Dalla tossicologia alla scienza forense computazionale
Dalla rapidità del mercato alla rapidità dell’analisi
Le nuove sostanze psicoattive rappresentano un caso paradigmatico nel quale la velocità di trasformazione del fenomeno può superare quella necessaria alla produzione di conoscenza sperimentale consolidata. Nuove molecole possono comparire sul mercato quando dati farmacologici, tossicologici e analitici sono ancora incompleti; analoghi strutturalmente molto vicini possono richiedere capacità discriminanti elevate e l’assenza iniziale di materiali di riferimento o di librerie spettroscopiche sufficientemente documentate può complicare l’identificazione.
La questione non è soltanto storica. Secondo la European Union Drugs Agency (EUDA), alla fine del 2025 il sistema europeo di allerta monitorava circa 1.050 NPS e 50 sostanze erano state segnalate per la prima volta in Europa nel solo 2025 [3]. Il dato non misura direttamente la prevalenza d’uso, né implica che tutte queste molecole abbiano la medesima rilevanza tossicologica, ma documenta l’ampiezza del problema analitico e di sorveglianza.
È in questo contesto che assume particolare interesse la review di Mariotto e colleghi, Density Functional Theory in Forensic Science: Applications and Challenges, pubblicata nel 2025 su WIREs Forensic Science [1]. Gli autori analizzano le applicazioni della Density Functional Theory (DFT) e di altri strumenti in silico a diversi settori delle scienze forensi, dedicando un’intera sezione alle NPS [1].
All’inizio di quella sezione viene citato il lavoro del 2022 New psychoactive substances: a descriptive review, di Paolo Berretta e colleghi [2]. La posizione bibliografica della citazione è essenziale per comprenderne il significato: non viene richiamato come fonte di un algoritmo DFT o di una procedura spettroscopica, bensì per definire il problema scientifico rappresentato dalle NPS [1].
Questo è il ponte da ricostruire.
Cosa analizza la review del 2025
La DFT appartiene alla chimica quantistica computazionale. In termini necessariamente semplificati, consente di descrivere le proprietà elettroniche di un sistema molecolare utilizzando la densità elettronica, anziché affrontare direttamente l’intera funzione d’onda multielettronica. Questa impostazione rende possibile un compromesso utile tra costo computazionale e accuratezza e permette di prevedere geometrie molecolari, energie, proprietà vibrazionali ed elettroniche, meccanismi di reazione e, con opportuni modelli, grandezze spettroscopiche [1,11].
In ambito forense, il punto di interesse è evidente. Se si dispone della struttura plausibile di una molecola, la chimica computazionale può produrre previsioni teoriche utili a interpretare dati sperimentali, confrontare isomeri, comprendere frammentazioni o anticipare caratteristiche spettroscopiche anche quando la disponibilità di materiale sperimentale è limitata.
La parola decisiva, tuttavia, è previsioni. Un calcolo DFT non equivale automaticamente all’identificazione forense di una sostanza.
Le attuali raccomandazioni SWGDRUG per l’identificazione delle droghe sequestrate richiedono schemi analitici basati su metodi validati e tecniche multiple. IR, spettrometria di massa, NMR e Raman rientrano fra le tecniche ad elevata selettività strutturale; la DFT non costituisce di per sé una delle tecniche sperimentali di identificazione previste dalla classificazione SWGDRUG [12].
La distinzione è cruciale: la DFT può rafforzare l’interpretazione, generare ipotesi e supportare il confronto spettroscopico, ma non trasforma uno spettro simulato in un materiale di riferimento certificato né sostituisce la validazione sperimentale.
DFT, spettroscopia e NPS: dove sta l’innovazione
La review del 2025 dedica particolare attenzione alla simulazione delle proprietà spettroscopiche delle NPS. Uno dei problemi caratteristici di questo mercato è infatti la presenza di molecole strettamente correlate: variazioni di posizione di un sostituente, omologhi, analoghi o differenti conformazioni possono produrre profili sufficientemente simili da rendere necessaria un’elevata capacità discriminante.
Un esempio riguarda l’α-pirrolidinopentiofenone (α-PVP). Tcharkhetian, Bruni e Rodrigues hanno integrato calcoli teorici, dati sperimentali e metodi chemometrici per valutarne struttura e proprietà spettroscopiche. Nel loro studio la combinazione B3LYP/6-31G** forniva, nelle specifiche condizioni analizzate, una concordanza utile fra dati teorici ed esperimentali [5]. Non si tratta di dimostrare che quella combinazione sia universalmente ottimale per ogni NPS: il risultato dimostra piuttosto la fattibilità di una strategia di confronto teorico-sperimentale [5].
Un secondo caso riguarda gli analoghi non farmaceutici del fentanyl. Sinhorini e colleghi hanno simulato gli spettri IR di 46 analoghi, impiegando disegno fattoriale e strumenti multivariati per individuare caratteristiche spettroscopiche e classificare i composti [6]. Anche in questo caso la componente chemometrica non è accessoria: quando decine di molecole producono grandi quantità di variabili spettroscopiche, PCA, SIMCA e altri approcci multivariati possono aiutare a trasformare la simulazione in informazione discriminante.
L’integrazione fra teoria ed esperimento è stata successivamente esplorata anche per analoghi del fentanyl mediante Raman e SERS. Dogruer Erkok e colleghi hanno confrontato risultati DFT con dati Raman sperimentali e SERS, utilizzando anche PCA e SIMCA per discriminare molecole strutturalmente simili [9].
La DFT può inoltre contribuire all’interpretazione della spettrometria di massa. Lau e colleghi hanno studiato mediante calcoli DFT le vie di frammentazione del fentanyl protonato durante collision-induced dissociation, esplorando meccanismi e prodotti ionici che spiegano segnali osservati sperimentalmente [7]. Huxley e collaboratori hanno invece utilizzato la DFT a supporto dell’interpretazione di intermedi e percorsi di sintesi di derivati catinonici, compresa la possibile formazione di specie aziriniche [8].
Sono applicazioni differenti, ma condividono la stessa logica: il calcolo acquista valore forense quando è collegato a una domanda analitica verificabile e viene confrontato con dati sperimentali indipendenti.
Il lavoro del 2022: la complessità delle NPS prima della DFT
Il lavoro New psychoactive substances: a descriptive review nasceva con un obiettivo diverso [2]. Non era una pubblicazione di chimica computazionale. Esaminava invece l’eterogeneità del fenomeno NPS, le principali classi di sostanze e le relative implicazioni farmacologiche, tossicologiche e di sanità pubblica.
La definizione adottata derivava dall’UNODC: una NPS è una sostanza d’abuso, pura o contenuta in una preparazione, non controllata dalle Convenzioni ONU del 1961 o del 1971 ma potenzialmente capace di rappresentare una minaccia per la salute pubblica [2,4]. Il termine “new” non significa necessariamente che la molecola sia stata sintetizzata recentemente; può riferirsi alla sua comparsa relativamente recente sul mercato [4]. Questa distinzione è tuttora mantenuta dall’UNODC.
La review del 2022 descriveva cannabinoidi sintetici, catinoni sintetici, oppioidi sintetici, sostanze allucinogene e altre classi, sottolineando la scarsità di conoscenze che può accompagnare la comparsa di nuove molecole [2].
Ma per il ponte con il lavoro del 2025 è soprattutto la conclusione ad assumere un valore particolare.
Berretta e colleghi osservavano che uno dei problemi principali era determinato, da una parte, dal rapido sviluppo di nuove sottoclassi di NPS e, dall’altra, dalla difficoltà di aggiornare altrettanto rapidamente screening analitici e metodi di conferma. Il lavoro sottolineava inoltre la difficoltà dell’identificazione nelle matrici biologiche e nei materiali sequestrati o raccolti [2].
Questa osservazione del 2022 merita di essere separata da ciò che viene effettivamente trasferito nella citazione del 2025. Mariotto e colleghi non citano Berretta et al. specificamente nel paragrafo sulla DFT né attribuiscono a quel lavoro lo sviluppo di metodi computazionali. Lo citano all’apertura della sezione sulle NPS, dove costruiscono il quadro generale del problema [1].
È quindi scorretto sostenere che il lavoro del 2022 abbia costituito la base metodologica della DFT forense.
È invece scientificamente sostenibile osservare che una criticità analitica già esplicitata nella review del 2022 — l’asimmetria temporale tra comparsa delle molecole e aggiornamento degli strumenti di identificazione — coincide con uno dei problemi ai quali la letteratura computazionale successiva cerca di rispondere.
La distinzione è sottile, ma essenziale in un testo destinato a reggere una valutazione critica.
Dove nasce esattamente il ponte scientifico
Nella review Wiley, la sezione 3.1 “An Overview of NPS” si apre definendo le NPS come una sfida importante per il controllo globale delle droghe e inserisce immediatamente il riferimento a Berretta et al. 2022 [1]. Seguono la definizione UNODC, la descrizione delle principali classi molecolari e il problema della continua comparsa di nuove strutture [1].
La sezione prosegue poi dal fenomeno al laboratorio. Gli autori osservano che la rapidità di evoluzione può rendere difficile ottenere tempestivamente protocolli consolidati e riferimenti sperimentali e introducono quindi, nella successiva sezione 3.2 “DFT Characterization of NPS”, gli approcci in silico [1].
La concatenazione concettuale è pertanto:
eterogeneità e rapida comparsa delle NPS → gap conoscitivo e analitico → necessità di discriminazione molecolare → simulazione computazionale → confronto con evidenze spettroscopiche → classificazione chemometrica.
Il contributo del lavoro storico si trova all’inizio della catena, non alla fine.
Dal problema di sanità pubblica al laboratorio forense
L’importanza attuale di questo passaggio è confermata dalla sorveglianza europea. Nel 2026 l’EUDA continua a descrivere il mercato delle NPS come caratterizzato da un numero elevato di sostanze e dalla rilevazione annuale di nuovi composti [3]. La stessa Agenzia richiama inoltre l’emergere di nuovi cannabinoidi e oppioidi sintetici ad elevata potenza [3].
Da una prospettiva nazionale, le Linee di indirizzo ISS 2026 per la determinazione delle sostanze d’abuso e NPS nelle matrici biologiche pongono l’accento su sensibilità e specificità analitica, conferma cromatografico-spettrometrica, validazione, controlli di qualità e corretta interpretazione dei risultati [13].
È utile mantenere separati questi livelli. La DFT affronta soprattutto problemi di struttura, previsione e interpretazione molecolare. L’analisi tossicologica di una matrice biologica affronta invece anche estrazione, effetti di matrice, metaboliti, concentrazioni, cut-off, stabilità, qualità pre-analitica e significato clinico o medico-legale. Una previsione teorica accurata non risolve automaticamente queste componenti.
Sul sito, questo secondo livello è approfondito nelle Linee di indirizzo per la determinazione delle sostanze d’abuso e nuove sostanze psicoattive nelle matrici biologiche [PB1]. Approfondimento sulle Linee di indirizzo NPS
DFT e chemometria: complementarità, non sostituzione
Un passaggio particolarmente istruttivo della review Wiley riguarda il confronto fra spettri teorici ed esperimentali. Per 2C-H e 25I-NBOMe, gli autori mostrano che una somiglianza visiva degli spettri non necessariamente corrisponde a elevate correlazioni statistiche. Differenze strumentali, condizioni sperimentali, contaminanti e adulteranti possono alterare il confronto [1].
È proprio qui che il discorso diventa metodologicamente maturo. La DFT non elimina l’incertezza analitica: la sposta in parte sul modello.
Occorre decidere quali conformeri considerare, stato di protonazione, funzionale, basis set, trattamento del solvente e fattori di scaling. Per gli spettri vibrazionali, l’approssimazione armonica introduce deviazioni sistematiche. Per sistemi complessi, interazioni intermolecolari, stato solido e ambiente chimico possono produrre discrepanze fra molecola isolata simulata e campione reale. Le buone pratiche in chimica computazionale raccomandano pertanto protocolli appropriati allo specifico problema e un confronto continuo con esperimento e benchmark [11].
La pubblicazione del 2025 su Forensic Science International, dedicata specificamente al contributo della chimica computazionale agli standard analitici per le NPS, arriva alla stessa prospettiva: DFT, metodi statistici, intelligenza artificiale e banche dati costituiscono direzioni promettenti, ma la loro utilità dipende dalla qualità dei dati e da rigorosi processi di validazione [10].
È probabilmente questa la formulazione più prudente per descrivere il futuro del settore.
Implicazioni traslazionali
Il valore traslazionale della chimica computazionale consiste nella possibilità di restringere più rapidamente lo spazio delle ipotesi.
Davanti a una molecola emergente, una strategia in silico può contribuire a prevedere frequenze vibrazionali, confrontare isomeri, ipotizzare frammentazioni e selezionare segnali discriminanti da verificare sperimentalmente. In presenza di numerose molecole correlate, l’integrazione con PCA, clustering o classificatori supervisionati può inoltre aiutare a organizzare l’informazione e individuare campioni anomali.
Questo può avere ricadute sulla forensic intelligence, sulla costruzione di librerie predittive e sulla definizione delle priorità sperimentali.
Non significa, invece, che una simulazione possa essere utilizzata senza verifica per attribuire identità certa a un reperto, formulare una diagnosi tossicologica o stabilire una relazione causale fra esposizione ed effetto clinico.
La stessa distinzione fra identificazione chimica e interpretazione tossicologica emerge nell’approfondimento sulla cromatografia liquida in tossicologia forense [PB2]. Liquid chromatography in forensic toxicology
Analogamente, la presenza di adulteranti o miscele costituisce un ulteriore livello di complessità: uno spettro teorico descrive per definizione un sistema modellato, mentre un prodotto di strada può contenere molteplici componenti. Questo problema è discusso anche nel lavoro sull’adulterazione delle droghe e le NPS [PB3]. Approfondimento su adulterazione e NPS
Limiti metodologici da non trascurare
La review del 2025 offre un’ampia sintesi delle applicazioni della DFT, ma il suo disegno editoriale deve essere interpretato correttamente. È classificata dall’editore come Advanced Review e utilizza casi selezionati per descrivere il campo. Non fornisce quindi una stima quantitativa della sensibilità, specificità o accuratezza diagnostica della DFT applicata alle NPS [1].
Non sarebbe scientificamente corretto dedurne che la DFT sia già validata come metodo autonomo di identificazione forense.
Inoltre, uno spettro calcolato per una molecola pura può differire sensibilmente da quello osservato in sali, miscele, differenti forme cristalline o campioni contenenti adulteranti. Anche la classificazione chemometrica può essere vulnerabile a dataset piccoli, sbilanciati o poco rappresentativi.
Infine, la trasferibilità forense richiede una dimensione che va oltre la prestazione computazionale: riproducibilità, validazione, tracciabilità del software e dei parametri, controllo di versione, documentazione dei dati e valutazione dell’incertezza.
Questi requisiti spiegano perché la DFT vada vista come componente di un ecosistema analitico, non come scorciatoia che consenta di superare la verifica sperimentale.
Sul piano sistemico, lo stesso problema della velocità di risposta alle NPS è affrontato nell’approfondimento dedicato al rapporto fra sistema di allerta e normativa europea [PB4]. NPS: dal sistema di allerta alle norme europee
Conclusioni
La citazione di New psychoactive substances: a descriptive review nella review del 2025 sulla Density Functional Theory ha un significato più preciso di un semplice richiamo bibliografico.
Il lavoro del 2022 contribuisce a definire la natura del problema: elevata eterogeneità delle NPS, comparsa rapida di nuove molecole, dati tossicologici spesso incompleti e difficoltà di mantenere screening e metodi di conferma al passo con il mercato [2].
Mariotto e colleghi trasferiscono questa criticità in un contesto diverso: la chimica computazionale applicata alla scienza forense. La DFT può prevedere proprietà molecolari e spettroscopiche, contribuire all’interpretazione della frammentazione, supportare la discriminazione di analoghi strutturali e integrarsi con strumenti chemometrici [1].
Il ponte scientifico è reale, ma bisogna adottare prudenza: la ricerca precedente non ha generato il metodo DFT; ha contribuito al quadro scientifico che ne rende comprensibile l’utilità nell’analisi delle NPS.
La traiettoria più promettente non è la sostituzione dell’analisi sperimentale con il calcolo, bensì la loro integrazione. In un mercato nel quale le molecole possono evolvere più rapidamente delle librerie analitiche, la chimica computazionale può ridurre i tempi necessari a formulare e verificare ipotesi strutturali. La certezza forense, tuttavia, continua a richiedere metodi validati, evidenza sperimentale, controllo di qualità e interpretazione competente.
È proprio questa separazione fra capacità predittiva e prova analitica a rendere la DFT scientificamente interessante senza attribuirle più di quanto i dati attualmente consentano.
Bibliografia – Fonti scientifiche e istituzionali
[1] Mariotto LS, Rodrigues CHP, Mason NJ, Bruni AT, Fantuzzi F. Density Functional Theory in Forensic Science: Applications and Challenges. WIREs Forensic Sci. 2025;7(1):e70000. doi:10.1002/wfs2.70000. Wiley – articolo completo e DOI
[2] Berretta P, Minutillo A, Varì MR, Graziano S, Rotolo MC, Pellegrini M, Cassano T. New psychoactive substances: a descriptive review. Biochim Clin. 2022;46(4):283-291. doi:10.19186/BC_2022.061. Biochimica Clinica – fonte editoriale
[3] European Union Drugs Agency. New psychoactive substances – the current situation in Europe. European Drug Report 2026. Lisbon: EUDA; 2026. EUDA – European Drug Report 2026, NPS
[4] United Nations Office on Drugs and Crime. What are NPS? Vienna: UNODC. UNODC Early Warning Advisory on NPS
[5] Tcharkhetian AEG, Bruni AT, Rodrigues CHP. Combining experimental and theoretical approaches to study the structural and spectroscopic properties of Flakka (α-pyrrolidinopentiophenone). Results Chem. 2021;3:100254. doi:10.1016/j.rechem.2021.100254. Elsevier – articolo
[6] Sinhorini LFC, Rodrigues CHP, Leite VBP, Bruni AT. Synthetic fentanyls evaluation and characterization by infrared spectroscopy employing in silico methods. Comput Theor Chem. 2021;1204:113378. doi:10.1016/j.comptc.2021.113378. Elsevier – articolo
[7] Lau JKC, Romanov V, Lukow S, Hopkinson AC, Verkerk UH. Collision-induced dissociation of protonated fentanyl: A DFT study. Comput Theor Chem. 2021;1196:113117. doi:10.1016/j.comptc.2020.113117. Elsevier – articolo
[8] Huxley C, Biddle TJ, Shand E, et al. Forensic implications of novel synthesis of cathinone derivatives by Neber and modified Neber rearrangements. Forensic Chem. 2024;38:100558. doi:10.1016/j.forc.2024.100558. Elsevier – articolo
[9] Dogruer Erkok S, Hernandez E, Cruz J, Mebel AM, McCord B. Differentiating Structurally Similar Fentanyl Analogs by Comparing Density Functional Theory Calculations and Surface-Enhanced Raman Spectroscopy Results. Appl Spectrosc. 2024;78(7):667-679. doi:10.1177/00037028241246010. PMID:38634156. PubMed
[10] Rodrigues CHP, Mariotto LS, Mason NJ, Fantuzzi F, Bruni AT. Towards analytical standards for new psychoactive substances: The contribution of computational chemistry and statistical methods. Forensic Sci Int. 2025;377:112642. doi:10.1016/j.forsciint.2025.112642. PMID:40929902. PubMed
[11] Bursch M, Mewes JM, Hansen A, Grimme S. Best-Practice DFT Protocols for Basic Molecular Computational Chemistry. Angew Chem Int Ed Engl. 2022;61(42):e202205735. doi:10.1002/anie.202205735. PMID:36103607. PubMed
[12] Scientific Working Group for the Analysis of Seized Drugs. SWGDRUG Recommendations. Version 8.1. 2022. SWGDRUG Recommendations 8.1
[13] Marchei E, Rotolo MC, Berretta P, Fraioli C, Pichini S, Pellegrini M. Linee di indirizzo per la determinazione delle sostanze d’abuso e nuove sostanze psicoattive nelle matrici biologiche. Roma: Istituto Superiore di Sanità; 2026. Rapporti ISTISAN 26/8. Istituto Superiore di Sanità – Rapporto ISTISAN 26/8
Approfondimenti interni – paoloberretta.com
[PB1] Paolo Berretta. Linee di indirizzo per la determinazione delle sostanze d’abuso e nuove sostanze psicoattive nelle matrici biologiche. Approfondimento
[PB2] Paolo Berretta. Liquid chromatography in forensic toxicology. Approfondimento
[PB3] Paolo Berretta. Molecular insights and clinical outcomes of drugs of abuse adulteration: new trends and new psychoactive substances. Approfondimento
[PB4] Paolo Berretta. NPS: dal sistema di allerta alle norme europee. Approfondimento
[PB5] Paolo Berretta. NPS e normative nei paesi della rete REITOX. Approfondimento