Analiza i identyfikacja cząstek w próbkach proszkowych przy pomocy spektroskopii ramanowskiej z wykorzystaniem Particle Scout - Jagiellońskie Centrum Innowacji

Analiza i identyfikacja cząstek w próbkach proszkowych przy pomocy spektroskopii ramanowskiej z wykorzystaniem Particle Scout

24/03/2026

Spektroskopia ramanowska sprzężona z mikroskopią konfokalną jest doskonałym narzędziem, umożliwiającym analizę cząstek w materiałach proszkowych, pozwalając na określenie ich składu chemicznego, identyfikację zanieczyszczeń oraz kontrolę jednorodności badanych próbek. W praktyce przemysłowej metoda dostarcza dane wspierające kontrolę jakości surowców i mieszanin, oraz pozwala na porównywanie produktów pomiędzy partiami.

W tego typu projektach proces analityczny wspierany jest przez oprogramowanie Particle Scout, które umożliwia automatyczne wyszukiwanie cząstek i rejestrację ich widm ramanowskich. Następnie przeprowadzana jest identyfikacja chemiczna zmierzonych obiektów na podstawie porównania z bibliotekami widm referencyjnych oraz wykonywana jest analiza statystyczna rozkładu ich wielkości.

 

Dzięki takiemu podejściu otrzymujemy informację nie tylko o składzie chemicznych badanej próbki, ale także o zakresie wielkości cząstek, co bywa bezcenne w badaniach farmaceutycznych i materiałowych.

 

Metodyka pomiarowa i analiza wyników

Procedura analizy cząstek z wykorzystaniem mikroskopii ramanowskiej wspieranej przez oprogramowanie Particle Scout obejmuje następujące etapy:

 

  1. Zarejestrowanie obrazu widzialnego i detekcja cząstek
    Pierwszy etap zogniskowany jest na wykonaniu obrazu widzialnego próbki (w trybie jasnego bądź ciemnego pola, w zależności od natury badanego materiału) w zdefiniowanym przez użytkownika obszarze. Oprogramowanie identyfikuje następnie cząstki na obrazie  określa ich całkowitą liczbę oraz wyznacza parametry morfologiczne, takie jak  rozmiar, pole powierzchni, czy kształt. Na tym etapie możliwe jest uzyskanie ogólnej informacji m.in. o zakresie wielkości czy o kształcie cząstek w próbce, jednak bez ich chemicznej identyfikacji.
  2. Pomiar widm ramanowskich
    Po zlokalizowaniu cząstek na analizowanym obszarze próbki, system określa ich pozycje pomiarowe, dzięki czemu możliwe jest uruchomienie automatycznego procesu rejestrowania widm ramanowskich dla wszystkich wyszukanych obiektów. Możliwe jest również zebranie widm wyłącznie dla wybranej grupy cząstek o zdefiniowanych parametrach (takich jak rozmiar czy powierzchnia) Takie podejście zwiększa wydajność pomiaru w stosunku do klasycznego mapowania ramanowskiego i pozwala uzyskać informację analityczną w krótszym czasie i dla większej liczby obiektów. W zależności od celu projektu, parametry pomiaru (m.in. czas akwizycji i strategia pomiarowa) dobierane są tak, aby zapewnić równocześnie wysoką jakość widm i dużą statystykę analizowanych cząstek.
  3. Analiza widm – identyfikacja chemiczna cząstek
    W ramach pojedynczego pomiaru możliwe jest uzyskanie informacji spektralnych o setkach bądź tysiącach cząstek. Ze względy na tak dużą statystykę, zarejestrowane widma analizowane są w dużej mierze w sposób automatyczny przez porównywane z utworzonymi wcześniej bibliotekami widm referencyjnych (narzędzie TrueMatch). Cząstki przyporządkowane są w ten sposób do substancji, do której analizowane widmo wykazuje największy stopień dopasowania. Informacje te mogą zostać użyte następnie do sortowania cząstek według zadanych parametrów, decydowania o ponownym pomiarze wybranych obiektów (dla których nie osiągnięto jakości widma pozwalającej na identyfikację chemiczną), weryfikowania poprawności dopasowania, czy też do tworzenia raportów ze statystykami.
  4. Korelacja informacji chemicznej z morfologią cząstek
    Połączenie Particle Scout i TrueMatch stanowi istotne narzędzie w analizie materiałów proszkowych, ponieważ pozwala odpowiedzieć nie tylko na pytanie jakie substancje są obecne w badanej próbce, ale również w jakim zakresie wielkości cząstek występują. Ważnym elementem interpretacji jest zatem powiązanie identyfikacji chemicznej z kluczowymi parametrami fizycznymi takimi jak powierzchnia cząstek, maksymalna średnica czy kształt.  Uzyskane dane stanowią podstawę do opracowania statystycznej charakterystyki próbki, identyfikacji zanieczyszczeń oraz oceny jednorodności materiału.

 

Zakres zastosowań i typy próbek

Opisana wyżej metoda jest szczególnie użyteczna dla próbek proszkowych, w tym:

  • surowców farmaceutycznych – zarówno substancji czynnych (API)  jak i pomocniczych,
  • mieszanin proszkowych do produkcji tabletek czy kapsułek,
  • dodatków spożywczych,
  • pigmentów,
  • mikroplastików,
  • cząstek zanieczyszczeń,
  • polimerów,
  • surowców mineralnych oraz sproszkowanych minerałów.

Najczęstsze cele analityczne obejmują:

  • kontrolę jakości surowców i weryfikację tożsamości materiału,
  • porównywanie partii produkcyjnych i dostawców,
  • analizę form polimorficznych API oraz substancji pomocniczych,
  • ocenę jednorodności mieszanin proszkowych,
  • identyfikację i charakterystykę zanieczyszczeń,
  • półilościową ocenę udziału składników.

 

Charakter wyniku i forma raportu

Klient otrzymuje raport zawierający informację o chemicznej identyfikacji cząstek, ich liczbie oraz zakresie wielkości.

W zależności od celu w podsumowaniu badania mogą się znaleźć:

  • jakościowa analiza składu próbki w postaci proszku (np. surowca, mieszaniny, produktu farmaceutycznego),
  • analiza statystyczna dla dużej populacji cząstek (dla minimum kilkuset zmierzonych obiektów),
  • korelacja informacji chemicznej z właściwościami fizycznymi (np. rozmiar, powierzchnia, liczebność),
  • półilościowe oszacowanie udziału zidentyfikowanych substancji w próbce,
  • informacje dotyczące form amorficznych/krystalicznych oraz polimorficznych (w przypadku, kiedy widma ramanowskie umożliwiają ich jednoznaczne rozróżnienie),
  • potwierdzenie obecności zanieczyszczeń wraz z ich identyfikacją.
  • wnioski dotyczące jednorodności mieszaniny.

 

Korzyści dla kontroli jakości i procesu

Z perspektywy biznesowej największe korzyści obejmują:

  • wczesne wykrywanie odchyleń jakościowych w surowcach i mieszankach, zanim materiał zostanie wprowadzony do procesu,
  • identyfikację zanieczyszczeń wraz z ich charakterystyką, co przyspiesza postępowania wyjaśniające,
  • porównywanie partii i dostawców na podstawie profilu chemiczno-morfologicznego,
  • wsparcie optymalizacji procesu mieszania i przetwórstwa proszków dzięki rozdzieleniu wpływu składu i morfologii cząstek.

 

Podsumowanie

Fundamentalną zaletą wykorzystania spektroskopii ramanowskiej w połączeniu z oprogramowaniem Particle Scout jest jednoczesne uzyskanie informacji o składzie chemicznym próbki oraz o wielkości i morfologii cząstek, a także możliwość korelowania ze sobą tych własności. Co więcej, przewagą analizy materiałów proszkowych z pomocą tej techniki jest duża statystyka cząstek (setki oraz tysiące przeanalizowanych obiektów w trakcie jednego pomiaru), co jest szczególnie istotne w charakterystyce składu oraz jednorodności próbki czy porównaniu różnych partii między sobą. Informacje i korelacje właściwości chemicznych cząstek z właściwościami fizycznymi mogą okazać się nieocenione w przypadku optymalizacji składu produktów, poprawy skuteczności działania substancji aktywnej, tworzeniu innowacyjnych formulacji czy wykrywaniu substancji niepożądanych i zanieczyszczeń.

 

Analiza próbek przy pomocy spektroskopii ramanowskiej wspomaganej oprogramowaniem Particle Scout stanowi jedną z technik rutynowo wykorzystywanych w Laboratorium Analiz Spektroskopowych JCI Laboratories do charakteryzacji materiałów proszkowych, w tym surowców farmaceutycznych (API, substancji pomocniczych) oraz produktów końcowych w postaci mieszanin o złożonej morfologii i składzie.

 

Badania projektujemy w sposób ukierunkowany na decyzje jakościowe i procesowe: od weryfikacji surowców i porównań partii, po identyfikację zanieczyszczeń oraz ocenę jednorodności mieszanin. W przypadku zainteresowania wdrożeniem metody do kontroli jakości, rozwiązywania problemów technologicznych lub prac rozwojowych, zachęcamy do kontaktu z zespołem JCI Laboratories w celu omówienia celu badania, rodzaju próbki i oczekiwanego formatu raportowania.

Ta strona używa plików cookie. Kontynuując przeglądanie witryny, wyrażasz zgodę na używanie przez nas plików cookie.

#