紙噴霧質量分析法を用いた不正オピオイドのサポートベクターマシン分類

科学分野:

• 法化学; 分析化学; データサイエンス

背景:

• 北米における不正オピオイド供給は複雑で強力であり、薬物使用者にとってリスクをもたらします。現在の薬物検査方法（例：標的型紙噴霧質量分析法（PS-MS））は、新規の精神作用物質の検出に苦労しています。不正薬物中の新たな混入物は、適時の特定のために高度な分析技術を必要とします。

研究 の 目的:

• 不正オピオイドサンプル中の未知の混入物を検出するための機械学習分類器を開発および検証すること。サポートベクターマシン（SVM）アルゴリズムを利用して、日常的な標的分析を超えた物質を特定すること。不正薬物供給における新たな脅威に対する薬物検査能力を向上させること。

主な方法:

• フルスキャン質量分析データを用いたサポートベクターマシン（SVM）分類器を採用しました。迅速なオンサイト薬物分析のために紙噴霧質量分析法（PS-MS）を使用しました。SHAP（Shapely additive explanations）を適用してSVMモデルの予測を解釈しました。

主要な成果:

• SVM分類器は、フェンタニルとカフェインの混合物中の新たな混入物であるo-メチルフェンタニルを検出し、成功しました。o-メチルフェンタニル検出の精度は0.77、リコールは0.94を達成しました。SHAP分析は、混入物識別の根拠となる化学的特徴に関する洞察を提供しました。

結論:

• 開発されたSVMアプローチは、日常的な薬物分析中に質量分析データから混入物を効果的に特定します。この方法は、薬物検査プログラムが新規および新たな物質を検出する能力を向上させます。この発見は、不正薬物供給の安全性を向上させるための新しい戦略を提供します。