Неразрушающая рамановская спектроскопия для детекции контаминантов в растительном сырье на базе PAT

Применение неразрушающей рамановской спектроскопии и процессной аналитической технологии (PAT) для профилирования следовых количеств загрязняющих веществ в режиме реального времени в растительных активных фармацевтических субстанциях

Аннотация

Обоснование

Растительные активные фармацевтические субстанции (АФС) и лекарственное растительное сырье требуют стратегий обеспечения качества, способных контролировать вариабельность и управлять рисками загрязнения с использованием подхода «совокупности доказательств», который включает контроль растительного сырья и химические испытания, такие как спектроскопические и/или хроматографические методы. [1] Регуляторные руководства прямо предписывают проведение испытаний на наличие остаточных пестицидов и посторонних токсинов (например, афлатоксинов), а также контроль посторонних примесей и фальсификатов, что стимулирует разработку методов быстрого скрининга, которые могут быть внедрены в цепочку поставок и жизненный цикл производства. [1]

Цель

Данное концептуальное исследование по проверке концепции и синтезу данных оценивает, как неразрушающая рамановская спектроскопия (включая варианты с усилением SERS) может быть интегрирована в структуру процессной аналитической технологии (PAT) для профилирования следовых количеств загрязняющих веществ в растительных АФС в реальном или почти реальном времени, с упором на осуществимость, аналитические характеристики и ограничения развертывания, подтвержденные опубликованными данными. [2, 3]

Методы

Мы синтезировали доказательства, демонстрирующие:

• чувствительность рамановской спектроскопии к химической структуре и минимальные потребности в пробоподготовке; [2, 4]
• усиление SERS и демонстрацию типичных следовых количеств пестицидов (включая режимы от ppm до уровней ниже ppb); [5–8]
• хемометрические стратегии для аутентификации фальсификатов и количественного прогнозирования; [9–11]
• примеры мониторинга процессов в соответствии с PAT и известные барьеры для промышленного внедрения. [3]

Результаты

В ходе обобщенных исследований рамановская спектроскопия и хемометрика позволили дифференцировать фальсифицированные эфирные масла в случаях, когда визуального осмотра было недостаточно, при этом PCA обеспечивал спектральное разделение между чистыми и фальсифицированными образцами. [9] Количественное моделирование Рамана (PLSR) позволило достичь высокого уровня точности прогнозирования в задачах предсказания концентрации, подтверждая возможность количественного определения на основе калибровки в сложных составах. [10]

Для следовых загрязнителей исследования SERS показали возможность обнаружения на поверхности фруктов до 1 ppm для отдельных пестицидов, а в других работах измерялись LOD в диапазоне 0.001–10 ppm для 21 вида пестицидов с использованием коллоидных наночастиц золота. [6, 7] Портативный SERS с ацетатной экстракцией QuEChERS обнаружил несколько пестицидов ниже MRL ЕС, составляющего 10 ppb, в рисе басмати для выбранных аналитов, при этом экстракция завершалась менее чем за 15 min, что иллюстрирует прагматичный рабочий процесс «сначала скрининг». [8]

Для использования в PAT быстрые, неразрушающие, неинвазивные измерения Рамана и возможность его развертывания от лаборатории до производственных линий поддерживают поточное/онлайн-наблюдение. Однако данные также подчеркивают, что большинство исследований PAT остаются в лабораторном масштабе, и что рамановские модели процессов могут иметь относительно высокие LOD, которые не позволяют обнаружить низкоконцентрированные цели в условиях мониторинга экстракции. [2, 3]

Выводы

Данные подтверждают осуществимость концепции PAT на основе Рамана/SERS для управления рисками загрязнения растительных АФС: использование портативного Рамана для подтверждения подлинности поступающего сырья и скрининга фальсификатов; использование модулей SERS для целевого скрининга пестицидов; и интеграция многомерных моделей на основе Рамана в контуры управления PAT, где условия процесса позволяют стабильный перенос калибровки и адекватную способность обнаружения. [3, 12]

Основными ограничениями являются чувствительность для ультраследовых целей в гетерогенных растительных матрицах, флуоресценция и слабые рамановские сигналы, а также требования к валидации/переносу моделей, необходимые для регуляторного признания подходов с сокращенным или выборочным тестированием. [3, 4, 13]

Ключевые слова

• Рамановская спектроскопия
• SERS
• Процессная аналитическая технология
• Растительная АФС
• Остатки пестицидов
• Обнаружение фальсификатов
• Хемометрика
• Мониторинг в реальном времени

Введение

Лекарственное растительное сырье и растительные АФС регулируются в рамках парадигм качества, которые подчеркивают терапевтическую стабильность, поддерживаемую подходом «совокупности доказательств», включая контроль растительного сырья и химический контроль качества, в котором могут использоваться спектроскопические и/или хроматографические методы. [1] В рамках этой парадигмы риски загрязнения и фальсификации прямо названы как проблемы качества, требующие стратегий тестирования, включая тесты на остаточные пестициды (включая исходные пестициды и основные токсичные метаболиты) и посторонние токсины, такие как афлатоксины, а также контроль в отношении посторонних материалов и фальсификатов. [1]

Параллельно с этим, европейское руководство по спецификациям для растительных веществ и препаратов определяет спецификации как тесты, процедуры и критерии приемлемости, используемые для обеспечения качества при выпуске и в течение срока годности, и определяет группы загрязняющих веществ, которые следует учитывать по мере необходимости, включая тяжелые металлы/элементные примеси, остатки пестицидов и фумигантов, микотоксины (афлатоксины, охратоксин А) и микробиологическое загрязнение. [13, 14] Руководство EMA также указывает, что периодический контроль / пропуск серий (skip testing) остатков загрязняющих веществ может быть приемлемым, если это обосновано оценкой рисков и данными по сериям, устанавливая четкий регуляторный стимул для разработки инструментов более быстрого скрининга и понимания процессов, которые могут обосновать стратегии контроля на основе рисков без ущерба для безопасности. [13]

Рамановская спектроскопия является кандидатом для таких стратегий, поскольку рамановское рассеяние дает химически специфичные «отпечатки пальцев» (fingerprint) спектров, а рамановские методы обычно характеризуются как быстрые, неразрушающие и неинвазивные с простой пробоподготовкой, что является операционными свойствами, соответствующими принятию решений в реальном времени во время производства и контроля цепочки поставок. [2, 4]

Обзоры фармацевтического применения рамановской спектроскопии описывают диапазон развертывания, который простирается от лабораторного использования до доков и производственных линий, подразумевая, что Раман может рассматриваться не только как инструмент оффлайн-идентификации, но и как потенциальный внутрипроцессный аналитический датчик в контексте PAT. [2] PAT прямо определяется как использование ряда инструментов и средств для реализации анализа в реальном времени и управления с обратной связью во время промышленного производства для обеспечения контролируемого производственного процесса и оптимального качества продукции, а методы колебательной спектроскопии описываются как позволяющие осуществлять онлайн, в реальном времени и быстрое обнаружение внутренних атрибутов качества трав во время обработки. [3]

Однако профилирование следовых количеств загрязняющих веществ в растительном сырье является аналитически сложной задачей, и литература указывает на серьезные проблемы с внедрением: большинство исследований PAT проводилось на лабораторном оборудовании, где экспериментальные условия легче контролировать, а рамановские модели процессов могут иметь относительно высокие LOD, которые не позволяют обнаружить низкоконцентрированные цели в задачах мониторинга имитации экстракции. [3] Эти ограничения мотивируют ориентированный на проектирование вопрос для растительных АФС: как Раман (и Раман с усилением SERS) может быть развернут в рамках структуры PAT таким образом, чтобы обеспечить быстрый неразрушающий скрининг и, где это возможно, количественные прогнозы, устойчивые к вариабельности матрицы и процесса, оставаясь при этом совместимым с регуляторными ожиданиями на основе рисков для контроля загрязняющих веществ и валидации методов? [2, 3, 13]

Соответственно, исследовательский вопрос, рассматриваемый здесь: могут ли опубликованные данные о производительности Рамана и SERS поддержать практическую архитектуру PAT для профилирования следовых количеств загрязняющих веществ в растительных АФС в почти реальном времени, которая дополняет или распределяет классические подтверждающие анализы? [3, 6, 8] Рабочая гипотеза заключается в том, что неразрушающая идентификация на основе Рамана будет наиболее эффективной в качестве многоуровневой системы PAT: (i) Раман + хемометрика для быстрой аутентификации/скрининга фальсификатов; (ii) целевые модули SERS для обнаружения следов пестицидов в соответствующих матрицах; и (iii) мониторинг процессов с помощью Рамана для внутренних атрибутов качества там, где чувствительность адекватна, с обоснованием skip-testing на основе рисков данными и историей серий, а не только самим развертыванием датчиков. [3, 6, 9, 13]

Количественное прогнозирование и логический вывод на основе калибровки

Для количественного прогнозирования и логического вывода на основе калибровки исследование рамановской спектроскопии составов метилэвгенола, фальсифицированных ксилолом, показало, что PCA полезен для дифференциации наборов данных рамановских спектров различных концентраций. Кроме того, модель PLSR смогла с надежностью предсказать концентрацию неизвестного образца, продемонстрировав, что сочетание рамановской спектроскопии и PLSR позволяет достичь высоких показателей прогнозирования. Это подчеркивает потенциальную полезность метода при разработке количественных моделей для фальсификатов известного риска в растительных АФС при наличии стандартных образцов [10].

Подтверждение подлинности в готовой продукции

Метод Рамана на основе штрих-кодов доказал свою эффективность для подтверждения подлинности АФС в готовой продукции. Метод работает путем сравнения процента ненулевого перекрытия между ожидаемым штрих-кодом АФС и штрих-кодом готового лекарственного препарата, где спектры преобразуются для акцентирования рамановских пиков [11]. С использованием этого подхода 18 одобренных готовых лекарственных препаратов и девять имитаций контрафакта были идентифицированы со 100% точностью. Это подтверждает осуществимость использования логики «перекрытия отпечатков пальцев» на основе Рамана для надежной проверки подлинности в готовых продуктах при условии применения соответствующих правил трансформации и принятия решений [11].

Рамановский анализ рисков «сходства» лекарственного растительного сырья

Подходы на основе сигнатур рамановских спектров были развернуты для отличия подлинных образцов от фальсифицированных в контексте растительного сырья. Например, анализ образцов Phansomba/Phellinus выявил четкое разделение между подлинными и фальсифицированными экземплярами. Были идентифицированы ключевые рамановские полосы (487, 528, 786, 892, 915 и 1436 cm), характерные для Phellinus (особенно Ph. merrillii), что указывает на потенциал создания баз данных сигнатурных диапазонов для рабочих процессов контроля других растительных лекарственных средств [21].

Однако существуют ограничения. При скрининге 50 травяных пищевых добавок с заявленным эффектом усиления половой функции рамановская спектроскопия обнаружила девять фальсифицированных образцов (четыре с силденафилом и пять с тадалафилом). Тем не менее, она не смогла дать окончательных результатов в отношении фальсификации тадалафилом в двух образцах, что указывает на необходимость подтверждающих методов или расширенных стратегий интерпретации спектров в определенных случаях [22].

4.2 Остатки пестицидов методом SERS

Опубликованные данные подчеркивают, что SERS является быстрым неразрушающим методом, способным обнаруживать следовые уровни пестицидов (ppm или ppb) в соответствии со стандартами контроля загрязняющих веществ в растительном сырье [1, 6, 19]. Одно исследование продемонстрировало способность SERS обнаруживать пестициды на поверхности фруктов на уровнях до 1 ppm, что хорошо коррелирует с нормативными пределами остаточного содержания пестицидов для яблок [6].

Количественные исследования SERS показали высокие показатели калибровки. Например, в одном исследовании сообщалось о коэффициентах детерминации (R²) 0.99 для ометоата и 0.98 для хлорпирифоса, с пределами обнаружения (LOD) 1.63 mg·cm и 2.64 mg·cm соответственно. Это подтверждает осуществимость калибровочных моделей, использующих интенсивность характерных пиков SERS для количественного определения остатков [17]. В этом исследовании специфические для аналита рамановские пики (413 cm для ометоата, 346 cm для хлорпирифоса) использовались для картирования концентрации с помощью калибровочных моделей [17].

SERS с использованием коллоидных наночастиц золота еще больше усилил рамановское рассеяние от 21 различного пестицида. Пределы обнаружения варьировались от 0.001 до 10 ppm, при этом на кожуре яблок с помощью PCA и SERS была достигнута одновременная идентификация фосмета и тирама [7].

Для матриц листовых овощей калибровочные кривые остатков пестицидов фосмета, тиабендазола и ацетамиприда показали сильные коэффициенты линейной корреляции, достигнув степени извлечения от 94.67% до 112.89%. Валидация на основе степени извлечения показала относительные стандартные отклонения от 3.87% до 8.56%. Весь процесс тестирования, включая отбор проб, спектральный анализ и количественное прогнозирование, был завершен менее чем за пять минут, что является заметным улучшением по сравнению с традиционными хроматографическими методами [16].

В контексте растительной матрицы SERS продемонстрировал потенциал в обнаружении дельтаметрина в Corydalis. Основной характерный пик был идентифицирован на 999 cm, при этом инкременты в моделировании позволили достичь предела обнаружения до 0.186 mg/L при прямом наблюдении пика 999 cm. Использование модели PLS также позволило достичь хороших показателей прогностической эффективности [23].

Портативные устройства SERS в сочетании с ацетатной экстракцией QuEChERS продемонстрировали способность обнаруживать остатки нескольких пестицидов в рисе басмати в течение 15 минут. Пестициды, такие как CBM, THI и TRI, были обнаружены ниже максимального предела остаточного содержания (MRL) ЕС, составляющего 10 ppb. Однако предел обнаружения для ACE оставался ограниченным на уровне 800 ppb, что подчеркивает возможную вариабельность чувствительности аналитов в рамках рабочего процесса с несколькими остатками [8].

Динамические подходы SERS повысили чувствительность в условиях «сидячей капли», позволяя обнаруживать паракват, тиабендазол, трициклазол и изокарбофос до уровней ppm и ppb. Этот подход использует метастабильное состояние наночастиц во время испарения для поддержания дискриминативности в экстрактах овощей с добавками. Линейные зависимости между интенсивностями характерных пиков и уровнями концентрации дополнительно подтверждают этот метод [18].

4.3 Профилирование микотоксинов и микробных маркеров

Регуляторные стандарты предписывают тестирование микотоксинов и микробиологического качества растительных веществ, уделяя особое внимание афлатоксинам и охратоксину А [13, 24]. Например, монографии USP устанавливают максимальный предел не более (NMT) 5 ppb для афлатоксина B1 и NMT 20 ppb для суммы афлатоксинов B1, B2, G1 и G2 [19]. Эти пределы определяют чувствительность, которую должны обеспечивать методы скрининга и подтверждения.

В связи с основным упором на применение Рамана/SERS для обнаружения пестицидов и фальсификации, эта технология лучше всего позиционируется как дополнительный инструмент скрининга в рамках более широкой стратегии контроля загрязняющих веществ. Это согласуется с регуляторными руководствами, предлагающими поддерживать контроль качества химическими испытаниями, такими как спектроскопия или хроматография, при одновременном внедрении новых технологий [1, 13].

4.4 Косвенное определение тяжелых металлов и неорганических загрязнителей

EMA требует тестирования на тяжелые металлы и другие элементные примеси в растительных лекарственных препаратах, если иное не обосновано, формируя регуляторные ожидания в отношении профилирования следовых загрязняющих веществ в растительных АФС [13, 24].

В текущей базе доказательств Рамана/SERS эти загрязнители рассматриваются косвенно через улучшенный контроль подлинности сырья, более быстрый скрининг фальсификатов и приоритетность подтверждающих испытаний для образцов высокого риска. Однако методы Рамана в настоящее время не позиционируются как самостоятельные методы количественного определения элементных примесей без дополнительной валидации или дополнительных технологий [1, 13, 21].

4.5 Поточный и онлайн Рамановский PAT для переработки растительного сырья

Структура процессной аналитической технологии (PAT) использует анализ в реальном времени для оптимизации качества продукции и контроля процесса. Рамановская спектроскопия описывается как хорошо подходящая для этой цели, предлагая быстрый неинвазивный анализ, совместимый с условиями внутрипроцессного производства [3].

Одним из примеров Рамана-PAT является использование модели RS-CARS-PLS для мониторинга процессов экстракции при производстве гранул Wenxin. Хотя модель продемонстрировала эффективный мониторинг процесса, ее чувствительность для аналитов с низкой концентрацией, таких как сахариды, была ограничена, что подчеркивает необходимость SERS или дополнительных методов для обнаружения следовых количеств загрязняющих веществ [3].

Промышленное внедрение создает дополнительные проблемы, так как большинство исследований PAT проводится в контролируемых лабораторных условиях. Вопросы надежности и контроля вариабельности должны быть решены для успешного масштабирования и реального внедрения [3].

4.6 Сравнительные аналитические характеристики

Обычная рамановская спектроскопия обеспечивает быстрые, неразрушающие химические «отпечатки пальцев» без необходимости предварительной обработки образца. Напротив, SERS повышает чувствительность для обнаружения следовых уровней загрязняющих веществ, достигая пределов обнаружения от 1 ppm до 0.001 ppm для определенных пестицидов в зависимости от метода и матрицы [4, 5, 6, 7]. Например, SERS в сочетании с калибровкой продемонстрировал обнаружение пестицидов в листовых овощах с коэффициентами корреляции до 0.98291 и завершением всего рабочего процесса всего за пять минут [16].

Для задач аутентификации PCA оказался полезен для дифференциации тонких спектральных вариаций в эфирных маслах, а рамановские методы на основе штрих-кодов показали 100% точность в идентификации контрафактных и подлинных готовых продуктов [9–11].

4.7 Портативные и ручные приборы для скрининга сырья

Портативные рамановские приборы позиционируются как экономящие время неразрушающие инструменты, способные быстро анализировать растительные материалы без необходимости сложной подготовки. Они также применимы для мониторинга соблюдения требований охраны здоровья и безопасности в растительных продуктах, предлагая ценный инструмент как для заводского, так и для пострыночного скрининга [12].

Регуляторные руководства FDA выделяют новые методы, такие как морфологически направленная рамановская спектроскопия (MDRS), как полезные для таких задач, как характеристика распределения частиц по размерам при условии строгой валидации. Хотя эти методы не специфичны для растительных АФС, они демонстрируют способность Рамана дополнять традиционные аналитические методы [25, 26].

Обсуждение

Синтезированные данные подтверждают Раман и SERS как ценные инструменты для неразрушающего быстрого скрининга и мониторинга в реальном времени в средах PAT. Эти технологии могут быть эффективно интегрированы в рабочие процессы контроля загрязняющих веществ и обеспечения качества растительных АФС [2, 3, 5].

5.1 Преимущества Рамана и PAT по сравнению с классическими деструктивными методами

Рамановская спектроскопия выгодна благодаря своей скорости, неразрушающим свойствам и минимальным требованиям к пробоподготовке. SERS расширяет эту полезность, обеспечивая обнаружение на следовом уровне за счет механизмов усиления, что позволило обнаруживать пестициды до уровней ppb с быстрым временем выполнения всего рабочего процесса, делая его идеальным для первоначального скрининга и сортировки образцов для подтверждающего тестирования [2, 4, 5, 16].

5.2 Ограничения

Ключевые ограничения включают проблемы с чувствительностью базовых рамановских методов, особенно для аналитов с низкой концентрацией без усиления SERS. Промышленное использование PAT на основе Рамана также требует преодоления проблем вариабельности и надежного масштабирования. Кроме того, некоторая зависимость от хемометрических моделей, таких как PCA и PLS, вносит сложность и потенциальную неопределенность в зависимости от вариабельности матрицы и обучения модели [3, 9, 22, 23].

Регуляторное руководство и инструменты скрининга на основе Рамана

Регуляторное руководство поддерживает подход к качеству растительных средств, основанный на совокупности доказательств, включая контроль растительного сырья и химические испытания контроля качества с использованием спектроскопических и/или хроматографических методов. Это обеспечивает концептуальный путь для интеграции инструментов скрининга на основе Рамана в общие стратегии контроля, а не рассмотрения их как самостоятельной замены всех классических анализов. [1]

Руководство FDA прямо призывает к испытаниям на остаточные пестициды и посторонние токсины, такие как афлатоксины, а также на посторонние материалы и фальсификаты. Это согласуется с возможностями Рамана/SERS в скрининге пестицидов и обнаружении фальсификатов, подтверждая необходимость охвата классов загрязняющих веществ в комплексной программе контроля. [1]

FDA также заявляет, что заявители должны оценивать текущие и появляющиеся технологии и разрабатывать ортогональные аналитические методы для обеспечения адекватной идентификации и количественного определения. Это можно интерпретировать как поддержку развертывания Рамана/SERS как части набора ортогональных методов в паре с подтверждающими методами, такими как LC–MS или другие анализы для окончательного количественного определения, особенно там, где производительность SERS зависит от контроля предварительной обработки пробы для точной количественной оценки по сравнению с LC–MS. [1, 27] В поддержку этой точки зрения исследование, сравнивающее SERS и LC–MS для неожиданного гербицида в сложной матрице, показало, что SERS продемонстрировал высокую чувствительность и более высокую эффективность обнаружения для ультраследовых целей, в то время как LC–MS обеспечил более точную количественную оценку, облегченную хорошо контролируемой предварительной обработкой проб. Это мотивирует создание многоуровневой архитектуры: SERS для быстрого чувствительного обнаружения и LC–MS для подтверждающего количественного определения. [27]

В ЕС руководство EMA по спецификациям определяет спецификации и идентифицирует группы загрязняющих веществ, которые следует учитывать (включая тяжелые металлы, остатки пестицидов, микотоксины, микробиологическое загрязнение). Оно допускает периодический контроль / пропуск серий там, где это обосновано оценкой рисков и данными по сериям, подразумевая, что потоки данных Раман/PAT могут служить вспомогательным доказательством для стратегий тестирования на основе рисков, если они валидированы и показывают способность своевременно обнаруживать соответствующие отклонения. [13, 14]

5.4 Стратегия развертывания на основе рисков и управление жизненным циклом

Руководство USP указывает, что объем тестирования может быть определен с использованием подхода на основе рисков, который учитывает вероятность загрязнения. Это поддерживает стратегию, при которой интенсивность скрининга Раман/SERS и подтверждающее тестирование распределяются на основе факторов риска, таких как источник, география, история серий и данные предварительного скрининга. [19] EMA аналогичным образом указывает, что периодический контроль / пропуск серий может быть приемлемым там, где это обосновано, и что обоснование должно учитывать растительный материал, условия выращивания/производства, загрязнение от соседних ферм, географическое происхождение и подтверждаться оценкой рисков и данными по сериям, подчеркивая необходимость систем мониторинга, богатых данными, а не случайного сокращения тестирования. [13]

В этом контексте на основе рисков Рамановский PAT может позиционироваться как генератор быстрых, воспроизводимых «отпечатков пальцев» и результатов скрининга, которые поддерживают мониторинг тенденций и быструю идентификацию аномальных серий, в то время как подтверждающие анализы резервируются для серий, отмеченных скринингом, или для периодической проверки производительности системы скрининга и стабильности калибровки. [2, 13] Метод идентификации АФС на основе штрих-кодов и портативное обнаружение фальсификации эфирных масел иллюстрируют, как надежные правила принятия решений (перекрытие штрих-кодов, интенсивные диагностические полосы) могут упростить решения по скринингу в некоторых контекстах, в то время как дискриминация на основе PCA указывает на то, где требуются многомерные модели для поддержания чувствительности к тонким паттернам фальсификации. [9, 11, 20]

Управление жизненным циклом рамановских методов также подразумевается замечаниями FDA по заявкам на MDRS: отсутствие валидационных данных по воспроизводимости и точности является недостатком, подчеркивающим, что методы PAT на основе Рамана должны разрабатываться с валидацией и документацией производительности в качестве основных результатов для взаимодействия с регуляторами. [25]

5.5 Перспективы

Данные свидетельствуют о нескольких технических направлениях для повышения осуществимости PAT на основе Рамана для следовых загрязняющих веществ. Во-первых, описывается осуществимость использования большего разнообразия методов (рамановская спектроскопия с преобразованием Фурье, резонансный Раман, конфокальный Раман и SERS) для усиления рамановских сигналов и развития приборов и обработки проб, что поддерживает стратегию выбора вариантов метода в соответствии с потребностями матрицы и чувствительности, а не опору на одну конфигурацию Рамана для всех растительных процессов. [4]

Во-вторых, селективность SERS может быть повышена путем функционализации наноструктур молекулами рецепторов, такими как аптамеры, что указывает путь к целевым анализам на следовые загрязнители, встроенным в модули PAT, где вмешательство является доминирующим риском. [5]

В-третьих, описываются подходы SERS на основе визуализации, позволяющие осуществлять мониторинг в реальном времени и обнаружение локализации загрязнения на поверхности растительной ткани или внутри нее, что позволяет предположить, что будущие рабочие процессы для растительных АФС могут включать пространственно разрешенное картирование загрязнения для материалов высокого риска или для исследования путей загрязнения. [5] Наконец, потенциал практического развертывания подтверждается выводами о том, что SERS может быть в дальнейшем внедрен в инструменты быстрого и локального обнаружения для безопасности пищевых продуктов и мониторинга окружающей среды, а также данными о том, что портативные рамановские приборы могут использоваться для мониторинга соблюдения требований охраны здоровья и безопасности растительных продуктов на потребительском рынке, подчеркивая континуум от полевого скрининга до производственных систем PAT. [12, 27]

6. Выводы

Данное концептуальное исследование по синтезу доказательств указывает на то, что рамановская спектроскопия хорошо соответствует целям PAT, поскольку она является быстрой, неразрушающей, неинвазивной и простой в пробоподготовке. Описывается, что применение Рамана охватывает путь от лаборатории до производственных линий, поддерживая взгляд на жизненный цикл измерений на основе Рамана от скрининга поступающего сырья до внутрипроцессного мониторинга. [2]

PAT прямо определяется как обеспечение анализа в реальном времени и контроля с обратной связью для обеспечения контролируемых процессов производства и оптимального качества. Колебательная спектроскопия описывается как позволяющая осуществлять онлайн-анализ в реальном времени и быстрое обнаружение внутреннего качества трав во время обработки, обеспечивая концептуальную основу для размещения рамановских датчиков в производстве растительных средств. [3]

Для следовых загрязняющих веществ SERS предоставляет самую сильную базу доказательств чувствительности, при этом усиление потенциально достигает пределов ультраследового обнаружения на благородных металлах, а многочисленные исследования пестицидов демонстрируют режимы обнаружения от ppm до ppb и даже низких наномолярных значений с показателями количественной оценки и быстрыми рабочими процессами (например, общее время теста 5 min; экстракция <15 min). [5, 8, 16, 18] Хемометрика необходима для многих задач аутентификации и количественного определения, так как визуального осмотра может быть недостаточно для обнаружения фальсификации, в то время как PCA и PLSR продемонстрировали эффективность дискриминации и количественного прогнозирования. [9, 10]

Основными ограничениями для профилирования следовых загрязняющих веществ в растительных АФС в реальном времени являются ограничения чувствительности в моделях процессов PAT на основе Рамана без усиления (иллюстрируемые относительно высокими LOD при мониторинге экстракции) и проблемы надежности/валидации при масштабировании PAT от лаборатории до производства, наряду с неопределенностью, вызванной матрицей, в некоторых случаях скрининга фальсификатов. [3, 22] Следовательно, наиболее обоснованной операционной рекомендацией, поддерживаемой данными, является многоуровневая архитектура PAT:

1. Портативный Раман + хемометрика для быстрой аутентификации/скрининга фальсификатов.
2. Целевые анализы SERS для остатков пестицидов высокого риска.
3. Подтверждающие ортогональные методы в случаях, когда количественная оценка и принятие регуляторных решений требуют более высокой уверенности, что соответствует регуляторным ожиданиям в отношении ортогональных методов и обоснованию skip-testing на основе рисков. [1, 5, 12, 13, 27]

Финансирование

Внешнее финансирование отсутствует. [1]

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов. [1]

Заявление о доступности данных

Все данные, использованные в этом концептуальном исследовании, получены из цитируемых опубликованных источников и нормативных документов, синтезированных в настоящем документе. [1, 14]

Рисунок 1

Рисунок 1. Концептуальный рабочий процесс PAT для управления рисками загрязнения растительных АФС, объединяющий неразрушающий Раман и SERS: скрининг поступающего растительного сырья с использованием быстрой неразрушающей рамановской идентификации в точках приемки/доках; хемометрическая аутентификация/проверка на фальсификацию (например, дискриминация на основе PCA; подтверждение подлинности по перекрытию штрих-кодов) для обеспечения идентичности; целевые модули SERS для скрининга следов пестицидов и быстрого количественного прогнозирования (чувствительность от ppm до ppb с коротким временем измерения); внутрипроцессный рамановский мониторинг на этапах производства, оформленный в рамках PAT как анализ в реальном времени и управление с обратной связью; и решения о периодической верификации/skip-testing на основе рисков, поддерживаемые историей серий и формальными оценками рисков в соответствии с руководством EMA/USP. [2, 3, 6, 9, 11, 13, 16, 19]

Таблица 2

Таблица 3