《Scientific Reports》：“Green spectrophotometric determination of rupatadine, its toxic impurity, and methyl paraben: comparative AI-assisted univariate versus multivariate chemometrics”
编辑推荐：
研究人员开发并比较了用于分辨卢帕他定富马酸盐(RUP)、其杂质脱羧氯雷他定(DES)与防腐剂对羟基苯甲酸甲酯(MP)重叠光谱的灵敏、选择性绿色紫外分光光度单变量与多变量化学计量学方法。单变量方法采用双波长(DW)法；在人工智能(AI)辅助选择最优波长对下，RU
研究人员开发并比较了用于分辨卢帕他定富马酸盐(RUP)、其杂质脱羧氯雷他定(DES)与防腐剂对羟基苯甲酸甲酯(MP)重叠光谱的灵敏、选择性绿色紫外分光光度单变量与多变量化学计量学方法。单变量方法采用双波长(DW)法；在人工智能(AI)辅助选择最优波长对下，RUP于230与284.3 nm测定，MP于236.6与253.8 nm测定。多变量方法中，人工神经网络(ANN)预测精度最优（RMSEP最低），其后为偏最小二乘-1(PLS-1)与多元曲线分辨-交替最小二乘(MCR-ALS)，凸显机器学习在含防腐剂MP复杂混合物分辨中的优势。研究人员采用三因素五水平实验设计构建25个校准混合物与6个独立验证混合物。所建方法成功用于含该研究药物的制剂，并按国际人用药品注册技术协调会(ICH)指南验证，结果可靠可重复，适用于常规分析与质量控制。GLANCE工具（Graphical Layout for Analytical Chemistry Evaluation）对十二项结构化方法属性给出了清晰可视化概要。
论文解读：《Scientific Reports》发表了一项关于复杂药物混合物绿色分析的研究。研究背景方面，药品中特定杂质与某些防腐剂存在健康风险：脱羧氯雷他定(DES)是卢帕他定富马酸盐(RUP)在英国药典中的杂质B及降解产物，最大允许浓度为0.5%；对羟基苯甲酸甲酯(MP)是鲁帕他定制剂常用防腐剂，可能与内分泌干扰等安全隐患有关。现有文献仅见一种胶束高效液相色谱法同时测定RUP、DES与MP。紫外分光光度法虽简单、快速、低成本，但三者光谱严重重叠，单靠传统方法难以同时准确定量，因此亟需绿色、简便、可靠且能处理活性药、毒性杂质与防腐剂共存体系的质控方法。
为开展研究，研究人员使用的主要关键技术方法包括：AI辅助双波长(DW)单变量法，由Microsoft Copilot在全程光谱中系统筛选使目标物灵敏度最高、干扰物吸收差最小的波长对；三因素五水平实验设计生成校准与验证混合物队列，样本为标准品配制混合物及ATCO Pharma生产的Alergoliber?糖浆制剂；多变量化学计量学方法，包括偏最小二乘-1(PLS-1)、人工神经网络(ANN)与多元曲线分辨-交替最小二乘(MCR-ALS)，并在MATLAB环境中建模；绿色评价采用分析绿色星面积(AGSA)，方法概览采用GLANCE框架。
研究结果如下。
光谱特征：RUP、DES与MP在200–400 nm零阶吸收光谱高度重叠，二元RUP-MP可用DW解决，三元体系需化学计量学。
双波长(DW)法：研究人员向AI提供RUP与MP光谱，Copilot按“RUP吸光度差大、MP吸光度差近零”准则选出230与284.3 nm用于RUP（ΔP=A???–A???.?），236.6与253.8 nm用于MP（ΔP=A???.?–A???.?）。该方法对二元混合物线性、精密度好，平均回收率约101.2%，%RSD低于1.0%，但不能分辨三元中的DES。
多元方法-校准与验证集：采用五水平三因素设计，25个校准混合物、6个验证混合物；PLS-1选227–277 nm（RUP）、235–286 nm（DES）、230–260 nm（MP），经均值中心化，留一交叉验证得RUP、DES、MP最优潜变量数分别为7、6、7。ANN为前馈反向传播网络，purelin–purelin传递函数最适，因吸光度与浓度呈线性关系；验证集R接近1。MCR-ALS以渐进因子分析(EFA)初值、非负与相关性约束、0.1%收敛，6次迭代后拟合不足5.0017%、方差解释R2=99.8%，解析纯谱与实验纯谱一致。
验证集应用：ANN对RUP、DES、MP平均回收100.49%、101.61%、99.64%，RSD分别1.41%、1.25%、0.38%；PLS-1次之；MCR-ALS可解混但RSD最高达3.91%。ANN的RMSEP均最低（0.04），证明其在防腐剂共存三元体系中最优。
回归与验证参数：按ICH验证线性、选择性、精密度、准确度；ANN的RMSEC与RMSEP均低于PLS-1与MCR-ALS。
制剂应用：将方法用于Alergoliber?糖浆中RUP测定，回收满意；与报道HPLC法经Student t与F检验无显著差异。
单变量与多变量比较：DW适合RUP-MP二元；三元必须由多变量解决；性能排序为ANN＞PLS-1＞MCR-ALS。
绿色评价：乙醇为溶剂，仅稀释、无衍生、低能耗、废液＜100 mL/样，AGSA得分90.28%，符合绿色分析化学(GAC)十二原则。
GLANCE框架：以十二维度图形化汇总新颖性、分析物、样品前处理、试剂、仪器、验证、基质效应、实样应用、分析指标、主要结果、局限性与补充信息。
讨论部分总结：研究人员指出，AI辅助可加速波长对穷举筛选，减少主观误差；单变量法在二元体系简洁有效，但面对结构相近杂质与防腐剂共存的强重叠三元体系能力不足。多变量法中，ANN能刻画复杂光谱交互，PLS-1稳健可解释，适合常规质控，MCR-ALS可恢复纯光谱，具定性价值。绿色溶剂与化学计量学结合降低试剂、能源与工时消耗。GLANCE使方法属性一目了然，利于方法比对与监管沟通。该研究把AI单变量优化、机器学习教育与绿色评价整合，为含活性成分、毒性杂质和防腐剂的药品质控提供可复制范式。
结论部分翻译：总之，所提绿色分光光度技术为同时测定RUP、其肝毒性杂质DES与防腐剂MP提供了简单、快速、可靠途径。AI辅助双波长法足以处理RUP-MP二元体系，彰显人工智能在简化单变量方法开发中的作用；但含DES的三元体系需多变量化学计量学。多变量中ANN预测最佳（RMSEP最低、精密度最高），其后为PLS-1与MCR-ALS，证实机器学习在防腐剂致复杂光谱交互的多组分体系中更优。PLS-1仍是例行质控的稳健可解释替代，MCR-ALS通过光谱恢复提供定性洞见。所有方法按ICH用于制剂并验证，AGSA达90.28%，符合可持续分析化学原则；GLANCE给出方法属性全景。这种“AI单变量开发＋比较化学计量学＋绿色评价”的整合路径，为含活性药、毒性杂质与防腐剂的复杂混合物建立了环境友好型药物分析新范式。
