Clasificación de aceites de Cannabis mediante análisis multivariado de datos cromatográficos

IGNACIO CABEZUDO; MÓNICA HOURCADE; PABLO PISANO; SANTIAGO BORTOLATO

San Juan

Congreso; XII Congreso Argentino de Química Analítica; 2023

UNSJ

A medida que aumenta el interés y avanza la regulación por el uso medicinal del Cannabis, se hace evidente la necesidad de establecer métodos de análisis de calidad de las materias primas y/o de los productos intermediarios derivados de Cannabis. Por ello, desde el año 2017 la Facultad de Ciencias Bioquímicas y Farmacéuticas de Rosario (FBioyF-UNR) ofrece a la comunidad el servicio de análisis de aceites de Cannabis1. Este servicio emplea cromatografía gaseosa acoplada a espectrometría de masa (CG-EM) para las determinaciones de cannabinoides. Hasta la fecha se han analizado más de 2500 muestras, en las que se detectaron y caracterizaron algunos cannabinoides específicos. Sin embargo, es probable que el dato registrado contenga información relativa a variables que pueden determinar la calidad final del producto (posibles contaminantes, aditivos, origen o variedad de la planta usada, tipo de extracción del aceite, etc.), que aún permanece oculta. En este trabajo se propone emplear herramientas quimiométricas para procesar datos de aceites de Cannabis provenientes de CG-EM, con el objetivo de realizar una clasificación rigurosa de las muestras recibidas por el servicio, usando para ello toda la información proveniente de cada una de ellas. En el método propuesto las matrices de datos obtenidas con CG-EM se procesan primero con MCR-ALS (resolución multivariada de curvas por cuadrados mínimos alternados)2. Mediante este algoritmo se descompone el dato de cada muestra en dos matrices, que recogen, respectivamente, información relativa a los perfiles cromatográficos y espectrales de los componentes más relevantes de las muestras. De manera complementaria, el algoritmo devuelve una matriz (matriz de scores) que retiene la cantidad de cada componente en cada muestra. Como ventaja adicional, los arreglos matemáticos obtenidos son de menor dimensión, pero de calidad equivalente al dato original, lo que simplifica notablemente su procesamiento. En una etapa posterior, a las matrices de scores de todas las muestras se les realiza un análisis por componentes principales (PCA) con la intención de lograr una clasificación de las muestras según perfiles comunes. De acuerdo a información obtenida oportunamente sobre cada aceite de Cannabis analizado (variedad de la planta, método de extracción, ubicación geográfica de la muestra y tipo de producción), usando el método desarrollado fue posible clasificar las muestras en diferentes grupos que reflejan las diferencias reportadas, ofreciendo así la posibilidad de darle al usuario información complementaria más allá de los cannabinoides específicos de la muestra. Se espera, asimismo, optimizar el método de clasificación desarrollado de manera de poder discriminar, por ejemplo, muestras adulteradas (cuyos principios activos están en concentraciones alteradas) o detectar potenciales contaminantes comunes que se utilicen en la producción, de manera de contribuir al control de calidad del proceso y a la trazabilidad del producto.