Loading...
Analytical method development using quantum cascade laser spectroscopies for determining low concentrations of active pharmaceutical ingredients (APIs)
Citations
Altmetric:
Abstract
The study investigates the use of Quantum Cascade Laser Spectroscopy (QCLS)
combined with Multivariate Analysis (MVA) to enhance Process Analytical Technology (PAT) in
pharmaceutical manufacturing and explosives detection. It focuses on QCLS in three optical
configurations: Mid-Infrared Attenuated Total Reflection (ATR), Diffuse Reflectance
Backscattering (DRBS), and Grazing Angle Probe (GAP), addressing specific challenges in the
pharmaceutical and explosives sections.
In the pharmaceutical section, the research analyzes low-concentration acetaminophen
tablets in nine formulations ranging from 0.0% to 3.0% w/w of active pharmaceutical ingredient
(API) concentration. The tablet blends include excipients such as mannitol, croscarmellose,
cellulose, and magnesium stearate, which add complexity and are well-managed by QCLS. This
non-contact spectroscopic analysis spans a spectral range of 770–1890 cm-1
. Various regression
models, including Partial Least Squares (PLS), Support Vector Machine Regression (SVM),
Decision Tree Regression, and Linear Regression, were employed to assess API distribution and
potential inhomogeneities that may impact drug efficacy. Model performance was estimated
based on Root Mean Square Error (RMSE) and Coefficient of Determination (R²), with SVM and
PLS showing superior predictive accuracy, thereby enhancing precision in pharmaceutical
analysis.
For explosives detection, the study employed Infrared (IR) and Raman spectroscopy to
identify highly energetic materials (HEMs) such as TNT, DNT, PETN, and RDX on metallic
surfaces and solid samples, simulating real-world conditions. Reference spectra were used for IR
and Raman detections, and comparative quantitative analyses were performed based on the
spectral correlation index. Supervised multivariate analyses, including Partial Least Squares
Discriminant Analysis (PLS-DA), were applied to enhance detection accuracy and sensitivity. The
results demonstrated the effectiveness of vibrational spectroscopy in accurately detecting HEMs,
highlighting its vital role in public safety.
The application of QCLS in this study demonstrates its ability to handle complex analytical
challenges effectively. In pharmaceutical analysis, the high power and precision of QCLS,
combined with MVA, led to robust discrimination methodologies crucial for ensuring drug safety
and efficacy. Similarly, in explosives detection, the same technological principles have
significantly advanced security protocols. This research underscores the transformative potential
of combining QCLS with MVA in PAT, promising to elevate precision and safety standards across
multiple industries.
El estudio investiga el uso de la Espectroscopía por Láser de Cascada Cuántica (QCLS) combinada con Análisis Multivariante (MVA) para mejorar la Tecnología Analítica de Procesos (PAT) en la fabricación farmacéutica y la detección de explosivos. Se centra en QCLS en tres configuraciones ópticas: Reflectancia Total Atenuada en Infrarrojo Medio (ATR), Retrodispersión de Reflectancia Difusa (DRBS) y Sonda de Ángulo Rasante (GAP), abordando desafíos específicos en cada sector. En la industria farmacéutica, la investigación analiza tabletas de acetaminofén de baja concentración, en este caso, en nueve formulaciones que varían del 0.0% al 3.0% w/w en concentración del ingrediente farmacéutico activo (API). La inclusión de excipientes como manitol, croscarmelosa, celulosa y estearato de magnesio añade complejidad, bien gestionada por QCLS. Este análisis espectroscópico sin contacto abarca un rango espectral de 770–1890 cm-1 . Se utilizaron diversos modelos de regresión, incluidos Mínimos Cuadrados Parciales (PLS), Regresión de Máquina de Vectores de Soporte (SVM), Regresión de Árbol de Decisión y Regresión Lineal, para evaluar la distribución de API y las posibles inhomogeneidades que afectan la eficacia del medicamento. El rendimiento de los modelos se evaluó en base al Error Cuadrático Medio (RMSE) y al Coeficiente de Determinación (R²), mostrando SVM y PLS una precisión predictiva superior, lo que mejora la precisión en el análisis farmacéutico. Para la detección de explosivos, el estudio empleó espectroscopía Infrarroja (IR) y de Raman para identificar materiales altamente energéticos (HEMs) como TNT, DNT, PETN y RDX en superficies metálicas y muestras sólidas, simulando condiciones del mundo real. Se utilizaron espectros de referencia para detecciones en modos IR y Raman, y se realizaron análisis cuantitativos comparativos basados en el índice de correlación espectral. Se aplicaron análisis multivariantes supervisados, incluido el Análisis Discriminante PLS (PLS-DA), para mejorar la precisión y sensibilidad de la detección. Los resultados demostraron la efectividad de la espectroscopía vibracional en la detección precisa de HEMs, destacando su papel vital en la seguridad pública. La aplicación de QCLS en este estudio muestra su capacidad para manejar eficazmente desafíos analíticos complejos. Esta investigación subraya el potencial transformador de combinar QCLS con MVA en PAT, prometiendo elevar los estándares de precisión y seguridad en múltiples industrias.
El estudio investiga el uso de la Espectroscopía por Láser de Cascada Cuántica (QCLS) combinada con Análisis Multivariante (MVA) para mejorar la Tecnología Analítica de Procesos (PAT) en la fabricación farmacéutica y la detección de explosivos. Se centra en QCLS en tres configuraciones ópticas: Reflectancia Total Atenuada en Infrarrojo Medio (ATR), Retrodispersión de Reflectancia Difusa (DRBS) y Sonda de Ángulo Rasante (GAP), abordando desafíos específicos en cada sector. En la industria farmacéutica, la investigación analiza tabletas de acetaminofén de baja concentración, en este caso, en nueve formulaciones que varían del 0.0% al 3.0% w/w en concentración del ingrediente farmacéutico activo (API). La inclusión de excipientes como manitol, croscarmelosa, celulosa y estearato de magnesio añade complejidad, bien gestionada por QCLS. Este análisis espectroscópico sin contacto abarca un rango espectral de 770–1890 cm-1 . Se utilizaron diversos modelos de regresión, incluidos Mínimos Cuadrados Parciales (PLS), Regresión de Máquina de Vectores de Soporte (SVM), Regresión de Árbol de Decisión y Regresión Lineal, para evaluar la distribución de API y las posibles inhomogeneidades que afectan la eficacia del medicamento. El rendimiento de los modelos se evaluó en base al Error Cuadrático Medio (RMSE) y al Coeficiente de Determinación (R²), mostrando SVM y PLS una precisión predictiva superior, lo que mejora la precisión en el análisis farmacéutico. Para la detección de explosivos, el estudio empleó espectroscopía Infrarroja (IR) y de Raman para identificar materiales altamente energéticos (HEMs) como TNT, DNT, PETN y RDX en superficies metálicas y muestras sólidas, simulando condiciones del mundo real. Se utilizaron espectros de referencia para detecciones en modos IR y Raman, y se realizaron análisis cuantitativos comparativos basados en el índice de correlación espectral. Se aplicaron análisis multivariantes supervisados, incluido el Análisis Discriminante PLS (PLS-DA), para mejorar la precisión y sensibilidad de la detección. Los resultados demostraron la efectividad de la espectroscopía vibracional en la detección precisa de HEMs, destacando su papel vital en la seguridad pública. La aplicación de QCLS en este estudio muestra su capacidad para manejar eficazmente desafíos analíticos complejos. Esta investigación subraya el potencial transformador de combinar QCLS con MVA en PAT, prometiendo elevar los estándares de precisión y seguridad en múltiples industrias.
Description
Date
2025-02-27
Journal Title
Journal ISSN
Volume Title
Publisher
Collections
Keywords
QCL, Chemometrics, Machine Learning, Pharmaceutical