《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Quantification of cannabinoids in medicinal Cannabis oils using bench-top mid-infrared (MIR), near-infrared (NIR), and portable NIR spectroscopy with chemometric analysis
编辑推荐：
中药用油中THC和CBD的近红外与中红外光谱定量分析及模型验证|大麻素|光谱分析|化学计量学|快速检测
Julieth G. Herrera | Larissa Araújo Rolim | Erklaylle G.C. Silva | Ricardo S. Honorato | Marina Cocchi | Samuele Pellacani | Maria Fernanda Pimentel
巴西伯南布哥联邦大学基础化学系，Jornalista Anival Fernandes大道，Cidade Universitária，50.740-560，累西腓
摘要
随着基于大麻的药品使用量的增加，确保其质量和安全性的分析方法变得尤为重要。本研究采用了中红外光谱与化学计量学建模相结合的方法，对来自巴西和意大利的药用油中的大麻素进行了定量分析。样品分析使用了台式和便携式仪器，所开发的校准模型显示出较低的预测误差。对于巴西的油样，其CBD含量从未检测到到0.88%不等，使用台式NIR光谱得到的最佳模型RMSEP值为0.03%。对于意大利的样品，CBD含量在0.1%到33.6%之间，相应的RMSEP值为0.62%，这证实了所提出模型的良好预测性能。总体而言，结果表明红外光谱作为一种快速且非破坏性的方法，适用于大麻药用油的质量控制，无论其载体油、品牌或地理来源如何。
引言
大麻数千年来一直被用于医疗和治疗目的；目前，这种用途被称为药用大麻。它涉及使用大麻的花序或其大麻素来治疗疾病和/或症状[1]、[2]。药用大麻被用于治疗多种疾病，如多发性硬化症、癫痫以及缓解慢性疼痛[3]、[4]、[5]、[6]、[7]、[8]、[9]、[10]。近年来，关于大麻的科学研究显著增加，已鉴定出超过550种不同化学类别的化合物，其中144种是大麻素[2]、[11]、[12]。最常见的酸性大麻素是四氢大麻酸（THCA）、大麻二酚酸（CBDA）和大麻酚酸（CBGA）。THCA和CBDA由CBGA衍生而来。中性大麻素如四氢大麻酚（THC）和大麻二酚（CBD）则通过其相应酸的脱羧过程形成，因为它们稳定性较低。当这些酸暴露在光或热下时会发生降解；它们的形成可能是由于植物内部发生的反应、储存条件或干燥过程中的变化[2]。为了降低传统药品的高成本，并顺应当前向天然产品转变的趋势，药用大麻油的使用越来越广泛。最具治疗价值的两大大麻素是CBD和THC。然而，多种因素会影响这些大麻素的浓度，例如植物品种（基因型）、储存条件和栽培参数。因此，快速而准确的定量方法显得尤为重要，以确保浓度值可靠并符合法律要求[13]。
传统的大麻化合物定量化学分析方法包括高效液相色谱（HPLC）与紫外二极管阵列检测（UV-DAD）结合使用以及气相色谱-质谱（GC–MS）[14]、[15]、[16]、[17]、[18]、[19]、[20]。在这方面，巴西药典规定HPLC为大麻素定量的参考方法[21]。这些方法操作和维护成本较高，且需要使用可能有害的溶剂。此外，它们对样品具有破坏性，因为通常需要预先进行提取等处理[11]、[22]。鉴于这些限制，光谱学成为一种有吸引力的替代方案，因为它是一种非破坏性的、快速的方法，几乎不需要或完全不需要样品预处理。此外，当与多元分析（即化学计量学）结合使用时，可以为数据集提供统计可靠性。
多项研究使用近红外（NIR）光谱与化学计量学相结合，对大麻花序中的大麻素进行了定量分析[1]、[13]、[22]、[23]、[24]、[25]、[26]、[27]。主要采用的化学计量技术包括探索性分析（如主成分分析PCA）、分类技术（如偏最小二乘判别分析PLS-DA）以及校准技术（如偏最小二乘法PLS）。Birenboim及其同事[22]使用近红外光谱定量大麻花中的十种大麻素和十二种萜烯，分别以HPLC和GC–MS作为参考方法。样品包括THC含量高的品种（>15%）、THC/CBD混合品种（总CBD和总THC含量约为5–9%）、CBD含量高的品种（>10%）以及CBG含量高的品种（>15%）。萜烯含量变化范围为0.4%。模型评估使用了多个参数，包括校准均方根误差（RMSEC）、交叉验证均方根误差（RMSECV）、预测均方根误差（RMSEP）以及残差预测偏差（RPD），后者通过实验室标准偏差与RMSEP的比值计算得出。结果开发出了预测性能优异的模型（R2pred > 0.8，RPD > 2.5且RMSECV/RMSEC < 1.2），适用于THCA（全范围模型）、CBDA（全范围模型）、CBCA、THC、α-蒎烯（全范围模型）、β-蒎烯、β-茉莉烯、芳樟醇、香叶醇、双酚醇和石竹烯。还开发了适用于初步筛选的合适模型（R2pred < 0.8，RPD > 2且1.2 < RMSECV/RMSEC比值 < 2），适用于THCA（高、中、低范围模型）、CBDA（高、低范围模型）、CBGA（全范围和低范围模型）、CBG、CBD、CBTA、CBGMA、THCA-C4、α-蒎烯（高、低范围模型）、δ-柠檬烯和α-胡薄荷烯）。此外，构建的PLS-DA模型能够正确分类主要类别，如高THC、高CBD、混合品种和高CBG品种，从而区分相似的化学型。
除了近红外光谱外，中红外（MIR）也被用于大麻花的分析[11]、[28]。这一光谱范围提供了有关化学键基本振动的信息，有助于更精确地识别植物中存在的官能团。Geskovski及其同事[11]评估了中红外光谱的潜力，使用衰减全反射（ATR）附件，定量不同作物大麻提取物和花朵中的THC和CBD含量。大麻提取物的CBD浓度范围为0.38–39.2%，THC浓度范围为18.93–86.99%。大麻花朵的CBD浓度范围为0%至7.5%，THC浓度范围为3%至18%。PLS模型得到的预测R2值分别为THC和CBD的0.99（适用于大麻提取物和脱羧后的花朵）。RMSEP值分别为THC和CBD的3.79%和1.44%（适用于大麻提取物），以及2.32%和1.33%（适用于大麻花朵）。
随着技术的进步，近年来手持式红外光谱仪的发展显著增加。这些设备成为台式系统的有前途的替代品，可以在采集现场直接进行快速、非破坏性的分析。这些特性使它们在需要现场分析的情况下特别有用，例如在田间、联合检测以及临床环境中对
大麻产品的质量控制。已有研究报道使用手持设备进行
大麻花的近红外分析[13]、[29]、[30]。尽管有研究探索了中红外和近红外光谱（台式和手持式）在
大麻花和提取物表征和定量中的应用，但这些技术应用于油性基质的研究在文献中仍较少。一些研究报道了使用MIR与核磁共振（NMR）结合来表征
大麻油[31]，而其他研究则使用台式NIR仪器与PLS模型结合来定量大麻油中的CBD含量[32]。
根据所呈现的研究，显然在利用红外光谱表征大麻油的分析潜力方面还存在不足。因此，本研究旨在探讨在台式系统和手持设备中使用中红外和近红外技术定量THC和CBD的可行性。为此，分别针对巴西和意大利的样本集开发了校准模型。
实验部分
本研究使用了在巴西和意大利生产的药用大麻油样品。样品在相应国家进行采集、制备和分析。
大麻油样品的光谱特征
图1显示了在实验室中使用巴西种植的大麻提取物制备的大麻油在近红外区域获得的原始光谱。在1210 nm左右发现了与脂质相关的谱带（伸缩振动的第二泛音）。1390 nm和1412 nm附近的谱带对应于烷烃[37]。1725 nm和1760 nm处的谱带与-CH、-CH2和-CH3基团的第一个伸缩振动相关[13]、[38]、[39]。1900 nm处的谱带与...
结论
本研究的结果证实了中红外和近红外光谱与化学计量学建模相结合，是定量药用
大麻油中大麻素的有效工具。该方法应用于巴西和意大利的样品，使用台式和便携式设备进行分析，证明了所开发模型的可重复性和稳健性。
在巴西的油样中，CBD含量在ND–0.88%之间，THC含量在ND–3.23%之间，模型显示出较低的...
作者贡献声明
Julieth Gonzalez Herrera：撰写 – 原稿撰写、方法论、研究、数据分析、数据管理。Larisa Araujo Rolim：撰写 – 审稿与编辑、研究、数据分析、概念化、监督。Erklaylle Gabriely Custodio da Silva：撰写 – 原稿撰写、审稿与编辑、概念化、方法论、数据管理。Marina Cocchi：撰写 – 审稿与编辑、方法论、监督、概念化、数据管理。Samuele Pellacani
未引用参考文献
[40]
利益冲突声明
作者声明没有已知的财务利益冲突或个人关系可能影响本文所述的工作。
致谢
作者感谢巴西先进分析技术研究所（INCTAA，CNPq资助项目573894/2008-6和465768/2014-8以及FAPESP资助项目2008/57808-1和2014/50951-4）、CNPq（资助项目408615/2023-0、441493/2023-8和305127/2021-7）。作者还感谢巴西的非营利组织提供了有关药用大麻油制备协议的信息。
