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