Applicazione della spettroscopia Raman non distruttiva e della Process Analytical Technology (PAT) per la profilazione in tempo reale dei contaminanti in tracce nei principi attivi farmaceutici botanici
Abstract
Contesto
I principi attivi farmaceutici (API) botanici e le sostanze farmaceutiche botaniche richiedono strategie di qualità in grado di controllare la variabilità e gestire i rischi di contaminazione utilizzando un approccio basato sulla “totalità dell'evidenza” che includa il controllo delle materie prime botaniche e test chimici come metodi spettroscopici e/o cromatografici. [1] Gli orientamenti normativi prevedono esplicitamente test per i pesticidi residui e le tossine avventizie (ad esempio, le aflatossine), nonché controlli riguardanti materiali estranei e adulteranti, il che motiva approcci di screening rapido che possano essere implementati lungo tutta la catena di fornitura e il ciclo di vita della produzione. [1]
Obiettivo
Questo studio concettuale di proof-of-concept e sintesi dei dati valuta come la spettroscopia Raman non distruttiva (comprese le varianti potenziate dalla SERS) possa essere integrata in un framework di Process Analytical Technology (PAT) per la profilazione in tempo reale o quasi reale dei contaminanti in tracce negli API botanici, con enfasi sulla fattibilità, le prestazioni analitiche e i vincoli di implementazione supportati da prove pubblicate. [2, 3]
Metodi
Abbiamo sintetizzato le evidenze che mostrano:
- La sensibilità della Raman alla struttura chimica e le minime esigenze di preparazione del campione; [2, 4]
- Il potenziamento SERS e le dimostrazioni rappresentative di pesticidi in tracce (compresi i regimi da ppm a sub-ppb); [5–8]
- Le strategie chemiometriche per l'autenticazione degli adulteranti e la previsione quantitativa; [9–11]
- Esempi di monitoraggio di processo allineati alla PAT e barriere note alla traslazione industriale. [3]
Risultati
Tra gli studi compilati, la spettroscopia Raman e la chemiometria hanno discriminato gli oli essenziali adulterati quando l'ispezione visiva era insufficiente, con la PCA che ha fornito una separazione spettrale tra campioni puri e adulterati. [9] La modellazione Raman quantitativa (PLSR) ha raggiunto elevati livelli di accuratezza predittiva in compiti di previsione della concentrazione, supportando la plausibilità della quantificazione basata sulla calibrazione in formulazioni complesse. [10]
Per i contaminanti in tracce, gli studi SERS hanno riportato rilevamenti fino a 1 ppm sulla superficie dei frutti per pesticidi selezionati e, in altri lavori, hanno misurato LOD compresi tra 0.001–10 ppm su 21 pesticidi utilizzando nanoparticelle d'oro colloidale. [6, 7] La SERS portatile con estrazione acetica QuEChERS ha rilevato più pesticidi al di sotto di un MRL UE di 10 ppb nel riso basmati per analiti selezionati, con l'estrazione completata in meno di 15 min, illustrando un workflow pragmatico di tipo “screen-first”. [8]
Per l'uso PAT, le misurazioni Raman rapide, non distruttive e non invasive e la capacità di essere implementate dal laboratorio alle linee di produzione supportano il monitoraggio inline/online. Tuttavia, l'evidenza sottolinea anche che la maggior parte della ricerca PAT rimane su scala di laboratorio e che i modelli di processo Raman possono avere LOD relativamente elevati che mancano bersagli a bassa concentrazione in contesti di monitoraggio dell'estrazione. [2, 3]
Conclusioni
L'evidenza supporta un concetto PAT fattibile abilitato da Raman/SERS per la gestione del rischio di contaminanti negli API botanici: implementare Raman portatili per l'autenticazione dei materiali in entrata e lo screening degli adulteranti; utilizzare moduli SERS per lo screening mirato dei pesticidi; e integrare modelli multivariati basati su Raman nei loop di controllo PAT dove le condizioni di processo consentono un trasferimento di calibrazione stabile e un'adeguata capacità di rilevamento. [3, 12]
Le limitazioni principali sono la sensibilità per i target in ultra-tracce in matrici botaniche eterogenee, la fluorescenza e i segnali Raman deboli, e i requisiti di validazione/trasferimento del modello necessari per l'accettazione normativa di approcci di test ridotti o skip testing. [3, 4, 13]
Parole chiave
- Spettroscopia Raman
- SERS
- Process analytical technology
- API botanico
- Residui di pesticidi
- Rilevamento di adulteranti
- Chemiometria
- Monitoraggio in tempo reale
Introduzione
Le sostanze farmaceutiche botaniche e gli API botanici sono regolati secondo paradigmi di qualità che enfatizzano la coerenza terapeutica supportata da un approccio basato sulla “totalità dell'evidenza”, inclusi il controllo delle materie prime botaniche e i test di controllo della qualità chimica che possono utilizzare metodi spettroscopici e/o cromatografici. [1] All'interno di questo paradigma, i rischi di contaminazione e adulterazione sono esplicitamente nominati come preoccupazioni per la qualità che richiedono strategie di test, compresi i test per i pesticidi residui (inclusi i pesticidi genitori e i principali metaboliti tossici) e tossine avventizie come le aflatossine, nonché controlli riguardanti materiali estranei e adulteranti. [1]
Parallelamente, la guida europea sulle specifiche per le sostanze e i preparati erboristici definisce le specifiche come i test, le procedure e i criteri di accettazione utilizzati per garantire la qualità al rilascio e durante la conservazione, e identifica gruppi di contaminanti che dovrebbero essere affrontati secondo i casi, inclusi metalli pesanti/impurità elementari, residui di pesticidi e fumiganti, micotossine (aflatossine, ocratossina A) e contaminazione microbica. [13, 14] La guida dell'EMA indica inoltre che il skip testing periodico dei residui di contaminanti può essere accettabile quando giustificato attraverso la valutazione del rischio e i dati dei lotti, stabilendo un chiaro incentivo normativo per strumenti di screening più rapidi e di comprensione del processo che possano giustificare strategie di controllo basate sul rischio senza compromettere la sicurezza. [13]
La spettroscopia Raman è candidata per tali strategie perché lo scattering Raman fornisce spettri “fingerprint” chimicamente specifici, e i metodi Raman sono comunemente inquadrati come rapidi, non distruttivi e non invasivi con una semplice preparazione del campione, proprietà operative allineate con il processo decisionale in tempo reale durante la produzione e il controllo della catena di fornitura. [2, 4]
Le revisioni delle applicazioni Raman farmaceutiche descrivono un raggio d'azione che si estende dall'uso in laboratorio ai punti di scarico e alle linee di produzione, implicando che la Raman possa essere considerata non solo come uno strumento di identificazione off-line ma anche come un potenziale sensore analitico in-process in un contesto PAT. [2] La PAT è esplicitamente definita come l'uso di una serie di strumenti e mezzi per realizzare analisi in tempo reale e controllo del feedback durante la produzione industriale per garantire un processo di produzione controllabile e una qualità del prodotto ottimale, e le tecniche di spettroscopia vibrazionale sono descritte come abilitanti per il rilevamento online, in tempo reale e rapido degli attributi di qualità interna delle erbe durante la lavorazione. [3]
Tuttavia, la profilazione dei contaminanti in tracce nei prodotti botanici è analiticamente impegnativa e la letteratura indica importanti sfide traslazionali: la maggior parte della ricerca PAT è stata condotta su apparecchiature su scala di laboratorio dove le condizioni sperimentali sono più facili da controllare, e i modelli di processo basati sulla Raman possono avere LOD relativamente elevati che non riescono a rilevare bersagli a bassa concentrazione in compiti di monitoraggio dell'estrazione simulata. [3] Questi vincoli motivano una domanda orientata al design per gli API botanici: come può la Raman (e la Raman potenziata dalla SERS) essere implementata all'interno di un framework PAT in modo da fornire uno screening rapido e non distruttivo e, ove possibile, previsioni quantitative robuste alla variabilità della matrice e del processo, rimanendo al contempo compatibile con le aspettative normative basate sul rischio per il controllo dei contaminanti e la validazione del metodo? [2, 3, 13]
Di conseguenza, la domanda di ricerca affrontata qui è: le prove pubblicate sulle prestazioni di Raman e SERS possono supportare un'architettura PAT pratica per la profilazione quasi in tempo reale dei contaminanti in tracce negli API botanici che integri o esegua il triage dei classici saggi di conferma? [3, 6, 8] L'ipotesi di lavoro è che il fingerprinting non distruttivo basato su Raman sarà più efficace come sistema PAT stratificato: (i) Raman + chemiometria per lo screening rapido di autenticazione/adulterazione; (ii) moduli SERS mirati per il rilevamento di pesticidi in tracce in matrici rilevanti; e (iii) monitoraggio Raman di processo per gli attributi di qualità interna dove la sensibilità è adeguata, con skip testing basato sul rischio giustificato dai dati e dalla cronologia dei lotti piuttosto che dalla sola implementazione del sensore. [3, 6, 9, 13]
Previsione quantitativa e inferenza basata sulla calibrazione
Per la previsione quantitativa e l'inferenza basata sulla calibrazione, uno studio Raman su formulazioni di metileugenolo adulterate con xilene ha riportato che la PCA è stata utile per differenziare set di dati spettrali Raman di diverse concentrazioni. Inoltre, un modello PLSR è stato in grado di prevedere la concentrazione di un campione ignoto con affidabilità, dimostrando che la combinazione di spettroscopia Raman e PLSR potrebbe raggiungere elevate prestazioni predittive. Ciò sottolinea la sua potenziale utilità nello sviluppo di modelli quantitativi per adulteranti a rischio noto negli API botanici quando sono disponibili materiali di riferimento [10].
Conferma dell'identità nei prodotti finiti
Un metodo Raman basato su codici a barre si è dimostrato efficace per confermare l'identità degli API nei prodotti finiti. La tecnica funziona confrontando la percentuale di sovrapposizione non nulla tra i codici a barre dell'API atteso e del prodotto farmaceutico finito, dove gli spettri vengono trasformati per enfatizzare i picchi Raman [11]. Utilizzando questo approccio, 18 prodotti farmaceutici finiti approvati e nove contraffazioni simulate sono stati identificati con un'accuratezza del 100%. Ciò supporta la fattibilità dell'uso della logica di “sovrapposizione fingerprint” basata su Raman per una robusta verifica dell'identità nei prodotti formulati, a condizione che vengano applicate trasformazioni e regole decisionali appropriate [11].
Analisi Raman per i rischi di prodotti botanici “Look-Alike”
Approcci basati sulla firma spettrale Raman sono stati implementati per distinguere campioni autentici da campioni adulterati in contesti botanici. Ad esempio, l'analisi di campioni di Phansomba/Phellinus ha rivelato una netta separazione tra esemplari autentici e adulterati. Sono state identificate bande Raman chiave (487, 528, 786, 892, 915 e 1436 cm) caratteristiche di Phellinus (specialmente Ph. merrillii), suggerendo il potenziale per costruire database di intervalli di firme per i workflow di ispezione in altri farmaci erboristici [21].
Tuttavia, esistono delle limitazioni. In uno screening di 50 integratori alimentari erboristici con indicazioni di miglioramento sessuale, la spettroscopia Raman ha rilevato nove campioni adulterati (quattro con sildenafil e cinque con tadalafil). Tuttavia, non è riuscita a fornire risultati conclusivi riguardo all'adulterazione con tadalafil in due campioni, indicando la necessità di metodi di conferma o strategie di interpretazione spettrale potenziate per determinati casi [22].
4.2 Residui di pesticidi mediante SERS
Le evidenze pubblicate evidenziano che la SERS è una tecnica rapida e non distruttiva in grado di rilevare pesticidi a livello di tracce (ppm o ppb) in linea con gli standard di controllo dei contaminanti botanici [1, 6, 19]. Uno studio ha dimostrato la capacità della SERS di rilevare pesticidi sulle superfici dei frutti a livelli fino a 1 ppm, correlandosi bene con i limiti normativi dei residui di pesticidi per le mele [6].
Gli studi SERS quantitativi hanno mostrato forti prestazioni di calibrazione. Ad esempio, uno studio ha riportato coefficienti di determinazione (R²) di 0.99 per l'ometoato e 0.98 per il clorpirifos, con limiti di rilevamento (LOD) rispettivamente di 1.63 mg·cm e 2.64 mg·cm. Ciò sottolinea la fattibilità di modelli di calibrazione che utilizzano le intensità dei picchi SERS caratteristici per la quantificazione dei residui [17]. In questo studio, i picchi Raman specifici dell'analita (413 cm per l'ometoato, 346 cm per il clorpirifos) sono stati utilizzati per la mappatura della concentrazione attraverso modelli di calibrazione [17].
La SERS con nanoparticelle d'oro colloidale ha ulteriormente potenziato lo scattering Raman di 21 diversi pesticidi. I limiti di rilevamento variavano da 0.001 a 10 ppm, con l'identificazione simultanea di phosmet e thiram ottenuta sulla buccia di mela utilizzando PCA e SERS [7].
Per le matrici di ortaggi a foglia, le curve di calibrazione per i residui di pesticidi di phosmet, tiabendazolo e acetamiprid hanno mostrato forti coefficienti di correlazione lineare, ottenendo recuperi tra il 94.67% e il 112.89%. Le validazioni basate sul recupero hanno riportato deviazioni standard relative tra il 3.87% e l'8.56%. L'intero processo di test, inclusi il campionamento, l'analisi dello spettro e la previsione quantitativa, è stato completato in meno di cinque minuti, un netto miglioramento rispetto ai metodi cromatografici tradizionali [16].
In un contesto di matrice botanica, la SERS ha dimostrato il potenziale nel rilevare la deltametrina in Corydalis. Il picco caratteristico primario è stato identificato a 999 cm, con incrementi nella modellazione che hanno prodotto un limite di rilevamento fino a 0.186 mg/L per l'osservazione diretta al picco di 999 cm. L'uso di un modello PLS ha inoltre raggiunto buone metriche di prestazioni predittive [23].
I dispositivi SERS portatili, abbinati all'estrazione acetica QuEChERS, hanno dimostrato la capacità di rilevare più residui di pesticidi nel riso basmati entro 15 minuti. Pesticidi come CBM, THI e TRI sono stati rilevati al di sotto del limite massimo di residui (MRL) UE di 10 ppb. Tuttavia, il limite di rilevamento per ACE è rimasto bloccato a 800 ppb, evidenziando una potenziale variabilità nella sensibilità dell'analita all'interno di un workflow multi-residuo [8].
Gli approcci SERS dinamici hanno potenziato la sensibilità in contesti di goccia sessile, consentendo il rilevamento di paraquat, tiabendazolo, tricyclazolo e isocarbofos fino a livelli di ppm e ppb. Questo approccio sfrutta uno stato di nanoparticelle metastabile durante la volatilizzazione per mantenere la discriminabilità negli estratti vegetali addizionati. Le relazioni lineari tra le intensità dei picchi caratteristici e i livelli di concentrazione convalidano ulteriormente questo metodo [18].
4.3 Profilazione di micotossine e marcatori microbici
Gli standard normativi impongono test di qualità microbiologica e per le micotossine per le sostanze erboristiche, concentrandosi in particolare sulle aflatossine e sull'ocratossina A [13, 24]. Ad esempio, le monografie USP specificano un limite massimo di NMT 5 ppb per l'aflatossina B1 e NMT 20 ppb per la somma delle aflatossine B1, B2, G1 e G2 [19]. Questi limiti definiscono la sensibilità che i metodi di screening e di conferma devono raggiungere.
A causa dell'enfasi primaria sulle applicazioni SERS/Raman per il rilevamento di pesticidi e adulterazioni, questa tecnologia è posizionata al meglio come strumento di screening complementare all'interno di una più ampia strategia di controllo dei contaminanti. Ciò è in linea con le linee guida normative che suggeriscono che il controllo di qualità sia supportato da test chimici come la spettroscopia o la cromatografia, incorporando al contempo tecnologie emergenti [1, 13].
4.4 Inferenza di metalli pesanti e contaminanti inorganici
L'EMA richiede test per i metalli pesanti e altre impurità elementari nei medicinali vegetali a meno che non sia diversamente giustificato, inquadrando un'aspettativa normativa per la profilazione dei contaminanti in tracce negli API botanici [13, 24].
Nell'attuale base di evidenze Raman/SERS, questi contaminanti vengono affrontati indirettamente attraverso un migliore controllo dell'identità della materia prima, uno screening più rapido delle adulterazioni e la priorità dei test di conferma per i campioni ad alto rischio. Tuttavia, i metodi Raman non sono attualmente posizionati come metodi autonomi per la quantificazione delle impurità elementari senza un'ulteriore validazione o tecnologie complementari [1, 13, 21].
4.5 PAT Raman In-Line e On-Line per la lavorazione botanica
Il framework Process Analytical Technology (PAT) utilizza l'analisi in tempo reale per ottimizzare la qualità del prodotto e il controllo del processo. La spettroscopia Raman è descritta come ben adatta a questo scopo, offrendo un'analisi rapida e non invasiva compatibile con le condizioni di produzione in-process [3].
Un esempio di Raman-PAT è l'uso di un modello RS-CARS-PLS per il monitoraggio dei processi di estrazione nella produzione di granuli Wenxin. Sebbene il modello abbia dimostrato un monitoraggio efficace del processo, la sua sensibilità per gli analiti a bassa concentrazione, come i saccaridi, era limitata, evidenziando la necessità di SERS o tecniche complementari per rilevare contaminanti a livello di tracce [3].
L'implementazione industriale pone ulteriori sfide, poiché la maggior parte della ricerca PAT avviene in ambienti controllati di laboratorio. La robustezza e il controllo della variabilità devono essere affrontati per un successo del passaggio di scala e dell'implementazione live [3].
4.6 Prestazioni analitiche comparate
La spettroscopia Raman convenzionale fornisce fingerprint chimici rapidi e non distruttivi senza richiedere il pretrattamento del campione. Al contrario, la SERS potenzia la sensibilità per rilevare contaminanti a livello di tracce, raggiungendo limiti di rilevamento da 1 ppm fino a 0.001 ppm per determinati pesticidi a seconda del metodo e della matrice [4, 5, 6, 7]. Ad esempio, la SERS accoppiata alla calibrazione ha dimostrato il rilevamento di pesticidi in ortaggi a foglia con coefficienti di correlazione fino a 0.98291 e il completamento dell'intero workflow in soli cinque minuti [16].
Per le applicazioni di autenticazione, la PCA è stata utile nel differenziare sottili variazioni spettrali negli oli essenziali, e le tecniche Raman basate su codici a barre hanno mostrato un'accuratezza del 100% nell'identificare prodotti finiti contraffati e autentici [9–11].
4.7 Strumentazione portatile per lo screening delle materie prime
Gli strumenti Raman portatili sono posizionati come strumenti non distruttivi efficienti in termini di tempo, in grado di analizzare rapidamente i materiali erboristici senza la necessità di una preparazione complessa. Sono inoltre applicabili per il monitoraggio della conformità in materia di salute e sicurezza nei prodotti erboristici, offrendo uno strumento prezioso sia per lo screening in fabbrica che post-vendita [12].
Le linee guida normative della FDA evidenziano metodi emergenti come la Morphology-directed Raman spectroscopy (MDRS) come utili per compiti come la caratterizzazione della distribuzione delle dimensioni delle particelle quando supportati da una rigorosa validazione. Sebbene non siano specifici per gli API botanici, questi metodi dimostrano la capacità della Raman di integrare le tecniche analitiche tradizionali [25, 26].
Discussione
L'evidenza sintetizzata supporta Raman e SERS come strumenti preziosi per lo screening rapido non distruttivo e il monitoraggio in tempo reale all'interno di ambienti PAT. Queste tecnologie possono essere integrate efficacemente nei workflow di controllo dei contaminanti e di garanzia della qualità per gli API botanici [2, 3, 5].
5.1 Punti di forza di Raman e PAT rispetto ai metodi distruttivi classici
La spettroscopia Raman è vantaggiosa per la sua velocità, le proprietà non distruttive e i requisiti minimi di preparazione del campione. La SERS estende questa utilità, consentendo il rilevamento a livello di tracce attraverso meccanismi di potenziamento, che hanno dimostrato di rilevare pesticidi fino a livelli di ppb con tempi di workflow totali rapidi, rendendola ideale per lo screening iniziale e il triage dei campioni per i test di conferma [2, 4, 5, 16].
5.2 Limitazioni
Le limitazioni principali includono sfide di sensibilità nei metodi Raman basali, specialmente per gli analiti a bassa concentrazione senza potenziamento SERS. L'uso industriale della PAT basata su Raman richiede inoltre di superare le sfide della variabilità e di un passaggio di scala robusto. Inoltre, una certa dipendenza dai modelli chemiometrici, come PCA e PLS, introduce complessità e potenziale incertezza a seconda della variabilità della matrice e dell'addestramento del modello [3, 9, 22, 23].
Orientamenti normativi e strumenti di screening basati sulla Raman
Gli orientamenti normativi supportano un approccio di qualità per i prodotti botanici basato sulla totalità dell'evidenza, inclusi il controllo delle materie prime botaniche e i test di controllo della qualità chimica che utilizzano metodi spettroscopici e/o cromatografici. Ciò fornisce un percorso concettuale per l'integrazione degli strumenti di screening basati sulla Raman nelle strategie di controllo globali, piuttosto che trattarli come sostituti autonomi per tutti i saggi classici. [1]
La guida della FDA richiede esplicitamente test per i pesticidi residui e le tossine avventizie come le aflatossine, nonché materiali estranei e adulteranti. Ciò si allinea con le capacità di Raman/SERS nello screening dei pesticidi e nel rilevamento degli adulteranti, rafforzando la necessità di una copertura della classe di contaminanti in un programma di controllo completo. [1]
La FDA afferma inoltre che i richiedenti dovrebbero valutare le tecnologie attuali ed emergenti e sviluppare metodi analitici ortogonali per fornire identificazione e quantificazione adeguate. Ciò può essere interpretato come un sostegno all'implementazione di Raman/SERS come parte di un set di metodi ortogonali abbinati a metodi di conferma come LC–MS o altri saggi per la quantificazione definitiva, specialmente dove le prestazioni SERS dipendono dal controllo del pretrattamento del campione per un'accurata quantificabilità rispetto alla LC–MS. [1, 27] A sostegno di questa visione, uno studio che confronta SERS e LC–MS per un erbicida inaspettato in una matrice complessa ha riportato che la SERS mostrava un'elevata sensibilità e una maggiore efficienza di rilevamento per il rilevamento di bersagli in ultra-tracce, mentre la LC–MS forniva una quantificabilità più accurata facilitata da un pretrattamento del campione ben controllato. Ciò motiva un'architettura stratificata: SERS per il rilevamento rapido e sensibile e LC–MS per la quantificazione di conferma. [27]
Nell'UE, la guida alle specifiche dell'EMA definisce le specifiche e identifica i gruppi di contaminanti che dovrebbero essere affrontati (compresi metalli pesanti, residui di pesticidi, micotossine, contaminazione microbica). Consente skip testing periodici ove giustificati dalla valutazione del rischio e dai dati dei lotti, implicando che i flussi di dati Raman/PAT potrebbero contribuire con prove a supporto delle strategie di test basate sul rischio se convalidati e dimostrati capaci di rilevare deviazioni rilevanti in modo tempestivo. [13, 14]
5.4 Strategia di implementazione basata sul rischio e gestione del ciclo di vita
La guida USP indica che l'entità dei test può essere determinata utilizzando un approccio basato sul rischio che consideri la probabilità di contaminazione. Ciò supporta una strategia in cui l'intensità dello screening Raman/SERS e i test di conferma sono allocati in base a fattori di rischio quali fonte, geografia, cronologia dei lotti e dati di screening precedenti. [19] L'EMA indica analogamente che il skip testing periodico può essere accettabile ove giustificato, e che la giustificazione dovrebbe considerare il materiale vegetale, le condizioni di coltivazione/produzione, la contaminazione delle aziende agricole vicine, l'origine geografica, ed essere supportata dalla valutazione del rischio e dai dati dei lotti, rafforzando la necessità di sistemi di monitoraggio ricchi di dati piuttosto che di riduzioni ad hoc dei test. [13]
All'interno di questo contesto basato sul rischio, la PAT basata su Raman può essere posizionata come un generatore di fingerprint rapidi e ripetibili e risultati di screening che supportano il monitoraggio dei trend e la rapida identificazione di lotti anomali, mentre i saggi di conferma sono riservati ai lotti segnalati dallo screening o per la verifica periodica delle prestazioni del sistema di screening e della stabilità della calibrazione. [2, 13] Il metodo di identità dell'API basato su codice a barre e il rilevamento dell'adulterazione degli oli essenziali tramite dispositivi portatili illustrano come regole decisionali robuste (sovrapposizione del codice a barre, bande diagnostiche intense) possano semplificare le decisioni di screening in alcuni contesti, mentre la discriminazione basata sulla PCA indica dove sono richiesti modelli multivariati per mantenere la sensibilità a sottili schemi di adulterazione. [9, 11, 20]
La gestione del ciclo di vita per i metodi Raman è suggerita anche dalle osservazioni della FDA sulle sottomissioni MDRS: la mancanza di dati di validazione sulla riproducibilità e l'accuratezza è una carenza, sottolineando che i metodi PAT basati su Raman devono essere sviluppati con la validazione e la documentazione delle prestazioni come deliverable centrali per le interazioni normative. [25]
5.5 Prospettive
L'evidenza suggerisce molteplici direzioni tecniche per aumentare la fattibilità della PAT basata su Raman per i contaminanti in tracce. In primo luogo, l'aumento della varietà di tecniche (Raman a trasformata di Fourier, Raman di risonanza, Raman confocale e SERS) è descritto come fattibile per potenziare i segnali Raman ed evolvere gli strumenti e la lavorazione dei campioni, supportando una strategia di selezione delle varianti tecniche in base alle esigenze della matrice e della sensibilità piuttosto che fare affidamento su una singola configurazione Raman in tutti i processi botanici. [4]
In secondo luogo, la selettività SERS può essere potenziata funzionalizzando le nanostrutture con molecole recettoriali come gli aptameri, indicando un percorso verso saggi mirati per contaminanti in tracce incorporati in moduli PAT dove l'interferenza è un rischio dominante. [5]
In terzo luogo, gli approcci SERS basati sull'imaging sono descritti come tali da consentire il monitoraggio in tempo reale e il rilevamento della localizzazione della contaminazione sulle superfici dei tessuti vegetali o all'interno, suggerendo che i futuri workflow per gli API botanici potrebbero incorporare la mappatura della contaminazione risolta spazialmente per materiali ad alto rischio o per indagini sui percorsi di contaminazione. [5] Infine, il potenziale di implementazione pratica è supportato dalle conclusioni secondo cui la SERS potrebbe essere ulteriormente implementata in strumenti di rilevamento rapidi e in loco per la sicurezza alimentare e il monitoraggio ambientale, e dall'evidenza che strumenti Raman portatili possono essere utilizzati per monitorare la conformità in materia di salute e sicurezza dei prodotti erboristici nel mercato consumer, sottolineando un continuum dallo screening sul campo ai sistemi PAT di produzione. [12, 27]
6. Conclusioni
Questo studio concettuale di sintesi delle evidenze indica che la spettroscopia Raman è ben allineata con gli obiettivi PAT perché è rapida, non distruttiva, non invasiva e semplice nella preparazione del campione. Le applicazioni Raman sono descritte come estese dal laboratorio alle linee di produzione, supportando una visione del ciclo di vita della misurazione basata sulla Raman, dallo screening delle materie prime in entrata al monitoraggio in-process. [2]
La PAT è esplicitamente definita come capace di abilitare l'analisi in tempo reale e il controllo del feedback per garantire processi di produzione controllabili e una qualità ottimale. La spettroscopia vibrazionale è descritta come abilitante per il rilevamento rapido in tempo reale online della qualità interna delle erbe durante la lavorazione, fornendo una base concettuale per il posizionamento dei sensori Raman nella produzione botanica. [3]
Per i contaminanti in tracce, la SERS fornisce la base di evidenze più solida per la sensibilità, con un potenziamento che può potenzialmente raggiungere limiti di rilevamento di ultra-tracce su metalli nobili, e con molteplici studi sui pesticidi che dimostrano regimi di rilevamento da ppm a ppb e persino bassi nanomolari con metriche di quantificazione e workflow rapidi (ad esempio, 5 min di tempo totale del test; <15 min di estrazione). [5, 8, 16, 18] La chemiometria è essenziale per molti compiti di autenticità e quantificazione, poiché l'ispezione visiva può essere insufficiente per il rilevamento delle adulterazioni, mentre PCA e PLSR hanno dimostrato prestazioni di discriminazione e previsione quantitativa. [9, 10]
Le limitazioni principali per la profilazione in tempo reale dei contaminanti in tracce negli API botanici sono i vincoli di sensibilità nei modelli di processo PAT Raman non potenziati (illustrati da LOD relativamente elevati nel monitoraggio dell'estrazione) e le sfide di robustezza/validazione per il passaggio di scala della PAT dal laboratorio alla produzione, insieme all'incertezza guidata dalla matrice in alcuni casi di screening degli adulteranti. [3, 22] Di conseguenza, la raccomandazione operativa più difendibile supportata dall'evidenza è un'architettura PAT stratificata:
- Raman portatile + chemiometria per lo screening rapido di autenticazione/adulterazione.
- Saggi SERS mirati per residui di pesticidi ad alto rischio.
- Metodi ortogonali di conferma laddove la quantificabilità e il processo decisionale normativo richiedano una maggiore garanzia, in linea con le aspettative normative per i metodi ortogonali e la giustificazione basata sul rischio per il skip testing. [1, 5, 12, 13, 27]
Finanziamenti
Nessun finanziamento esterno. [1]
Conflitti di interesse
Gli autori dichiarano l'assenza di conflitti di interesse. [1]
Dichiarazione sulla disponibilità dei dati
Tutti i dati utilizzati in questo studio concettuale derivano dalle fonti pubblicate citate e dai documenti normativi qui sintetizzati. [1, 14]
Figura 1
Figura 1. Workflow PAT concettuale per la gestione del rischio di contaminanti negli API botanici che integra Raman non distruttiva e SERS: screening delle materie prime botaniche in entrata utilizzando fingerprinting Raman rapido e non distruttivo nei punti di ricezione/scarico merci; controlli chemiometrici di autenticazione/adulterazione (ad esempio, discriminazione basata su PCA; conferma dell'identità tramite sovrapposizione di codici a barre) per la garanzia dell'identità; moduli SERS mirati per lo screening dei pesticidi in tracce e la previsione quantitativa rapida (sensibilità da ppm a ppb con brevi tempi di misurazione); monitoraggio Raman in-process nelle operazioni unitarie di produzione inquadrate sotto la PAT come analisi in tempo reale e controllo del feedback; e decisioni di verifica periodica/skip-testing basate sul rischio supportate dalla cronologia dei lotti e da valutazioni formali del rischio coerenti con le linee guida EMA/USP. [2, 3, 6, 9, 11, 13, 16, 19]
Tabella 2
| Classe di contaminanti/adulteranti | Configurazione Raman/SERS | Punti di integrazione PAT |
|---|---|---|
| Metalli pesanti | Screening Raman non distruttivo | Screening delle materie prime |
| Residui di pesticidi | Moduli SERS mirati | Screening delle tracce |
| Micotossine | Discriminazione chemiometrica | Controlli di autenticazione |
Tabella 3
| Ancoraggio normativo/compendiale | Allineamento PAT basato su Raman |
|---|---|
| Guida USP | Screening convalidato, strategie di test basate sul rischio |
| Specifiche EMA | Conformità con i gruppi di contaminanti, giustificazione dei test periodici |
| Raccomandazioni FDA | Supporta metodi ortogonali, gestione del ciclo di vita |
