Classification of Nutraceutical Herbal Powders by FT-IR Using ATR and Discriminant Analysis

Význam tématu

Rostlinné nutraceutika (bylinné prášky a extrakty) jsou v současnosti široce užívané a jejich trh rychle roste. Na rozdíl od jednoúčelových farmaceutik jsou to komplexní směsi s významnou mezišarží variabilitou (původ suroviny, zpracování, vlhkost apod.), což klade nároky na spolehlivé, rychlé a rutinně použitelné metody pro kontrolu jakosti a identifikaci. FT‑IR spektroskopie v kombinaci s ATR a multivariačními postupy jako diskriminační analýza nabízí nestravující, rychlý a validovatelný přístup k této problematice a umožňuje automatizované rozhodování v laboratorním QA/QC prostředí.

Cíle a přehled studie / článku

Cílem aplikace bylo demonstrovat, že kombinace FT‑IR (ATR) měření a diskriminační analýzy (DA) v softwaru TQ Analyst umožní spolehlivou klasifikaci a skrínování bylinných nutraceutik. Testovací sada obsahovala čtyři třídy prášků: Barberry Bark, Golden Seal, Golden Seal Leaf a Yellow Dock. Autoři ukázali, že místo běžného knihovního vyhledávání je možné použít modely založené na Mahalanobisově vzdálenosti ke klasifikaci vzorků a k rozhodnutí pass/fail v rámci jednoduchého SOP.

Použitá instrumentace

• FT‑IR spektrometr: Nicolet 380
• ATR příslušenství: Smart Orbit s diamantovou osvětlovací plochou (single‑bounce, diamant přivařený do nerez puku)
• Detektor: DTGS
• Beamsplitter: KBr
• Purging: dusík pro spektrometr i ATR
• Měřicí parametry: 16 scanů, rozlišení 8 cm‑1, rozsah 4000–400 cm‑1; doba sběru ~12 s na spektrum
• Příprava vzorku: suchý prášek se umístí přímo na diamant a zajistí tlakem; mletí či další úpravy nejsou nutné

Použitá metodika

Spektra jednotlivých standardních šarží byla pořízena přes celý střední IR rozsah a bez dalšího předzpracování zadána do diskriminační analýzy v TQ Analyst. DA vytváří v prostoru spektrálních proměnných klastry pro známé třídy a pro neznámý vzorek se počítá Mahalanobisova vzdálenost (DM) k průměrnému centru každé třídy. Na základě nejmenší DM softwarový model přiřadí testovaný vzorek k nejpravděpodobnější třídě a vyhodnotí pass/fail podle uživatelsky nastavitelného prahu.

Hlavní výsledky a diskuse

Model dokázal v experimentu rozlišit čtyři testované druhy bylinných prášků. V výsledcích byly DM hodnoty pro korektně přiřazené standardy velmi nízké (~0.82), zatímco vzdálenosti k dalším nejbližším třídám byly podstatně vyšší (řádově 5–15), což indikuje dobrou separaci. Vizualizace párových DM plošných zobrazení ukázala jasné shlukování některých tříd (např. Barberry Bark proti Yellow Dock) a částečné překrývání u příbuzných materiálů (Golden Seal vs. Golden Seal Leaf). Autoři také zdůrazňují, že běžné knihovní vyhledávání bývá méně účinné pro botanické prášky, protože spektra dominantních obecně přítomných složek (celulóza, škroby, proteiny, cukry) jsou si často podobná; DA pak pracuje s celou spektrální fingerprint informací k rozlišení na úrovni suroviny či třídy.

Přínosy a praktické využití metody

• Rychlost: spektrum za ~12 s umožňuje vysokou propustnost laboratoře.
• Jednoduchost obsluhy: omezené zásahy operátora, minimální příprava vzorku.
• Neinvazivnost a šetrnost: měření bez destruktivního zpracování.
• Automatizace rozhodování: zabudované DA a reporting v TQ Analyst umožňují SOP s jednoznačným pass/fail výstupem (použít vs. karanténa).
• Nákladová efektivita: nižší náklady na analýzu oproti některým chromatografickým metodám při zachování vhodné selektivity pro třídění materiálů.

Budoucí trendy a možnosti využití

• Rozšíření databází a validace: budování rozsáhlejších knihoven šarží a geografických původů pro lepší robustnost modelů.
• Pokročilé chemometrické postupy: kombinace DA s dalšími víceúrovňovými algoritmy, strojovým učením nebo s vhodným předzpracováním spekter (baseline, normalizace) pro zvýšení přesnosti.
• Integrace s procesní kontrolou: nasazení v příjmové kontrole surovin, skladovém managementu a rychlé identifikaci padělků či kontaminací.
• Přenositelnost a mobilita: vývoj přenosných FT‑IR/ATR jednotek pro testování v terénu nebo v dodavatelských závodech.
• Hyphenace a komplementární metody: doplnění FT‑IR o chromatografii, MS nebo NIR pro podrobnější složení a kvantifikaci.

Závěr

Prezentovaný přístup – FT‑IR měření pomocí Smart Orbit ATR a klasifikace pomocí diskriminační analýzy v TQ Analyst – poskytuje rychlý, spolehlivý a uživatelsky přívětivý nástroj pro třídění a kontrolu kvality bylinných nutraceutik. Metoda řeší omezení knihovních vyhledávání u komplexních botanických mísení a umožňuje zavedení jednoduchého SOP pro přijímání či karanténu materiálů v QA/QC pracovních postupech.

Reference

• Ciorciari J., Bradley M. Classification of Nutraceutical Herbal Powders by FT‑IR Using ATR and Discriminant Analysis. Thermo Fisher Scientific, Application Note 51254 (2007).