表面強化ラマン分光法によるコカイン、MDMA、メタンフェタミン、およびカフェインの混合物における低レベルのフェンタニル濃度の検出

表面強化ラマン分光法（SERS）を利用して、共通の切断剤、コカイン、3,4-メチレンジオキシメタンフェタミン（MDMA）、メタンフェタミン、およびカフェインに混合された低レベルのフェンタニル濃度を測定しました。混合物を0〜339μmのフェンタニル濃度範囲で調製しました。データは、濃度に対して診断ピーク（1026 cm-1）の面積をプロットしてキャリブレーションモデルを生成することにより、最初に分析されました。この方法は、フェンタニル/MDMAサンプル（LOD0.04μm）で成功しましたが、他の混合物では成功しませんでした。その後、化学測定アプローチが採用されました。データは、主成分分析（PCA）、部分最小二乗（PLS1）回帰、および線形判別分析（LDA）を使用して評価されました。LDAモデルを使用して、サンプルを指定された3つの濃度範囲のいずれかに分類しました。低= 0-0.4 mm、中= 0.4-14 mm、または高> 14 mmで、フェンタニル濃度は85％を超える精度で正しく分類されました。このモデルは、一連の「ブラインド」フェンタニル混合物を使用して検証され、これらの未知のサンプルは、精度を超えて正しい濃度範囲に割り当てられました。PLS1モデルは、サンプルの正確な定量的割り当てを提供できませんでしたが、フェンタニルの有無に正確な予測を提供しました。2つのモデルの組み合わせにより、バイナリ混合物におけるフェンタニルの正確な定量的割り当てが可能になりました。この作業は、概念実証を確立し、サンプルサイズが大きいほどより正確なモデルが生成される可能性があることを示しています。それは、SERを使用して、可変性の低濃度のフェンタニルを含むサンプルを正確に定量化できることを示しています。

Surface-enhanced Raman spectroscopy (SERS) was utilized to measure low-level fentanyl concentrations mixed in common cutting agents, cocaine, 3,4-methylenedioxymethamphetamine (MDMA), methamphetamine, and caffeine. Mixtures were prepared with a fentanyl concentration range of 0-339 μM. Data was initially analyzed by plotting the area of a diagnostic peak (1026 cm-1) against concentration to generate a calibration model. This method was successful with fentanyl/MDMA samples (LOD 0.04 μM) but not for the other mixtures. A chemometric approach was then employed. The data was evaluated using principal component analysis (PCA), partial least squares (PLS1) regression, and linear discriminant analysis (LDA). The LDA model was used to classify samples into one of three designated concentration ranges, low = 0-0.4 mM, medium = 0.4-14 mM, or high >14 mM, with fentanyl concentrations correctly classified with greater than 85% accuracy. This model was then validated using a series of "blind" fentanyl mixtures and these unknown samples were assigned to the correct concentration range with an accuracy >95%. The PLS1 model failed to provide accurate quantitative assignments for the samples but did provide an accurate prediction for the presence or absence of fentanyl. The combination of the two models enabled accurate quantitative assignment of fentanyl in binary mixtures. This work establishes a proof of concept, indicating a larger sample size could generate a more accurate model. It demonstrates that samples, containing variable, low concentrations of fentanyl, can be accurately quantified, using SERS.