Przełomowa metoda analizy leków kardiologicznych łączy UV i uczenie maszynowe

Czy innowacyjna metoda analityczna poprawi kontrolę leków sercowo-naczyniowych?

Naukowcy opracowali nową metodę jednoczesnego oznaczania trzech powszechnie stosowanych leków sercowo-naczyniowych – propranololu, rosuwastatyny i walsartanu – wykorzystując spektroskopię UV w połączeniu z zaawansowanymi technikami uczenia maszynowego. Choroby układu sercowo-naczyniowego (CVD) stanowią główny problem zdrowotny na świecie, powodując w 2020 roku około 19 milionów zgonów, co oznacza 32% wzrost w porównaniu z poprzednią dekadą. Złożony charakter tych schorzeń często wymaga kompleksowego podejścia terapeutycznego, obejmującego stosowanie różnych klas leków.

Propranolol, nieselektywny beta-bloker, działa poprzez kompetycyjne hamowanie wpływu katecholamin na receptory β-adrenergiczne, zmniejszając częstość akcji serca, kurczliwość mięśnia sercowego i ciśnienie tętnicze. Jest szczególnie skuteczny w leczeniu nadciśnienia tętniczego, dławicy piersiowej i niektórych zaburzeń rytmu serca. Rosuwastatyna, silny inhibitor reduktazy HMG-CoA, odgrywa kluczową rolę w gospodarce lipidowej, zmniejszając syntezę cholesterolu w wątrobie i zwiększając ekspresję receptorów LDL, co prowadzi do zwiększonego usuwania krążącego cholesterolu LDL. Walsartan, bloker receptora angiotensyny II, selektywnie hamuje wiązanie angiotensyny II z receptorem AT1, powodując rozszerzenie naczyń, zmniejszenie wydzielania aldosteronu i poprawę funkcji serca. Jest szczególnie korzystny w leczeniu nadciśnienia tętniczego, niewydolności serca i nefropatii cukrzycowej. Kombinacja tych leków pozwala na wielokierunkowe oddziaływanie w terapii chorób sercowo-naczyniowych, a terapia skojarzona często umożliwia stosowanie niższych dawek poszczególnych leków, potencjalnie zmniejszając działania niepożądane przy utrzymaniu lub nawet zwiększeniu skuteczności terapeutycznej.

Dlaczego spektroskopia UV i FA-ANN przełamują stereotypy w analizie farmaceutycznej?

Dotychczas złotym standardem w analizie jakościowej i ilościowej leków była wysokosprawna chromatografia cieczowa (HPLC), która jednak wiąże się z wysokim zużyciem rozpuszczalników organicznych, znacznym nakładem czasowym i kosztami. Chromatografia cieczowa sprzężona ze spektrometrią mas (LC-MS) zapewnia jeszcze większą selektywność i czułość, szczególnie cenną w zastosowaniach bioanalitycznych i profilowaniu zanieczyszczeń, ale systemy te są drogie w zakupie i utrzymaniu, wymagają wysoko wykwalifikowanych operatorów i często obejmują złożone protokoły przygotowania próbek. Nowa metoda opracowana przez badaczy łączy prostą spektroskopię UV z zaawansowanym modelowaniem wykorzystującym sztuczne sieci neuronowe (ANN) oraz algorytm Firefly (FA) do selekcji zmiennych.

Badacze wykorzystali charakterystyczne widma absorpcyjne trzech leków w zakresie 200-350 nm. Propranolol wykazuje charakterystyczny pik przy 214 nm, rosuwastatyna przy 243 nm, a walsartan przy 246 nm. Ze względu na znaczne nakładanie się widm, bezpośrednia analiza ilościowa byłaby niemożliwa bez zastosowania zaawansowanych technik chemometrycznych. Do opracowania modeli wykorzystano częściowy plan czynnikowy eksperymentów, obejmujący 3 czynniki na 5 poziomach, co dało 25 próbek kalibracyjnych. Centralny poziom ustalono na 6 µg/ml, a dolny i górny poziom odpowiednio na 2 i 10 µg/ml. Zestaw walidacyjny składał się z 20 próbek zaprojektowanych według centralnego planu kompozycyjnego.

Opracowane modele FA-ANN wykazały doskonałą zdolność predykcyjną z relatywnymi błędami średniokwadratowymi walidacji krzyżowej (RRMSCV) wynoszącymi zaledwie 0,68% dla propranololu, 0,84% dla rosuwastatyny i 0,096% dla walsartanu. Modele te znacząco przewyższały standardowe modele ANN pod względem dokładności predykcji, co potwierdzono przez bardziej zwartą dystrybucję reszt wokół zera, szczególnie przy wyższych stężeniach.

Czy nowa metodologia łączy precyzję z ekologicznym podejściem?

Kluczowym aspektem opracowanej metody jest zastosowanie algorytmu Firefly jako narzędzia do selekcji najistotniejszych długości fal, co znacząco zmniejszyło wymiarowość danych wejściowych – z początkowych 151 długości fal do zaledwie 47 dla propranololu, 43 dla rosuwastatyny i 40 dla walsartanu. Ta redukcja nie tylko poprawiła wydajność modeli, ale także zmniejszyła złożoność obliczeniową i czas analizy. Algorytm Firefly naśladuje zachowanie świetlików, aby zidentyfikować najbardziej wpływowe długości fal maksymalizujące zdolność predykcyjną modelu ANN. Proces optymalizacji rozpoczynał się od populacji losowych świetlików (rozwiązań), gdzie pozycja każdego świetlika była kodowana jako ciąg binarny (‘1’ dla wybranych długości fal, ‘0’ dla wykluczonych długości fal).

Walidacja metody przeprowadzona zgodnie z wytycznymi ICH wykazała doskonałą liniowość (R² > 0,999), dokładność (odzysk 98,94-101,78%) i precyzję (RSD < 2%). Metoda została z powodzeniem zastosowana do oznaczania badanych leków w preparatach farmaceutycznych: Inderal® (propranolol), Crestor® (rosuwastatyna) i Diovan® (walsartan). Wyniki nie wykazały statystycznie istotnych różnic w porównaniu z referencyjnymi metodami HPLC, co potwierdzono testami t-Studenta i F-Snedecora (p > 0,05).

Istotnym aspektem opracowanej metodologii jest jej “zieloność” i praktyczność. Ocena przy użyciu narzędzi AGREE, BAGI i RGB12 wykazała wysokie wyniki (odpowiednio 0,79, 77,5 i 92,1), potwierdzając niski wpływ na środowisko, wysoką praktyczność analityczną i ogólną zrównoważoność metody. W przeciwieństwie do metod HPLC, opracowana procedura wykorzystuje wyłącznie wodę jako rozpuszczalnik, minimalizuje zużycie odczynników i energii oraz generuje znacznie mniej odpadów. Głównymi czynnikami przyczyniającymi się do wysokiego wyniku “zieloności” były: wykorzystanie wody jako jedynego rozpuszczalnika, zminimalizowane objętości próbek i odczynników oraz niższe zużycie energii w porównaniu z HPLC. Wysoki wynik “niebieskiego” wskaźnika wynikał z prostego przygotowania próbki, szybkiego czasu analizy i niskich kosztów analizy.

Z perspektywy praktyki klinicznej i laboratoryjnej, opracowana metoda może znacząco usprawnić kontrolę jakości leków sercowo-naczyniowych, zapewniając szybką, dokładną i ekonomiczną alternatywę dla tradycyjnych technik analitycznych. Może to przełożyć się na lepsze monitorowanie jakości leków stosowanych w terapii chorób sercowo-naczyniowych, a tym samym na poprawę bezpieczeństwa pacjentów.

Jakie perspektywy i wyzwania niesie FA-ANN dla laboratoriów?

Optymalizacja parametrów modeli FA-ANN obejmowała dostrojenie liczby neuronów w warstwie ukrytej (6 dla propranololu, 7 dla rosuwastatyny i 8 dla walsartanu), funkcji transferu (Purelin-Purelin dla wszystkich trzech leków), współczynników uczenia (0,1 dla propranololu, 10 dla rosuwastatyny i 100 dla walsartanu) oraz funkcji uczenia (TRAINLM dla wszystkich trzech leków). Wyższe wartości współczynników uczenia dla rosuwastatyny i walsartanu można przypisać specyficznym cechom algorytmu Levenberga-Marquardta (TRAINLM), który równoważy kroki spadku gradientu i Gaussa-Newtona, umożliwiając stabilną zbieżność nawet przy większych wartościach.

Autorzy wskazują na pewne ograniczenia metody, w tym konieczność ścisłej kontroli warunków spektroskopowych, manualnych procedur pobierania próbek oraz potencjalne efekty matrycowe w złożonych próbkach. Przyszłe badania powinny skupić się na rozszerzeniu metodologii na inne kombinacje leków, walidacji wydajności w matrycach biologicznych oraz opracowaniu zautomatyzowanych procedur pobierania próbek. Dodatkowo, eksploracja alternatywnych technik selekcji zmiennych i podejść hybrydowych łączących spektroskopię UV-Vis z innymi technikami analitycznymi mogłaby dodatkowo zwiększyć możliwości metody.

Pomyślne wdrożenie tej metodologii FA-ANN stanowi podstawę dla przyszłych zastosowań w zrównoważonej analizie farmaceutycznej, oferując praktyczną ścieżkę w kierunku bardziej ekologicznych praktyk chemii analitycznej w laboratoriach kontroli jakości, co może mieć istotne znaczenie dla zapewnienia wysokiej jakości leków stosowanych w terapii chorób sercowo-naczyniowych.

Podsumowanie

Naukowcy opracowali innowacyjną metodę analizy trzech powszechnie stosowanych leków sercowo-naczyniowych (propranololu, rosuwastatyny i walsartanu), wykorzystując spektroskopię UV w połączeniu z zaawansowanymi technikami uczenia maszynowego. Metoda łączy algorytm Firefly (FA) ze sztucznymi sieciami neuronowymi (ANN), osiągając wyjątkową dokładność z relatywnymi błędami średniokwadratowymi walidacji krzyżowej poniżej 1%. Opracowane rozwiązanie znacząco przewyższa tradycyjne metody HPLC pod względem ekologiczności, wykorzystując wyłącznie wodę jako rozpuszczalnik i minimalizując zużycie odczynników oraz energii. Walidacja metody wykazała doskonałą liniowość, dokładność i precyzję, co potwierdzono w analizie preparatów farmaceutycznych. Metoda stanowi praktyczną i ekonomiczną alternatywę dla tradycyjnych technik analitycznych, oferując szybszą i bardziej zrównoważoną opcję kontroli jakości leków sercowo-naczyniowych.

Bibliografia

Serag Ahmed, Abduljabbar Maram H., Althobaiti Yusuf S., Almutairi Farooq M., Alsharif Shaker T., Alzhrani Rami M., Ahmed Marwa F. and Almalki Atiah H.. UV-Vis spectroscopy coupled with firefly algorithm-enhanced artificial neural networks for the determination of propranolol, rosuvastatin, and valsartan in ternary mixtures. Scientific Reports 2025, 15(LPI), 677-694. DOI: https://doi.org/10.1038/s41598-025-89187-7.