Classification of herbs by FT-NIR spectroscopy

Význam tématu

Spektroskopie ve střední a blízké infračervené oblasti patří mezi rychlé, neinvazivní a univerzální metody pro identifikaci surovin v farmacii, nutraceutice a kosmetice. FT-NIR (Fourierova transformace – blízká infračervená) detekuje charakteristické vibrační přechody funkčních skupin a díky tomu umožňuje rozlišit i složité biologické materiály, jako jsou byliny, bez potřeby extrakce nebo chemické úpravy. Rychlá identifikace současně zkracuje čas kontroly příchodu surovin do výroby a snižuje náklady i riziko chybných zařazení materiálů.

Cíle a přehled studie / článku

Cílem aplikovaného note bylo ukázat, že FT-NIR spektroskopie ve spojení s chemometrickými metodami (discriminant analysis a PCA) dokáže spolehlivě a rychle klasifikovat různé druhy bylin používaných pro extrakty v nutraceutikách, kosmetice a farmacii. Studie testovala 14 různých bylin v přirozené formě (různá velikost částic, bez další přípravy) a hodnotila přesnost zařazení pomocí validačních vzorků a analýzy Mahalanobisovy vzdálenosti.

Použitá metodika a instrumentace

Metodika:

• Vzorky: 14 druhů bylin (listy, květy, kořeny, slupky, gally, pryskyřice) dodané firmou IREL, použité bez dalšího mletí nebo prosévání; částice od velmi jemných (prašný prášek) po hrubé (kousky až 10×10×5 mm).
• Měření: spektra pořízena v oblasti 10 000–4 000 cm-1; pro kalibraci použit rozsah 9 900–4 100 cm-1. Každé spektrum vzniklo z 50 scanů při rozlišení 4 cm-1; vzorky umístěny do uzavřené rotační kyvety (30 mm okénko) nad integrační sférou; doba měření < 1 min na vzorek (dvě plné rotace kyvety).
• Předzpracování: multiplicative signal correction (MSC) typu pathlength; lineárně odstraněná bazální linie; žádné derivace nebo hladění kromě zmíněného baseline.
• Chemometrie: discriminant analysis pro klasifikaci; principal component analysis (PCA) pro vizualizaci variability; pět hlavních komponent vysvětlilo 99,5 % variability spekter.

Instrumentace:

• Antaris II FT-NIR Analyzer (Thermo Scientific) s integrační sférou a uzavřenou rotační kyvetou / sample cup spinner.
• Software pro vývoj kalibrací a archivaci dat: TQ Analyst (chemometrie) a RESULT Software (řízení a archivace validovaných dat).

Hlavní výsledky a diskuse

Výsledky ukazují, že modely postavené na FT-NIR datech dokázaly přesně klasifikovat všechny standardní i validační vzorky všech čtrnácti bylin. Klíčové poznatky:

• Pět hlavních PC pokrylo 99,5 % spektrální variability; nižší počet nutných komponent zvyšuje robustnost modelu.
• PCA score ploty ukázaly dobře oddělené klastry pro většinu tříd; homogenní materiály (např. práškový chili) vytvářely husté, těsné shluky, zatímco heterogenní vzorky (např. listy v různých velikostech, drcené gally) vykazovaly rozptýlené shluky.
• Mahalanobisova vzdálenost byla použita jako kvantitativní metrika separace tříd; vzdálenost k nejbližší nesprávné třídě byla obvykle alespoň dvojnásobkem vzdálenosti k správné třídě, což indikuje dobrou spektrální separaci a nízké riziko chybné klasifikace.
• Metoda byla aplikačně robustní vůči variabilitě velikosti částic a heterogenitě vzorků díky použití uzavřené rotační kyvety a MSC korekce kompenzující vliv cestní délky a rozptylu světla.

Přínosy a praktické využití metody

Hlavní přínosy metody pro praxi:

• Rychlá validace příchozích surovin: měření trvá sekundy až minutu, bez nutnosti chemické přípravy.
• Snížení pracovních nákladů a rizik kontaminace spojených s konvenčními analyzami (TLC, HPLC) a se zdrojovou přípravou.
• Schopnost pracovat s heterogenními materiály díky integrační sféře a spinneru zajišťujícím reprezentativní vzorkování povrchu.
• Vhodné pro rutinní kontrolu surovin v QA/QC odděleních farmaceutických, nutraceutických a kosmetických firem.

Budoucí trendy a možnosti využití

Možnosti dalšího rozvoje a aplikace FT-NIR v oblasti botanických surovin:

• Rozšíření databází a modelů na větší počet botanických druhů a regionálních variant pro pokrytí širšího spektra surovin.
• Integrace s on-line nebo at-line měřením ve výrobních linkách pro průběžnou kontrolu surovin.
• Využití pokročilejších chemometrických metod (např. strojové učení, SVM, Random Forest, neuronové sítě) pro zvýšení robustnosti vůči matrice vzorku a snížení chybovosti u velmi podobných druhů.
• Kombinace FT-NIR s jinými netoxickými metodami (např. obrazová analýza, Raman) pro víceúrovňové ověření identity a kvality surovin.

Závěr

Studie demonstruje, že FT-NIR spektroskopie na přístroji Antaris II ve spojení s diskriminační analýzou a jednoduchým předzpracováním (MSC, lineární baseline) umožňuje rychlou, spolehlivou a neinvazivní klasifikaci 14 běžných druhů bylin bez potřeby jejich další přípravy. Metoda nabízí významné časové a nákladové úspory oproti tradičním chromatografickým nebo morfologickým postupům a je vhodná pro rutinní kontrolu surovin v průmyslovém prostředí.

Reference

• Application note: Classification of herbs by FT-NIR spectroscopy. Thermo Fisher Scientific, AN51724_E 06/22M. Autoři: Martin Hollein (Nicolet CZ s.r.o.), Todd Strother (Thermo Fisher Scientific) a výzkumníci IREL, spol. s r.o.