Мультисенсорный цветометрический анализ препаратов дидрогестерона, троксерутина и адеметионина с использованием штрих-кодов

Обложка
  • Авторы: Моногарова О.В.1, Чапленко А.А.2, Осколок К.В.1
  • Учреждения:
    1. Федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный университет имени М.В. Ломоносова»
    2. Федеральное государственное автономное образовательное учреждение высшего образования Первый Московский государственный медицинский университет имени И.М. Сеченова Министерства здравоохранения Российской Федерации (Сеченовский Университет)
  • Выпуск: Том 9, № 1 (2021)
  • Страницы: 64-72
  • Раздел: Статьи
  • URL: https://journal-vniispk.ru/2307-9266/article/view/111670
  • DOI: https://doi.org/10.19163/2307-9266-2021-9-1-64-72
  • ID: 111670

Цитировать

Полный текст

Аннотация

Цель. Разработка универсального экспрессного и доступного способа определения дидрогестерона, троксерутина и адеметионина в лекарственных препаратах методом мультисенсорной цифровой цветометрии с использованием уникального двумерного кода. Разработанный подход может быть применен для быстрого выявления фальсификатов лекарственных средств на предварительном этапе анализа (до использования более дорогого специализированного оборудования).

Материалы и методы. Для реализации предложенного подхода использованы субстанции дидрогестерона («Эбботт Биолоджикалз Б.В.», Нидерланды), троксерутина (АО «Интерфарма», Прага, Чехия), адеметионина (ООО «Фармамед», Москва, Россия), капсулы троксерутина 300 мг (ООО «Пранафарм», Самара, Россия), лиофилизат для приготовления раствора для внутривенного и внутримышечного введения «Гептрал»® (адеметионин) 400 мг («Эбботт Лэбораториз», ГмБХ, Германия), таблетки «Дюфастон»® (дидрогестерон) 10 мг («Эбботт Хелскеа Продактс Б.В.», Нидерланды). Метод мультисенсорной цветометрии реализован с использованием следующего набора из 8 сенсоров (C1–C8): интактный раствор – 96% (v/v) водный раствор этанола – C1; 1 мМ спиртовой раствор антрахинонового зеленого (CAS#4403-90-1) – C2; 0,2% водный раствор 3-метилбензотиазолинон-гидразона (CAS#1128-67-2) – C3; 0,2% водный раствор метилоранжа (CAS#547-58-0) – C4; 1 мМ спиртовой раствор сульфородамина B (CAS#3520-42-1) – C5; 1 мМ спиртовой раствор 1-гидроксипирена (CAS#5315-79-7) – C6; 1 мМ спиртовой раствор красного очаровательного AC (CAS# 25956-17-6) – C7; 1 мМ водный раствор железа (III) хлорида – C8. В качестве основы для чипа использовали прозрачные планшеты из полипропилена с плоским дном на 96 ячеек, объем ячейки – 350 мкл (Thermo Fischer Scientific, США, кат. № 430341). Для получения растровых изображений применяли офисный планшетный сканер Epson Perfection 1670 (CCD-матрица) со съемной крышкой. Полученные цифровые изображения ячеек обрабатывали в программе ImageJ (Wayne Rasband, National Institutes of Health, USA; http://imagej.nih.gov/ij) с использованием цветовой модели RGB 24 бит (8 бит на канал).

Результаты. Адекватность разработанного подхода подтверждена при анализе вышеперечисленных лекарственных препаратов. Показано, что полученные результаты не имеют статистически значимых отличий от величин, определённых спектрофотометрическим методом.

Заключение. Показана возможность использования мультисенсорной цифровой цветометрии для фармацевтического анализа. Разработанные способы определения действующих веществ могут служить хорошим дополнением к более дорогостоящим традиционным методам.

Об авторах

Оксана Викторовна Моногарова

Федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный университет имени М.В. Ломоносова»

Автор, ответственный за переписку.
Email: o_monogarova@mail.ru
ORCID iD: 0000-0002-5790-1462

кандидат химических наук, доцент, доцент кафедры аналитической химии химического факультета

Россия, 119991, Москва, Ленинские горы, д. 1, стр. 3, гсп-1

Александр Андреевич Чапленко

Федеральное государственное автономное образовательное учреждение высшего образования Первый Московский государственный медицинский университет имени И.М. Сеченова Министерства здравоохранения Российской Федерации (Сеченовский Университет)

Email: a.a.chaplenko@yandex.ru
ORCID iD: 0000-0003-1176-4658

кандидат фармацевтических наук, доцент

Россия, 119435, Москва, ул. Большая Пироговская, д. 2, стр. 4

Кирилл Владимирович Осколок

Федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный университет имени М.В. Ломоносова»

Email: k_oskolok@mail.ru
ORCID iD: 0000-0002-7785-4835

кандидат химических наук, доцент, доцент кафедры аналитической химии химического факультета

Россия, 119991, Москва, Ленинские горы, д. 1, стр. 3, гсп-1

Список литературы

  1. Апяри В.В., Горбунова М.В., Исаченко А.И., Дмитриенко С.Г., Золотов Ю.А. Использование бытовых цветорегистрирующих устройств в количественном химическом анализе // Журнал аналитической химии. – 2017. – Т. 72, № 11. – С. 963–977. doi: 10.7868/S0044450217110019
  2. Иванов В.М., Моногарова О.В., Осколок К.В. Возможности и перспективы развития цветометрического метода в аналитической химии // Журнал аналитической химии. – 2015. – Т. 70, № 10. – С. 1011–1025. doi: 10.7868/S0044450215100114
  3. Моногарова О.В., Осколок К.В., Апяри В.В. Цветометрия в химическом анализе // Журнал аналитической химии. – 2018. – Т. 73, № 11. – С. 857–867. doi: 10.1134/S0044450218110063
  4. Химченко С.В., Экспериандова Л.П. Цветометрия в инструментальном и визуальном тест-анализе. Lambert Academic Publishing. – 2014. – 220 с.
  5. Шульц Э.В., Моногарова О.В., Осколок К.В. Цифровая цветометрия: аналитические возможности и перспективы использования // Вестник Московского университета. Серия 2: Химия. – 2019. – Т. 60, № 2. – С. 79–87.
  6. Черноусова О.В., Рудаков О.Б. Цифровые изображения в аналитической химии для количественного и качественного анализа // Химия, физика и механика материалов. – 2019. – Т. 21, № 2. – С. 55–125.
  7. Погоцкая А.А., Бузук Г.Н. Применение сканера и компьютерных программ цифровой обработки изображений для количественного определения алкалоидов в листьях маклеи сердцевидной // Вестник фармации. – 2009. – Т. 46, № 4. – С. 32–38.
  8. Ершик О.А., Бузук Г.Н. Применение сканера и компьютерных программ цифровой обработки изображений для количественного определения фенольных соединений корневищ с корнями сабельника болотного // Вестник фармации. – 2008. – Т. 42, № 4. – С. 6–12.
  9. Иванкова М.Н., Бузук Г.Н. Цветометрический метод определения состава порошков из лекарственного растительного сырья // Вестник фармации. – 2010. – Т. 50, № 4. – С. 22–28.
  10. Вернигорова М.Н., Бузук Г.Н. Цветометрическая методика определения компонентного состава порошков травы череды трехраздельной (Bidens Tripartita L.) // Вестник фармации. – 2013. – Т. 62, № 4. – С. 28–33.
  11. Бузук Г.Н., Кузьмичева Н.А. Цветометрический и денситометрический методы анализа в стандартизации таблеток «Аскорутин» и «Рутаскорбин» // Вестник фармации. – 2011. – Т. 53, № 3. – С. 12–18.
  12. Рудакова Л.В., Васильева А.П., Шведов Г.И., Поплавская Е.В. Цифровые технологии для определения цветности и белизны лекарственных средств // Фармацевтические технологии и упаковка. – 2012. – Т. 215, № 2. – С. 38–40.
  13. Choodum A., Daeid N.N. Rapid and semi-quantitative presumptive tests for opiate drugs // Talanta. – 2011. – Vol. 86. – P. 284–292. doi: 10.1016/j.talanta.2011.09.015
  14. Choodum A., Parabun K., Daeid N.N., Kanatharana P., Wongniramaikul W. Real time quantitative colourimetric test for methamphetamine detection using digital and mobile phone technology // Forensic Science International. – 2014. – Vol. 235. – P. 8–13. doi: 10.1016/j.forsciint.2013.11.018
  15. Oskolok K.V., Shults E.V., Monogarova O.V., Chaplenko A.A. Optical molecular analysis using office flatbed photo scanner: new approaches and solutions // Talanta. 2018. – Vol. 178. – P. 377–383. doi: 10.1016/j.talanta.2017.09.049
  16. Осколок К.В., Шульц Э.В., Моногарова О.В., Чапленко А.А. Оптический молекулярный анализ фармацевтических препаратов с использованием офисного планшетного сканера: цветометрия и фотометрия // Вопросы биологической, медицинской и фармацевтической химии. – 2017. – Т. 20, № 8. – С. 22–27.
  17. Monogarova O.V., Chaplenko A.A., Oskolok K.V. Multisensory digital colorimetry to identify and determination of active substances in drugs // Sensors and Actuators, B: Chemical. – 2019. – Vol. 299 (in press). doi: 10.1016/j.snb.2019.126909
  18. Ушаков Е.Н., Алфимов М.В., Громов С.П. Принципы дизайна оптических молекулярных сенсоров и фотоуправляемых рецепторов на основе краун-эфиров // Успехи химии. – 2008. – Т. 77, № 1. – С. 39-59.
  19. Kangas M.J., Ernest A., Lukowicz R.M., Mora A.V., Quossi A., Perez M., Kyes N., Holmes A.E. The identification of seven chemical warfare mimics using a colorimetric array // Sensors. – 2018. – Vol. 18, № 4291. – P. 1–8. doi: 10.3390/s18124291
  20. Kangas M.J., Wilson K.L., Burks L.M., Atwater J., Lukowicz R.M., Garver B., Mayer M., Havenridge S., Holmes A.E. An improved comparison of chemometric analysis for the identification of acids and bases with colorimetric sensor arrays // International Journal of Chemistry. – 2018. – Vol. 10. – P. 36–55. doi: 10.5539/ijc.v10n2p36
  21. Kangas M.J., Burks R.M., Atwater J., Lukowicz R.M., Garver B., Holmes A.E. Comparative chemometric analysis for classification of acids and bases via a colorimetric sensor array // Journal of Chemometrics. – 2017. – P. e2961. doi: 10.1002/cem.2961
  22. Zhang C., Bailey D.P., Suslick K.S. Colorimetric sensor arrays for the analysis of beers: A feasibility study // Journal of Agricultural and Food Chemistry. – 2006. – Vol. 54, № 14. – P. 4925–4931. doi: 10.1021/jf060110a
  23. Zhang C., Suslick K.S. A colorimetric sensor array for organics in water // Journal of the American Chemical Society. – 2005. – Vol. 127, № 33. – P. 11548–11549. doi: 10.1021/ja052606z
  24. Palacios M.A., Wang Z., Montes V.A., Zyryanov G.V., Anzenbacher P.Jr. Rational design of a minimal size sensor array for metal ion detection // Journal of the American Chemical Society. – 2008. – Vol. 130, № 31. – P. 10307–10314. doi: 10.1021/ja802377k
  25. Feng L., Musto C.J., Kemling J.W., Lim S.H., Zhong W., Suslick K.S. Colorimetric sensor array for determination and identification of toxic industrial chemicals // Analytical Chemistry. – 2010. – Vol. 82, № 22. – P. 9433–9440. doi: 10.1021/ac1020886
  26. Lin H., Suslick K.S. A colorimetric sensor array for detection of triacetone triperoxide vapor // Journal of the American Chemical Society. – 2010. – Vol. 132, № 44. – P. 15519–15521. doi: 10.1021/ja107419t
  27. Carey J.R., Suslick K.S., Hulkower K.I., Imlay J.A., Imlay K.R.C., Ingison C.K., Ponder J.B., Sen A., Wittrig A.E. Rapid identification of bacteria with a disposable colorimetric sensing array // Journal of the American Chemical Society. – 2011. – Vol. 133, № 19. – P. 7571–7576. doi: 10.1021/ja201634d
  28. Suslick B.A., Feng L., Suslick K.S. Discrimination of complex mixtures by a colorimetric sensor array: coffee aromas // Analytical Chemistry. – 2010. – Vol. 82, № 5. – P. 2067–2073. doi: 10.1021/ac902823w
  29. Goodey A. Development of multianalyte sensor arrays composed of chemically derivatized polymeric microspheres localized in micromachined cavities // Journal of the American Chemical Society. – 2001. – Vol. 123, № 11. – P. 2559–2570. doi: 10.1021/ja003341l
  30. Моногарова О.В., Чапленко А.А., Осколок К.В. Идентификация и определение левомицетина в лекарственных препаратах методом мультисенсорной цифровой цветометрии // Вестник Московского университета. Серия 2: Химия. – 2020. – Т. 61, № 1.
  31. Johnke H. Detecting concentration of analytes with DETECHIP: a molecular sensing array // Journal of Sensor Technology. – 2013. – Vol. 3, № 3. – P. 94–99. doi: 10.4236/jst.2013.3301
  32. Smith A. Improved image analysis of DETECHIP® allows for increased specificity in drug discrimination // Journal of Forensic Research. – 2012. – Vol. 3, № 8. – P. 161–164. doi: 10.4172/2157-7145.1000161
  33. Okuom M.O., Holmes A.E. Developing a color-based molecular sensing device: DETECHIP® // Sensors & Transducers. – 2014. – Vol. 183, № 12. – P. 30–33.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рисунок 1 – Структурные формулы дидрогестерона (а), троксерутина (б), адеметионина (в)

Скачать (61KB)
3. Рисунок 2 – Зависимость первой главной компоненты от концентрации дидрогестерона (а), троксерутина (б), адеметионина (в) в градуировочных растворах

Скачать (72KB)
4. Таблица 2. Рис. 1

Скачать (11KB)
5. Таблица 2. Рис. 2

Скачать (10KB)
6. Таблица 2. Рис. 3

Скачать (11KB)
7. Таблица 2. Рис. 4

Скачать (12KB)
8. Таблица 2. Рис. 5

Скачать (11KB)
9. Таблица 2. Рис. 6

10. Таблица 2. Рис. 7

Скачать (11KB)
11. Таблица 2. Рис. 8

12. Таблица 2. Рис. 9

Скачать (10KB)
13. Таблица 2. Рис. 10

14. Таблица 2. Рис. 11

Скачать (10KB)
15. Таблица 2. Рис. 12

Скачать (10KB)
16. Таблица 2. Рис. 13

Скачать (10KB)
17. Таблица 2. Рис. 14

18. Таблица 2. Рис. 15


© Моногарова О.В., Чапленко А.А., Осколок К.В., 2021

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.
 

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».