膳食补充剂监管的新时代：用于控制减肥产品中四种膳食成分质量的可持续化学计量方法

《Journal of Food Composition and Analysis》：A New Era in Dietary Supplement Regulation: Sustainable Chemometric Approach for Quality Control of Four Dietary Ingredients in Slimming Preparations

　　FDA 2024年重组设立OFCSDSI监管膳食补充剂，本研究采用UV-Vis光谱结合化学计量学模型（PLS-1、GA-PLS、GA-ANN）实现2-PEA、CAF、HOR、SYN四成分同步定量分析，GA模型因无需预分离且分辨率高被证实为更优方案。

　　随着全球对健康和体重管理的关注日益增加，膳食补充剂（DS）市场经历了显著的增长。特别是在美国，这一市场已经成为一个价值约600亿美元的庞大体系，且有超过75%的人口，包括80%的老年人，表示他们在2023年有规律地使用膳食补充剂。然而，尽管这些产品被认为具有一定的健康益处，它们也可能对身体产生显著的影响，包括与药物相互作用、干扰实验室检测、或引发不良反应，甚至可能导致严重的健康后果，如肝损伤和心血管问题。此外，一些研究指出，由草药引起的肝损伤导致的肝衰竭比由药物引起的肝损伤更为常见。

2024年底，美国食品药品监督管理局（FDA）启动了现代历史上规模最大的一次重组。这次改革的目的是为了提高对膳食补充剂行业的监管力度，并建立了一个新的机构——食品化学安全、膳食补充剂与创新办公室（OFCSDSI）。该机构的设立反映了对膳食补充剂市场进行更严格监管的迫切需求。此前，膳食补充剂的监管依据是1994年通过的《膳食补充剂健康与教育法案》（DSHEA），该法案虽然定义了膳食补充剂，但同时也限制了FDA的监管权力。在DSHEA下，FDA无法在产品上市前对其安全性、有效性或标签内容进行审批，因此其监管工作主要集中在产品进入市场后，针对被污染或标签不实的产品进行处理。

为了改善膳食补充剂的监管体系，FDA采取了一系列措施。其中，2015年设立的“膳食补充剂项目办公室”（ODSP）是重要的一环，旨在为膳食补充剂提供专门的监管框架。在2024年的重组中，ODSP被整合进新成立的OFCSDSI，这一超级机构旨在分配更多资源，并采用现代化的监管工具，以加强对膳食补充剂市场的监督。此外，FDA还重新调整了其现场操作部门，并将其更名为“检查与调查办公室”，强调了对产品检查、调查和进口监督的重要性。这些改革标志着FDA在加强监管执行和保障公众健康方面的重要战略转变。

在膳食补充剂的质量控制方面，多种分析技术被广泛应用，包括色谱法、荧光光谱法和电化学方法。其中，紫外-可见（UV-Vis）光谱法因其成本低廉、操作简便和稳定性强，成为许多质量控制实验室的首选。然而，UV-Vis光谱法在分析复杂混合物时存在局限性，尤其是在目标化合物具有重叠吸收光谱的情况下。为了克服这一问题，传统的单变量方法如数学运算、导数光谱法和信号处理技术被用来解析光谱重叠。尽管这些方法在一定程度上提高了分析的准确性，但它们仍然存在一定的局限性，特别是在处理含有多种添加剂的复杂配方时。

近年来，多变量回归和实验设计方法在分析化学中得到了广泛应用。这些方法不同于传统的单变量校准，后者通常分析一个变量（如波长）的变化，而多变量校准则利用整个光谱来同时量化多个化合物。这种方法在分析具有高度重叠光谱的多组分混合物方面展现出独特的优势，通常可以达到与传统色谱法相当的分析效果。化学计量学方法通过数学和统计工具来提取关键信息，提高光谱数据的质量，并能够在不进行繁琐的预处理或分离步骤的情况下实现快速分析。这些方法包括多变量回归技术，如偏最小二乘法（PLS），以及先进的机器学习技术，如人工神经网络（ANN）和支持向量机（SVM）。为了优化这些方法，变量选择通常作为预处理步骤，以提高数据质量并增强化学计量学算法的预测性能。遗传算法（GA）是变量选择中的一种常用方法，它基于“适者生存”的原理，选择对构建化学计量学模型最具意义的波长，从而提高预测准确性并减少数据维度。

在这一背景下，化学计量学方法逐渐成为一种替代色谱法的可行手段。特别是在处理复杂配方时，化学计量学方法能够有效解析光谱重叠，提高分析的准确性和选择性。随着FDA对膳食补充剂行业监管的加强，开发简单、快速且经过验证的分析方法变得尤为重要。这些方法不仅能够提高产品质量控制的效率，还能够确保产品符合最新的监管标准。

本研究旨在开发一种基于UV-Vis光谱和化学计量学方法的快速分析技术，用于同时测定膳食补充剂中的2-苯乙胺（2-PEA）、咖啡因（CAF）、p-胡椒碱（HOR）和p-合成麻黄碱（SYN）。这些化合物在膳食补充剂中常见，尤其是那些宣称具有减肥和增强运动表现的产品。它们的分子结构与天然神经递质肾上腺素相似，能够模拟其在体内的作用，促进脂肪分解和热量产生。此外，咖啡因作为另一种天然生物碱，广泛存在于多种植物来源中，如咖啡豆、茶树和巴西坚果。

当这些化合物与咖啡因结合时，它们能够协同作用，作为促热脂肪燃烧剂、能量增强剂和食欲抑制剂，从而产生即时的体重减轻效果。其中，p-合成麻黄碱（SYN）在FDA禁止使用麻黄碱类化合物后获得了更高的关注，因其相较于麻黄碱类化合物具有较弱的交感神经作用。此外，2-PEA还被用于补充剂中，作为情绪增强剂，以缓解由肾上腺素类物质引起的紧张和困惑。而p-胡椒碱（HOR）则通常作为认知增强剂被添加。因此，这些化合物不仅被用于减肥和运动增强，还被滥用为运动表现提升剂或娱乐性物质，常被称为“聚会药片”。

由于这些化合物的分子结构简单，容易进行修饰，因此产生了许多具有疑问效果和安全性的PEA衍生物。虽然许多PEA来源于天然植物，但它们在膳食补充剂中的浓度常常超过推荐的安全水平，并且显著高于自然存在的含量。这些合成衍生物的添加使得产品无法被视为真正的膳食成分，并引发了安全方面的担忧。这些肾上腺素类刺激剂与咖啡因或其他肾上腺素类物质结合时，可能进一步加剧心血管副作用。此外，它们还能抑制细胞色素P450酶的活性，从而干扰与之同时服用药物的代谢过程。

为了应对这些监管和安全挑战，本研究引入了化学计量学方法作为膳食补充剂质量控制的一种可行替代方案。通过将UV-Vis光谱法与偏最小二乘法（PLS-1）、遗传算法与偏最小二乘法（GA-PLS）以及遗传算法与人工神经网络（GA-ANN）相结合，构建了三种多变量校准模型。这些模型用于同时测定2-PEA、CAF、SYN和HOR在复杂配方中的含量。通过评估这些模型的预测性能，比较它们在不同条件下的有效性，从而确定最佳的分析方法。

研究结果表明，基于遗传算法的模型（GA-PLS和GA-ANN）在解析光谱重叠方面表现出明显的优势，其预测误差（RMSEP和RMSECV）较低，并且所需的潜在变量较少。此外，这些模型在处理含有多种添加剂的复杂配方时仍能保持良好的性能。这些发现不仅展示了化学计量学方法在膳食补充剂质量控制中的应用潜力，还表明它们可以作为一种环保的替代方案，减少对传统色谱法的依赖，同时提高分析的效率和准确性。

在实际应用中，化学计量学方法能够有效克服光谱重叠带来的分析难题。通过使用遗传算法进行变量选择，可以提高模型的预测能力，同时减少不必要的数据维度。这种方法不仅适用于实验室研究，也适用于日常的质量控制工作。由于其操作简便、成本低廉，化学计量学方法在食品和药品分析领域具有广泛的应用前景。此外，随着监管机构对膳食补充剂行业要求的提高，化学计量学方法的引入将有助于提高分析的准确性和选择性，从而确保产品的安全性。

本研究还探讨了膳食补充剂中这些化合物的天然来源和存在情况。这些化合物在多种植物中被发现，如2-PEA主要来源于胡桐叶，而p-合成麻黄碱和p-胡椒碱则来源于柑橘属植物。这些天然来源的复杂性使得在分析过程中需要考虑多种植物化学物质的共提取，包括黄酮类、多酚类和精油类物质。这些物质可能对分析结果产生干扰，因此需要开发具有高选择性和抗干扰能力的化学计量学方法。

通过使用先进的化学计量学模型，本研究成功地在不进行预分离的情况下，对2-PEA、CAF、SYN和HOR进行了同时测定。这些模型不仅提高了分析的准确性，还缩短了分析时间，降低了操作复杂度。此外，化学计量学方法能够处理复杂矩阵中的多种干扰物质，确保分析结果的可靠性。这些方法的应用不仅有助于提高膳食补充剂的质量控制水平，还能够满足FDA新监管框架下的要求。

在研究过程中，我们使用了Shimadzu?双光束1601紫外-可见分光光度计，该仪器连接到一台配备UV-PC个人光谱软件版本3.7的计算机上。光谱信号被导出到MATLAB? 7.0.1软件中，并使用PLS、GA和ANN工具箱进行处理。这些工具箱实现了构建和测试化学计量学模型所需的算法。此外，我们使用了多种纯标准物质，包括咖啡因无水物（CAS号），以及相关溶剂和试剂，以确保分析的准确性和可靠性。

通过这些方法的应用，我们不仅能够提高对复杂配方中多种化合物的分析能力，还能够确保分析结果的准确性和选择性。这在当前的监管环境下尤为重要，因为许多膳食补充剂产品在标签上标注的成分浓度与实际含量不符，或者含有被禁止的物质或未列出的处方药物。这些情况可能对消费者的健康造成潜在风险，因此需要开发更加精确和可靠的分析方法。

本研究的结果表明，基于遗传算法的化学计量学模型在处理复杂光谱数据时表现出显著的优势。这些模型能够有效解析光谱重叠，并在处理含有多种添加剂的复杂配方时保持良好的性能。这不仅提高了分析的准确性，还减少了对传统分离技术的依赖，从而提高了分析的效率。此外，化学计量学方法的引入为膳食补充剂的质量控制提供了一种新的思路，使得在不进行繁琐的预处理步骤的情况下，能够实现对多种化合物的同时测定。

在实际应用中，这些方法能够有效应对膳食补充剂市场中存在的各种挑战。随着消费者对健康和体重管理的重视，越来越多的膳食补充剂产品进入市场，其中一些产品可能含有未经批准的成分或过量的活性物质。这些成分可能对消费者的健康产生潜在风险，因此需要一种高效、准确的分析方法来进行监管。化学计量学方法不仅能够满足这一需求，还能够提高分析的效率，减少对昂贵设备和复杂操作的依赖。

此外，化学计量学方法的应用也符合当前环保和可持续发展的趋势。传统色谱法在分析过程中可能需要使用大量的溶剂和耗材，而化学计量学方法则能够减少这些资源的使用，从而降低对环境的影响。这使得化学计量学方法成为一种更加环保的分析手段，特别是在食品和药品质量控制领域。

综上所述，化学计量学方法在膳食补充剂质量控制中的应用具有重要意义。通过将UV-Vis光谱法与多变量校准模型相结合，可以有效提高对复杂配方中多种化合物的分析能力，确保产品的安全性和合规性。此外，这些方法的应用不仅提高了分析的效率，还符合当前的环保和可持续发展趋势。随着FDA对膳食补充剂行业监管的加强，化学计量学方法的引入将为产品质量控制提供更加科学和高效的解决方案。