Metoda profilowania konopi na podstawie składu pierwiastkowego - cz. IV. Dyskryminacja

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 absorpcji

atomo-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 wyrażne

Tabela1

Charakt ery stykawłaściwościfizy cznychiskładówchemicznych roślinkonopi pochodzących zróżnychrejonówświata4 Characteris tics ot physicaJpropertiesand

e

nemtest

compositions otcannabis originatingtromvariousregions ot the worlct4

Typ 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 przybliżeniu

żywi cy równe 1*1

Su b k ontynent

·

ciemnozielono -brązowymateriałpodobnydo niektórych - podobne do konopi Indyj ski

próbekzachodnioafrykańskich zacho dnioafrykańskich

·

zielonepróbki,odużej zawartości liści, pozbawione - podobnedo typu I"},ale

kwitnącychiowocującychszc 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 33

Składpierwiastkowypróbek 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 oparciu

Tabela 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 350

_a

• 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 Y_ptostężen ie C_ppierwiastka p) do nowego korzystniejszego dla dyskryminacji grup układ u wsp ół­ rzędnych

U

;.

Nasuwasię pytanie, jak wybrać nowewspół rzędn e

U

i-

Pun k-tem wyjścia do wyznaczenia funkcji dyskryminacyjnych jest dążenie do

speł 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

relationships

czynnikikorelacjipo 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 O

d

D 5 O

VJ

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'i

_to)

wskazują natomiast,

któ-re ze zmiennych (CB' CBa, ..., C_Zn) 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" C_B -- 0_{,2128rCBa -} 0,10898_"Ccu -- 0,00596"C_Fe+0,00680"C_Mn+ +8_,77824"CPb- 0_,00844"CSr --0_{,10113" Czn} U2 =15,15_{100 - 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 U_3, 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"C_Cu+ +0,00643_"CFe+0,00771"CMn -1,85858" C_Pb- 0 ,00412"CSr--O 10574_{, "CZn} (4) U₃=2,937949+0,028291"C_B -- 0,123583"C_Ba+0,005123"C_Cu - 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

_p

dyskrymi-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

°

największej

mo-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"C_B+ +O,02166"C_Cu+6,5329rCpb (6) U_{2 ;} 7,332830- 0,084771"C_B -- O,288246"C_Cu+O,28629r Cp b (7) U₃; 1,659605- O,0463 11 "C_B+

+

O,046275"C_Cu+O,121642"C_Pb (B) Dane zamieszczone wtabelach

12i 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 U_2,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 Ul

Ryc. 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-ty

przypadek (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 s

y-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 przepro

wadzo-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 dyskryminacyjnych

Ul od U_2· 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