Développement de méthodologies chimiométriques sur des images hyperspectrales pour la détection de composés faiblement dosés : application à la microscopie Raman

Towards chemometric methodologies on hyperspectral imaging for low dose compound detection : application on Raman microscopy

• Auteur / Autrice : Mathieu Boiret
• Direction : Jean-Michel Roger
• Type : Thèse de doctorat
• Discipline(s) : Génie des procédés
• Date : Soutenance le 10/12/2015
• Etablissement(s) : Montpellier
• Ecole(s) doctorale(s) : Sciences des Procédés – Sciences des Aliments (Montpellier ; École Doctorale ; 2009-2015)
• Partenaire(s) de recherche : Laboratoire : ITAP Information et Technologie pour les Agro-Procédés INRAE SupAgro Montpellier
• Jury : Examinateurs / Examinatrices : Jean-Michel Roger, Jocelyn Chanussot, Ludovic Duponchel, Nathalie Gorretta, Serge Rudaz
• Jury : Rapporteurs / Rapporteuses : Jocelyn Chanussot, Ludovic Duponchel

Mots clés

Mots clés contrôlés

Chimiométrie

Analyse des données

Spectroscopie Raman

Imagerie hyperspectrale

Mots clés libres

Imagerie hyperspectrale

Spectroscopie

Analyse de données

Cartographie de comprimés

Analyse en composante indépendante

Multivariate curve resolution

Hyperspectral Imaging

Spectroscopy

Data analysis

Tablet mapping

Independant Component Analysis

Résolution de courbes multivariées

Résumé

L’imagerie hyperspectrale est désormais considérée comme un outil analytique à part entière dans l’industrie pharmaceutique, aussi bien au cours du développement pour assurer la qualité d’un produit que pour résoudre des problématiques de production après la mise sur le marché du médicament. Dans ces travaux, la microscopie Raman est utilisée pour étudier la distribution en principes actifs et excipients au sein d’une forme pharmaceutique solide, en se focalisant tout particulièrement sur l’identification d’un composé faiblement dosé. Ce dernier est défini comme étant un produit ayant de faibles contributions spatiale et spectrale, signifiant qu’il est distribué dans quelques pixels de l’image avec une information spectrale peu présente dans un spectre de mélange. Alors que la plupart des algorithmes chimiométriques se basent sur la décomposition de moments statistiques, nécessitant une variation suffisante entre les échantillons (les pixels d’une image), les limites de ces outils pour résoudre ce cas spécifique sont rapidement atteintes.La première partie de la thèse met en évidence les difficultés de détection d’un composé faiblement dosé en utilisant l’analyse en composantes indépendantes et la résolution multivariée de courbes. Des méthodologies de travail sont proposées pour contourner ces limitations. Pour les deux techniques, les étapes de réduction de dimensions apparaissent comme des paramètres critiques de la méthode. La seconde partie de la thèse se focalise sur l’espace des signaux pour déterminer des cartes d’absence/présence de constituants ou pour détecter des constituants dans une formulation inconnue, en se basant sur des espaces spectraux portant une information relative aux constituants de la formulation. Les techniques proposées sont parfaitement adaptées à la détection d’un composé faiblement dosé et ces méthodes pourraient être adaptées à d’autres techniques de mesure ou d’autres domaines d’application.

Hyperspectral imaging is now considered as a powerful analytical tool in the pharmaceutical environment, both during development to ensure the drug product quality and to solve production issues on commercialized products.In this thesis, Raman microscopy is used to study the distribution of actives and excipients in a pharmaceutical drug product, by especially focusing on the identification of a low dose compound. This latter product is defined as a compound which has low spatial and spectra contributions, meaning that it is scattered in a few pixels of the image and that its spectral response is mixed with the other compounds of the formulation. While most chemometric tools are based on the decomposition of statistical moments (requiring sufficient variations between samples or image pixels), some limitations have been rapidly reached. The first part of this thesis highlights the difficulty to detect a low dose compound in a product by using independent component analysis or multivariate curve resolution. Different methodologies are proposed to circumvent these limitations. For both techniques, reduction of dimensions and filtering steps appears as critical parameters of the method. The second part of the thesis focusses on the signal space to determine absence/presence compound maps or to detect the compounds in an unknown formulation. The proposed methods are only based on the spectral space of each formulation compound. There are perfectly suitable to a low dose compound and should be well-adapted to other analytical techniques or to other environments.