Marzena
Kuras
Marek Wachowicz
Metoda pr
ofilowania konopi
n
a podstaw
ie
sk
ład u
p
ierwiastkowego - cz. I
V.
Dyskrym
inacja
Na lamach poprzednich numerów "Problemów Kryminalistyki"1 omówio-nezostały badaniadotycząceprof ilo-waniakonopioraz pierwsze wynikitej pracy,tj. wykorzystanie opracowanej metody do określenia rozkładu pier-wiastkówwzieiukonopi,atakże ba -dańporównawczychpróbek dowodo-wych i porównawczych.
Dla przypomnienia należy podać , że:
1) próbki zieia konopi pr zygotowy-wane są do badań na drodze mineralizacjina mokro z wyk o-rzystaniemenergii mikrofalowej w układzie zamkniętym za po-mocą systemuMultiwave firmy Anton Paar z użyciem miesza-niny kwasu azotowego i wody utlenionejś;
2) do analiz składów pierwias tko-wychwykorzystywanesą: - spektrometr ICP-OES Optima
31
OOXL
firmyPerkinElmer, - spektrometr absorpcjiatomo-wej Aventa Ultra Z z kuwetą grafitowąfirmy GBC.
Przykła dy profilowania kon opi na podstawiewłasności bio logicznych,fizycznych, chem iczn ych
Genetyczne właściwości konopi zupraw wróżnychwarunkach klima-tycznych bardzo silnie wpływają na zawartość kannabinoli. Zaieżność ta sprawia, że roz różnien ie regionu świata, z którego pochodzą konopie, jestmożliwena podstawie fizycznych oględzin i badań chromatogra
ficz-nych zawartości głównych kannabi
-noli wpr óbcsś. Charakterystyka
wła-ściwości fizycznych i składów che-micznych roślin konopi pochodzą cychzróżnychrejonówświata zosta-łazamieszczonaw tabeli1.
Konopie można więc profilować na podstawie składu organicznego, jednak możliwa jest jedynie identyfi -kacjadość dużego obszaru.Wynika to z faktu,że warunkiwpływające na zawartośćkannabinoli wzbyt małym stopniuróżnią sięna obszarze dane-gopaństwa, a nawet kontynentu,aby spowodować istotne zmiany w skła dzie chemicznym materiału roślinne go.Dodatkowego problemuw profilo-waniu składu organicznego konopi przysparzają uprawy prowadzone wspecjalnieokreślonychwarunkach, poza naturalnym obszaremwystępo wania rośl iny (np. uprawy hydropo-niczne).
Metody rozróżn ian ia psychoa k-tywnychiwłóknistych odmian konopi na podstawie zawartości kan nabino-idów, jak: Ll9 - THC, CBG, CBD, CBN, THV, CBDV, CBC i CBGM5 opracowano bardzodobrze. Badania na tematrozróżnianiapróbek konopi - mimoże sąobszerne izostałydo -brze udokumentowane- ograniczają się jedynie do rozróżniania konopi "narkotycznych" i "włó kn i stych". W niektórych krajach (np. Holandii) uprawiasiękonopiezawierającesu b-stancje psychoaktywne, wy korzysty-wane do celów medycznych. Jak wspomniano wcześniej, klasyfikacja i rozróżnianie próbek z róż nych upraw napodstawiezawartości kan-nabinoidów są nieprecyzyjne, gdyż rośl iny konopi wytwarzają podobne ilości kannabinoidów.
Y.H.Choi i wsp., wcelurozróżnie nia plantacji konopi, zaproponowali,
aby wykorzystać profilowanie" meta-boliczne"6, którego podstawą jest charakterystykaprofilu chemicznego metabolitów wtkankachkonopi. Me-todą 1H NMR analizie poddanowięc 12 próbek konopi z róż nych upraw. W próbkach kwiatostanów wykryto metabolityLl9- THCA(główny skład nik)i Ll9- THCiCBN,natomiast w li-ściach oznaczono Ll9_THC i sterole. Inne wykryte związki to cukry (a i B - glukoza) oraz aminokwasy( aspara-gina, alanina, walina, kwas giutami-nowy). Uzyskane wyniki poddano analizie głównych składowych, która umożliwiła rozróżnieniepróbek kono-pipochodzących zróż nych upraw.
Ze względu na różnice genetycz-ne próbekkonopinależącychdokilku odmian pochodzących z wielu regio-nówświata, a nawetplantacji,podję to próby profilowania
ww
.
próbek na podstawie DNA7. Podstawą technik genetycznych jest izolacja segrego-wanych pod kątem wielkości i anali-zowanychmetodąelektroforezyżelo wejfragmentów DNA zpróbki.W wy-niku procesu elektroforezynastępuje rozdzielenie fragmentów DNA. Jego obrazemsą prążkinażelu.Abyokre -ślić podobieństwo próbek,sprawdza się, czy występują w nich te same prążki i porównuje się ich wiel kości. Jedną z genetycznych metod ana li-tycznych jest RAPD - analiza p oli-morfizmuproduktówłańcuchowej re-akcjipolimerazy.Tę metodęwykorzy -stano do analizy 51 próbek konopi pochodzących z Australii, P apui-No-wej Gwinei i Tasmanii. Wi ę kszość z nich stanowiły wysuszone li ści e , pędyikwitnąceszczyty.Kilkapróbek ekstrahowano zaś z nasion i liści świeżych. Analizy wykazały wyrażneTabela1
Charakt ery stykawłaściwościfizy cznychiskładówchemicznych roślinkonopi pochodzących zróżnychrejonówświata4 Characteris tics ot physicaJpropertiesand
e
nemtest
compositions otcannabis originatingtromvariousregions ot the worlct4Typ Miejsce
Właściwościfizyczne Właściwościchemiczne
klimatu uprawy
Europa. al wtrakciewzrostujasnozielone - składchemiczny bardz o Amery ka bl po zbiorze niek tó re prób kitracązielonykoloristają się różnorod nywzależności
Klimat żółte.rzadziejbrązowe odregionuupr awy
umiarko· Północn a, ci owocującei kwitnąceszczyty sąpoz bawioneżywicy - prób ki oróżnympro f ilu
wany połud n i owe dl zawsz e obecne nasiona kann abinoid6 w
części półkuli
e) europejsk iekon opiezawierają więcej liści niżte - częśćpró bekzawieraCa D połu dn i owej
pochodzącez Amer y kiPółnocnej iTHV,aczęśćnie
al rzadkokonfis ko wana pozareg ion em - zawartośćTHV i CaD niska w AfrykaPółnoc na bl jasnozi elo n a lub żółtozielona roślina poró wna niu zzawart ości ą
ci nie zaw iera nasion THC
Afryka al w trakcie wzrostu zielon e
- brak CBD Zachodnia, bl pozb iorzeiwysuszeniu prób kiprzybierają kolorbrązowy
- niski stosunekTHV:THC Karaiby ci obecne nasiona
- próbkibrązowepodobne w profilukannabinoidówdo Afryka al większośćprób ek podobnadozachodn ioafrykańskich , zachodnioafrykańskich, Centralna częśćdo południowoafrykańsk ich - próbkizielone podobne
w profitu kannabinoidówdo po/udniowoafrykańs k i c h al po wysusz eni u materiałjest podobny do konopi
- brakCBD
Klima t Af ryka uprawian y chna obszarach umiarkowanyc h - poró w nywaln ezawartości trop ika lny Południowa bl konopie bard ziej zielone izawierające większepropo rcje THVi THC
liści odzachodnioafrykańskich
Ameryka - pod obn e do karaibskich
al podo bnedo karaibskich - bardzorzad ko próbkimogą Południo wa
zawieraćmałeiloś c iCBO
al wyróżnia siętrzy typy: - ob ecn y CBD,zawartościTHC
·
brązowekwitnąceiowocuj ąceszczyty odużej zawartości iTHV w przybliżeniużywi cy równe 1*1
Su b k ontynent
·
ciemnozielono -brązowymateriałpodobnydo niektórych - podobne do konopi Indyj skipróbekzachodnioafrykańskich zacho dnioafrykańskich
·
zielonepróbki,odużej zawartości liści, pozbawione - podobnedo typu I"},alekwitnącychiowocującychszc zy t ów zawierająkannabin oidyna nizszym poziomie Azj a al kwitnąceszczyty sąwiązan e dookołatrzcinybambusowej, - zazwyczajtylkoTHC Potudnio w o - tworząclaski. Ważąoneokoło2 gimierzą8 cm.Sąznane - brakCBD
-wsc hodnia pod nazwą..Budda Sticks " - bardzomałeilościTHV
rozruce genetyczne próbek po cho-dzących z Papui-NowejGwinei iA u-stralii, co również pozwala na ich identyfikację·
Wynikianalizypróbekkonopii ich analiza dyskryminacyjna
(konopiewłókniste)
Próbki konopi włóknistych poc ho-dziły z czterech legalnych plantacji usytuowanych w Bachórzu, Strze
li-nie, Nowym Korczynie i Mleczewie (ryc.1).
Ryc.1.Mapa Polskiz zaznaczeniem miejscpoborukonopiwłó kn i stych FIg.1.MapotPotenawith toceuonsot fibronemp eeizutes
26
Wszystkierośliny konopi należały do tej samej odmiany - Benico. Ze względu nawielkość obszaruplan
ta-cji pobranoproporcjonaln ą ilość pró
-bek- z plantacji w Bachórzu i M
le-czewie po 6 roślin, a ze Strzel/na i Nowego Korczyna po 4 z różnych miejsc plantacji. Wszystkie rośliny byłydojrzałe. Próbkipobieranookoło dwóchtygodniprzed zbiorem (z i nfor-macjiuzyskanychodplantatorów wy -nika, że konopie nie były zasilane żadnymi nawozami) . Następnie umieszczono je w papierowych ko -pertach i suszono w temperaturze pokojowej przez okres około dwóch
*- stężenienagran icywykrywalności
Składpierwiast kowypróbekkonopiwłókn istychzBac hórza E/ementalcompo siticnot fibre hemp sampIes trom Bachórze
Stężenie(mg/kg] Nazwa
Mn
B Ba Ca Cu Fe Mg Pb S. Zn Bl 50 16,5 46272 16,8 253,2 7710 71.4 0,70 209,5 69,1 B2 27 14,2 31188 23, 8 576,8 5538 82,3 0,91 114,4 74,5 B3 24 11,7 30451 24,1 360,2 5086 71,9 Q,20'" 87,1 63 ,3 B4 32 12,0 28846 28,2 291,8 5037 78,1 0,28* 104,1 67,7 B5 72 15.4 54126 10,2 420,4 7731 79,1 0,58 119,0 75,5 B6 71 14,9 61310 11,5 352,9 7295 80,0 0.47 97,7 64,1 Średnia 46 14,1 42032 19,1 375,9 6399 77,1 0,5 122,0 69,0 SD 22 1,9 13867 7.4 114,2 13 13 4,5 0,3 44.4 5,1 CV 47 14 33 39 30 21 6 51 36 7 Stężenie[m g/ k g] Nazwa B Ba Ca Cu Fe Mg Mn Pb S. Zn Ml 26 6.4 17814 11,1 202 ,6 4665 167.4 0,25* 39,5 62.4 M2 26 10,6 22144 13,8 192 ,9 5599 106,1 0,20'" 112,1 44,0 M3 56 7,1 78514 <GW 261,1 8573 143,2 0,23" 346,6 47,8 M4 71 25,7 89496 <GW 261,8 7938 482,2 0,24* 165,6 40,0 M5 63 21,8 110456 <GW 274,8 7161 39.4 0,21... 179,9 18,9 M6 48 16,0 58321 6,6 272,8 7297 74,5 0,22* 111,2 45,9 Średnia 48 14,6 62791 10,5 244,3 6872 168,8 0.22* 159,2 43,2 SD 19 8,0 37222 3,6 36,6 1469 160,3 0,02 104.4 14,1 CV 39 55 59 35 15 21 95 8 66 33Składpierwiastkowypróbek konopiwłóknistyc hz Mleczewa E/emental composition ot fibre hemp sampIes trom Mfeczewo
Tabela3 miesięcy. Do analizy pobrano próbki
kwiatostanów - w sumie 20 próbek konopi włóknistych. Wyniki zamiesz-czonowtabelach 2-5.
•- stężen iena granicywykrywalności
Jakmożna zauważyć,składy pier-wiastkowe roślin pochodzących z tej samej plantacji znacząco różnią się zawartościąniektórych pierwiastków. Najmniejsze zróżnicowanie w prób-kachpochodzącychz tej samej upra-wy wykazał magnez, a największe miedż.Jest to związanez faktem,że
próbki pobrano z odrębnych roślin. Mogły one rosnąć na nieco innym podłożu o zróżnicowanej zawartości poszczególnych pierwiastków, kt ó-Tab ela 2
rych zawartość w tkance roślinnej jest z tego powodu różna. Charakte-rystyczne jest,żew próbkach pocho-dzącychz Mleczewa nie wykrytooło wiu, co jest związane z brakiem za-nieczyszczeń atmosferycznych wy-wołanych działalnością przemysłową i brakiem w tej okolicy dużych
szla-ków komunikacji samochodowej. Największe stężenie otowiu znajdo-wało się w próbkach pochodzących ze Strzelina położonego niedaleko Wroctawia na Dolnym Śląsku, dlate -go duże stężenie tego pierwiastka oznaczono również w próbkach po-chodzących z Nowego Korczyna. Miejscowośćtależyniedaleko Tarno-wa i Krakowa, więc zwiększoną za-wartość ołowiu w próbkach można wytłumaczyć zanieczyszczeniem po-wietrza wywotanym spalinami samo-chodowymi iwpływem przemysłu.
Jak można zauważyć, rozróżnie nie rejonów upraw konopi na podsta -wie prostego porównania zawartości poszczególnych pierwiastków jest bardzo trudne. Aby się przekonać, czy w ogóle jest możliwe, należy za-stosować wielowymiarowe techniki statystyczne.
Analiz adyskryminacyj na
wynik ów uzyskanych dlapróbe k ko no p iwłókn istych
Analizie poddano wyniki otrzymanych składów pier-wiastkowych dla20 próbek ko-nopi wtóknistych pochodzą cych z czterech upraw usytu-owanych wróżnych regionach Polski, Miejsce i warunki ich uprawy (odmiana, stosowanie nawozów sztucznych,warunki klimatyczne itp.) dobrze zna-no.
Analiza dyskryminacyjna jest stosowana, aby rozstrzy-gać, które zmienne pozwalają w najlepszy sposób dzielić da-ny zbiór przypadków nawystę pujące w naturalny sposób grupyB W przypadku badań konopi interesuje nas, który z oznaczanych pierwiastków najbardziej różnicujemiejsce uprawy. Analiza dyskryminacyjna umożliwia ponadto klasyfikację nowych przy -padków do grup.Przeprowadzasię ją w dwóch etapachv;
- etap uczenia
:
gdy w oparciu o tak zwany zbiór uczący znaj-dujesię regułyklasyfikacyjne, - etap klasyfika cji:gdy w oparciuTabela 4
Składpierwiastkowypróbek konopiwłóknistychze Strzelina
Elemental compositionot fibrehemp sampIestromStrzelin Stężenie(mg/kg) Nazwa B Ba Ca Cu Fe Mg Mn Pb Sr Zn S1 35 15,4 27779 5,5 342,1 4256 7B,B 1,65 67,1 44,0 S2 45 13,5 32677 7,2 42 5,0 5012 109,9 1,72 79,1 51,8 S3 30 17,7 25003 5,0 206,0 3492 65,1 1,61 53,9 33,9 S4 50 l1,2 37838 8,6 490,7 5595 134,8 1,80 82,1 56,6 Średnia 40 14,4 30B24 6,6 366 45B9 97,2 1,7 70,5 46,6 SD 9 2,B 5651 1,6 123 914 31,3 0,1 12,B 9,9 CV 23 19 1B 25 34 20 32 6 1B 21 Tabela 5
Składpierwiastkowypróbek konopiwłóknistychz NowegoKorczyna
Elemental compositionot fibre hempsamp festromNo wyKorczyn
Stężenie[mg/kg ) Nazwa B Ba Ca Cu F. Mg Mn Pb Sr 2n NK1 71 12,5 29601 10,6 213,B 570B 196,7 1,4 0 24 6 ,7 73,6 NK2 53 13,7 22607 13,9 19 6,1 5665 14B,6 1,42 106 ,6 75, 2 NK3 76 10 ,7 34274 19,7 165,1 6466 82,1 1,41 256 ,6 48,6 NK4 69 8,2 28428 15,3 174,7 612/ 91,9 1,41 191,6 55,1 Średnia 67 11,3 28727 14,9 187 5990 129,8 1,4 200,4 63,1 SD 10 2,4 4799 3,7 22 378 53,4 0,01 68,7 13,3 CV 15 21 17 25 12 6 41 1 34 21 400 O BaCh6rz
a
Mleczewo 350a
• suaeun ... Nowy K(){czyn 300 250,
•
o;o
~ 200,[
•
c
~
C 150 o 100 II 00 O ", O 00 ••
50•
C O O 20000 40000 60000 6000 0 100000 120000 C (Ca){mg/kg]Ryc .2. Wykresrozrzutu stężeniawapnia względemstrontu Fig.2.Seatter diagram otconcentralion ot cetcium versus strontium
2B
klas dokonywana jest kl asyfika-cja zasadniczego zbioru o
biek-tów, których przynależ n ość nie jestznana,
Wykreś le nie zależności stężenia jednegopierwiastka oddrugiego po-zwala okreś lić, które z pierwiastków (zmiennych) najlepiejcharakteryzują grupy konopi włóknistych z różnych miejsc Polski. W przypadku analizy
próbekkonopi,podczas którejoz na-czano 10 pierwiastków, wykresów rozrzutu będzie 45. Wraz ze wzro -stem liczby oznaczanych p
ierwiast-ków rośnie liczba możliwych wykre-sów,dlategoich interpretacjawi zual-na jest uciążliwa i nieprecyzyjna. Przykłady wykresów rozrzutu za-mieszczonona rycinach2 i 3.
Na rycinie2 nie można zauważyć żadnych skupień punktów,które mo-głyby reprezentować grupy próbek konopi, ponieważ są one pr
zemie-szane, Odmienną sytuację ukazuje rycina3. W tym przypadkudwie gru
-py próbek są wyrażnie rozdzielone. Pierwsza z nich obejmuje próbki ko
-nopi z Bachórza i Mleczewa,zaś dru-ga ze Strzelina i Nowego Korczyna.
Próbkize Strzelinasądobrze oddzie -lone od grupypróbekz Nowego Kor-czyna. Punkty reprezentujące pozo-stałedwie próbki są również odd
zie-lone,jednak mniejwyrażnie .
Na podstawie wykresów 2i3moż nawysnuć wniosek,żestęż e nia
pier-wiastków,takichjakołówimiedż ma-ją większy wpływ na rozróżnien ie
grup próbek konopi włóknistych niż stężeniawapniaistrontu.Odpowiedż
na pytanie, dlaczego zależność stę żenia ołowiu od stężenia miedzima
większe możl iwości dyskryminacyjne niż zależność stężenia wapnia od strontu, daje analiza dyskry
minacyj-na. Należy pamiętać o jej założe
niach,do którychnależą10:
- normalność rozkładów: przy
j-muje się , że poszczególne
zmienne w grupach podlegają rozkładom normalnym.
Naru-szenie założenia o normalności zazwyczaj nie jestkrytyczne, - homogeniczność wariancji:
zakłada się , że macierze w a-riancji zmiennychsą jednakowe
Inform acje zawarte w tabeli 6wskazują, że zmienność wyjaśn ia ną przezwapń określają również i
n-ne pierwiastki,jakB,Ba,Cu, Mg,Pb i Sr. Pom inięcie stężen ia wapnia wanaliziedyskryminacyjnejniewpły wa zatem nakońcowewyniki.Pod
ob-ne wnioskiwyciągnięto dla stężenia magnezu. Wstępn ą analizę dyskry
-mi nacyjną wykonano na podstawie stęże ń ośmiu pierwiastków.
Ana lizę dysk rym in acyj ną można traktować jako proces transformacji starego układ u współrzęd nych Yp (gdzie Yptostężen ie Cppierwiastka p) do nowego korzystniejszego dla dyskryminacji grup układ u wsp ół rzędnych
U
;.
Nasuwasię pytanie, jak wybrać nowewspół rzędn eU
i-
Pun k-tem wyjścia do wyznaczenia funkcji dyskryminacyjnych jest dążenie dospeł nienia warunku, by stosunek zmienności (wariancji) międzyg ru po
wej do zmienności wewnątrz grup osiągał warto ś ć maksyma lną.
W praktyce poszukujemy kombinacji
liniowejzmiennych
Y
l, ... ,Y
p(w na-szym przypadku stężeń p ierwiast-ków), która zastoso wana zamiast tych zmiennych najlepiej różnicowa
łaby grupy.Taką formę liniową, którą Tabela 6
Współczynni kikorelacji wyznaczone dlazależnościpomiędzypierwias tkami
Correlation indices for
i
m
e
r-etementet
relationshipsczynnikikorelacjipo m iędzystężenia miposzczególnychpierwiastków.K
o-relacje istotne statystycznie uzy
ska-nopomiędzy stężeniam iwapnia im a-gnezu a wi ększości ą pozo stałyc h
pierwiastków. Wyznaczone współ
czynnikikorelacjizamieszczonow t
a-beli
6
.
B Ba Ca Cu Fe Mg Mn Pb Sr Zn B 1,00 0,24 0,5 1 -0,32 -0 ,20 0,6 6 0,27 0,12 0,59 -0,0 2 Ba 0,24 1,00 0,59 ·0,40 0, 11 0,24 0,35 -0,12 -0, 11 -0,38 Ca 0,51 0,59 1,00 -0, 5 9 0,05 0,75 0,26 -0,47 0,42 -0, 4 9 Cu -0,32 -0,40 -0,59 1,00 0,13 -0,29 -0, 35 -0,0 3 -0, 13 0,63 Fe -0,20 0,11 0,05 0,13 1,00 -0,03 -0,14 0,11 -0,34 0,28 Mg 0,66 0,24 0,75 ·0,29 -0,03 1,0 0 0,25 ·0 ,4 8 0,65 -0, 02 Mn 0,27 0,35 0,26 -0,35 -0,14 0,25 1,00 -0,12 0,15 -0,0 5 Pb 0,12 -0,12 -0 ,4 7 -0, 03 0,11 -0 ,4 8 -0,12 1,00 -0,11 0,0 9 Sr 0,59 -0,1 1 0,42 -0,13 -0, 34 0,65 0,15 -0, 1 1 1,00 -0,06 Zn -0,0 2 -0 ,3 8 -0 ,4 9 0,63 0,28 -0,0 2 -0,0 5 0,09 -0 ,06 1,00 3D!
\
O Bachorz O Mleczewo ~ Srrzejn ~5 .. Nov·..,.Korczyn O ~O~
O; O ~ 15•
oŚ D•
;~
',!. D'O
U 10 Od
D 5 OVJ
0.0 0.2 0.4 0.6 0.8 1.0 1.:: 1.4 1.6 1.8 ::.0 C,Pbi(mglkg]Ryc.3.Wykres rozrzutustężeniaoIowiuwzględemmiedzi
Fig.3.Scenerdiagramotconcenuetion otIeadversus copper
we wszystk ich grupach. Nie-znaczne odchyleniasą a kcepto-walne,
- wielkość próby do analizy: najmniejsza liczba przypadków
(próbek) poddawanych
klasyfi-kacji powinna być co najmniej pięć razy wi ększa od liczby
zmiennych (w naszym przy
pad-ku stężeń oznaczanych p ier-wiastków),
- brak korelacji pomiędzy zmiennymi,na których
podsta-wie przeprowadzanajest analiza
dyskryminacyjna.
W przypadku analizy
dyskrymina-cyjnej wyników uzyskanych dla ko-nopi włóknistych warunek o normal -ności rozkładów jest spełniony.
Wa-riancje niesą homogenicznejedynie dla ołowi u. Ponieważ analizie pod-dano 20 próbek konopi włóknistych,
liczba oznaczanych pierwiastków,na których podstawie można przepro-wadzić klasyfikację, nie powinna
prze kraczać czterech. Z dziesięciu
pierwiastków oznaczanych w pr
ób-kach konopinależyzatemwybraćte,
które mają największą moc dyskry-minacymą.
Na wstępie sprawdzono, czy stę żenia oznaczonych pierwiastków nie
(2) opisuje równanie 1,nazywamy funk-cją dyskryminacyjną .
U; =A +bilY 1+bi2Y 2 +...+bipYp (1)
gdzie: A - stała,
Ui- tunkcjadyskryminacyjna, bit...bip- współczyn niki funkcji
dys-kryminacyjnej,
Y"
....
Yo
:
pierwotne zmi enne nieza-leżn e,np.oznaczane p
ierwiast-kiw próbkachkonopi,
p- numeruje pierwotne zmienne nie
-zależne.tu:stężeniaoznaczanych pierwiastków,
i - numeruje funkcje dyskryminacyjne
(imaxS liczba grup - 1; imax S Pmax)'
W przypad ku wynik ów uzysk a-nych dia konopi włóknistych funkcja
dysk ryminacyjna to kombinacja
linio-wa 8 zmiennych (równanie 2).
U,=A
+
bitGa+ bi2Csa+
biSCcu+bi4CFe-l+biS CMn+b i6CPb+bi7CSr +bi BC Zn
ryzowane funkcji dyskrymi nacyj nej
Wi/
..
.
b'ito)
wskazują natomiast,któ-re ze zmiennych (CB' CBa, ..., CZn) najbardziej różnicują grupy.Im więk sza jestwartość bezwzględna współ czynnika b'ip' tym silniejszy wpływ
dyskryminacyjnydanej zmiennej. Is
t-nieje wiele metod wyznaczania współczynników funkcji dyskrymina-cyjnych. Jedna z nich prowadzi do tzw. kanonicznych funkcji dyskrymi
-nacyjnych,których liczbanie przekra-cza liczby zmiennych i jest co naj -mniej o 1 mniejsza od liczby grup.
Analizującwyniki uzyskanedla ko-nopi włóknistych, wyodrębniono trzy
funkcje dyskrym in acyjn e. Współ czynniki surowe funkcji dyskrymin a-cyjnychzamieszczono w tabeli 7.
Korzystając z danych podanych w tabeli 7, możn a zapisać funkcje
dyskryminacyjne, które przed stawio-no za pom ocą równań3- 5. U,= 5,49713- 0,0 1902" CB -- 0,2128rCBa - 0,10898"Ccu -- 0,00596"CFe+0,00680"CMn+ +8,77824"CPb- 0,00844"CSr --0,10113" Czn U2 =15,15100 - 0,07924"CB- (3) - 0,307980"CPb+0 ,002950"CSr-- 0,0162 13"CZn (S)
Współczynn iki standaryzowane funkcji dyskryminacyjnych p ozwala-jące określić, które zmienne najbar-dziej różnicująmiejsceuprawy
kono-piwłóknistych ,podano w tabeli8.
Wielkość "skumulowana propor-cja"zawarta w tabelach7 i 8 dos
tar-cza infonmacji,ile procentzmienności opisują określone funkcje
dyskrymi-nacyjn e,gdy analizie poddawane są wynikioznaczeń ośmiupierwiastków.
Pierwsza funkcja dysk rym inacyjn a wyjaśn ia70%zmien ności,druga d al-sze 26%,atrzeciapozostałe 4%.Do
dalszej inte rpretacjimożnazatempo
-minąć U3, gdyż wyjaśnia ona z niko-my procent zmie n ności. Jak wynika
z tabeli 8, pierwiastkiem mającym najwię kszy wkład do funkcji dysk
ry-minacyjnej UI jest ołów, dla którego uzyskano największy współczynnik (i b' I= 1,36). Kolejnepierwiastki ma-jące istotny wkład do Ul to cynk (I b'I= 1,12),bar (Ib'1= 1,03), man-gan(Ib'1=0,64)imied ź (Ib'1= 0,61) . Największy wkład w wyja ś n i a ni e Tabela7
Współczynniki surowe funkcji dyskryminacyj nych
wyznaczonych na podstawiestężeń ośmiupierwiastków Raw indicesot discrimina tionfunctionscalcu/ate dbased
onconce ntrationsot8elements
Zmienna U, U, U, B ·0, 0190 2 ·0,07924 0,0282 9 1 Ba -0,2128 7 -0,19303 -0,1235 8 3 cu -0,10 8 9 8 -0,28894 0,005123 Fe -0,0059 6 0,00643 -0,00 8797 Mn 0,0 0 6 80 0,0077 1 0,00 5 533 Pb 8,77824 ·1,8 5858 ·0, 307980 Sr -0,00844 -0,00412 0,00 2 9 50 Zn -0,10 1 13 -0, 10 574 -0,016 2 13 Stała 5.49713 15,151 00 2,937949 Skumulowana 0,69728 0,96165 1,000000 proporcja Tabela8 Współczynnikistandary zowanefunkCjidyskryminacyjnych
wyznaczonych na podstaw iestężeńośmiupierwiastków Standardisedindices otdiscrimination tunctions based
onconcen trationsot8eJements
Zmienna U, U, U, B -0,32280 -1,3446 9 0.480079 Ba -l,0334B -0,9 3715 -0, 5 9998 1 Cu -O,60B88 -1,61440 0,028624 Fe ·0,51328 0,55405 ·0,75745 5 Mn 0,63574 0,72097 0,5 1762 7 Pb 1,36120 ·0, 288 20 -0 ,0 4 77 5 7 Sr -0,5927 5 ·0,2897 9 0,207245 Zn -l, l l B5 1 -1, 16951 '0,17 9317 Skumulowana 0,69728 O,961B5 1,000000 proporcja
Program Statistica, za pomocą którego wykonywano obliczen ia, po-daje wartości współczyn n i ków
suro-wych oraz standaryzowanych.
Współczynniki surowe (bil'.. bilO) służądowyznaczenia funkcji dyskry-minacyjnych. Współczynniki
standa-30 - 0,19303"CBa- 0,28894"CCu+ +0,00643"CFe+0,00771"CMn -1,85858" CPb- 0 ,00412"CSr--O 10574, "CZn (4) U3=2,937949+0,028291"CB -- 0,123583"CBa+0,005123"CCu - 0,00879rCFe
+
0,005533"CMn-zmien noś ci za pomo cą U2 mają natomiast: miedź (I b' i
=
1,61) ,bor (Ib' l
=
1,34),cynk (Ib'l=
1,17),bar(I b'I= 0,94) i mangan (I b'I=0,72). Przeglądając otrzymane współczyn niki b'ip funkcji dyskryminacyjnych,
można zauważyć, że wartości
rychsąistotnie mniejszeniż
pozosta-łych.Sugeruje to,że nie wszystkie ze
zmiennych pierwotnych
Y
pdyskrymi-nują grupy i część z nich może zo
-stać pominięta. Program Statistica
podaje kilka parametrów pozwalają
cych określić, które pierwiastki mają
największy wkład w determinację
grup.Sąto międzyinnymi: 11
- lambda Wilksa : im większa jej
wartość,tymwiększamoc
dane-go pierwiastka w determinacji
grup. Należy zaznaczyć, że jej
wartość mieści się w zakresie
<0,1>,
- cząstkowa lam bda Wilksa: im
mniejsza jej wartość, tym więk
sza moc danego pierwiastka
w determinacji grup,
- poziomp:im mniejszy, tym
bar-dziej istotny statystycznie wkład
danej zmiennej w
dyskrymina-cję.Zazwyczaj wartość poziomu
p, poniżej której wkład danej
zmiennej uznaje się za istotny,
to0,05.
W tabeli 9 podano ichwartości.
Wartości parametrów
statystycz-nych zamieszczonych w tabeli
kryminacyjnej.Przeprowadzono
ana-lizę dyskryminacyjną wyników, tym
razem tylko dlastężeń następujących
pierwiastków:Pb, Gu,Zn, Fe, Ba i B.
Jej wyniki zamieszczono w tabeli 10.
Analizując wyniki zamieszczone
w tabeli 10,można wysnućwniosek,
że istotny wkład w dyskryminację
próbek konopi włóknistych mają stę
żenia trzech pierwiastków: Pb, Cu,
i B.Tylko dla nichpoziom pnie
prze-kroczył wartości 0,05.Należy zazna
-czyć, że pierwiastki te zaliczane są
do śladowych. Potwierdza to wstęp
ne przypuszczenia, że największy
wpływ na różnicowanie grup mają
pierwiastki śladowe, a nie zaś głów
ne. Analiza dyskryminacyjna
porno-gta zatem wytłumaczyć, jak uzyskać
lepszypodział na grupy,cowidaćna
rycinie 3, na której została wykreślo
na zależność stężeń pierwiastków
o największej mocy
dyskryminacyj-nej.
Wykreślenie zależności stężeń
pierwiastków o bardzo małej mocy
dyskryminacyjnej,tj.Mn i Fe (ryc.2),
nie prowadzi do utworzenia grup
punktów reprezentujących próbki
ko-nopi włóknistych pochodzących
z różnych miejsc Polski. Na
podsta-wie wyników analizy
dyskryminacyj-nej wywnioskowano, że tylko trzy
spośród dziesięciu oznaczanych
pierwiastków - ołów, bor imiedż,
ma-jąistotny wktad wdyskryminację
pró-bek konopi włóknistych pochodzą
cych z różnych regionów kraju.
Re-zultat analizy dyskryminacyjnej
bazu-jącej na wynikach oznaczania tylko
trzech pierwiastków ujętow tabelach
11-13.
Na podstawie wartości
parame-trów zamieszczonych w tabeli 11
można stwierdzić, że B, Gu i Pb to
pierwiastki mające istotny wptyw na
dyskryminację grup konopi włókni
stych (dla wszystkich trzech
pier-wiastków wartość poziom u p jest
mniejsza od 0,05) . Moc
dyskrymina-cyjna tych trzech pierwiastków
male-je w szeregu Pb, Gu i B. Widoczna
jest tu pewna zależność między
za-wartościąpierwiastka w próbce a
je-go mocą dyskryminacyjną. Przykład
B, Gu i Pb 'ukazuje także, że im
mniejsza jest'zawartość pierwiastka
w próbkach konopi włóknistych, tym
Tabela 9
Podsumowanie analizydyskryminacyjnej
dlastężeń ośmiu pierwiastków
Summaryot discrimination analysisfor concentrations
ot8elements
Pierwiastek lambda Cząstkowa Poziom p
Wilksa lambda Wilksa
B 0.001019 0,467776 0.066453 Ba 0,001058 0,450377 0.056684 Cu 0.001832 0,260145 0,005360 Fe 0,001121 0,425098 0,044429 Mo 0.000895 0,532844 0,114048 Pb 0,015280 0.031196 0,0000004 S, 0,000636 0.749885 0,436045 Zo 0,001561 0,305267 0,010746 Tabela10
Wynikianalizy dyskryminacyjnej
dla stężeń sześciupierwiastków
Results ot discrimination analysis for concentrations ot6elements
Pierwiastek Lambda Cząstkowa Poziomp
Wilksa lambda Wilksa
B 0,003354 0,326604 0,005096 Ba 0,001426 0,76B105 0,387577 Cu 0,004131 0,265157 0,001677 Fe 0,006051 0,549854 0,058817 Pb 0,031814 0,034432 0,00000002 Zo 0.001970 0,556061 0,081226
9wskazująna to,że największe
zna-czenie w różnicowaniu grup próbek
konopi mają kolejno następujące
pierwiastki: Pb, Gu, Zn, Fe, Ba i B.
Postanowiono jednak przeprowadzić
kolejne anaiizy dyskryminacyjne
po-zwalające na selekcję
trzech-czte-rech pierwiastków
°
największejmo-cy dyskryminamo-cyjnej. Kolejnym
kro-kiem było usunięcie z modelu
pier-wiastków o najmniejszej mocy
dys-Tabela11
Podsumowanieanalizy dyskryminacyjnejwynikówoznaczania
trzech pierwiastków
Summary otdisctiminetionanalysis ot results ot three elements determinations
Pierwiastek Lambda Cząstkowa Poziom p
Wilksa lambda Wilksa
B 0,021062 0,306868 0,000688442
Cu 0,037460 0,172540 0.000013179
Tabela12 Współczynnikisurowe funkcjidyskryminacy jnych
wyznaczonych na podstawieanalizy wyników
oznaczania3pierwiastków
Raw indicesot discriminatio n functions determinedbased
on analysisot results for3efements
Zmienna U, U, U, B -0, 00 26 2 -0, 0 8 4 77 1 -0, 04 6 3 1 1 Cu 0,02166 -0, 28 8 34 6 0,046275 Pb 6,53297 0,286297 0,121642 Stała -5,6279B 7,332830 1,659605 Skumu lowana 0,76883 0,990371 1,000000 proporcia Tabela13 Współczynniki standaryzowanefunkcjidyskryminacyjnych
wyznaczonychna podstawieanalizywynikówoznaczania
trzech pierwiastków
Standardisedindic esotdiscriminalion func tions determined
based onanalysisotresulls for3eleme nts
Zmienna U. U, U, B -0,04443 -1.43 8 50 -0,78 58 56 Cu 0,12103 -1, 6 110 6 0,258552 Pb 1,0 1304 0,04439 0,018862 Skumulowana 0.76883 0,99037 1,000000 proporcja
większyjest jego wkład w dyskrymi -nację grup. Są to wnioski wstęp ne
i aby potwierdzić te przypuszczenia,
należałoby powołać się na wyniki
analizywi ę kszej liczbypróbek.
Korzystającz danych zam
ieszczo-nych w tabeli 12, można zapisać
funkcje dyskryminacyjne, które
przedstawiono za pomocą równań
6-8_ U, ;- 5,62798- 0,00262"CB+ +O,02166"CCu+6,5329rCpb (6) U2 ; 7,332830- 0,084771"CB -- O,288246"CCu+O,28629r Cp b (7) U3; 1,659605- O,0463 11 "CB+
+
O,046275"CCu+O,121642"CPb (B) Dane zamieszczone wtabelach12i 13ukaz ują , że do dalszej
inter-pretacji można pominąć funkcję U3,
gdyż jej udział w wyjaśnian i u całko
witejzm ienn ościwynosi tylko 0,01%.
Zastępuj ąc pierwotne współ rzęd
ne próbek określone przez stężenia pierwiastków funkcjami dy skrymina-cyjnymi Ul i U2,można przedstawić wykresy rozproszenia próbek z
po-działem na analizo wane grupy
(ryc.4).
W celu potwierdzenia,że funkcja
U3wyjaśnia znikomy procent
zmien-ności na rycinach5 i6,zamieszczo -no zależnośćfunkcji drugiej od trze-ciej i funkcji pierwszejod trzeciej.
Ryciny 4-6 ukazują, jak bardzo w przestrzeni poszczególnychfunkcji
dyskryminacyjnych rozdzielone są
poszczególne grupy. W porównaniu z rycinami 2 i 3 w nowym układzie ws pó ł rzęd n yc h wartości mieszczą sięwdużomniejszymzakresie. Wiel-kości Uidużolepiejdyskryminują
po-nadto grupy próbekkonopiniż stęże niapierwiastków.
Jak można było przypuszczać ,
najlepsze rezultaty dało wykreślen i e
zależności funkcji pierwszej od dr
u-giej. które wyjaśniają najwięcej
zmienności.Grupy próbek konopi
po-chodzące z różnych miejscPolskisą
wyrażnie rozdzielone. Punktyr
epre-zentujące próbki pochodzące z róż
nych plantacji niesą"przemieszane", zatemwyznaczenieskładup ierwiast-kowegow połączeniu z analizą
dys-kryminacyjną wyników um oż l iw i ło
rozróżnienie próbek konopi włókni
stych pochodzących z plantacji usy -tuowanych w różnych rejonach Pol -ski.
Miarą koncentracji punktów w po-szczególnych grupach są średn ie zmiennych (punkty centroidalne). Punkt centroidalny to odleg łość punktu od centrum rozkładu w szyst-4
~
0
"'_
l D ~ 00Strzełn~
lt. Nctow1Koo-ayn,
•
o ~A
-,
C
o)
•
-
,
•
-a...
'0
.5-
,
...
-,
o,
4 e•
u
,
RyC. 4.Wykres rozrzutufunkcjipierwszejwzględ emdrugiej
Fig.4.Seatterdiagram ot function 1versus 2
32 2.0 o
-o•
M " , , _ o"
o•
5vzetin·
-v"""""
•
•
1.0•
«s•
o•
3 0.0 A•
•
-0.5"
"•
.1,0 0 0"•
-1.5•
-2,0..
...
-a -a -l o,
2 3 4 U,Ryc.5. Wykres roz rzutufunkcji drugiejwzględemtrzeciej
Fig.5.Seatterdiagramot function2versus3
Tabela14
Średn ie zmiennych kanonicz nych (pun ktycentroi da lne)
Mean values ot canonicalvariabIes (centroidal points)
Grupa u, u, u, Bachórz ·1, 92 4 13 ·1, 9 1594 0.480010 Mleczewo ·4,16 3 78 1,7 3023 -0,29 84 4 1 Strzelin 5,40189 2,53 4 64 0,3 21 374 Nowy Korczyn 3,72998 ·2, 2560 8 ·0 ,59372 7 '.0 O BachOrz O O 13Mleezewo t.s O
•
StrzelIn•
NowyKorczyn O 1.0 O•
O.•
O•
"
0,0•
•
O O -o.s•
O·
.1,0 O•
O•
-t.s O -2,0.
,
-a O a,
6 UlRyc. 6. Wykres rozrzutu funkcjipierwszejwzg lę de mtrzeciej Fig. 6.Seatter diagramotfunction1versus 3
Jak wynika z danych zawar -tych w tabeli 16, na podstawie kwadratowej od-ległości Mahala-nobisa program
Na końcu , na podstawie modelu
stworzonego dlakonopiwłó knistych, podjęto próbę klasy1ikacji próbek ko
-nopi pochodzących ze sprawy,która
została przekazana do laboratorium kryminalistycznego.Próbki poddawa-ne klasyfikacji pochodziły z
Buska-Tabela15
Klasyfikacja pró be k kon opiwłó kn istyc h
Cłessittcetlonot tibrehemp sampIes
Tabela16
Klasyfikacjapróbekkonopi"narkotycznych" na podstawiemodelu
utworzonegodla konopiwłóknistyc h
Classitication ot narcoticcannabis sampIes based on modelcreated tor tibre hemp
Nazwa Obserwowana Kwadratodległości Mahalanob isa przypadku klasyfikacja
Bachórz Mleczewo Strzelin Nowy
Korczyn B6 Bachórz 3,49203 14, 4 36 0 5 60.66659 30.311 22 M5 Mlecze w o 24,56944 1,45249 73.16001 72.57020 M6 Mlecze w o 16,34434 0,09662 66.56302 63.30293 54 St rzelin 52,13493 81,84285 4, 15267 12,9 6 57 3 NK4 Now yKorczyn 25.2 3 18 7 67,61858 27,03053 0,10526 -Zdroju (BZ1 - BZ4) i zaw i e rały 0,72-2,18%Ll,9 - THC,byłyto zatem
konopie"narkotyczne". Wyniki klasy-fikacjizamieszczonowtabeli16.
Wszystkie cztery próbki z Buska
--Zdroju programprzyporządkował do grupy konopi włó kn istych pochodzą
cych z Nowego Korczyna, co może
Nazwa Obserwo- KwadratowaodległośćMahalanobisa
przypadku wana
klasyfikacja Bachórz Mleczewo Strzelin Nowy Korczyn
BZ1 Nowy 163,6678 260,9881 101,7135 68,66891 Korczyn BZ2 Nowy 23.8428 79,4503 76,3803 16,47945 Korczyn BZ3 Nowy 50,2603 120.3064 68.8271 14 ,0 33 8 4 Korczyn BZ4 Nowy 63,7096 139,5697 64,2550 22,06333 Korczyn
poprawnie zaklasyfikował pięć p
ró-bek konopi włó kn i stych pochodzą
cych zróżnych regionów Polski.Ten
wynik jest bardzo obiecujący, gdyż
dajemożliwościpoprawnej
klasyfika-cji ww. próbek na podstawieichskła
dówpierwiastkowych. kich punktów w przestrzeni
zmien-nychniezależnych (wskazują central-ny punktkażdejgrupy).Współrzędne
tych punktówzestawiono w tabeli 14.
Jak wcz eś n i ej wspomniano, jed-nym z celów analizy dyskryminacyj
-nej jest klasyfikacja przypadków, tzn. ustalenie na podstawie uzyska-nych doświadczalnie wartości YI,
'''
, Y
p' do której grupy zaliczyć k-typrzypadek (próbkę). Jedną z możli wości przeprowadzenia klasyfikacji
jestwykorzystanie tzw.kwadratu od
-ległości Mahalanobisaanal
izowane-go punktu od centroid u grupoweizowane-go.
Obserwację Y(k) przyporządkujemy
do grupy,której jest najbiiższa, tzn. do tej, do której odległość Mahala-nobisa jest najmniejsza. Zwróćmy uwagę,że nie zawszepowyższywa
-runek prowadzi do zaklasyfikowania obserwacji do grupy, z której ona
rzeczywiście pochodzi, gdyż rozwa
-żania prowadzi się w kategoriach
prawdopodobieństwa. Odległości
Mahaianobisa mogą być wykorzy-stane do klasyfikacji zarówno obser-wacji należących do wejściowego
zbioru n-danych, jak i dla nowych przypadków.
Nawstępie postanowiono poddać
klasyfikacjipróbki konopiwłóknistych pochodzących z Bachórza (1 próbka
- B6), Mleczewa (2 próbki - MS,M6), 5trzelina (1 próbka - 54) i Nowego Korczyna (1 próbka NK4). Kwadrato
-weodległości Mahalanobisa dlakaż
dego przypadku wraz z klasyfikacją
świadczyć o tym,że zawartość/19
-THG nie jest skorelowana ze skła
dem pierwiastkowy mpróbek konopi.
Mając na uwadze stosunkowo
nie-wi e l ką odległość między obiema
mi ejscowościam i (około30 km),
kla-syfikację możnauzn a ć zatrafną. Ba
-dania i analiza dyskryminacyjnamają
jednak charakter poglądowy, dlatego
należy poprzeć je badaniami więk
szej iiczbypróbek.
Podsumowanie
Niniejszy tekst jest ostatnim z cy-kluartykułów na temat metodyki ba-dania konopi pod kątem oznaczania
składu pierwiastkowego wykorzysty
-wanego doich profilowan ia.W bada
-niach zastosowan o dwie metody analityczne, tj. IGP-OES i GF AAS.
Opracowanie metod oznaczeń pier -wiastków techniką GF AAS i IGP
--OES rozpoczęto od sprawdzenia,
czy matryca próbek konopi po m ine-raiizacji ma istotnywpływna dokład
ność i powtarzalność uzyskiwanych wyników. Badania wykazały, że składniki matrycy,jak np. kwas azo-towy (V), wapń, magnez i inne
pier-wiastki obecne w stężeniach rzędu
kilku procent,istotniewpływająna i
n-tensywności sygnałówuzyskiwanych dlaoznaczanych pierwiastków. Z
ba-dań, w których sprawdzono wpływ
wapnia i magnezu o wzrastającym stężeniu na sygnały uzyskiwane dla
pozostałych pierwiastków, wynika
zaś, że dla wszystkich oznaczanych pierwiastków wzrost stężenia matry
-cy powoduje zmianę intensywności sygnału (od -41 % dla Pb do +40%
dla Cu). Ponieważ stężenie
pier-wiast ków, jakwapń, magnezczy po-tas w próbkach konopi zmienia się
w szerokim zakresie, eliminacja ich
wpływów poprzez dostosowanie ma-trycy wzorców,ślepych prób i próbek jest utrudniona.
Aby wybrać najlepszą metodęmi
-nimalizacji efektów matrycowych w IGP-OES, przeanalizowano i po -równano trzy z nich: zastosowanie
odpornych warunków plazmy,
meto-dę dodatku bufora matrycy i metodę
wzorca wewnętrznego. Zastosowa
-nie odpornych warunków pracy
spek-34
trometru umożliwiłojedyn iedokład ne
oznaczenie boru, gdyż w tym przy
-padkuwpływ mat rycy zmienia inten
-sywność sygnał u maksy malnie
o +3% (poprawa o 10% w stosunku do wyniku uzyskanego wn iezmodyfi-kowanychwarunkach pracy spek
tro-metru). W przypadku pozostałych
pierwiast ków oznaczanychpo zasto
-sowaniu warunk ów odpornych w i-doczne jest zmniejszenie efektów matrycowych. Błąd wyni kający z ich
obecnościjestciągle wyższyod 10% (np. dla Fe wyn i ósł 11%, a dla Cu +14% ). Dodatek sodu, jako bufora
matrycy, zminimalizował efektywnie wpływ
Ca
i Mg na intensywność sy-gnałudla boruimiedzi (do+3%).Dla
pozostałych , oznaczanych metodą
IGP-OES pierwiastków, dodatek Na nie ograniczył efektów matrycowych
wtakim stopniu, bymetodę ich kom-pensacjimożna było stosowaćdor u-tyno wych wielopierwiastkowych
oznaczeń (np.po korekcjibłąd dla Sr
iZn wyn i ósł+13%).
Trzecią analizowaną metodą kom-pensacji wpływów matrycy była
me-toda wzorca wewnętrznego. Spra
w-dzono zatemefektywność wewnętrz
nej standaryzacji pierwiastkami: Be, Gr i
Y
.
Na podstawie przeprowadzo-nych badań uznano, że najlepszymi wzorcamiwewnętrznym i sąberyl iitr.
Dla większości pierwiastków ozna -czanych metodą IGP-OES kompen-sacja efektów matrycowych za ich
pomocą jest zadowalająca, a błąd
wywoła ny obecnością matrycy nie przekracza 5%(największyuzyskano
dla Sr- 5,9%).
W technice GF AAS, przy efektyw-nejmodyfikacji, matryca jest elimino-wana w etapie pirolizy. Sprawdzono
efektywność dwóch modyfikatorów:
fosforanowo-magnezowego i pa
lla-dowo-magnezowego. Wyższą
tem-peraturępirolizy można byłozastoso
-wać w obecności drugiego z nich
(1100°C). Porównanie nachylenia
klasycznej krzywej kalibracji bazują
cej na analizie roztworów lekko za-kwaszonych z nachyleniem krzywej uzyskanej metodą dodatku wzorca,
skłoniło do stwierdzenia,że matryca ma nadal istotny wpływ na sygnał
uzyskiwany dla ołowiu. Wskazuje to
na konieczn ość stosowania metody
dodatku wzorca w rutynowych
ozna-czeniach ołowiu w próbkach konopi
techn i ką GF AAS.
Nowo opracowane metody o zna-cze ń pierwiastkó w poddano wal ida-cji. Wyznaczono parametry metod: precyzja,dokładność,granica wyk
ry-walności i oznaczal ności, zakres ro
-boczy i prostoliniowy krzywych k
ali-bracyjnych, selektywność i odpor
-ność. Ostatnim elementem walidacji
było oszacowanie niepewności me-tod. Największą względną
niepew-ność rozszerzoną uzyskanodla pie
r-wiastków: Pb,B, Ba,
cu
,
Sr i Zn.Mie-ściła sięona wzakresie 10,4-20,2% . W przypadku pierwiastków ślado wych oznaczanych metodą IGP-OES
największy wpływ na niepewność
metody ma opracowanie wzorca
głównego, z którego przygoto
wywa-ne są wzorce do kalibracji. W nie
-pewności metody oznaczania Pb
tech ni ką GF AAS 70% udziału pr
zy-pada naprecyzjęaparatu.
Wyznaczenie składu
pierwiastko-wego poszczególnych części rośliny
konopi pozwoliło na określenie stra-tegii pobierania próbek do analizy.
Było to konieczne,gdyż wprofilowa
-niuniezwykle istotne jest zachowanie
powtarzalności pobierania próbek. Jak można się było spodziewać, ba-dania wykazały duże zróżnicowanie zawartości pierwiastków w poszcze-gólnych częściach roślinykonopi.Jej próbki, przesyłane do laboratoriów
kryminalistycznych, mają postać ca
-łych roślinlub mieszanki ich poszcze -gólnych części (zwykle kwiatostany,
liście i nasiona). W próbkach,w któ-rych zmieszanesą różne części rośli
ny,istotny wpływ na zawartość pier
-wiastków ma liczba nasion.Ich
usu-nięcie przed etapem homogenizacji
znacząco minimalizuje niepewność związanąz pobieraniem próbki.
Opracowane i zwalidowane meto
-dy oznaczania pierwiastków zastoso-wano do wyznaczenia składówpier
-wiastkowych 85 próbek konopi, z któ-rych20 stanowiłypróbki konopiwłók
nistych. Pochodziły one z czterech legalnych plantacji usytuowanych w Bachórzu, Strzelinie, Nowym Kor-czynie i Mleczewie.Wszystkie rośliny
konopinal eżałydo tejsamejodmiany
- Benico. Pobie rano je około
dwóch tygodni przed zbiorem. Z i
n-formacji uzyskanych od plantatorów
wynika,że konopie niebyłyzasilane żadnymi nawozami. Wyniki analizy
próbek konopi włókn istych poddano
analizie dyskryminacyjnej.Jej wyniki wskazują, że największe znaczen ie w różnicowaniu grup próbek konopi włókni stych mają kolejno następują ce pierwiastki:Pb,Cu,Zn,Fe,BaiB.
Istotny wkład w dyskrym inację
ww
.
próbek mają jednak stężenia tylko trzech pierwiastków:Pb,Cu,iB, zal i-czanych dopierwiastkówśladowych.
Analiza dyskryminacyjna umożli wiła sprawdzenie,czymiędzyg rupa-mi próbek pochodzących z różnych
miejsc Polski istnieją wyrażn e różni ce.
W
tym celu wyk reś lona została zależność funkcji dyskryminacyjnychUl od U2· Jak widać, punkty
repre-zen tuj ące próbki poch odzące z róż nychplantacjiniesą"przemieszane".
Wyznaczenie składu p
ierwiastkowe-go w połączen iu zanal izą d yskrymi-nacyjną wyników umożliwiło rozróż nienie próbek konopiwłóknistychpo
-chodzącyc h z plantacji us ytuowa-nychw róż nych rejonach Polski.
W kolejnym etapiestworzonomo
-del klasyfikacyjny, który sprawdzono na podstawie pięciu próbek konopi
włókn istych. Napodstawie kw adrato-wej od leg łości Mahalanobisa p ro-gram poprawnie zak lasyfi kował wszystkiepróbki.Ten wynikjest bar-dzoobiecujący,gdyżdajemożliwości poprawnej klasyfikacjipróbek konopi napodstawieichskład u pierwi astko-wego.
W tokudalszychbadańspraw
dzo-no,czymodelklasyfikacyjnys tworzo-ny dla konopi włóknistych daje p o-prawne wyniki klasyfikacjidla próbek konopi "narkotycznych". W tym celu przeprowadzono klasyfikację cz te-rech próbek konopi pochodzących z nielegalnejuprawy wBusku-Zdroj u. Wszystkie próbki program z aklasyfi-kował do grupy konopi włó knistych pochodzących z Nowego Korczyna. Mając na uwadze stosunkowo nie-wielką odległość międzytymi obiema miejscowościami (około 30 km), kla-syfikację można uznaćzatrafną.Ob
-serwacje te wskazuj ą, że zawartość
1'19 - THC nie jest skorelowana ze
składem pierwiastkowym próbek ko
-nopi. Przypuszczenia te należy j
ed-nak potwierdzić, wykon ując analizy większej liczbypróbekkonopi.
Pods u mowując przep rowadzone
badania,można stwierdzić , żeistni e-je możliwość poprawnej klasyfikacji próbek konopi zewzględ unamiejsce
ich uprawy, na podstawie składów
pierwiastkowych orazanalizy dys
kry-minacyjnej. By model klasyfikacyjny uczynić bardziejdokładnym, należa łobyjednakprzeprowadzaćwlabo ra-toriach kryminalistycznych rutynowe analizypróbekkonopi podwzg lędem zawartości pierwiastków igromadzić
wyniki analizwraz dokładną charak-te rystykąpróbek,tj. miejscaichupra -wy i pochodzenia. Takie działania umożl iwiłyby zgromadzenie w p rzy-szłości odpowiedniej bazy danych dla dokładn ego modelu k lasyfikacyj-negoobejm ującego całą Polskę. Aby uzyskać większą ilość informacji na
temat składu pierwiastkowego pr
ó-bek,należałoby ponadtozastosować metodę ICP-MS.
tab. Izdj.:autorzy
PRZYPISY
l M. Wachowicz, M. Kuras: Wstęp doprofilowania konopi napodstawie
składu pierwiastkowego. "Problemy
Kryminalistyki" 2003, nr 240.
s.10-1 9;M.Wachowicz,M. Kuras: Mineralizacja mikrofalowajakojad ·
na z technikprzygotowaniapróbek
dobadańporównawczych,"Proble
-my Kryminalistyki" 2002, nr 238: M. Kuras, M. Wachowicz: Profilo
-wanie konopi na podstawie składu
pierwiastkowego - cz.I(efektyma
-trycowe),"Problemy Kryminalistyki"
2006,nr252, s.21-30;M.Kuras, M.Wachowicz: Profilowan iekonopi
na podstawieskładupierwiastkow
e-go- cz.II(walidacjametody),"Pro -blemy Kryminalistyki"2006,nr253, s.21-31;M.Kuras, M. Wachowicz: Profilowanie konopi na podstawie składu pierwiastkoweg o - cz. III (Rozkładpierwiastków wzielukono
-pi. Analiza porówna wcza.GFASA),
"Problemy Kryminalistyki" 2006, nr254.s.20-38;M. Kuras,praca
magisterska: Analiza elementarna
wybranych narkotyków oraz półpro
duktu i produktu syntezy siarczanu
4-etoksyamfetaminy, Wydział
Che-miiUW.Warszawa2002;
2 M. Kuras, M. Wach owi cz: Profilo -waniekonopi...- cz.III;
3R. Grabowska, Z. Sokołowska
-Jabłońska : Cannabis i jego
pro-dukty, "Problemy Kryminalistyki"
1996.nr214,s.30;
4Oivision of narcotic drugs Vienna:
Recommendedmethodsfor testing
Cannabis.Manual foruse by natio -nal narcotics laboratories, United
Nations,New York 1987;
5P.S Fetlerman, E.S. Keith, C.W.
Waller,O.Gue rrero, N.J. Oooren
-bos, M.W. Qulmby: .Joumat ot Pharmaceut ical Science s" 197 1,
nr60,s.1246;E.Smali,H.D.Bec
k-stead,.Jour na: of NaturalProducts"
1973,nr36,s.144;
6 Y.H.Choł,H.K.Klm,A.Hazekamp, C. Erke lens, A.W.M. lefeb er,
R. Verpoorte:Metabolomicditfere
n-tation of Cannabis Sativa cultivars using lH NMR spectroscopy and prlnetpalcomponentanalysis,.Jour -nalotNaturalProducts" 2004,nr67
(6),s.953;
7V. Jagadlsh, J. Robertson,
A.Glbbs: RAPD analysisdisti
ngu-ishesCannabisSativa sampiesfrom different sources,"ForensicScience
International" 1996, nr 79, s. 113; A. Llnacre, J. Thorpe: Detection
and identification ot cannabis by DNA, .Forensic Science Intema tio-nar 1998,nr91,s.71;
8 M. Dobosz: Wspomagana k ompu-terowo statystyczna analiza wyn
i-ków bada ń, Akade micka Oficyna WydawniczaExit,Warszawa 2001.
9A. Stanisz: Analiza dyskry
minacyj-na. "Medycyna Praktyczna" 2002,
nr6;
10M.Dobosz,op.cit.:
11Ibidem; T. Bromek, E. Pleszczyń
ska:Teoria ipraktykawnioskowania
statystycznego, PaństwoweW