Clasificación de aceites de Cannabis mediante análisis multivariado de datos cromatográficos

CABEZUDO, IGNACIO; PISANO, PABLO; BORTOLATO, SANTIAGO; HOURCADE, MÓNICA

Congreso; XII Congreso Argentino de Química Analítica; 2023

A medida que aumenta el interés y avanza la regulaciónpor el uso medicinal del Cannabis, se hace evidente la necesidad de mejorar losmétodos de análisis de calidad de las materias primas, productos intermediariosy finales derivados de Cannabis. Por ello, desde el año 2017 la Facultad deCiencias Bioquímicas y Farmacéuticas de Rosario (FBioyF-UNR) ofrece a lacomunidad el servicio de análisis de aceites de Cannabis1. Esteservicio emplea cromatografía gaseosa acoplada a espectrometría de masa (CG-EM)para las determinaciones de cannabinoides. Hasta la fecha se han analizado másde 2500 muestras, en las que se detectaron y caracterizaron algunos cannabinoidesespecíficos. Sin embargo, es probable que el dato registrado contenga informaciónrelativa a variables que pueden determinar la calidad final del producto (posiblescontaminantes, aditivos, origen o variedad de la planta usada, tipo deextracción del aceite, etc.), que aún permanece oculta. En este trabajo se propone emplear herramientas quimiométricas paraprocesar datos de aceites de Cannabis provenientes deCG-EM, con el objetivo de realizar una clasificación rigurosa de las muestrasrecibidas por el servicio, usando para ello toda la información proveniente decada una de ellas. En el método propuesto las matricesde datos obtenidas con CG-EM se procesan primero con MCR-ALS (resolución multivariadade curvas por cuadrados mínimos alternados)2. Mediante estealgoritmo se descompone el dato de cada muestra en dos matrices, que recogen,respectivamente, información relativa a los perfiles cromatográficos yespectrales de los componentes más relevantes de las muestras. De maneracomplementaria, el algoritmo devuelve una matriz (matriz de scores) que retiene la cantidad de cadacomponente en cada muestra. Como ventaja adicional, los arreglos matemáticosobtenidos son de menor dimensión, pero de calidad equivalente al dato original,lo que simplifica notablemente su procesamiento. En una etapa posterior, a lasmatrices de scores de todas lasmuestras se les realiza un análisis por componentes principales (PCA) con laintención de lograr una clasificación de las muestras según perfiles comunes. De acuerdo a información obtenidaoportunamente sobre cada aceite de Cannabis analizado (variedad de laplanta, método de extracción, ubicación geográfica de la muestra y tipo deproducción), usando el método desarrollado fue posible clasificar las muestrasen diferentes grupos que reflejan las diferencias reportadas, ofreciendo así laposibilidad de darle al usuario información complementaria más allá de loscannabinoides específicos de la muestra. Se espera, asimismo, optimizar el método declasificación desarrollado de manera de poder discriminar, por ejemplo,muestras adulteradas (cuyos principios activos están en concentracionesalteradas) o detectar potenciales contaminantes comunes que se utilicen en laproducción, de manera de contribuir al control de calidad del proceso y a latrazabilidad del producto.