《Journal of Pharmaceutical and Biomedical Analysis》：Peak integration errors and analyst interaction in pharmaceutical quality control using LC–UV
编辑推荐：
# 摘要翻译
在制药质量控制中，采用液相色谱-紫外检测（LC–UV）对活性药物成分及其相关杂质进行定量时，峰积分仍主要依赖基于几何规则的算法，构成分析不确定性的重要来源。尽管法规框架（如ICH Q2(R2)、Q3A(R2)、Q3B(R2)及PDA技术报告第8
# 摘要翻译
在制药质量控制中，采用液相色谱-紫外检测（LC–UV）对活性药物成分及其相关杂质进行定量时，峰积分仍主要依赖基于几何规则的算法，构成分析不确定性的重要来源。尽管法规框架（如ICH Q2(R2)、Q3A(R2)、Q3B(R2)及PDA技术报告第80号）对积分流程的受控性和可追溯性提出严格要求，但针对常用商业色谱数据系统在复杂峰形条件下积分性能的系统性横向比较仍十分有限。此前发表的基于40,000个对称高斯峰重叠案例的模拟研究已证明规则积分方法在理想条件下存在系统性偏倚，但并未涉及过载不对称主峰或商业工作流中的分析员交互。本研究在既往模拟基础上，将分析扩展至与制药QC更相关的选定色谱条件：主要采用涵盖不对称重叠、肩峰及过载主峰骑峰构型的合成数据集，并辅以实验性小分子LC–UV数据，系统评估垂直落点法（PDM）、切线撇除法（TSM）、指数撇除法（ESM）及高斯撇除法（GSM）等规则积分方法在两个商业CDS平台（Agilent OpenLab和Waters Empower）及一个内部无外部可调参数的独立积分系统（IIS）中的数值精度和分析员交互程度。研究结果表明，基线分离的对称峰在所有系统中积分误差均约在±1.5%以内；PDM对拖尾主峰上的小杂质峰可产生超过100%的正误差，ESM虽能大幅降低此类误差但无法完全消除偏倚；肩峰构型下PDM和ESM均无法提供一致准确的结果。对于骑峰场景，ESM可将若干杂质峰的相对误差降至约±3%，但其余峰仍存在较大偏差。分析员交互以点击次数和数值参数输入数进行量化，结果显示复杂色谱图需要更多用户干预且交互程度随软件工作流不同而异。研究表明，没有任何单一规则积分方法能在所有考察峰形下提供一致准确的面积估算；积分策略的选择与受控执行应根据实际峰构型进行，更鲁棒的积分算法应同时兼顾不对称性、拖尾、部分重叠及肩峰/骑峰构型。结论仅限于所考察的选定模拟与实验条件，不应视为对CDS平台的普遍性比较或常规制药QC性能的评估。
# 论文解读
## 一、研究背景与问题
液相色谱-紫外检测（LC–UV）一直是小分子药物产品中活性药物成分（API）及相关杂质定量的主要分析技术。尽管色谱柱技术、检测器性能及仪器硬件已取得长足进步，但最终定量环节——峰积分仍主要依赖色谱计算化早期开发的几何规则型算法。这类算法在设计之初并未充分考虑现代色谱中常见的峰不对称、过载拖尾和部分共洗脱等复杂情况，因此积分已成为分析不确定性的主要来源之一。
国际协调理事会（ICH）Q2(R2)规定了分析方法验证的精度、准确度、线性和范围等要求，ICH Q3A(R2)和Q3B(R2)分别设定了原料药和制剂中杂质的报告、鉴定和合格阈值。当原料药最大日剂量≤2 g/天时，报告阈值为0.05%，鉴定阈值为0.15%；这些低水平杂质的可靠定量高度依赖于精确的峰面积测量。与此同时，数据完整性指南（如非肠道药物协会PDA技术报告第80号）和FDA警告信均强调色谱数据处理的受控性、可追溯性和审核能力。因此，峰积分不仅是技术性后处理步骤，更是制药QC的核心合规要素。
既往研究已表明，在有限分辨率或极端面积比条件下，小峰定量可能出现显著误差。然而，已发表的模拟研究多集中于理想对称高斯峰，缺乏对过载不对称API峰、商业CDS平台系统性横向比较的验证。尤其缺乏对峰积分所需分析员交互程度的量化评估——这种交互往往涉及反复调整阈值、斜率灵敏度和撇除比例等参数，不仅引入主观性，还可能导致分析员间差异和合规风险。
## 二、研究内容与意义
在此背景下，研究人员在已发表的40,000个对称高斯峰重叠模拟研究基础上，将分析扩展至与制药QC更相关的实际色谱场景。研究目标有两点：一是系统评估常用规则积分方法——垂直落点法（PDM）、切线撇除法（TSM）、指数撇除法（ESM）和高斯撇除法（GSM）——在选定峰形下的数值准确度；二是量化获得可接受积分结果所需的分析员交互程度，以点击次数和数值参数输入数为量化指标。
研究意义在于填补了现有文献中对复杂峰形（不对称重叠、肩峰、骑峰）跨商业CDS平台系统评估的空白，为制药行业选择积分策略和设计合规工作流提供了实证依据。
## 三、主要技术方法
研究人员采用了模拟与实验互补的两条技术路线。合成色谱图方面，使用高斯模型和广义误差分布II（GED II）模型生成具有不同对称度和峰陡峭度的峰形，同时采用平衡-分散色谱模型（非线性格朗缪尔吸附等温线）模拟过载API峰的洗脱轮廓；所有模拟数据以20 Hz采样频率生成。实验部分以美托洛尔酒石酸盐（Sigma-Aldrich）及六种相关杂质（其中H9/64、H93/82、H177/19、H158/16由AstraZeneca R&D提供）为模型体系，在Agilent 1200 LC–UV系统上进行梯度分离。色谱数据分别在Agilent OpenLab CDS（2.8版）、Waters Empower（3.8.0.2版）和内部独立积分系统（IIS）中处理；IIS采用基于噪声方差估计的自动基线校正和修正sinc滤波极值检测，无外部用户可调参数。分析员交互以点击次数和数值参数输入数两个描述性指标进行量化，所有交互计数均排除了与积分无关的数据导入、报告生成等步骤。
## 四、研究结果
### 4.1 从理想峰重叠到过载API重叠
当API峰和杂质峰均为对称高斯峰、杂质相对面积为0.05%时，所有积分方法均低估杂质面积，其中GSM和PDM误差相对较小。当API峰变为过载不对称峰时，PDM变为高估杂质面积，ESM在撇除类方法中误差最小，而GSM因违背其高斯假设而误差最大。研究还指出，高估和低估的实践后果不等价：高估对患者安全偏保守，但可能导致合格批次被误判；低估则可能掩盖超出阈值的杂质。将杂质相对面积提高至0.25%（对称）和0.35%（不对称过载）后，误差趋势不变但幅度减小。
### 4.2 合成研究
在四个完全基线分离的对称高斯峰（图3A）条件下，所有系统（IIS、OpenLab、Empower）的相对积分误差均在约±1.5%以内，仅需极少参数调整。
对部分重叠的对称峰（图3B），PDM在大峰产生0.3%–2.1%误差，小峰误差为-3.1%至5.2%；GSM未表现出一致优势。在含粉红噪声的重叠峰（图3C，分辨率0.75）条件下，PDM误差仍在约±6.5%以内，但不同CDS所需参数调整不同。
不对称重叠且小峰位于主峰前沿和拖尾的构型（图3D）中，PDM对最小杂质峰（相对面积0.16%）产生超过100%的正误差；ESM将其降至约11%–30%，但增大了前沿小峰的低估幅度。肩峰构型（图3E，肩峰相对面积0.20%和0.99%）下，PDM对肩峰产生3.5%–34.4%误差，ESM导致-25.9%至-66.1%的系统性低估，表明无清晰谷的肩峰构型对积分方法高度敏感。
最严重的误差出现在多骑峰构型（图3F，骑峰相对面积低至0.20%）：PDM在多个峰产生超过+100%乃至+702.5%的极端误差；ESM将部分骑峰误差降至约±3%，但对某些峰仍存在数十至数百个百分点的偏差。总体而言，ESM对骑峰的改善是实质性的但非一致的。
### 4.3 实验数据
在美托洛尔与六种杂质共注射的实验色谱中，杂质3–5部分共洗脱于主峰拖尾。与仅含杂质的参比色谱图相比，PDM在商业CDS上对共洗脱杂质产生+26.1%至+175.1%的正误差；ESM将误差降至-38.8%至+1.8%范围，但未完全消除偏倚。IIS结果同样表明，无外部用户参数的自动化处理本身并不能保证小误差——算法与峰形匹配才是关键。按基线分离的峰2进行归一化后，单个峰的误差有所变化，但整体误差模式未改变。
## 五、讨论与结论
讨论部分指出，积分误差的方向具有不对称的实践后果：高估偏保守，低估则可能造成安全风险；误差的数值大小应与偏倚方向的实际影响严格区分。对于复杂峰形，积分结果不仅取决于算法，还依赖CDS的处理设置和分析员操作；需要更多人工干预的工作流也相应提供了更大的用户依赖性机会。
研究结论如下：在所考察的基线分离和中等重叠对称峰条件下，PDM产生相对较小的积分误差，噪声下仍在±6.5%以内，撇除方法无一致优势；在不对称、肩峰和骑峰构型中，PDM对拖尾主峰上的小杂质峰可产生极大正误差，ESM能显著降低但无法一致消除误差；获得所报告的分析员优化结果在两套商业CDS中需要不同的交互程度，但点击次数和参数输入数仅为描述性指标；没有任何单一规则积分方法在所有选定峰形下提供一致准确的峰面积估算；积分程序的选择应根据实际色谱峰构型进行，并加以受控执行。结论仅适用于所考察的选定模拟和实验条件，不应外推为对商业CDS平台的普遍比较或常规制药QC性能的评估。
