基于AQbD的绿色RP-HPLC同步测定Aegle marmelos叶提取物负载纳米乳中Aegeline与Marmelosin的可持续性与过程能力评价

《Journal of Pharmaceutical and Biomedical Analysis Open》：Development of an AQbD-Based Green RP-HPLC Method for Simultaneous Analysis of Aegeline and Marmelosin in Aegle marmelos Leaf Extract-Loaded Nanoemulsions with Sustainability and Process Capability Assessment

• 研究人员开发了基于分析质量源于设计（Analytical Quality by Design, AQbD）的绿色反相高效液相色谱（reverse-phase high-performance liquid chromatography, RP-HPLC）方法，用于 aegeline（AEG）和 marmelosin（MAR）的同时分析。
• Taguchi 与 Box–Behnken 设计实现了稳健的色谱优化。
• 方法验证性能优异，R² > 0.999。
• 该方法成功定量了 Aegle marmelos 纳米乳中的分析物。
• 绿色度与过程能力评估证实了常规适用性。

研究背景方面，Acne vulgaris（痤疮）是常见的慢性炎症性皮肤病，涉及皮脂分泌过度、毛囊角化异常、Cutibacterium acnes定植及炎症级联激活。现有局部和系统治疗长期使用可伴随不良反应、抗菌耐药、皮肤刺激及依从性差异，因此植物源活性成分和先进递送系统受到关注。Aegle marmelos (L.) Corrêa含有Aegeline（AEG；一种生物碱酰胺类成分）和Marmelosin（MAR；一种香豆素衍生物），二者分别具有抗氧化、抗炎、抗菌、免疫调节及皮肤保护等报道活性。纳米乳（nanoemulsion；纳米尺度液滴分散体系）可改善植物成分溶解性、透皮性、稳定性和分布。问题在于，AEG与MAR极性不同、提取物基质复杂、处方辅料可能干扰，且已有色谱研究多聚焦植物提取物、植物化学富集或表征，缺少面向A. marmelos叶提取物负载纳米乳基质的同时定量方法；常规方法还可能依赖较多有机溶剂和经验优化。因此，研究人员开展AQbD驱动的绿色RP-HPLC方法开发、验证、纳米乳适用性、过程能力和可持续性评价，以支持该抗痤疮纳米制剂的处方开发和质量控制。

关键技术方法概括（不超过250字）：A. marmelos新鲜健康叶采自印度卡纳塔克邦西高止山脉，经Shri B.M.K. Ayurveda Mahavidyalaya中央研究设施鉴定（Authentication Code: CRF/Auth/189/2025-2026）。研究人员以分析目标轮廓（Analytical Target Profile, ATP）、Ishikawa因果图和失效模式与影响分析（Failure Mode and Effects Analysis, FMEA）/风险优先数（Risk Priority Number, RPN）识别关键方法参数（critical method parameters, CMPs）；用Taguchi L8（2⁷）筛选，Box–Behnken设计（Box–Behnken design, BBD）及响应面方法（response surface methodology, RSM）优化；建立RP-HPLC-PDA方法（Phenomenex Kinetex^? C₁₈柱，甲醇-0.1%甲酸水70:30，1.0 mL min^?1，30 °C，276 nm，10 μL）；按ICH Q2(R2)验证并开展强制降解；纳米乳以水滴定法制备、探头超声处理，测定粒径、多分散指数（polydispersity index, PDI）、ζ电位和包封效率；采用Lean Six Sigma过程能力指数（Process Capability Index, Cpk）及AGREE、AGREEprep、AES、ComplexGAPI、ComplexMOGAPI、CaFRI、CACI、BAGI评价绿色度与适用性。

研究结果如下。3.1. AQbD-Guided Development of the RP-HPLC Method：通过AQbD系统开发，获得稳健、可定量且兼顾环境影响的色谱方法。3.1.1. Initial Method Development and Chromatographic Optimization：通过考察流动相组成、酸改性剂、甲醇比例和检测波长，选择甲酸、甲醇及276 nm检测，为后续优化奠定基础。3.1.2. Risk-Based Identification of Critical Analytical Variables：通过Ishikawa图与FMEA/RPN评估，将流动相组成、流速、柱温、检测波长、固定相、进样量和水相酸度等列为高风险CMPs，并将保留时间（retention time, RT）、拖尾因子（tailing factor, TF）、理论塔板数（theoretical plate number, TP）作为关键分析属性（critical analytical attributes, CAAs）。3.1.3. Experimental Screening of Critical Method Parameters：通过Taguchi L8（2⁷）筛选七因素，确定甲醇含量、流速和柱温为主要影响因素，其余因素固定。3.1.4. Multivariate Optimization of Critical Chromatographic Variables：通过BBD三因素三水平15次实验，建立RT、TF、TP的显著响应面模型，模型拟合良好且无显著失拟。3.1.5. Model Diagnostics and Interpretation of Response Surface Profiles：通过残差、扰动和三维响应面分析，发现甲醇含量对保留影响最大，流速影响分析时间和柱效，柱温影响居中，并确定满足ATP的设计空间。3.1.6. Numerical Optimization and Establishment of Optimized Chromatographic Conditions：通过期望函数优化确定70:30甲醇-0.1%甲酸水、1.0 mL min^?1、30 °C；确认实验与预测吻合，PDA峰纯度约0.998（AEG）和0.997（MAR），纯度角低于阈值。3.2. Analytical Method Validation：通过ICH Q2(R2)验证，R²>0.999，LOD为0.487/0.504 μg mL^?1，LOQ为1.410/1.507 μg mL^?1，精密度%RSD<2%，回收率97.6±0.41%至100.2±0.27%，系统适用性、专属性、稳健性等合格。3.2.1. Forced Degradation and Stability-Indicating Capability：通过酸、碱、氧化、光解和热强制降解，AEG与MAR峰保持分离，PDA光谱匹配约0.99且纯度角低于阈值；酸性条件下降解估计最高（AEG 18.2±0.65%，MAR 19.7±0.85%），但原文强调降解率为基于峰面积变化的定性估计，不能单独确证定量降解。3.3. Application of the Developed Method to A. marmelos Leaf Extract-Loaded Nanoemulsion：通过将方法用于纳米乳，实现AEG和MAR定量及回收评价。3.3.1. Physicochemical Characterization of the Optimized Nanoemulsion：通过DLS等表征，粒径78.9±0.25 nm、PDI 0.196±0.25、ζ电位?30.6 mV，包封效率AEG 62.3±0.45%、MAR 51.64±0.14%。3.3.2. Quantification and Recovery Assessment of AEG and MAR in Nanoemulsion Formulation：通过RP-HPLC测定，AEG约1.85±0.68 μg/g、MAR约0.42±0.36 μg/g；回收率98.5±0.36%至99.2±0.63%，峰分离和峰形良好。3.4. Application of Lean Six Sigma Tools for Analytical Performance Assessment：通过50个QC回收数据的Cpk分析，控制图稳定，Cpk为AEG 2.32、MAR 2.12，高于已报道方法的1.69和1.75，显示过程能力优良。3.5. Evaluation of Environmental Sustainability and Method Applicability：通过AGREE 0.72、AGREEprep 0.69、AES 74、CaFRI 80、CACI 79、ComplexMOGAPI 84、BAGI 75.0及ComplexGAPI评价，显示绿色度和实际适用性较好，较已报道RP-HPLC-PDA方法具有更简化的样品制备和较低环境负担。

讨论部分可总结为：AQbD结合风险评价、Taguchi筛选和BBD/RSM优化提高了方法稳健性和设计空间理解；验证与强制降解支持方法的选择性和稳定性指示应用，但降解程度仍为峰面积变化的定性估计；纳米乳表征和定量结果支持该方法用于处方表征与质量控制；Cpk及多维绿色度评价支持常规适用性。原文同时指出，已报道方法在灵敏度和线性范围方面更优，而本方法在纳米乳基质适用性、AQbD优化、稳健性和多维可持续性评价方面具有优势。研究结论翻译如下：研究人员成功开发、优化并验证了一种基于AQbD的RP-HPLC方法，用于同时定量A. marmelos叶提取物负载纳米乳中的AEG和MAR。风险评价工具、Taguchi筛选与Box–Behnken响应面优化的整合，使关键方法参数得以系统识别和控制，形成稳健的分析设计空间。优化色谱条件对两种分析物实现有效分离，峰对称性满意、柱效高且重现性优良。依据ICH Q2(R2)指南进行的验证研究确认该方法在线性、灵敏度、准确度、精密度、稳健性和系统性能方面适用。强制降解实验通过证明AEG和MAR在酸性、碱性、氧化、光解和热应力条件下与其降解产物有效分离，确立该方法的稳定性指示能力。将该方法应用于优化纳米乳处方，可实现两种植物标志物的可靠定量并支持处方表征。此外，Lean Six Sigma分析显示优异过程能力，绿色度与白度评估证实该方法符合现代可持续分析化学原则。总体而言，所开发的RP-HPLC方法是一种科学合理、环境友好且实际适用的分析工具，可用于A. marmelos纳米乳抗痤疮递送系统的常规质量控制、处方开发和标准化。