网络研讨会亮点。量化口服液中的大麻素以确定吸食大麻后的驾驶损伤
使用ACQUITY UPLC I-Class/Xevo TQ-S微型质谱系统对口腔液中的大麻素进行定量的网络研讨会问答
沃特玛法医团队最近赞助了一场网络研讨会,讨论使用口腔液定量分析进行法医毒理学和驾驶损伤的优势。该网络研讨会由加利福尼亚大学临床化学研究员Philip Sobolesky博士主持。
以下是网络研讨会结束时提出的问题的回顾,由于时间不允许,大部分问题没有得到现场回答。
你提出的提取效率是针对HLB板,还是Quantisal设备?校准品和对照品在SPE前是否也作为病人样本在Quantisal设备中被提取?你是否对你的校准物进行了短期或长期的稳定性评估?
我提出的提取效率是针对HLB板的。我做了一些小实验,检查了定量装置中分析物的回收率,我的结果(严格来说是由于装置造成的约30%的损失)与之前公布的数值相符(M. Fabritius, C. Staub, P. Mangin, C. Giroud, Analysis of cannabinoids in oral fluid by liquid chromatography-tandem mass spectrometry, in:Forensic Toxicol., 2013: pp. 151-163. doi:10.1007/s11419-012-0168-z.)。
到目前为止,我们已经证明,在从冷冻库中解冻10次后,校准品和质控品没有明显的影响(>20%的变化)。长期稳定性研究仍在进行中,校准品和质控品的1年稳定性得到验证。
不同品系的大麻含有不同的大麻素特征。这种测试如何避免对高浓度的比如说CBN(一种通过时间热和光降解大麻素的分子)产生偏见?如果说CBN被用作一个指标,人们可以说这不是一个以随时间变化的方式来确定损伤的准确手段。
有人可以说,由于CBN的高降解性,它不是一个好的指标,但我们还没有看到一个病人的CBN水平高于相应的THC浓度。因此,当我们的数据最终确定时,最有可能的是(>x)THC浓度将与损害有关,并可通过存在(y)CBN浓度进一步确认。
此外,在引入食物摄入后,结果是否有所改变?(你提到有一个午休时间。)高血糖水平是否会在准确性和精确性方面造成任何问题?
到目前为止,我们还没有发现午餐后有任何可能表明饮食干扰的异常结果,然而我们也没有在任何时间点测量血糖。所以很难回答你的问题,因为没有进行调查研究,研究葡萄糖对大麻素浓度的干扰。
我看到以前的Waters应用数据,在Quantisal缓冲液中加入乙腈(我想是1毫升)。这似乎有助于提高回收率。对此有什么评论吗?你是如何得到1毫升4%的磷酸的?
我在1mL OF/缓冲液中加入0.4mL 4%的H3PO4,因为之前的验证研究使用了这个量。此外,在磷酸中加入分析物是Oasis Prime SPE的标准做法,所以我没有在这一步进行任何优化。(M. Fabritius, C. Staub, P. Mangin, C. Giroud, Analysis of cannabinoids in oral fluid by liquid chromatography-andem mass spectrometry, in:Forensic Toxicol., 2013: pp. 151-163. doi:10.1007/s11419-012-0168-z.)。
据报道,口腔液中THC-COOH的浓度为皮克/毫升。 这似乎与收集器的缓冲液无关。也就是说,原始的口服液和基于缓冲液的收集器仍然提供非常低的THC-COOH浓度。你同意吗?
我知道文献中有关于口服液中THC-COOH约为15-450皮克/毫升的报道。我知道,在这项研究中,我们无法达到这么低的LOQ,而且也不相信许多实验室能够达到这个LOQ。因此,尽管一些实验室可能能够将定量降低到15皮克/毫升,但这种水平的灵敏度需要额外的处理和操作,导致缺乏实用性。
你能重复一下,除了血液、口腔和呼吸之外,研究中还考察了什么?DRE、iPad分心,还有什么?
正在对口服液中的10种大麻素进行量化,血液中的8种大麻素和呼吸中的四氢大麻素进行量化。参与者通过驾驶模拟器、基于iPad的性能和盲目的警察DRE考试进行评估。服从口头命令的情况也被评估(即在第三个绿灯后,向左转)。
是否评估了液体提取或稀释和拍摄?
没有--但这些样品预处理方法在其他实验室已经尝试过了。 由于商业口服液设备中稳定剂和表面活性剂的存在,稀释和拍摄将不起作用,会导致非常高的离子抑制。当口腔液被收集在商业设备中时,液体提取也不能成功地减少离子抑制。
测得的损伤与血液/唾液中的大麻素水平之间有什么关联?你的研究是否已经研究过这个问题,还是以后才会研究?
这将在本研究结束时进行,一旦我们有120名完成数据的参与者,我们将取消盲目性,然后能够评估所测量的任何大麻素的浓度与损伤有关。
你如何确保你提供给参与者的大麻素浓度的一致性?变化的范围是什么?
这些大麻是由UCSD医疗中心的药剂师卷起来的。统计员告诉药剂师使用哪种类型的大麻(即安慰剂、5.9%或13.4%四氢大麻),然后交给项目协调员,由他把大麻送到病人手中。因此,只有统计员知道哪个参与者得到了什么类型的大麻。不同类型的大麻的卷装量是相同的。
你如何将所有参与者的大麻使用背景纳入研究中?你打算如何解释结果?
我们只招收长期用户(每天)和偶尔用户(每周>3次)进入我们的研究,以减少天真的用户偏差。目前,我不知道我的合作者将如何处理用户背景的差异。
该药物在口腔液样本中的传播情况如何?我们在两个不同的试管中收集了两个不同的样本,其中一个检测为阳性,另一个检测为阴性,你能解释一下吗?
我们没有收集到足够的数据来真正评论药物在口腔液样本中的扩散,但我们看到吸烟后的THC含量从15纳克/毫升->4000纳克/毫升不等。假设你说的是两个不同的设备,那么专有的缓冲器有可能造成了你的偏差。
如果口服液样品中有一种代谢物而没有母体药物,将如何解释?
到目前为止,我们对潜在的样本解释没有任何猜测,但话虽如此,我们还没有出现过口服液中四氢大麻酚阴性而代谢物阳性的样本。因此,要猜测这可能意味着什么,可能是非常罕见的情况。
为什么你认为THCA-A在汉密尔顿注射器上有如此高的保留率?
对于THCA-A在汉密尔顿注射器上的高度保留,我没有一个好的答案。我们选择不调查原因,而是执行一个解决方案(即改用一次性移液器吸头)。
对于汉密尔顿注射器的残留物,你是否尝试过用其他溶剂如氯仿来清洗?
不,我们没有尝试用氯仿或其他非极性有机溶剂清洗。
关于是什么原因导致了(例如)"精力充沛 "与 "坐立不安 "的品系,还有很多未知数。这些因素(例如,萜类化合物)肯定会影响驾驶能力。 你如何控制这种可变性?
解决这个问题是很困难的,因为摄取植物材料需要采用多药联用的方法(即多种因素引起的反应,很难只由一种化合物造成)。然而,大麻的精神活性成分是四氢大麻酚,因此,不管其他促成因素如何,如果四氢大麻酚最终与OF在某种程度上的损害有关,那么我们希望这在不同的植物品系中都能成立。这是一个复杂的问题,但未来对植物品系的分析研究是一个需要更好地规范和控制的课题,以找出潜在的损害作用。
在iPad上评估的是什么类型的任务?
iPad的任务是确定受试者是否有能力选择比其他所有泡泡都大的泡泡。选择正确的气泡所需的时间将被评估。
我们的小组测量急性使用的视网膜功能/视力,但没有能力确定生物制剂。在我们有限的数据集中,我们发现了 "植物 "差异。我们以前对AD和PD的研究表明,片剂神经测试的错误往往反映了视觉功能障碍而不是认知功能。 你们测量众多大麻素的方法和能力将是很重要的。 你是否有办法确定非认知功能?
在评估注意力时,会给受试者一些口头命令,这些命令不会受到视力障碍的影响。这方面的项目是由我在心理学系的合作者监督的,由于我在这一领域的研究经验有限,所以最好向他们提出。
较早的视觉研究(70年代在伯克利)发现峰值和消散曲线与你类似,即在10-15分钟左右达到峰值,1.5小时后消散。这些是对视网膜眩光的功能测试。是否有任何功能测试与这些峰值和消散曲线相匹配?
我对任何功能测试仍然是盲目的,我的合作者对任何实验室数值也是盲目的,直到研究结束。
急性吸食大麻时,听力和视力会出现障碍。Huestis报告了隧道现象--但迄今没有确定的研究。 我们正在发现隧道现象。在今年的ARVO会议上进行了报告。
我对任何功能评估、模拟器和DRE考试结果都是保密的。
那么,如果NIH,在CBD的限制呢?CBD能得到的最大限度是什么?
由于我们从政府那里获得大麻,所以我们能够测试的品种和效力是有限的。我不知道从NIH获得的CBD的最大数量是多少。
你是否考虑过使用时间转移法,然后看一下血液和OF之间的相关性?例如,如果化合物在15分钟后被吸收,就用15分钟的血液与零时口服?
不,我们目前没有考虑对我们的数据进行任何时间转移。数据分析将在研究结束时进行,一旦我们对病人进行分层(即受损与未受损;或安慰剂与低THC与高THC;等等),相关关系就有可能改善。
为什么只有氘化的IS?
氘代内标通常用于大麻素代谢物。13C内标也有可能被使用。
了解更多关于沃特世的技术 forensic toxicology 应用。
热门话题
ACQUITY QDa (17) bioanalysis (11) biologics (14) biopharma (26) biopharmaceutical (36) biotherapeutics (17) case study (17) chromatography (14) data integrity (22) food analysis (12) HPLC (15) LC-MS (22) liquid chromatography (LC) (20) mass detection (16) mass spectrometry (MS) (54) method development (13) STEM (12) sustainability (12)