Extractables und Leachables: ein Screening-Workflow
Ein strukturorientierter Extractables-Leachables-Screening-Workflow: Peaks bekannten Additiven zuordnen, die AET setzen, Strukturen zur Tox-Triage geben.
Oliver Kraft
CovaSyn
Eine Extractables-Studie liefert Ihnen eine Peakliste, oft 200 bis 600 Features. Der schwierige Teil ist nicht, sie zu erzeugen. Der schwierige Teil ist zu entscheiden, welche Peaks über dem Analytical Evaluation Threshold liegen, welche davon Sie benennen können, und welche benannten Verbindungen tatsächlich eine toxikologische Frage aufwerfen. Dieser Artikel geht die Screening-Hälfte dieses Workflows mit echter Tool-Ausgabe durch und macht explizit, wo die Automatisierung endet.
Die Reihenfolge, in der die Entscheidungen tatsächlich fallen
USP <1663> deckt das Extractables-Studiendesign ab (verschärfte Bedingungen, mehrere Lösungsmittel, Container-Closure-Komponenten). USP <1664> deckt Leachables ab, die Teilmenge, die unter realer Lagerung ins Arzneimittel migriert. In der Praxis laufen vier Schritte, in dieser Reihenfolge:
1. Die AET setzen. Darunter wird nicht berichtet. Darüber muss identifiziert werden. 2. Was zuordenbar ist, zuordnen. Gängige Polymeradditive sind eine bekannte, endliche Liste. Diese zuerst treffen. 3. Den Rest eskalieren. Nicht zugeordnete Peaks über der AET gehen zur Summenformelbestimmung und MS/MS. 4. Strukturen zur Toxikologie geben. Erst mit einer Struktur wird die Sicherheitsfrage beantwortbar.
Schritte 2 und 4 sind dort, wo eine strukturorientierte Toolchain sich rechtfertigt. Schritte 1 und 3 bleiben urteilslastig.
Schritt 1: Die AET ist ein Rechenschritt, kein Modell
Die AET wird abgeleitet, nicht vorhergesagt. In der gängigen Form:
AET = (SCT [ug/day] / daily dose [containers or mL per day]) x (1 / response factor uncertainty)Der Safety Concern Threshold wird durch die Darreichungsform festgelegt. PQRI empfahl 0.15 ug/Tag als SCT für oral inhalierte und nasale Arzneiformen, und in einer späteren Empfehlung denselben Wert für parenterale und ophthalmische Produkte. Für mutagene Verunreinigungen setzt ICH M7 den TTC bei 1.5 ug/Tag für Dauern bis zu 10 Jahren. Auf die geschätzte AET wird dann ein Unsicherheitsfaktor angewendet, weil Unbekannte gegen einen Surrogat-Responsefaktor quantifiziert werden, üblicherweise durch Division mit 1.5 bis 2.
Kein Tool sollte Ihnen diese Zahl liefern. Sie hängt von Ihrer Dosis, Ihrer Behälteranzahl, Ihrer Darreichungsform und Ihrer RF-Datenbank ab. Berechnen Sie sie, dokumentieren Sie die Annahmen, und nutzen Sie sie als Trennlinie für alles Weitere.
Schritt 2: die Liste bekannter Additive abgleichen
covams_extractables_leachables screent eine Peakliste gegen eine kuratierte Additivbibliothek für einen gegebenen Container-Typ. Es matcht auf protonierte monoisotopische Masse in einem 20-ppm-Fenster, das für einen ersten Durchgang bewusst weit gewählt ist.
Auf einer Sieben-Peak-Liste aus einem Polymer-Container-Extrakt (container_type: "plastic") angewendet, lieferte es vier Identifikationen:
| Peak m/z | Zugeordnet | Formel | Massenfehler |
|---|---|---|---|
| 229.1223 | Bisphenol A | C15H16O2 | 1.31 ppm |
| 391.2843 | DEHP | C24H38O4 | 0.77 ppm |
| 282.2791 | Oleamid | C18H35NO | 0.35 ppm |
| 338.3417 | Erucamid | C22H43NO | 0.89 ppm |
Das übergeordnete risk_level kam als "high" zurück, was in diesem Tool eine Zählregel ist (mehr als drei Treffer) und kein toxikologisches Urteil. Drei Peaks fanden keine Zuordnung: 647.4587, 1177.7914 und 114.0913. Derselbe Aufruf mit container_type: "rubber" auf einem Stopfen-Extrakt ordnete m/z 221.190 BHT zu bei 0.00 ppm Fehler und lieferte risk_level: "medium" bei einem Treffer.
Machen Sie sich klar, was das ist.
Die ausgelieferte Bibliothek ist ein kleiner, kuratierter Satz der häufigsten Additive pro Container-Typ, kein erschöpfendes E&L-Informationssystem. Sie matcht nur [M+H]+, sodass Additive, die besser als [M+NH4]+, [M+Na]+ oder [M-H]- ionisieren, auch bei Vorhandensein nicht treffen. Behandeln Sie einen Match als Hypothese, die gegen einen Referenzstandard zu bestätigen ist, und einen Nicht-Match als überhaupt keine Information.
Schritt 3: nicht zugeordnete Peaks zur Summenformelbestimmung
Der Peak bei 647.4587 aus dem obigen Lauf ist ein typischer Unbekannter: hohe Intensität, späte Retention, kein Bibliothekseintrag. covams_formula lieferte in einem 5-ppm-Fenster 45 Kandidatenformeln. Die bestplatzierte war C42H63O3P, exakte Masse 646.45148, Massenfehler 0.0926 ppm, RDBE 12, Gesamtscore 0.9815. Das ist konsistent mit Irgafos 168, einem sehr gängigen Phosphit-Antioxidans.
Hier zählt auch die Ehrlichkeit. Der zweite Kandidat, C32H62N4O9, erzielte 0.9199 beim Massenfehler, trug aber einen *höheren* Bayes'schen Plausibilitätsscore (0.3406 gegenüber 0.2114). Fünfundvierzig Formeln passen innerhalb von 5 ppm bei m/z 647. Genaue Masse allein identifiziert in diesem Massenbereich nichts. Nötig sind das Isotopenmuster (eine P-haltige Formel hat eine charakteristische Hüllkurve), MS/MS-Fragmente und idealerweise ein Retentionszeit-Abgleich mit einem Standard. Das Tool rankt Kandidaten; es schließt die Identifikation nicht ab.
Schritt 4: Strukturen zur toxikologischen Triage
Sobald Strukturen vorliegen, wechselt die Frage von analytisch zu toxikologisch. covatox_screen_batch im quick-Modus (Ames, hERG, DILI) lieferte für alle fünf bestätigten und vermuteten Verbindungen overall_risk: "medium", mit diesen zusammengesetzten Risikoscores:
- Caprolactam 0.418 (als schlechteste Verbindung im Batch markiert)
- DEHP 0.387
- Bisphenol A 0.340
- Oleamid 0.104
- BHT 0.101
Die Einzelvorhersagen sind informativer als der zusammengesetzte Score. DEHP lieferte hERG 0.2754 gegenüber einem Entscheidungsschwellenwert von 0.2, markiert in_domain: true mit einer nächsten Trainingsähnlichkeit von 1.0 und Launch-Tier „production", plus DILI 0.0436 bei Konfidenz 0.9128, ebenfalls in domain. Diese beiden sind nutzbare Signale.
Die Ames-Ausgabe auf demselben Batch ist das nicht. Bisphenol A, DEHP, BHT und Oleamid lieferten alle exakt 0.0685, jede mit in_domain: false, nearest_similarity: 0.0, confidence_modifier: 0.1, Launch-Tier experimental markiert. Das ist das Modell, das seine Basisrate zurückgibt und Sie darüber informiert. Polymeradditive sind chemisch weit vom arzneistoffähnlichen Ames-Trainingssatz entfernt. Lesen Sie 0.0685 nicht als „nicht mutagen". Lesen Sie es als „dieses Modell hat zu diesem Molekül nichts zu sagen".
Zur Einordnung, wo die Modelle kalibriert sind: Der CovaTox-hERG-Klassifikator erzielt AUROC 0.856 auf einem Scaffold-Split-Holdout von n=7500, und der Ames-Klassifikator 0.736 Balanced Accuracy im Scaffold-Split (0.848 im Random-Split) bei n=1089. Gute Zahlen innerhalb der Domäne; irrelevant außerhalb – genau dafür ist die Applicability-Domain-Markierung da.
Die ICH-M7-Lesart ist die, die zum Handeln führt
Speziell für die Mutagenitätsfrage führt covatox_ich_m7 eine duale Bewertung durch (strukturelle Alerts plus statistisches Modell):
- Bisphenol A: Klasse 3. Ein Alert wurde ausgelöst,
quinone_methide_precursor(SMARTSOc1ccc(C)cc1, Mechanismus „Oxidation zu Chinonmethid, Michael-Addition an DNA", Evidenzstärke als *low* eingestuft, Ref. Bolton et al. 2000). Statistischer Score 0.0685, statistisches Urteil negativ. Konfidenz 0.588. Klasse 3 bedeutet: alertierende Struktur, ohne Bezug zum API, ohne Mutagenitätsdaten: Kontrolle am TTC oder Ames-Test erzeugen. - Caprolactam: Klasse 5. Keine Alerts, statistischer Score 0.1677, negativ. Konfidenz 0.348. Klasse 5 bedeutet, als nicht-mutagen zu behandeln, aber beachten Sie den niedrigen Konfidenzwert und dass der statistische Arm auch hier out of domain war.
Das Klasse-3-Urteil zu BPA ist die handlungsleitende Ausgabe der gesamten Kette. Es verwandelt einen Peak bei m/z 229.1223 in ein konkretes nächstes Experiment.
Was dieser Workflow nicht aussagt
- Er quantifiziert nicht. Jede Zahl oben ist eine Identifikation oder ein Gefahrenscore. Konzentration gegen die AET braucht Ihre Kalibrierung und Ihre Responsefaktoren.
- Er bestätigt keine Identität. Ein 20-ppm-Bibliotheksmatch und eine bestplatzierte Formel sind Hypothesen. Regulatorische Identifikation braucht einen Referenzstandard oder mindestens übereinstimmendes MS/MS und Retentionszeit.
- Er führt keine toxikologische Risikobewertung durch. Ein qualifizierter Toxikologe liest die ICH-M7-Klasse, die PDE-Ableitung und die Expositionsberechnung. Die Tools grenzen die Liste ein, die er liest.
- Die Additivbibliothek ist klein und container-typisiert. Das Fehlen eines Treffers ist nicht das Fehlen einer Verbindung.
- Out-of-Domain-Vorhersagen sind markiert und sollten ignoriert, nicht heruntergerechnet werden. Vier von fünf Ames-Aufrufen in diesem Batch waren out of domain.
Häufige Fragen
Was ist der Analytical Evaluation Threshold (AET) in einer E&L-Studie?
Die AET ist die Konzentration, oberhalb derer ein Extractable oder Leachable berichtet und identifiziert werden muss. Sie wird berechnet, nicht vorhergesagt: den Safety Concern Threshold für die Darreichungsform durch die maximale Tagesdosis (Container oder mL pro Tag) teilen, dann einen Unsicherheitsfaktor für die Response-Faktor-Variabilität anwenden, üblicherweise eine Division mit 1.5 bis 2. PQRI empfahl einen SCT von 0.15 ug/Tag für oral inhalierte, nasale, parenterale und ophthalmische Produkte.
Was ist der Unterschied zwischen USP <1663> und USP <1664>?
USP <1663> deckt Extractables ab: was unter verschärften Bedingungen wie aggressiven Lösungsmitteln, erhöhter Temperatur und langem Kontakt aus einer Verpackungs- oder Herstellungskomponente austritt. USP <1664> deckt Leachables ab: was unter normaler Lagerung und Anwendung tatsächlich ins Arzneimittel migriert. Extractables definieren die Worst-Case-Kandidatenliste. Leachables definieren, was ein Patient tatsächlich exponiert bekommt, und sind meist eine kleine Teilmenge.
Kann Software ein unbekanntes Extractable allein aus der genauen Masse identifizieren?
Nein. Bei m/z 647 mit einem 5-ppm-Fenster lieferte covams_formula 45 Kandidatenformeln. Der Top-Treffer nach Massenfehler war C42H63O3P bei 0.09 ppm, konsistent mit Irgafos 168, aber eine konkurrierende Formel erzielte einen höheren Bayes'schen Plausibilitätsscore. Genaue Masse engt Kandidaten ein. Bestätigung braucht das Isotopenmuster, MS/MS-Fragmentierung und einen Retentionszeit-Abgleich mit einem Referenzstandard.
Wie sollte die Mutagenität für ein identifiziertes Leachable bewertet werden?
Nutzen Sie den dualen ICH-M7-Ansatz: ein regelbasiertes System struktureller Alerts plus ein statistisches QSAR-Modell. In unserem Lauf klassifizierte covatox_ich_m7 Bisphenol A als Klasse 3, eine alertierende Struktur (Chinonmethid-Präkursor) mit negativem statistischem Urteil, was Kontrolle am TTC von 1.5 ug/Tag oder einen Ames-Test bedeutet. Caprolactam kam als Klasse 5 zurück, keine Alerts, als nicht-mutagen zu behandeln.
Warum liefern In-silico-Tox-Modelle manchmal denselben Wert für unterschiedliche Verbindungen?
Weil sie außerhalb der Applicability Domain liegen und eine Basisrate zurückgeben. Vier Polymeradditive in unserem Batch lieferten eine identische Ames-Wahrscheinlichkeit von 0.0685, jede mit in_domain: false markiert, nächster Trainingsähnlichkeit 0.0 und Konfidenzmodifikator 0.1. Polymeradditive liegen weit von arzneistoffähnlichen Trainingsdaten entfernt. Ein Modell, das das markiert, verhält sich korrekt; der Wert sollte verworfen, nicht als niedriges Risiko gelesen werden.
Ersetzt ein automatisiertes Screening eine toxikologische Risikobewertung?
Nein. Das Screening triagiert: Es benennt die benennbaren Peaks, rankt Formeln für den Rest und trennt Verbindungen mit einem strukturellen Alert von solchen ohne. Ein qualifizierter Toxikologe leitet weiterhin die PDE ab, beurteilt die Exposition und zeichnet die Bewertung ab. Der Wert liegt darin, dass er eine priorisierte Kurzliste statt einer rohen Feature-Tabelle prüft.
Weiterführende Artikel
- Unbekannte Verunreinigungen aus genauer Masse und MS/MS identifizieren
- Reinigungsvalidierungsgrenzen: von MACO zu einer belastbaren Zahl
Jeder Tool-Aufruf in diesem Artikel läuft in der kostenlosen Stufe, sodass Sie Ihre eigene Peakliste durch dieselben vier Schritte laufen lassen können, bevor Sie entscheiden, ob sich mehr lohnt. - Nitrosamin-Risikobewertung: ein ICH-M7-Workflow
Tools für dieses Thema
Direkt im AI-Agenten nutzen.
- CovamsMassenspektren, Formel-Vorhersage, Impurity-Profiling.
- CovatoxICH M7, Tox21, CYP450, Strukturalerts, ADMET-Triage.