Soluciones ante el problema de falta de homogeneidad de las plantas de cannabis en los test de potencia mediante la combinación de NIRS, análisis de imágenes y análisis de datos: método preciso, económico y no des

El análisis de la potencia del cannabis presenta desafíos singulares. Principalmente, la falta de homogeneidad de los cannabinoides dentro de la planta, entre las variedades e incluso dentro de una sola muestra, dificulta el análisis y el etiquetado preciso de los productos. Un ensayo de potencia de una flor de cannabis no representará adecuadamente otras flores del mismo cultivo o incluso de la misma planta.

Las técnicas de ensayo actuales luchan por superar el problema de la falta de homogeneidad química del cannabis de una manera asequible y práctica.

Los análisis por cromatografía líquida de alta resolución (HPLC), método estándar de la industria, son lentos, requieren un equipo considerable y no son apropiadas para las necesidades de los cultivadores, mayoristas o consumidores.

Si bien la cromatografía proporciona resultados precisos y su uso está bien justificado en muchas aplicaciones, no puede satisfacer las necesidades de chequeo de la potencia de las plantas en una transacción al por mayor, ni asegurar a los consumidores la potencia del producto en el punto de venta. Además, la cromatografía destruye la muestra, lo que supone un gran inconveniente en estos casos, sobre todo si hay que realizar varios análisis.

Para hacer frente a las prácticas de ensayo lentas, engorrosas y destructivas, algunos investigadores del cannabis están recurriendo a métodos espectroscópicos que son mucho más rápidos y baratos. Pero estas tecnologías son, por sí solas, de precisión cuestionable.

Un método híbrido emergente que combina NIRS con nuevas tecnologías como análisis de imágenes, ‘machine-learning’ y análisis de datos, puede ofrecer una solución para realizar los test de potencia repetidas veces con una técnica no destructiva y con una buena precisión.

Esto requiere cotejar múltiples pruebas espectroscópicas desde todos los ángulos de la flor de cannabis y perfeccionar la tecnología con el análisis de imágenes digitales. Respaldada por una sólida ciencia de análisis de datos y una intensiva comparación y calibración frente a la técnica estándar de la industria (HPLC), esta nueva tecnología híbrida puede resultar ideal para realizar pruebas de potencia de la flor de cannabis.

El reto de la no-homogeneidad

A medida que el cannabis legal se expande en una industria internacional proyectada de 34.100 millones de dólares para 2021¹, el análisis de ingredientes activos se vuelve cada vez más importante.

La legitimación del cannabis como medicamento exige la consistencia de la dosis farmacéutica y la legalización de las actividades recreativas requiere un etiquetado similar al de los productos de alcohol y tabaco.

Para los cultivadores, los mayoristas y otros integrantes de la cadena de suministro, la exactitud de los ensayos es igualmente importante. Las empresas necesitan conocer la calidad (es decir, la composición química) de la cosecha que están comprando para evitar riesgos significativos.

Los vendedores necesitan agrupar adecuadamente sus cosechas para garantizar que los clientes reciban una potencia constante y los consumidores quieren sentirse seguros de los productos que están consumiendo. Sin embargo, la necesidad de hacer pruebas de cannabis con precisión y rapidez presenta innumerables desafíos.

En relación con otros productos farmacéuticos y alimenticios, con el Cannabis sativa es difícil obtener buenos resultados en los tests de potencia, en gran parte debido a que el contenido de cannabinoides de la planta varía enormemente².

En el cannabis se produce una falta de homogeneidad química:

1. Entre las variedades y dentro de las ellas³.
2. Entre cultivos de la misma cepa (figura 1).
3. Entre plantas individuales del mismo cultivo².
4. Entre las flores de la misma planta⁴.
5. E incluso dentro del material dividido de las flores individuales⁵.

La causa de la falta de homogeneidad es triple. A lo largo de decenios de horticultura del cannabis, los cultivadores han criado plantas para mejorar las características deseables y disminuir la vulnerabilidad de los cultivos. Estas manipulaciones han manifestado variedades personalizadas que exhiben composiciones de tetrahidrocannabinol (THC) y cannabidiol (CBD) diferentes.

En segundo lugar, dentro de cualquier especie animal o vegetal, los individuos tendrán genotipos estrechamente relacionados, aunque ligeramente diferentes (definidos como el material genético que dicta la gama de características que puede expresar un organismo). Dentro de esa gama de posibilidades de genotipos específicos de cada cepa, las condiciones ambientales determinarán un fenotipo (definido como las características observables expresadas por una planta individual).

Incluso las plantas propagadas clónicamente de la misma planta ‘madre’ exhibirán rasgos fenotípicos basados en sus historias ambientales. Y dentro de una selección de plantas que muestran rasgos fenotípicos similares, pueden aparecer diferentes quimiotipos (definidos como la constitución química de una planta individual) independientemente de las características fácilmente observables.

Los microclimas en el cuarto de cultivo o en el exterior, diferencias en el sistema de fertirrigación, las plagas u otros factores pueden afectar a la potencia de las plantas.

Por último, la falta de homogeneidad química de las flores de cannabis se produce naturalmente en función de su ubicación dentro de la estructura de la planta o incluso dentro de una sola flor. Los cultivadores suelen observar (y las investigaciones han documentado) flores más potentes en la parte superior de la planta, en comparación con las de la parte inferior. La proximidad a la fuente de luz desempeña un papel causal en la determinación de la potencia de las flores individuales⁴, por lo que la variación de la potencia dentro de la planta es inevitable.

Probando a ciegas: el problema del muestreo

Grupos de interés en la industria han llegado a reconocer un problema crítico, que incluso sobrepasa el tipo de tecnología utilizada en los análisis de potencia:

Algunos expertos creen que las prácticas deficientes en la selección de muestras y los cultivos ‘en lotes’ inadecuados pueden causar errores en los etiquetados de las potencias, que varían hasta un 75% de las reales⁶. Para los consumidores comprometidos con la salud que dependen del cannabis como medicamento, esas enormes diferencias son claramente inaceptables (figura 1).

Para solucionar este problema de falta de homogeneidad, los análisis de campo deben estimar la potencia media mediante un muestreo extensivo y aleatorio del cultivo.

Algunas legislaciones exigen que el muestreo aleatorio sea un 0,7% del peso total del lote⁷. Se seleccionan las flores de la parte superior, media e inferior del lote para asegurar una muestra representativa y aleatoria. Luego, las flores muestreadas se muelen juntas y la mezcla se asume homogénea. Pero, como señalan algunas fuentes^8,9, los tricromas glandulares, la parte más potente de la planta, pueden caer durante la molienda o asentarse en el fondo de la mezcla, por lo que los análisis de cannabis suponen siempre un desafío.

El HPLC no es una solución viable en análisis de campo, pero el método de combinar múltiples muestras nos indica la solución a la falta de homogeneidad flor a flor.

Ante la necesidad de hacer análisis en cultivos no homogéneos, la industria alimentaria ha recurrido en otras ocasiones a métodos espectroscópicos rápidos para algunas aplicaciones. Pero en el caso del cannabis, las variaciones químicas dentro de una misma flor exigen un enfoque más refinado.

Espectrometría de infrarrojo cercano

La espectrometría en el infrarrojo cercano (NIRS) utiliza el espectro de la luz para evaluar el contenido químico de la muestra. Al emitir determinadas longitudes de onda de luz sobre un objeto y detectar las intensidades de las longitudes de onda que rebotan, los espectrómetros estiman el contenido químico de un espécimen sin alterarlo. Para analizar cultivos de alto valor, esta técnica no destructiva es muy valiosa.

NIRS no es tan precisa como la cromatografía. Para un único ensayo el HPLC es sin duda más preciso. Sin embargo, NIRS es apropiada para muchas aplicaciones y está aprobada por la Administración de Alimentos y Drogas de los Estados Unidos (FDA) para procedimientos médicos¹⁰, pruebas farmacéuticas¹¹ y pruebas en alimentos¹².

El análisis de cultivos no homogéneos se ha realizado frecuentemente mediante NIRS promediando los resultados de múltiples muestras. Y debido a que las pruebas de NIRS tardan alrededor de 60 segundos (en lugar de 30-45 minutos), el enfoque de ‘cotejar y promediar’ ha funcionado con anterioridad. En el caso de los materiales de forraje como el heno, el muestreo de 20 muestras de prueba ha permitido a los agricultores superar la falta de homogeneidad del cultivo para encontrar un perfil de ingredientes activos aceptablemente preciso¹³.

Para que NIRS sea adecuada en la cuantificación de una determinada sustancia química, se debe calibrar cuidadosamente el equipo para esa sustancia. Los científicos correlacionan repetidamente los resultados de la longitud de onda/intensidad del espectrómetro con tecnologías estándar como HPLC para asegurar resultados precisos. Cuanto mayor sea el número de correlaciones con HPLC, más robustos serán los resultados de la NIRS¹⁴.

Debido a que los cannabinoides son un nuevo sujeto de prueba para NIRS, el número de correlaciones y calibraciones existentes con los resultados de HPLC son escasas. Muchos de los equipos NIRS específicos para cannabis existentes en el mercado no están suficientemente correlacionadas con datos de HPLC y, sin una amplia base de datos con algoritmos específicos para los cannabinoides, sus precisiones se ven afectadas.

Pero el problema clave que afecta a la tecnología existente hasta el momento para la medida de cannabis mediante NIRS no es la falta de precisión potencial inherente, sino la forma en que un espectrómetro analiza la muestra y, de nuevo, el problema se deriva de la falta de homogeneidad del cannabis: si sólo unos pocos milímetros cuadrados están expuestos a la fuente de luz durante la medida, dada la desigual distribución de tricromas en la flor, los resultados no serán precisos ni representativos.

NIRS y la no homogeneidad de la flor

Existen numerosas investigaciones que documentan el problema de la no homogeneidad de las flores5 y muestran importantes variaciones de potencia dentro del material de una sola flor de cannabis.

Para entender mejor la falta de homogeneidad y las posibles soluciones, científicos de GemmaCert dividieron veinte flores de cannabis en tres o seis partes, dependiendo del tamaño.

Luego, cada partición de flores fue analizada mediante la técnica estándar de la industria (HPLC) para ver su potencia en THC y CBD (figuras 2 y 3).

Se observaron grandes variaciones dentro de la flor, con algunas diferencias que ascendían a +/-25% de la potencia promedio. Esta investigación muestra que, debido a que las unidades de la NIRS prueban sólo una pequeña área de unos pocos milímetros cuadrados, la variación de la potencia de una sola flor puede sesgar los resultados de manera significativa.

Una solución de compromiso sería analizar una sola muestra varias veces con NIRS para lograr un resultado promedio. Presumiblemente, esto podría superar las variaciones de potencia dentro de la muestra como en otras industrias alimentarias. La realización de varias pruebas en diferentes zonas del material seguiría siendo significativamente más rápida que las pruebas de HPLC y, si existiera una biblioteca adecuada de resultados correlacionados con HPLC, se mejoraría la precisión hasta niveles aceptables.

Además, la incorporación de tecnologías de apoyo puede hacer que los análisis de cannabis mediante NIRS puedan ser más precisos y rápidos, sin que la muestra sea alterada.

La solución del análisis híbrido:

El espectrómetro debe basarse en los análisis NIRS y el enfoque de ‘cotejo y promedio’ comentado anteriormente.

Pero añadiendo tecnologías avanzadas en mecánica de movimiento para tomar múltiples medidas de una misma muestra en pocos segundos se puede proporcionar un resultado altamente preciso, todo ello manteniendo un tiempo de análisis entre 1 y 3 minutos, dependiendo de los ajustes preferidos por el usuario, reflejando el compromiso entre precisión y duración.

Además, como la precisión de la tecnología NIRS depende de manera crítica de la distancia entre la muestra y el detector, una manipulación cuidadosa del detector mejora considerablemente la precisión de la tecnología NIRS utilizada.

Uso del análisis de imagen

Cualquier examen a una flor de cannabis revela una distribución desigual de tricomas. Ya que un único análisis por NIRS sólo tiene acceso a una pequeña superficie, conocer y comprender la distribución de los tricromas y la forma de la flor puede mejorar los resultados. De esta forma, el análisis avanzado de imágenes digitales ayuda a asegurar una calibración óptima del equipo NIRS (figura 4).

GemmaCert ha incluido ese análisis híbrido incorporando las nuevas tecnologías de análisis de imagen a la medida clásica por NIRS, mejorando así todas las prestaciones.

Figura 4: Análisis de imagen de dispersión de tricomas de cannabis (amarillo).

Uso de análisis de datos y aprendizaje de las máquinas

La tecnología NIRS es tan buena como la cantidad y calidad de sus correlaciones con HPLC. Con más de 2.500 flores correlacionadas con los resultados de HPLC, el espectrómetro de GemmaCert ha superado con creces las librerías de datos de otros aparatos NIRS específicos para cannabis. Eso significa que cada una de las múltiples mediciones que realiza durante una sola prueba tiene una precisión líder en la industria (figura 5).

El equipo de GemmaCert también se beneficia del aprendizaje de la máquina. El software basado en la nube analiza la multitud de resultados para identificar todos los datos disponibles. En un proceso continuo de mejora de la precisión, el software analiza sus propios datos para una mejora constante. Luego, los resultados de las muestras se ponen a disposición de los usuarios directamente en un teléfono inteligente o un ordenador portátil.

Combinando la metodología NIRS de vanguardia, el análisis de imágenes, la extensa ciencia de los datos y el aprendizaje automático, el analizador GemmaCert proporciona una solución analítica avanzada, precisa, rápida y no destructiva para el análisis de cannabis.

Bibliografía

1. Zhang, M. The Global Marijuana Market Will Soon Hit $31.4 Billion But Investors Should Be Cautious. Forbes 2017.
2. Potter, D.J.; Clark, P.; Brown, M.B.; Potency of D9–THC and Other Cannabinoids in Cannabis in England in 2005: Implications for Psychoactivity and Pharmacology. J Forensic Sci. 2008.
3. Basic Cannabis Knowledge: Genotype and Phenotype. Royal Queen Seeds. 2016.
4. Namdar, D.; Mazuz, M.; Ion, A.; Koltai, H.; Variation in the compositions of cannabinoid and terpenoids in Cannabis sativa derived from inflorescence position along the stem and extraction methods. Industrial Crops and Products. 2018.
5. Wilks, D. Testing for Truth Part 2: Is the tip of a single bud more potent than the bottom? Orange Photonics. 2018.
6. Cannabis Sampling: The Elephant in the Industry. Terpenes and Testing Magazine. Mar/Apr 2018.
7. California Code of Regulations. Title 16 Division 42. Bureau of Marijuana Control. Chapter 5: Testing Laboratories
8. Sexton, M; Ziskind, J; Sampling Cannabis for Analytical Purposes. BOTEC Analysis Corp. I-502 Project #430-1e. 2013.
9. Rigdon, A; Preliminary Protocol for Sample Preparation for Cannabinoid Potency Analysis in Plant and Edible Matrices. Restek Corporation. 2016.
10. Scheeren, T.W.; Schober, P.; Schwarte, L.A.; Monitoring tissue oxygenation by near infrared spectroscopy (NIRS): background and current applications. J. of Clinical Monitoring and Computing. 2012.
11. Morisseau, K. M.; Rhodes, C. T.; Pharmaceutical Uses of Near-Infrared Spectroscopy. J. of Drug Development and Industrial Pharmacy. 1995.
12. Osborne, B.G.; Fearn, T.; Hindle, P.H.; Practical NIR spectroscopy with application in food and beverage analysis. 1993.
13. Putnam, D; Recommended Principles for Proper Hay Sampling. National Forage Testing Association. www.foragetesting.org/index.php?page=exam_info2 Accessed March 2018.
14. European Medicines Agency. Guideline on the use of Near Infrared Spectroscopy (NIRS) by the pharmaceutical industry and the data requirements for new

Figura 5: Equipo de GemmaCert. submissions and variations. 2012.