الفهرس 
Application of Chemical Imaging Techniques For characterization and Analysis of Pharmaceutical
Table of ContentsOnly 14 pages are availabe for public view
 |  | from | 270 |  |  |
| | | from | 270 | | |
Abstract
التصوير الكيميائي هو تقنية سريعة التطور تجمع بين تقنيات التصوير والتحليل الطيفي الاهتزازي للحصول على المعلومات الطيفية والمكانية من العينة.
تهدف هذه الرسالة إلى دراسة هذه التكنولوجيا المتقدمة، والتي تتميز بوتيرة سريعة النمو من حيث التطبيقات، ليس فقط في مجال الغذاء والدواء، والذي كان يسيطر على تطبيقات التحليل الطيفي، ولكنه يغزو باستمرار أراضٍ جديدة بأحدث التطبيقات الفنية في مجالات علمية أخرى وصلت إلى مستويات النانو.
تركز هذه الدراسة على المطيافية الاهتزازية المستخدمة على نطاق واسع في مجال التصوير الكيميائي، وهي الأشعة تحت الحمراء القريبة ومطيافية رامان.
تنقسم الدراسة إلى أربعة أجزاء؛ الجزء الأول هو مقدمة عن التصوير الكيميائي، وبالتحديد، التصوير الكيميائي بمطيافية الأشعة تحت الحمراء القريبة وكذلك التصوير الكيميائي لرامان.
أما الجزء الثاني فهو عبارة عن دراسة لمختلف نماذج الإحصاء الكيميائي، وهي حاسمة في مجال التصوير الكيميائي، وقد تم استخدام تقنية تصوير رامان الكيميائي، وكذلك تطبيق النموذج المقترح على المنتجات التجارية من الباراسيتامول.
يقترح الجزء الثالث تقنية جديدة لاختيار المتغيرات لزيادة الفروق الطيفية بين المواد الفعالة المتشابهة طيفيًا، لا سيما في مجال اكتشاف منتجات التحلل. ويستخدم هذا الجزء مجهر رامان للتصوير الكيميائي، وهو جهاز تصوير كيميائي عالي الدقة. وقد تم تطبيق النموذج المقترح لإنتاج خرائط توزيع دقيقة لحمض الساليسيليك في خليط من حمض أسيتيل الساليسيليك.
من ناحية أخرى، يطبق الجزء الأخير التصوير الكيميائي بالأشعة تحت الحمراء القريبة إلى جانب استخدام الشبكات العصبية الاصطناعية لبناء نموذج انحدار غير خطي قادر على التنبؤ بتركيز المواد الفعالة ذات التركيز المنخفض الذي قد يقع خارج النطاق الخطي للمطياف. يتم تطبيق هذه التقنية المقترحة على منتجات مكملات الأحماض الأمينية التجارية.
أجزاء الرسالة مقسمة حسب التقنية المستخدمة، وفيما يلي عرض موجز للأجزاء الأربعة.
الجزء الأول: مقدمة ومراجعة الأدبيات العلمية:
في هذا الجزء، يتم تقديم تقنية التصوير الكيميائي، مما يعطي نظرة عامة سريعة على التحليل الطيفي الاهتزازي المستخدم في هذه الدراسة الأشعة تحت الحمراء القريبة، ورامان. ثم يتم عرض تقنية التصوير الكيميائي لتسليط الضوء على المكعب الطيفي الفائق بأبعاده المكانية والطيفية وتقنيات إعادة تشكيل المكعب (المعالجة).
أعقب قسم التحليل الطيفي المذكور أعلاه مناقشات متعمقة لمختلف خوارزميات القياس الكيميائي متعدد الاتجاهات التي يمكن استخدامها لبناء نماذج انحدار قوية ودقيقة. في هذه الرسالة، تم إجراء مقارنة بين تنفيذ ثلاثة نماذج انحدار ثنائية الاتجاه على مكعبات رامان الطيفية الفائقة، والناتجة عن عملية تصوير رامان الكيميائي. على هذا النحو، وهي: ”المربعات الصغرى الكلاسيكية”، و”انحدار المربعات الصغرى الجزئي”، و”انحدار العنصر الرئيسي”، إلى جانب ثلاثة نماذج أخرى متعددة الاتجاهات، وهي تحليل العامل الموازي (بارافاك)، وتاكر2، وتاكر3. كما تم تقديم طريق كود برمجي تجريدي للخوارزميات سالفة الذكر في الملحق الثاني.
وأخيرًا، تم تقديم مراجعة الأبحاث المرجعية في المجلات والكتب العلمية ذات الصلة، والتي تسرد التطبيقات الحديثة لتقنيات التصوير الكيميائي في التحليل الصيدلي.
الجزء الثاني: دراسة مقارنة لنماذج مختلفة متعددة الأبعاد وخوارزميات المعالجة المسبقة لتحليل الباراسيتامول باستخدام تصوير رامان الكيميائي:
أصبح تصوير رامان الكيميائي، وباعتباره أسلوبًا متطورًا للتصوير الكيميائي، ذا أهمية كبرى لمصنعي المستحضرات الصيدلانية. حيث يستخدم تصوير رامان الكيميائي كأداة لتحسين جودة الأدوية والتحكم في عمليات التصنيع.
تنتج عملية التصوير عن مكعب بيانات طيفي فائق يعرض طيف رامان لكل بكسل في الصورة. ولهذا السبب فإن تطبيق خوارزميات المعالجة المسبقة، لتحييد تأثير ضوضاء الخلفية، بالإضافة إلى نماذج تحليل البيانات متعددة الاتجاهات المختلفة تعتبر تقنيات ذات أهمية قصوى لتقنية تحليل تصوير رامان الكيميائي.
الهدف من هذا الجزء هو مقارنة قدرة التنبؤ لنماذج الانحدار متعدد الاتجاهات المختلفة. تمت مقارنة ثلاثة نماذج انحدار ثنائية الاتجاه وثلاثة نماذج ثلاثية الاتجاه. تم تقييم كل من هذه النماذج بعد استخدام أربع طرق مختلفة للمعالجة المسبقة. أجريت الدراسة باستخدام تدرج تركيز الباراسيتامول في خليط من السواغ (تتراوح التركيزات بين 0.5٪ - 40٪ وزن/ وزن). تم التقاط الصور الطيفية الفائقة باستخدام جهاز رامان للتصوير الكيميائي الطيفي.
يقدم هذا الجزء مراجعة لمختلف الخوارزميات متعددة الاتجاهات وطرق المعالجة المسبقة؛ ثم خضعت تلك الخوارزميات لدراسة مقارنة من حيث التطبيق في تحليل صور رامان الكيميائية للباراسيتامول.
في هذه التجربة، تم تقسيم العينات إلى ثلاث مجموعات: مجموعة التدريب المستخدمة لبناء نماذج مختلفة، ومجموعة التحقق من الصحة للتحقق من أداء النماذج ومجموعة الاختبار لتقييم القدرة التنبؤية لتلك النماذج. علاوة على ذلك، تم استخدام طريقة الكروماتوجرافيا السائلة عالية الأداء كطريقة مرجعية لتحديد التركيز الفعلي للعينات.
بعد ذلك تم تحليل المنتجات التجارية لمادة الباراسيتامول الفعالة (تايلينول 500 مجم و750 مجم) باستخدام جهاز ”تصوير رامان الكيميائي”، ثم تم تطبيق طريقة القياس الكيميائي المقترحة ومقارنتها مع الطريقة الكروماتوجرافية المرجعية.
تظهر نتائج الدراسة أن الانحدار الجزئي للنموذج ثنائي الاتجاه ”انحدار المربعات الصغرى الجزئي” قد حقق أفضل أداء في جميع مجموعات العينات، حيث حقق النموذج جذر متوسط الخطأ التربيعي لا يزيد عن 2.5، والتي تعتبر نتيجة ناجحة للغاية، مع الأخذ في الاعتبار أن مجموعات العينات تحتوي على تركيزات منخفضة جداً من المادة الفعالة. حققت النماذج ثنائية الاتجاه الأخرى نتائج جيدة ملحوظة مقارنة بتلك التي حققها نموذج ”انحدار المربعات الصغرى الجزئي”. حيث حقق نموذج ”المربعات الصغرى الكلاسيكية” ثاني أفضل النتائج في كل من مجموعتي التدريب والتحقق. تعتمد دقة ”المربعات الصغرى الكلاسيكية” على كل من طريقة المعالجة المسبقة المطبقة بالإضافة إلى عدد الانحدارات المقدمة لها.
بالنسبة للنماذج ثلاثية الاتجاهات، فقد حقق ”انحدار بارافاك” نتائج جيدة قريبة بدرجة كافية من تلك التي حققها نموذج ”انحدار المربعات الصغرى الجزئي”. بينما حقق نموذجي تاكر2 وتاكر3 أسوأ النتائج في الدراسة مع تجاوز ”جذر متوسط الخطأ التربيعي” حاجز 8.
وفيما يتعلق بأساليب المعالجة المسبقة، فقد حققت خوارزميات ”سافتسكي-جولاي” و”المشتقة الأولى”، نتائج جيدة مع نماذج مختلفة، حيث تراوح ”جذر متوسط الخطأ التربيعي” بين 2.5-2.7 فقط. ويعد ذلك نظرًا لأن كلا الخوارزميتين تميل إلى تحييد تأثير انحراف خط الأساس وضوضاء الخلفية في مصفوفات البيانات الأصلية.
على هذا النحو، تقترح الدراسة استخدام ”انحدار المربعات الصغرى الجزئي” إلى جانب خوارزمية المعالجة المسبقة ”المشتقة الأولى” كطريقة لتحديد تركيز المادة الفعالة من الباراسيتامول في خليط السواغ.
بالإضافة إلى ذلك، فإنه عند تطبيق الطريقة المقترحة على أقراص تيلينول التجارية، فقد حققت تقنية ”تصوير رامان الكيميائي” المقترنة بخوارزمية ”انحدار المربعات الصغرى الجزئي” نتائج دقيقة مكافئة لتلك التي تم الحصول عليها بواسطة طريقة الكروماتوجرافيا المرجعية، حيث لم يستطع اختباري الفرضيات ”ف” و”تي” رفض فرضية العدم. فقد بلغت قيمة اختبار ”ف” لأقراص تيلينول 500 و750 مجم 1.56 و1.06 على التوالي، بينما كانت قيمة اختبار ”تي” هو 2.26، و-1,25 لمستحضري التيلينول على التوالي. وبذلك فقد خلص اختباري الفرضيات سالفي الذكر إلى عدم وجود فرق بين المتوسط والتباين الاحصائي الخاص بالنموذج المطبق وذلك الخاص بطريقة الكروماتوجرافيا المرجعية.
الجزء الثالث: تطوير خرائط توزيع منتجات التحلل المماثلة طيفياً بواسطة مجهر رامان للتصوير الكيميائي مقترنًا بتقنية جديدة لاختيار المتغيرات وخوارزمية التصنيف ”سيمكا”:
تعد القدرة على اكتشاف وتحليل وتركيز منتجات التحلل للمواد الفعالة أمرًا أساسيًا، ليس فقط لإجراء دراسات الثبات المناسبة ومن ثم الحصول على الموافقات الإدارية والحكومية اللازمة؛ ولكن أيضًا لاكتشاف منتجات التحلل أثناء عملية التصنيع ذاتها. وبالتالي، يهدف هذا الجزء إلى عرض إمكانية استخدام مجهر رامان للتصوير الكيميائي، بدقة مثالية، وباستخدام خوارزميات القياسات الكيميائية المناسبة، لاكتشاف حمض الساليسيليك في خليط من حمض أسيتيل الساليسيليك، ثم إنشاء خرائط التوزيع الكيميائي التي تعكس توزيع منتج التحلل الرئيسي لحمض أسيتيل الساليسيليك.
تمت معالجة الصور الطيفية الفائقة والتي نتجت عن عملية القياس باستخدام خوارزميات التصنيف الناعم الخاضع للإشراف، وهي الخوارزمية التي يطلق عليها ”النمذجة المستقلة الناعمة للفئات المتشابهة”، وتعرف اختصاراً بـ (سيمكا)، وذلك لتصنيف وحدات البكسل وإنشاء خرائط التوزيع اللاحقة. بالإضافة إلى ذلك، ونظرًا لتحدي التشابه الهيكلي والطيفي الكبير بين كلتا المادتين، فإن هذه الدراسة تقترح خوارزمية جديدة لاختيار المتغيرات وتقليل الأبعاد، وتسمى ”معامل قوة المتغيرات”. حيث تم تطبيق الخوارزمية الجديدة للتعظيم الاختلافات الطيفية وتعزيز دقة النموذج وانتقائيته.
اقترحت الدراسة نموذجًا يميز بشكل انتقائي بين حمض الساليسيليك وحمض الأسيتيل الساليسيليك ويكشف عن حمض الساليسيليك، والذي يظهر بتركيز منخفض، ثم يستخرج خريطة التوزيع اللاحقة للخليط. حيث يتم تطبيق نموذج ”سيمكا” وكذلك خوارزمية ”معامل قوة المتغيرات” الجديدة على الصور الطيفية الفائقة الناتجة عن مجهر رامان الطيفي.
الميزة الرئيسية لمجهر رامان هي الدقة الفائقة من حيث الطيف والمكان. حيث يمكن أن تصل الدقة المكانية للصورة التي تم الحصول عليها إلى 1 ميكرون. وبالإضافة إلى ذلك، فيمكن أن تصل الدقة الطيفية لتحول رامان إلى 1 سم -1.
ستلعب هذه الميزة دورًا مهمًا في استخراج خرائط توزيع المواد داخل الخليط، حيث يمكن لجسيم واحد أن يشغل بكسلًا واحدًا أو أكثر في صورة الدقة المكانية فائقة الدقة، والتي تنعكس بالتالي على الأداء العام لخوارزميات التصنيف.
في التجربة، تم تحضير تدرج من تركيزات حمض أسيتيل الساليسيليك وحمض الساليسيليك بحيث يتراوح تركيز حمض الساليسيليك بين 2٪ وحتى 60٪. بعد ذلك، تم تقسيم العينات إلى مجموعتين: مجموعة التدريب المستخدمة لبناء نموذج ”سيمكا-معامل قوة المتغيرات” ومجموعة التحقق من الصحة للتحقق من أداء تصنيف النموذج. علاوة على ذلك، تم تطبيق طريقة ”الكروماتوجرافيا السائلة عالية الأداء” كطريقة مرجعية لتقييم النتائج التي تم الحصول عليها بواسطة التقنية المقترحة.
ونظرًا لحساسية مجهر رامان الفائقة للتغيرات في طول المسار وأحجام الجسيمات. فقد تم ضغط العينات المأخوذة من كل خليط في صورة قرص رقيق، يماثل ذلك المستخدم في التحليل الروتيني للأشعة تحت الحمراء المتوسطة.
وبعد إجراء التجربة وبناء النموذج، تم التحقق من صحة التقنية المقترحة، حيث أكدت النتائج المتحصل عليها أن مجهر رامان للتصوير الكيميائي، وعند اقترانه بـ ”سيمكا” و”معامل قوة المتغيرات”، يعد أداة قوية ذات دقة عالية وناجحة في تطبيق الهدف من الدراسة. وبالإضافة إلى ذلك، يمكن أن يكون هذا النهج مناسبًا في التطبيقات التي تتطلب إنشاء خرائط توزيع دقيقة لواجهة برمجة تطبيقات متشابهة طيفيًا.
خلصت الدراسة إلى أن الخوارزمية الجديدة المقترحة، معامل قوة المتغيرات (معامل قوة المتغيرات)، كانت قادرة على الاحتفاظ بالمتغيرات التي تزيد من قدرة النمذجة على التحليل والتصنيف. حيث تم حذف 625 متغيرًا وتم الاحتفاظ بـ 389 متغيرًا فقط (38.3٪ من المتغيرات الأصلية)، بما أدى إلى تقليل معامل الارتباط، ومن التشابه بين أطياف المادتين النقيتين إلى 0.3914 فقط. وعلى هذا النحو، وبعد التخلص من الأعداد الموجية ذات ”معامل قوة المتغيرات” الضعيف، فقد تم خفض التشابه الطيفي بين المادة الفعالة (أسيتيل الساليسيليك) ومنتج التحلل (حمض الساليسيليك) بصورة كبيرة أثرت إيجابياً على قدرة النموذج والتقنية المقترحة على تحقيق أهدافها بكل دقة.
النموذج المطبق ”سيمكا-معامل قوة المتغيرات”، المقترن بتقنية مجهر رامان للتصوير الكيمائي الطيفي فائق الدقة قد نجح في استخراج خرائط توزيع دقيقة للعينات.
حيث أظهرت النتائج أداءً متميزًا في إنشاء خرائط توزيع دقيقة مع انتقائية عالية وخصوصية ودقة (بمتوسط خطأ معياري نسبي يبلغ 1.79%) بالمقارنة والنتائج التي تم الحصول عليها بواسطة طريقة ”الكروماتوجرافيا السائلة عالية الأداء” المرجعية. حيث تُعزى الدقة العالية للنموذج إلى الدقة العالية لمجهر رامان الطيفي، وكذلك تأثير تقنية معامل قوة المتغيرات المقترحة في تعظيم الفروق الطيفية بين المكونات المتشابهة طيفياً.
بالإضافة إلى ذلك، وبتطبيق اختباري الفرضيات ”ف” و”تي”، فقد خلص اختبار ”ف” (القيمة المحسوبة 1.78، بينما القيمة الحرجة هي 2.03) واختبار الطالب ”تي” (القيمة المحسوبة 1.34، بينما القيمة الحرجة ± 1.84) إلى عدم رفض فرضية العدم. على هذا النحو، فقد أكد اختباري الفرضيات على عدم وجود فرق بين المتوسط والتباين الاحصائي الخاصة بالنموذج المطبق وطريقة الكروماتوجرافيا المرجعية..
الجزء الرابع. التنبؤ بالتركيزات منخفضة المستوى للأحماض الأمينية المتشابهة طيفياً بتطبيق خوارزمية معامل القوة المتغيرة مع خوارزمية بارافاك والشبكة العصبية الاصطناعية على صور الأشعة تحت الحمراء القريبة للأقراص:
يُعد توقع التركيزات المنخفضة للمواد المتشابهة من الناحية الهيكلية والطيفية، باستخدام مطيافية الأشعة تحت الحمراء القريبة، هي أحد التحديات الرئيسية في مجال التصوير الكيميائي للأشعة تحت الحمراء القريبة. في هذه الدراسة، نقترح نموذج انحدار غير خطي، والذي يدمج تقنية اختيار المتغيرات وتقليل الأبعاد التي تم تقديمها في الفصل السابق، معامل قوة المتغيرات، جنبًا إلى جنب مع خوارزمية تحليل العامل الموازي (بارافاك) وخوارزمية الشبكة العصبية الاصطناعية.
تغلب النموذج المقترح على مشكلة التشابه الطيفي وأخطاء التنبؤ العالية للمكونات منخفضة التركيز، والتي قد تقع خارج النطاق الخطي للكاشف، من خلال بناء نموذج قوي، يزيد من الاختلافات الطيفية بين المكونات لتحسين انتقائية النموذج، وقادر في الوقت ذاته على التنبؤ بدقة بالتركيزات المنخفضة للمواد التي تظهر سلوكًا غير خطي.
تمت مقارنة أداء النموذج المقترح ”معامل قوة المتغيرات-بارافاك- معامل قوة المتغيرات” بنماذج الانحدار المختلفة مثل ”انحدار المربعات الصغرى الجزئي” و”انحدار المربعات الصغرى الكلاسيكية” و”انحدار بارافاك” مع تطبيق خوارزمية معامل قوة المتغيرات وبدونها.
الهدف من هذا الجزء هو إنشاء نموذج انحدار غير خطي للتنبؤ بالتركيزات المنخفضة للمكونات ذات الصلة من الناحية الهيكلية باستخدام الصور الفائقة الطيفية للأقراص. قد تقع التركيزات المنخفضة التي تقل عن 5٪ خارج النطاق الخطي لكاشف الأشعة تحت الحمراء القريبة أو قد تعاني من التشوش والحجب بواسطة أطياف المكونات ذات التركيزات الأعلى. وبالتالي، فإن التحدي يكمن في بناء نموذج لديه ما يكفي من القوة والدقة لفصل هذه المكونات إحصائياً والتنبؤ بتركيزها المنخفض. يتطلب هذا الهدف استخدامًا فعالًا للمعالجة المسبقة وخوارزميات اختيار المتغيرات القادرة على تعظيم الاختلافات الطيفية بين الأحماض الأمينية المختارة لهذه التجربة التورين والليسين والمرتبطين هيكليًا والمتشابهين طيفيًا.
في التجربة، تم تحضير تدرج من التركيزات لاثنين من الأحماض الأمينية (التورين والليسين) في قاعدة من سواغ الأقراص. تم تحضير تسعة مستحضرات بتركيز أحماض أمينية يتراوح بين 5 مجم (0.68٪) و95 مجم (12.63٪) بإجمالي وزن القرص يبلغ 750 مجم. وبالإضافة إلى ذلك، فقد تم تحليل أقراص من مكملات الغذاء التجارية ”فيتاي” والتي تحتوي على الأحماض الأمينية، حيث تم تطبيق النموذج المقترح لإثبات فعاليته، كما تم استخدام طريقة مرجعية من ”الكروماتوجرافيا السائلة عالية الأداء” لتحديد التركيز الفعلي للعينات.
اقترحت هذه الدراسة نموذجًا جديدًا للانحدار غير الخطي، يجمع بين ثلاث تقنيات مختلفة، بهدف التنبؤ الدقيق بتركيزات منخفضة من الأحماض الأمينية ذات الصلة الهيكلية والمتشابهة طيفيًا. حيث يدمج النموذج المقترح ثلاث خوارزميات: أ) تقنية معامل قوة المتغيرات، التي تم استخدامها لتعظيم الاختلافات بين الأحماض الأمينية المتشابهة طيفيًا لتحسين القوة التمييزية وقدرة النمذجة بشكل عام؛ ب) حققت خوارزمية ”بارافاك” انخفاضًا كبيرًا في الأبعاد للصورة الطيفية الفائقة للعينة الناتجة عن جهاز التصوير الكيميائي بالأشعة تحت الحمراء القريبة، حيث تم خفض عدد المتغيرات لكل عينة إلى متغيرين فقط بدلاً من 761000 نقطة ؛ وأخيرًا ج) الشبكة العصبية الاصطناعية التي قامت بمهمة الانحدار غير الخطي من النموذج المقترح.
أظهر النموذج المطبق أداءً فائقًا على نماذج الانحدار الخطي الأخرى. وقد أثبت فعاليته حتى على نموذج ” بارافاك- الشبكة العصبية الاصطناعية” غير الخطي الذي لم يستخدم خوارزمية ”معامل قوة المتغيرات”.
حقق النموذج الطبق انحدار دقيق وفعال للتركيزات المنخفضة للمكونات المتشابهة طيفياً مع نسبة خطأ في تنبؤ لا تتعدى 0.01٪ فقط.
كما أكدت اختبارات الفرضيات قدرة النموذج وصحته بالمقارنة بطريقة الكروماتوجرافيا المرجعية المطبقة على حمضي التاورين واللايسين في مستحضر ”فيتاي” التجاري. حيث كانت قيمة اختبار ”ف” (4.66 للتاورين و2.77 لللايسين) وقيمة اختبار ”تي” (1.66 للتاورين و -2.17 لللايسين) أقل من قيمهما الحرجة (5.05 و ± 2.57 على التوالي) ، مما يعني أن فرضية العدم معقولة ولا يمكن رفضها وأنه لا يوجد فرق بين المتوسط الحسابي والتباين الاحصائي للنموذج المطبق وطريقة الكروماتوجرافيا المرجعية.
تحتوي الرسالة على 32 جدولاً و63 شكلاً 203 مرجعًا بالإضافة إلى 50 معادلة وملحق يحتوي على 8 كود تجريدي للخوارزميات المطبقة، وآخر يحتوي على الكود البرمجي لخوارزمية ” معامل قوة المتغيرات” باستخدام برنامج ”ماتلاب” الاحصائي،