化学计量学辅助分析多种基质中左旋多巴(LD)与多巴胺(DA)用于帕金森病(PD)及其他神经系统疾病监测的研究进展

《Future Journal of Pharmaceutical Sciences》:Chemometrics in paving the way to analyze levodopa and dopamine in various matrices for monitoring Parkinson’s disease and other neurological disorders

【字体: 大 中 小 】 时间:2026年10月09日 来源:Future Journal of Pharmaceutical Sciences 4.5

编辑推荐:

  背景 左旋多巴(levodopa, LD)和多巴胺(dopamine, DA)对于管理帕金森病(Parkinson’s disease, PD)至关重要,PD是一种可导致严重并发症的神经系统疾病。患者通常需要多种药物和持续监测,以有效管理其症状。开发化学计

  
背景
左旋多巴(levodopa, LD)和多巴胺(dopamine, DA)对于管理帕金森病(Parkinson’s disease, PD)至关重要,PD是一种可导致严重并发症的神经系统疾病。患者通常需要多种药物和持续监测,以有效管理其症状。开发化学计量学辅助的分析方法,用于测定这些治疗药物以及其他联合给药药物,在临床实践和治疗药物监测(therapeutic drug monitoring, TDM)中无疑具有益处。

主体
文献已探讨了分析LD和DA以及伴随药物、主要代谢物和左旋多巴杂质所面临的挑战,这是因为它们具有相似的理化性质,可能导致干扰信号。将化学计量学与多种分析技术相结合,提供了一种快速且具有高度预测性的方法,可在复杂基质中同时测定目标分析物。在应用多元数据分析(multivariate data analysis, MVDA)之前,数据预处理被认为是提高模型预测能力的关键步骤。本综述主要关注已报道的化学计量学分析方法,用于不同基质中左旋多巴和多巴胺的定性或定量测定。所聚焦的三个主要方面是:实施化学计量学模型进行定量测定、实验优化和判别分析。分光光度法(spectrophotometry)、荧光分光光度法(spectrofluorimetry)和伏安法(voltammetry)与化学计量学联用,是分析所研究药物的主要分析技术。

结论
本综述总结了已报道的化学计量学辅助分析技术及其一些相关局限性,旨在指导研究人员提高与化学计量学联用的分析方法的稳健性和预测能力。未来建议开发化学计量学辅助方法,以同时测定左旋多巴和多巴胺以及其他联合给药药物和相关杂质,并应用于多种生物基质,如脑脊液和人血清。
Background
左旋多巴(levodopa, LD)是帕金森病(Parkinson’s disease, PD)的一线治疗药物,作为多巴胺(dopamine, DA)的直接前体和肾上腺素(adrenaline, AD)合成通路的中间代谢物。DA是脑神经回路的重要神经递质,参与激素、心血管、肾脏和神经系统调控,其水平失衡与阿尔茨海默病、PD和精神分裂症等神经系统疾病有关。PD治疗中常需多种药物联用,治疗药物监测(therapeutic drug monitoring, TDM)对个体化治疗和改善结局至关重要。LD可穿越血脑屏障并在脑内转化为DA,测定血浆和脑脊液中的LD水平可能用于评估生物胺跨血脑屏障转运及中枢多巴脱羧酶对LD向DA周转的调节。由于LD、DA及其伴随药物、主要代谢物和杂质理化性质相似,分析时易出现干扰信号;传统单变量分析处理生物基质中多药数据困难。化学计量学可简化数据处理、优化实验设计、消除非线性测量漂移、去除相似仪器信号干扰,并建立分类和定量多元模型。

Advantages of using chemometrics (multivariate data analysis) over traditional univariate approaches
化学计量学或多元数据分析(multivariate data analysis, MVDA)利用数学、统计等方法增强化学数据分析与解释,较单变量方法更适合资源有限实验室,能同时研究多个因素,省时且成本有效。其应用涵盖基因组学、食品组学、代谢组学、肽图、环境监测、分析化学、绿色化学及假药检测。主要目的之一是解决仪器信号严重重叠,替代色谱分离;也用于分子相互作用、判别分析和实验条件优化。模型分监督和非监督:监督模型包括人工神经网络(artificial neural network, ANN)、偏最小二乘(partial least squares, PLS)、主成分回归(principal component regression, PCR)、软独立建模类类比(soft independent modeling of class analogy, SIMCA)、支持向量机(support vector machine, SVM)和遗传算法;非监督模型包括层次聚类分析(hierarchical cluster analysis, HCA)、主成分分析(principal component analysis, PCA)和K-means聚类。应用MVDA前通常需数据预处理,如均值中心化、空白扣除、自动散射识别、PCA分解;伏安法中还常用离散小波变换(discrete wavelet transform, DWT)、Icoshift、相关优化规整(correlation optimized warping, COW)、airPLS、非对称最小二乘样条回归(asymmetric least square spline regression, AsLSSR)和Savitzky–Golay(SG)等。Hindam等开发的化学计量辅助差分脉冲伏安法(differential pulse voltammetric, DPV)分析LD、卡比多巴(carbidopa, CD)和恩他卡朋(entacapone, ENT)时,经airPLS、Icoshift和SG预处理后,LD的预测均方根误差(root-mean-square error of prediction, RMSEP)由6.02 × 10?5降至1.98 × 10?6 M。本综述覆盖2010—2025年,聚焦定量测定、实验条件多变量优化和判别分析。

Main text
Analytical techniques coupled with chemometrics
Spectrophotometric and spectrofluorimetric techniques
Abdel-Ghany等提出多种分光光度法和化学计量模型同时测定LD、CD和ENT,包括比值光谱均值中心化、双除数-比值光谱一阶导数、PLS和PCR;PLS和PCR因利用全谱校准,精度和准确度优于传统分光光度法。动力学分光光度和荧光法利用相似分析物与同一试剂反应速率的差异进行区分和定量,无需物理分离;连续小波变换(continuous wavelet transform, CWT)、交替四线性分解(alternating quadrilinear decomposition, AQLD)、ANN、PLS和PCR等可处理动力学数据。Tarighat等用CWT处理动力学分光光度数据测定DA和尿酸(uric acid, UA),在抗坏血酸(ascorbic acid, AA)存在下用于人血清和尿样。Xie等用AQLD处理四向动力学荧光数据,三阶校正模型可准确测定LD和酪氨酸(tyrosine, Tyr)。Hemmateenejad等基于银硝酸反应颜色数字视频建立动力学曲线,以PLS和主成分-人工神经网络(principal component analysis-artificial neural network, PC-ANN)定量DA;PC-ANN在处理非线性多元校准时优于PLS。Ni等比较多种多元校准方法,发现混合线性分析(hybrid linear analysis, HLA)性能最佳。

Near-infrared, mid-infrared, fourier-transform infrared, and raman spectroscopy
非侵入或无损分析技术结合化学计量学更稳健。Biancolillo等用三种多块方法处理近红外(near-infrared, NIR)和中红外(mid-infrared, MIR)数据,序列与正交化偏最小二乘(Sequential and Orthogonalized Partial Least Squares, SO-PLS)对消旋混合物中的LD预测最有效,因去除预测块间冗余信息。Shi等测试三种表面增强拉曼光谱校准模型,PLS对DA回收率低,即使采用标准正态变量、扩展反向信号校正或乘性信号校正预处理,仍受增强底物物理性质变化影响。Nguyen等将衰减全反射-傅里叶变换红外(Attenuated Total Reflectance–Fourier-Transform Infrared, ATR-FTIR)与两阶段hurdle模型结合,用于三种上市制剂中LD、CD和苄丝肼(benserazide, Benz)的分类和回归,弥补既往ATR-FTIR多用于二元混合物且未解决复杂基质实际实施的不足。

Voltammetric techniques
在镁离子(Mg2+)、UA、AA、AD、去甲肾上腺素(noradrenaline, NA)和5-羟色胺(5-HT)等内源性物质存在下测定DA具有挑战性,因电化学响应相似导致信号重叠。Yin等提出Tchebichef曲线矩(Tchebichef curve moment, TcM)、多元曲线分辨-交替最小二乘(multivariate curve resolution-alternating least squares, MCR-ALS)和PLS三种模型同时测定DA、AD、NA和5-HT;TcM因提取不变特征和强多分辨率能力而优于其他模型。Bonet-San-Emeterio等用循环伏安法(cyclic voltammetry, CV)和ANN同时测定DA、AA、5-HT和UA。多药联用方面,Mohammadi等比较MCR-ALS和平行因子分析2(Parallel factor analysis 2, PARAFAC2),MCR-ALS因处理非线性和电位漂移能力更强,RMSEP和相对预测误差更低;Jalili等比较五种模型测定LD、CD和Benz,MCR-ALS精度最高;Jalalvand等提出的展开偏最小二乘/残差三线性化(unfolded-partial least squares/residual trilinearization, U-PLS/RTL)在多向偏最小二乘/残差三线性化(multi-way-partial least squares/residual trilinearization, N-PLS/RTL)之外,对十个目标分析物和三个未预期干扰的伏安数据预测更优。

Analytical methods combining electrochemical and spectroscopic: Spectroelectrochemical techniques
光谱电化学结合电化学和光谱检测,一次分析可产生两套独立数据,具自验证特点,并通过多变量统计工具分析电极过程。Olmo等开发导数光谱电化学方法,用PARAFAC分析DA、UA和AA混合物;薄膜扩散较半无限扩散灵敏度更高,吸光度高36%,DA的相对误差和相对标准偏差分别为9.00%和4.10%。Garoz-Ruiz等用PARAFAC解析DA与邻苯二酚(pyrocatechol, PYR)以及DA与AD的复杂混合物,校准曲线具高R2和低残差标准差,显示强预测能力。

Chromatographic techniques
色谱中共洗脱和峰重叠常见,复杂生物样品尤为突出。PARAFAC和MCR常用于处理共洗脱。Li等采用交替三线性分解(alternating trilinear decomposition, ATLD)增强PARAFAC,解决基质干扰与LD、CD和甲基多巴(methyldopa, MD)色谱峰重叠,以及分析物光谱高度相似导致的共线性问题;通过选择各分析物保留时间域,成功用于人血浆中LD、CD和MD的定量,RMSEP低且回收率优良。

Optimizing experimental conditions by utilizing chemometric tools
实验设计(design of experiments, DOE)应用数学和统计知识优化研究系统,可控制变量、减少实验次数,节省成本、精力与时间。常用Doehlert矩阵设计、Box–Behnken设计、中心复合设计;若主要目标是确定关键变量,也可用部分因子、全因子或Plackett–Burman设计。Santos等用Doehlert矩阵设计优化电极修饰剂,考察活性炭质量、金纳米颗粒(AuNPs)胶体溶液体积和环氧氯丙烷交联壳聚糖溶液体积,所得电极用于生物和环境样品中LD定量。基于质量源于设计(Quality by Design, QbD)的方法也用于分离治疗药物与杂质:Subramanian等用部分因子设计建立稳定性指示高效液相色谱(high-performance liquid chromatography, HPLC)方法,分离LD、CD与潜在杂质;Roiffe等用Doehlert矩阵设计优化高分辨质谱的电喷雾变量,检测尿中儿茶酚胺及代谢物;Mi?kus等通过HCA比较提取技术,确定分散液液微萃取最有效;Vemic等用Derringer期望函数和Box–Behnken设计优化HPLC梯度,同时测定LD、CD、ENT及六种相关杂质。

Discriminant analysis
电子舌、电子鼻等差分传感技术通过多种受体或传感器响应模式识别分析物,阵列策略可扩展响应空间并同时检测复杂混合物中相似分析物。Hassani-Marand等用聚集AuNPs构建比色传感器阵列,以线性判别分析(linear discriminant analysis, LDA)分类LD、DA、AD和NA,并以PLS定量,加标尿样中LD和DA的RMSEP分别为1.33和0.27。Kossakowska等构建双模式电子舌,基于分析物与四种化学传感微球作用,用非监督PCA处理光谱,成功区分包括LD和DA在内的五种L-酪氨酸衍生物。Judycka等用遗传算法-多元线性回归(genetic algorithm-multiple linear regression, GA-MLR)建立三个定量性质-保留关系(Quantitative Property-Retention Relationship, QPRR)模型,关联四十种两性化合物(包括LD)的光谱/理化特征与保留时间,并通过验证。

Chemometrics toward greenness and analytical sustainability
化学计量学与简单、快速、低成本的光谱和电分析技术联用可促进绿色分析,减少危险试剂并避免预分离;光谱电化学因一次运行产生两组数据而具可持续性优势。Nguyen等用分析绿色度度量方法(analytical greenness metric approach, AGREE)评估ATR-FTIR联用化学计量学,得分高于色谱法(0.75对0.57);Hindam等的伏安法Eco-scale得分也高于色谱法(90对77)。绿色度和白度还涵盖操作简单性、时间效率、成本、样品消耗和总体分析性能。综述中多数方法采用绿色溶剂或缓冲液,如双蒸水、去离子水和磷酸盐缓冲液;Santos等所用环氧氯丙烷具危害性,而壳聚糖较环保;Grünhut等使用多酚氧化酶作温和生物催化剂;Mi?kus等用胶束电动色谱和分散液液微萃取减少有机溶剂;Zapata等使用高氯酸存在环境与安全风险;Miri等以N-溴代琥珀酰亚胺替代银纳米颗粒蚀刻,降低细胞毒性和生物累积风险。

Limitations and future insights for reported chemometric-assisted analytical techniques
开发化学计量辅助方法需统计和数学技能;为避免高估,应优化训练集大小,纳入干扰物和生理变异,并优先采用外部验证。部分光谱和荧光技术灵敏度及动态线性范围有限,可能难以检测生物流体中痕量分析物。体内伏安法受生物基质变异、内源性干扰、离子强度和pH变化影响,长期测量还可能因生物污损导致电极响应变异,且需在不同脑区和PD等疾病模型中更广泛验证,并增加脑脊液研究。减少生物污损的策略包括自清洁表面、保护涂层和生物相容材料;深度学习、机器学习如SVM、卷积神经网络(convolutional neural networks, CNN)和ANN有助于处理非线性数据、降维、特征选择并减少过拟合。该领域还需开源基准数据集和明确验证规则,以公平比较模型性能。

Conclusion
化学计量学进展推动了阵列和电子传感器发展,提高复杂化学与生物数据分析的准确度、灵敏度和效率,并有望改善治疗药物检测和疾病进展监测。未来需开发稳健方法,同时测定LD、DA及联合给药药物和相关杂质,尤其针对PD常伴精神病、糖尿病、高脂血症和风湿病等合并症的情况。先进化学计量工具可支持个体化治疗、减少不良药物相互作用并改善结局,为神经退行性疾病及相关领域的精准医学提供基础。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号