23].
Szabályozói iránymutatás és Raman-alapú szűrőeszközök
A szabályozói iránymutatás támogatja a növényi anyagok minőségi megközelítését a bizonyítékok összessége alapján, beleértve a növényi nyersanyagok ellenőrzését és a spektroszkópiai és/vagy kromatográfiás módszereket alkalmazó kémiai minőségellenőrző vizsgálatokat. Ez koncepcionális utat biztosít a Raman-alapú szűrőeszközök számára, hogy az átfogó ellenőrzési stratégiák részévé váljanak, ahelyett, hogy a klasszikus vizsgálatok önálló helyettesítőiként kezelnék őket. [1]
Az FDA iránymutatása kifejezetten előírja a peszticidmaradékok és az olyan eseti toxinok vizsgálatát, mint az aflatoxinok, valamint az idegen anyagok és adulteránsok ellenőrzését. Ez összhangban van a Raman/SERS peszticidszűrési és adulteráns-detektálási képességeivel, megerősítve a szennyezőanyag-osztályok lefedettségének szükségességét egy átfogó ellenőrzési programban. [1]
Az FDA azt is kimondja, hogy a kérelmezőknek értékelniük kell a jelenlegi és feltörekvő technológiákat, és ortogonális analitikai módszereket kell kifejleszteniük a megfelelő azonosítás és kvantifikálás érdekében. Ez értelmezhető úgy, hogy támogatja a Raman/SERS alkalmazását egy ortogonális módszerkészlet részeként, olyan megerősítő módszerekkel párosítva, mint az LC–MS vagy más vizsgálatok a végleges kvantifikáláshoz, különösen ott, ahol a SERS teljesítménye a mintaelőkészítés ellenőrzésétől függ a pontos, LC–MS-hez mérhető kvantifikálhatóság érdekében. [1, 27] Ezt a nézetet támasztja alá egy tanulmány, amely a SERS-t és az LC–MS-t hasonlította össze egy váratlan herbicid esetében bonyolult mátrixban: a SERS magas érzékenységet és nagyobb detektálási hatékonyságot mutatott az ultra-nyomnyi célpontok detektálásához, míg az LC–MS pontosabb kvantifikálhatóságot biztosított a jól kontrollált mintaelőkészítésnek köszönhetően. Ez egy többszintű architektúrát ösztönöz: SERS a gyors, érzékeny detektáláshoz és LC–MS a megerősítő kvantifikáláshoz. [27]
Az EU-ban az EMA specifikációs iránymutatása meghatározza a specifikációkat és azonosítja a kezelendő szennyezőanyag-csoportokat (beleértve a nehézfémeket, peszticidmaradékokat, mikotoxinokat, mikrobiális szennyeződést). Lehetővé teszi az időszakos/skip vizsgálatokat, ahol azt kockázatértékelés és gyártási tétel adatok indokolják, ami azt sugallja, hogy a Raman/PAT adatfolyamok támogató bizonyítékként szolgálhatnak a kockázatalapú vizsgálati stratégiákhoz, ha validálják őket, és igazolják, hogy képesek időben detektálni a releváns eltéréseket. [13, 14]
5.4 Kockázatalapú alkalmazási stratégia és életciklus-kezelés
Az USP iránymutatás jelzi, hogy a vizsgálatok kiterjedése kockázatalapú megközelítéssel határozható meg, amely figyelembe veszi a szennyeződés valószínűségét. Ez támogatja azt a stratégiát, ahol a Raman/SERS szűrés intenzitása és a megerősítő vizsgálatok elosztása olyan kockázati tényezőkön alapul, mint a forrás, a földrajzi hely, a tétel előtörténete és a korábbi szűrési adatok. [19] Az EMA hasonlóan jelzi, hogy az időszakos/skip vizsgálat elfogadható lehet, ha indokolt, és az indoklásnak figyelembe kell vennie a növényi anyagot, a termesztési/termelési körülményeket, a szomszédos gazdaságokból származó szennyeződést, a földrajzi eredetet, és kockázatértékeléssel, valamint tételadatokkal kell alátámasztani, megerősítve a gazdag adatokkal rendelkező monitorozó rendszerek szükségességét az ad hoc vizsgálatcsökkentések helyett. [13]
Ezen a kockázatalapú kontextuson belül a Raman-alapú PAT a gyors, megismételhető ujjnyomatok és szűrési eredmények generátoraként pozicionálható, amely támogatja a trendmonitorozást és az abnormális tételek gyors azonosítását, míg a megerősítő vizsgálatokat a szűrés által jelzett tételeknek, vagy a szűrőrendszer teljesítményének és kalibrációs stabilitásának időszakos ellenőrzésére tartják fenn. [2, 13] A vonalkód-alapú API-azonossági módszer és a kézi illóolaj-hamisítás detektálás illusztrálja, hogy a robusztus döntési szabályok (vonalkód-átfedés, intenzív diagnosztikai sávok) hogyan egyszerűsíthetik le a szűrési döntéseket bizonyos kontextusokban, míg a PCA-alapú megkülönböztetés jelzi, hol van szükség többváltozós modellekre a finom hamisítási mintázatokkal szembeni érzékenység fenntartásához. [9, 11, 20]
A Raman-módszerek életciklus-kezelésére utalnak az FDA MDRS beadványokkal kapcsolatos észrevételei is: a reprodukálhatóságra és pontosságra vonatkozó validálási adatok hiánya hiányosságnak minősül, hangsúlyozva, hogy a Raman-alapú PAT módszereket a szabályozói interakciók központi elemeként validálással és teljesítménydokumentációval kell kifejleszteni. [25]
5.5 Kilátások
A bizonyítékok több technikai irányt sugallnak a Raman-alapú PAT megvalósíthatóságának növelésére a nyomnyi szennyeződések esetében. Először is, a technikák változatosságának növelése (Fourier-transzformációs Raman, rezonancia Raman, konfokális Raman és SERS) lehetségesnek tűnik a Raman-jelek fokozására, valamint a műszerek és a mintafeldolgozás fejlesztésére. Ez támogatja azt a stratégiát, hogy a technika változatait a mátrix- és érzékenységi igényeknek megfelelően válasszák ki, ahelyett, hogy egyetlen Raman-konfigurációra támaszkodnának minden növényi folyamatnál. [4]
Másodszor, a SERS szelektivitása fokozható nanostruktúrák receptor-molekulákkal (például aptamerekkel) történő funkcionalizálásával, ami utat mutat a PAT modulokba ágyazott, célzott nyomnyi szennyezőanyag-vizsgálatok felé ott, ahol az interferencia domináns kockázat. [5]
Harmadszor, a képalkotás-alapú SERS-megközelítéseket úgy írják le, mint amelyek lehetővé teszik a szennyeződés lokalizációjának valós idejű monitorozását és detektálását a növényi szövetek felületén vagy belsejében. Ez azt sugallja, hogy a jövőbeli növényi API munkafolyamatok térben feloldott szennyeződés-térképezést is tartalmazhatnak a nagy kockázatú anyagoknál vagy a szennyeződési utak kivizsgálásánál. [5] Végül, a gyakorlati alkalmazási potenciált támasztják alá azok a következtetések, miszerint a SERS tovább implementálható gyors és helyszíni detektáló eszközökben az élelmiszerbiztonság és a környezetmonitorozás terén, valamint azok a bizonyítékok, amelyek szerint a hordozható Raman-műszerek használhatók a fogyasztói piacon lévő gyógynövénytermékek egészségügyi és biztonsági megfelelőségének monitorozására, hangsúlyozva a folytonosságot a terepi szűréstől a gyártási PAT rendszerekig. [12, 27]
6. Következtetések
Ez a koncepcionális, bizonyíték-szintézis tanulmány azt jelzi, hogy a Raman-spektroszkópia jól illeszkedik a PAT célkitűzéseihez, mivel gyors, roncsolásmentes, non-invazív és egyszerű a mintaelőkészítése. A Raman-alkalmazások leírása szerint a laboratóriumtól a gyártósorokig terjednek, támogatva a Raman-alapú mérés életciklus-szemléletét a beérkező nyersanyag-szűréstől a folyamat közbeni monitorozásig. [2]
A PAT kifejezetten a valós idejű elemzés és a visszacsatolásos szabályozás lehetővé tételeként van meghatározva a szabályozható gyártási folyamatok és az optimális minőség biztosítása érdekében. A vibrációs spektroszkópiát úgy írják le, mint amely lehetővé teszi a gyógynövények belső minőségének online, valós idejű, gyors detektálását a feldolgozás során, koncepcionális alapot biztosítva a Raman-szenzorok elhelyezéséhez a növényi alapú gyártásban. [3]
A nyomnyi szennyeződések tekintetében a SERS nyújtja a legerősebb bizonyítékbázist az érzékenységre vonatkozóan; a fokozás potenciálisan ultra-nyomnyi kimutatási határokat érhet el nemesfémeken. Számos peszticid-tanulmány mutatott be ppm-től ppb-ig terjedő, sőt alacsony nanomoláris detektálási tartományokat kvantifikációs mutatókkal és gyors munkafolyamatokkal (pl. 5 perc teljes tesztidő; <15 perc extrakció). [5, 8, 16, 18] A kemometria elengedhetetlen számos hitelességi és kvantifikálási feladathoz, mivel a vizuális ellenőrzés nem elegendő az adulteráció detektálásához, miközben a PCA és a PLSR bizonyította megkülönböztető és kvantitatív előrejelzési teljesítményét. [9, 10]
A növényi API-k valós idejű nyomnyi szennyezőanyag-profilalkotásának fő korlátai a nem fokozott Raman PAT folyamatmodellek érzékenységi korlátai (amit az extrakció-monitorozás viszonylag magas LOD értékei illusztrálnak) és a PAT laboratóriumból termelésbe történő felskálázásának robusztussági/validálási kihívásai, valamint a mátrix okozta bizonytalanság egyes adulteráns-szűrési esetekben. [3, 22] Következésképpen a bizonyítékok által támogatott leginkább védhető operatív ajánlás egy többszintű PAT architektúra:
- Hordozható Raman + kemometria a gyors hitelesítéshez/adulteráció-szűréshez.
- Célzott SERS vizsgálatok a nagy kockázatú peszticidmaradékokhoz.
- Megerősítő ortogonális módszerek ott, ahol a kvantifikálhatóság és a szabályozói döntéshozatal magasabb bizonyosságot igényel, összhangban az ortogonális módszerekre vonatkozó szabályozói elvárásokkal és a skip-testing kockázatalapú indokoltságával. [1, 5, 12, 13, 27]
Finanszírozás
Nincs külső finanszírozás. [1]
Összeférhetetlenség
A szerzők kijelentik, hogy nem áll fenn összeférhetetlenség. [1]
Adatvisszaélési nyilatkozat
A koncepcionális tanulmányban felhasznált összes adat az itt összegezett, idézett publikált forrásokból és szabályozói dokumentumokból származik. [1, 14]
1. Ábra
1. Ábra. Koncepcionális PAT munkafolyamat a növényi API-k szennyeződési kockázatkezeléséhez, roncsolásmentes Raman és SERS integrálásával: beérkező növényi nyersanyagok szűrése gyors, roncsolásmentes Raman ujjnyomat-vétellel a fogadó/rakodó pontokon; kemometriai hitelesítés/adulteráció-ellenőrzés (pl. PCA-alapú megkülönböztetés; vonalkód-átfedéses azonosság-megerősítés) az azonosság biztosítására; célzott SERS modulok a nyomnyi peszticid-szűréshez és gyors kvantitatív előrejelzéshez (ppm-től ppb-ig terjedő érzékenység rövid mérési időkkel); folyamat közbeni Raman monitorozás a gyártási egységműveleteknél, PAT keretében valós idejű elemzésként és visszacsatolásos szabályozásként; valamint kockázatalapú időszakos ellenőrzési/skip-testing döntések, amelyeket gyártási tétel előtörténet és az EMA/USP iránymutatásokkal összhangban lévő formális kockázatértékelések támogatnak. [2, 3, 6, 9, 11, 13, 16, 19]
2. Táblázat
| Szennyező/Adulteráns osztály | Raman/SERS konfiguráció | PAT integrációs pontok |
|---|---|---|
| Nehézfémek | Roncsolásmentes Raman-szűrés | Nyersanyag-szűrés |
| Peszticidmaradékok | Célzott SERS modulok | Nyomnyi szűrés |
| Mikotoxinok | Kemometriai megkülönböztetés | Hitelesítési ellenőrzések |
3. Táblázat
| Szabályozói/Kompendiális horgony | Raman-alapú PAT illeszkedés |
|---|---|
| USP iránymutatás | Validált szűrés, kockázatalapú vizsgálati stratégiák |
| EMA specifikációk | Megfelelés a szennyezőanyag-csoportoknak, időszakos vizsgálat indoklása |
| FDA ajánlások | Ortogonális módszerek támogatása, életciklus-kezelés |
