DOI: https://doi.org/10.1038/s41598-026-44688-x
PMID: https://pubmed.ncbi.nlm.nih.gov/42067525
تاريخ النشر: 2026-05-01
المؤلف: Hayam M. Lotfy وآخرون
الموضوع الرئيسي: الكيمياء والهندسة الكيميائية
نظرة عامة
تدرس هذه الدراسة تأثير اختيار القواسم على فعالية الطرق الطيفية المتقدمة التي تتضمن الذكاء الاصطناعي (AI)، والكيمياء الخضراء، وإطارات الكيمياء التحليلية البيضاء (WAC) لتحليل الأدوية. تركز الأبحاث على الكميّة المتزامنة للسوفتيناسين سوكسينات (SOF) والميرابيجيرون (MIR)، وكلاهما يستخدم لعلاج فرط نشاط المثانة. تم تقييم ثلاث استراتيجيات قواسم باستخدام طريقة معالجة سعة التأثير العالي (HIAM)، بما في ذلك قاسم موحد لـ MIR، وقواسم تعتمد على التركيز عند 3.0، 8.0، و14.0 ميكروغرام/مل، وطيف صفر النظام لـ MIR الذي تم الحصول عليه من خلال دقة الامتصاص. وجدت الدراسة خطية لـ SOF من 2.5 إلى 25.0 ميكروغرام/مل عند 222 نانومتر ولـ MIR من 1.5 إلى 15.0 ميكروغرام/مل عند 249 نانومتر. تم حساب درجة التحقق التراكمية (CVS) لتقييم موثوقية الأداء التحليلي للطرق.
تؤكد النتائج على أهمية اختيار القواسم في تحسين التقنيات الطيفية، حيث أظهرت الأطياف المستخرجة لـ MIR والقاسم الأعلى تركيزًا (14.0 ميكروغرام/مل) استردادًا متفوقًا وتباينًا ضئيلًا. قدمت الأطياف صفر النظام المستخرجة لـ MIR دقة محسنة وموثوقية، مما يجعل الطريقة موثوقة وسهلة التنفيذ دون الحاجة إلى أدوات باهظة الثمن أو برامج معقدة. يتماشى هذا النهج مع مبادئ الكيمياء التحليلية المستدامة والذكية (SSAC)، مما يعزز طرق التحليل الفعالة والمسؤولة بيئيًا التي تساهم في أهداف التنمية المستدامة (SDGs). بشكل عام، أثبت دمج مبادئ الذكاء الاصطناعي والكيمياء الخضراء فعاليته في تطوير تقنيات تحليلية مستدامة مناسبة لمختبرات مراقبة الجودة.
مقدمة
تستعرض المقدمة تقنية لحل وتحديد المركبات في مزيج باستخدام الطيفية الامتصاصية. تستفيد هذه الطريقة من بيانات طيف الامتصاص للمزيج، مستخدمة تحليل الطيف لفصل وتحديد المكونات بناءً على إشارات امتصاصها عند أطوال موجية محددة. يتم تسليط الضوء على تحسين معلمات الطيف الضوئي كأمر حاسم لضمان نتائج موثوقة.
يتضمن النهج الحصول على الأطياف الأبوية للأدوية المستهدفة وحساب تركيزاتها باستخدام معادلات الانحدار المتوازي عند أقصى امتصاص لها. يتم تحقيق ذلك من خلال رسم قيم الامتصاص ضمن الأطياف صفر النظام مقابل التركيزات المقابلة. بالإضافة إلى ذلك، بالنسبة للمكونات التي تظهر قمم غير محددة، يتم استخدام تقنية المشتق، مستفيدة من عامل قياس وفترة طول موجي محددة لاشتقاق التركيز من خلال معادلات الانحدار بناءً على سعات القمة في الأطياف المشتقة.
طرق
تستعرض هذه القسم الطرق المستخدمة في الدراسة، مع التركيز على تحسين اختيار الطول الموجي لتحديد كميّة SOF وMIR في التركيبات الصيدلانية. شمل التصميم التجريبي إعداد خلطات بنسبة 1:5 واختبار اختيارات قواسم متنوعة – موحدة، تعتمد على التركيز، ومستخرجة – لتقييم تأثيرها على كفاءة الطريقة. استخدمت الدراسة درجة التباين الشامل (CVS) لتقييم المخاطر المرتبطة بخيارات القواسم المختلفة، كاشفة أن قيم CVS تشير إلى مخاطر عالية لبعض تركيزات القواسم، بينما أظهرت التركيزات المنخفضة مخاطر معتدلة إلى منخفضة. تم تحديد القاسم الأمثل كـ 14.0 ميكروغرام/مل MIR، مما أسفر عن قيم CVS تبلغ 1.88 لـ SOF و1.98 لـ MIR، مما يشير إلى مخاطر معتدلة.
تم إجراء التحقق من الطرق وفقًا لإرشادات ICH، مع تقييم معلمات مثل الحساسية والدقة والموثوقية. أظهرت النتائج أن الطرق الطيفية المقترحة قامت بتحليل المركبات المستهدفة بفعالية مع خصوصية ودقة، خاصة عند استخدام MIR بتركيز 14.0 ميكروغرام/مل وMIR المستخرج كقواسم. أظهرت مقارنة إحصائية مع الطرق الرسمية اختلافات ضئيلة في الدقة والموثوقية، مما يؤكد موثوقية الطرق المطورة حديثًا. بالإضافة إلى ذلك، تم تسليط الضوء على دمج الذكاء الاصطناعي في تحسين الطرق كتحسين كبير، مما يعزز الابتكار مع الحفاظ على الاستدامة، كما يتضح من الدرجات الأعلى في مقاييس الاستدامة المختلفة. تتماشى الطرق مع العديد من أهداف التنمية المستدامة (SDGs)، خاصة في تعزيز الصحة الجيدة والنمو الاقتصادي من خلال تطبيقها العملي في التحليل الصيدلاني.
نتائج
تسلط نتائج هذه الدراسة الضوء على التأثير الكبير للقواسم على كفاءة الطرق الطيفية المستخدمة في التحليل المتزامن للألياف البصرية قصيرة الموجة (SOF) وإشارات الأشعة تحت الحمراء المتوسطة (MIR). من خلال استخدام تقنيات معالجة الإشارات المدفوعة بالذكاء الاصطناعي، نجحت الأبحاث في تجاوز مراحل التحسين التقليدية، مما يسهل العملية التحليلية.
تشير النتائج إلى أن هذا النهج المبتكر لا يحسن فقط كفاءة تحليلات SOF وMIR، بل يعزز أيضًا دقتها، مما يدل على تقدم واعد في مجال الطيفية. تؤكد هذه النتائج على إمكانية دمج الذكاء الاصطناعي في المنهجيات التحليلية لتحقيق أداء متفوق في بيئات التحليل المعقدة.
نقاش
تناقش الأبحاث تقنية طيفية مبتكرة تُعرف بطريقة دقة الامتصاص مرتبطة بالطرح الثابت الموحد (AR-UCS)، والتي تسمح بتحديد كمي دقيق للمكونات X وY في الخلطات الثنائية. تتضمن الطريقة إعادة بناء الطيف الأمومي للمكون X من خلال دقة الامتصاص عن طريق إنشاء طيف صفر النظام مفكك (FZS) بناءً على بيانات الطيف عند أطوال موجية محددة. يتيح ذلك التحليل الانتقائي من خلال حساب فرق الامتصاص للمكون Y عند طولين موجيين حيث يكون الفرق فعليًا صفرًا. تعزز طريقة الطرح الثابت الموحد تحديد كمية المكون Y باستخدام الطيف صفر النظام المستخرج لـ X، مما يسهل العملية عن طريق القضاء على الحاجة لحسابات القيم الثابتة.
بالإضافة إلى ذلك، يتم وصف طريقة المركز الثابت (CC) كطريقة من خطوتين تحسب ثابتًا من خلال طرق فرق السعة ثم تطبق هذا الثابت للتحديد الكمي. تؤكد الدراسة على مزايا استخدام الطيف المستخرج لـ MIR كقاسم، مما يقلل من خطوات المعالجة ويعزز الدقة في وجود تداخلات طيفية. تشير النتائج إلى أن القاسم الأمثل للتحديد الكمي الدقيق هو الطيف صفر النظام المستخرج لـ MIR، خاصة عند تركيز 14.0 ميكروغرام/مل، مما يقلل من الضوضاء الطيفية ويحسن الدقة التحليلية. كما تم تسليط الضوء على دمج الذكاء الاصطناعي (AI) كوسيلة لتحسين التحليل الطيفي، مما يشير إلى أن الذكاء الاصطناعي يمكن أن يعزز الكفاءة والدقة في سير العمل التحليلي. بشكل عام، فإن المنهجية المقدمة متاحة وفعالة من حيث التكلفة، وتتوافق مع الممارسات التحليلية المستدامة، مما يجعلها مناسبة لمراقبة الجودة في المختبرات الصيدلانية.
DOI: https://doi.org/10.1038/s41598-026-44688-x
PMID: https://pubmed.ncbi.nlm.nih.gov/42067525
Publication Date: 2026-05-01
Author(s): Hayam M. Lotfy et al.
Primary Topic: Chemistry and Chemical Engineering
Overview
This study investigates the impact of divisor selection on the effectiveness of advanced spectrophotometric methods that incorporate artificial intelligence (AI), green chemistry, and white analytical chemistry (WAC) frameworks for pharmaceutical analysis. The research focuses on the simultaneous quantification of solifenacin succinate (SOF) and mirabegron (MIR), both used for treating overactive bladder. Three divisor strategies were assessed using a high impact amplitude manipulation method (HIAM), including a normalized divisor of MIR, concentration-dependent divisors at 3.0, 8.0, and 14.0 µg/mL, and zero-order spectra of MIR obtained via absorbance resolution. The study found linearity for SOF from 2.5 to 25.0 µg/mL at 222 nm and for MIR from 1.5 to 15.0 µg/mL at 249 nm. A cumulative validation score (CVS) was calculated to evaluate the analytical reliability and performance of the methods.
The findings underscore the significance of divisor selection in optimizing spectrophotometric techniques, with the extracted spectra of MIR and the highest concentration divisor (14.0 µg/mL) demonstrating superior recoveries and minimal variability. The extracted zero-order spectra of MIR provided enhanced accuracy and robustness, making the method reliable and easy to implement without the need for expensive instruments or sophisticated software. This approach aligns with the principles of Sustainable & Smart Analytical Chemistry (SSAC), promoting efficient and environmentally responsible analytical methods that contribute to the Sustainable Development Goals (SDGs). Overall, the integration of AI and green chemistry principles has proven effective in developing sustainable analytical techniques suitable for quality control laboratories.
Introduction
The introduction outlines a technique for resolving and identifying compounds in a mixture using absorption spectroscopy. This method leverages the mixture’s absorption spectrum data, employing spectrum factorization to separate and identify components based on their absorbance signals at specific wavelengths. The optimization of spectrophotometer parameters is highlighted as crucial for ensuring reliable results.
The approach involves acquiring paternal spectra for the target drugs and calculating their concentrations using parallel regression equations at their respective absorbance maxima. This is achieved by plotting absorbance values within the zero-order spectra against the corresponding concentrations. Additionally, for components exhibiting undefined peaks, a derivative technique is employed, utilizing a scaling factor and a specified wavelength interval to derive concentration through regression equations based on peak amplitudes in the derivative spectra.
Methods
The section outlines the methods employed in the study, focusing on the optimization of wavelength selection for the quantification of SOF and MIR in pharmaceutical formulations. The experimental design involved preparing mixtures at a 1:5 ratio and testing various divisor selections—normalized, concentration-dependent, and extracted divisors—to assess their impact on method efficiency. The study utilized a Comprehensive Variability Score (CVS) to evaluate the risk associated with different divisor choices, revealing that CVS values indicated high risk for certain divisor concentrations, while lower concentrations yielded moderate to low risk. The optimal divisor was identified as 14.0 µg/mL MIR, which resulted in CVS values of 1.88 for SOF and 1.98 for MIR, indicating moderate risk.
Validation of the methods was conducted in accordance with ICH guidelines, assessing parameters such as sensitivity, accuracy, and robustness. The results demonstrated that the proposed spectrophotometric methods effectively analyzed the target compounds with specificity and precision, particularly when using MIR at 14.0 µg/mL and extracted MIR as divisors. A statistical comparison with official methods showed negligible differences in accuracy and precision, affirming the reliability of the newly developed methods. Additionally, the integration of AI in method optimization was highlighted as a significant advancement, enhancing innovation while maintaining sustainability, as evidenced by higher scores in various sustainability metrics. The methods align with several Sustainable Development Goals (SDGs), particularly in promoting good health and economic growth through their practical application in pharmaceutical analysis.
Results
The results of this study highlight the significant impact of divisors on the efficiency of spectrophotometric methods used for the simultaneous assay of shortwave optical fibers (SOF) and mid-infrared (MIR) signals. By employing AI-driven signal processing techniques, the research successfully circumvents traditional optimization phases, thereby streamlining the analytical process.
The findings suggest that this innovative approach not only improves the efficiency of SOF and MIR analyses but also enhances their precision, indicating a promising advancement in the field of spectrophotometry. These results underscore the potential of integrating artificial intelligence in analytical methodologies to achieve superior performance in complex assay environments.
Discussion
The research discusses an innovative spectrophotometric technique termed Absorbance Resolution method coupled with Unified Constant Subtraction (AR-UCS), which allows for the precise quantification of components X and Y in binary mixtures. The method involves reconstructing the parent spectrum of component X through absorption resolution by creating a factorized zero spectrum (FZS) based on spectrophotometric data at specific wavelengths. This enables selective analysis by calculating the absorbance difference of component Y at two wavelengths where the difference is effectively zero. The Unified Constant Subtraction method enhances the quantification of component Y using the extracted zero-order spectrum of X, streamlining the process by eliminating the need for constant value calculations.
Additionally, the Constant-Center (CC) method is described as a two-step technique that calculates a constant through amplitude-difference methods and subsequently applies this constant for quantification. The study emphasizes the advantages of using the extracted spectrum of MIR as a divisor, which minimizes manipulation steps and enhances accuracy in the presence of spectral overlaps. The findings indicate that the optimal divisor for accurate quantification is the extracted zero-order spectrum of MIR, particularly at a concentration of 14.0 µg/mL, which reduces spectral noise and improves analytical precision. The integration of Artificial Intelligence (AI) is also highlighted as a means to optimize spectrophotometric analysis, suggesting that AI can enhance efficiency and accuracy in analytical workflows. Overall, the methodology presented is accessible, cost-effective, and aligns with sustainable analytical practices, making it suitable for quality control in pharmaceutical laboratories.