近紅外光譜法在一株蛋雞白鳳丸半夏質(zhì)量控制中的應(yīng)用

近紅外光譜法在一株蛋雞白鳳丸半夏質(zhì)量控制中的應(yīng)用

藥品的生產(chǎn)是一個(gè)連續(xù)的過(guò)程。然而，如果成品不合格，往往會(huì)造成很大的浪費(fèi)，因此僅靠成品的質(zhì)量就無(wú)法滿足。生產(chǎn)整個(gè)過(guò)程必須得到控制。只有在生產(chǎn)過(guò)程穩(wěn)定的情況下，生產(chǎn)過(guò)程才能保證大部分產(chǎn)品的合格，并盡可能減少浪費(fèi)。半成品的質(zhì)量控制是中成藥生產(chǎn)全程質(zhì)控的第二個(gè)重要環(huán)節(jié)。傳統(tǒng)的經(jīng)驗(yàn)控制缺乏科學(xué)性,現(xiàn)代理化檢測(cè)則需要相當(dāng)?shù)臅r(shí)間,難以實(shí)時(shí)反饋結(jié)果。另一方面,對(duì)大處方的中成藥而言,每一味藥材對(duì)療效都起到不可或缺的作用,少投、多投或錯(cuò)投均會(huì)嚴(yán)重影響產(chǎn)品質(zhì)量,而常規(guī)檢驗(yàn)僅針對(duì)個(gè)別化學(xué)成分,不能發(fā)現(xiàn)與該化學(xué)成分無(wú)關(guān)的質(zhì)量特征。近紅外光譜技術(shù)是一種快速、簡(jiǎn)便、無(wú)損的分析方法,已被廣泛用于農(nóng)業(yè)、石化、制藥等領(lǐng)域。隨著研究的深入,該技術(shù)在藥品生產(chǎn)過(guò)程分析領(lǐng)域的應(yīng)用也日益增多,但近紅外對(duì)中藥半成品的檢測(cè)尚未見報(bào)道。本實(shí)驗(yàn)以同仁烏雞白鳳丸半成品為對(duì)象,探討了近紅外光譜技術(shù)控制中成藥半成品(原粉)質(zhì)量的方法。1實(shí)驗(yàn)方法1.1儀器、試劑和藥物1.1.1儀器、藥品和分析方法WatersACQUITY超高液相色譜系統(tǒng),Empower色譜工作站,METTLERAE240電子天平,KQ-250DE型醫(yī)用數(shù)控超聲波清洗器(昆山市超聲儀器有限公司),NicoletAntaris傅里葉變換近紅外光譜儀(ThermoNicolet),配置漫反射積分球附件、Result操作系統(tǒng)與TQAnalystV6分析軟件。1.1.2試劑色譜純乙腈(Merck公司),分析純甲醇、磷酸(北京化學(xué)試劑公司),水為重蒸餾水。1.1.3天麻生長(zhǎng)整體設(shè)計(jì)方案芍藥苷對(duì)照品由中國(guó)藥品生物制品檢定所提供,同仁烏雞白鳳丸半成品(原粉)95批,按相同工藝生產(chǎn)的各缺一味原料藥材的陰性(缺味)半成品19份(同仁烏雞白鳳丸由十九味藥材組成),由北京同仁堂股份有限公司北京同仁堂制藥廠提供。1.2樣品檢測(cè)和分析將所有樣品置60℃烘箱內(nèi)干燥15h,干燥器中放冷,取適量裝滿內(nèi)徑約1.5cm,高約5cm的玻璃樣品杯,墊實(shí),利用儀器的積分球漫反射采樣系統(tǒng)采集樣品的漫反射光譜。每份樣品采集2次,求平均光譜用于分析,第2次測(cè)定前將樣品粉末傾出,重新混合后再裝入樣品杯測(cè)定。光譜采集條件:以儀器內(nèi)置背景為參比,波數(shù)范圍3800～12000cm-1,掃描次數(shù)80次,分辨率8cm-1。半成品和陰性(缺味)半成品NIR原始光譜圖見圖1～2。1.3樣品的方法學(xué)考察采用超高效液相色譜儀測(cè)定芍藥苷含量。色譜條件:色譜柱:BEHC18柱(50mm×2.1mm,1.7μm),流動(dòng)相:乙腈-0.1%磷酸溶液(14∶86),流速:0.4mL/min,檢測(cè)波長(zhǎng):232nm,進(jìn)樣量:2μL。方法學(xué)考察結(jié)果見表1。采用干燥失重法測(cè)定含水量,為擴(kuò)大模型的適用范圍,制備了不同含水量的半成品,將樣品放入105℃烘箱中干燥0.5～8h,在不同的時(shí)間取樣獲取低水分的樣品;將樣品放入裝有飽和KNO3溶液的干燥器中密封0.5～6d,在不同的時(shí)間取樣獲取高水分的樣品。樣品各化學(xué)值的濃度分布情況如表2。2結(jié)果與討論2.1相似性的適應(yīng)性定性分析2.1.1相似度匹配算法圖1、2顯示,合格半成品與19種缺味半成品的光譜極其相似,難以用肉眼加以區(qū)別。這是因?yàn)闃悠泛写罅肯嗤某煞?這些成分的吸收峰掩蓋了化學(xué)成分的差異,需要采用數(shù)學(xué)方法對(duì)特征信息進(jìn)行提取以達(dá)到鑒別的目的。本實(shí)驗(yàn)采用相似度匹配算法進(jìn)行定性分析,通過(guò)比較未知樣品與已知標(biāo)準(zhǔn)光譜在某個(gè)或多個(gè)波段的光譜信息,得到樣品與標(biāo)準(zhǔn)品的匹配程度。該算法對(duì)標(biāo)準(zhǔn)光譜進(jìn)行Gram-Schmidt分析,得到的正交模型代表了所有標(biāo)準(zhǔn)光譜中全部數(shù)據(jù)點(diǎn)提供的光譜信息。在對(duì)樣品進(jìn)行分析時(shí),使用Gram-Schmidt模型將樣品光譜中該模型包含的所有光譜信息去除得到樣品的殘差光譜。最后,將樣品光譜同其殘差光譜相比較得到“相似度”。相似度的范圍為0～100,其值越高,說(shuō)明未知樣品與標(biāo)準(zhǔn)樣品的光譜越相似。2.1.2光譜模式的建立以75份同仁烏雞白鳳丸半成品作為標(biāo)準(zhǔn)樣品組成標(biāo)準(zhǔn)光譜庫(kù),建立了相似度匹配模型,將其用于計(jì)算其余20份半成品及19份陰性(缺味)半成品的相似度。為充分利用光譜信息,選擇全譜范圍(3800～12000cm-1)進(jìn)行建模。為減小實(shí)驗(yàn)過(guò)程中樣品顆粒尺寸、均勻性等因素對(duì)近紅外光譜的影響,采用多重散射校正技術(shù)(MSC)對(duì)原始近紅外光譜進(jìn)行處理,再通過(guò)二階微分消除光譜基線漂移。由于在對(duì)光譜數(shù)據(jù)作微分處理時(shí),噪聲信號(hào)也被放大,因此在微分之前需要對(duì)光譜數(shù)據(jù)作平滑處理。圖3為依次經(jīng)MSC、Norris導(dǎo)數(shù)平滑濾波和二階微分處理后得到的標(biāo)準(zhǔn)樣品光譜圖,由圖可見近紅外光譜在經(jīng)MSC和二階微分處理后,不僅可以較好地消除基線偏移,還可以更為細(xì)致地反映樣品的光譜特征。2.1.3熱價(jià)相似度的測(cè)定將未參與建庫(kù)的半成品和陰性(缺味)半成品的近紅外光譜輸入建立的模型,計(jì)算其與標(biāo)準(zhǔn)樣品的相似度,見圖4。所有樣品的相似度最小值為93.87,最大值為99.75。合格半成品相似度范圍為99.12～99.75,陰性(缺味)半成品相似度范圍為93.87～98.75,其中缺烏雞樣品相似度最低,這是因?yàn)闉蹼u是同仁烏雞白鳳丸的君藥,用量在處方中所占比例最大,從而造成缺烏雞半成品與正常半成品相差最大。結(jié)果表明該方法能反映同仁烏雞白鳳丸半成品的整體質(zhì)量特征,并準(zhǔn)確鑒別不合格半成品。將域值設(shè)定為99.00,一旦未知樣品光譜相似度超過(guò)此值,該樣品被認(rèn)定為合格半成品。圖5顯示了未參與建庫(kù)的一批合格半成品的殘差光譜,該樣品的相似度為99.75。其殘差光譜信號(hào)的最大絕對(duì)值小于2×10-6,可見合格半成品的光譜特征與標(biāo)準(zhǔn)樣品十分相似,其光譜信息基本可以完全由相似度模型中的標(biāo)準(zhǔn)樣品所反映。圖6為陰性(缺味)半成品中相似度最大(缺甘草樣品,相似度98.75)和最小(缺烏雞樣品,相似度93.87)的2個(gè)樣品的殘差光譜。這2個(gè)樣品的原始光譜與合格半成品的原始光譜十分相似,但經(jīng)數(shù)學(xué)處理得到的殘差光譜信息強(qiáng)度比半成品的殘差光譜高,這是由于它們的光譜信息與標(biāo)準(zhǔn)樣品的光譜信息差別較大所致,由此可見,不同投料半成品近紅外光譜信息的差別可從殘差光譜中得到細(xì)致地反映。2.2pls定量分析2.2.1基于交叉驗(yàn)證法的東方差分析模型為獲得準(zhǔn)確可靠的模型,首先對(duì)譜區(qū)范圍、預(yù)處理方法和主因子數(shù)等參數(shù)進(jìn)行優(yōu)化。以相關(guān)系數(shù)(R)和交叉驗(yàn)證均方差(RMSECV)為評(píng)價(jià)指標(biāo),比較了不同波數(shù)范圍和光譜預(yù)處理方法對(duì)模型的影響,確立了兩個(gè)NIR定量模型各自的參數(shù)。模型初步建立后,通過(guò)TQAnalyst提供的Leverage診斷功能剔除奇異點(diǎn),應(yīng)用交叉驗(yàn)證法對(duì)模型逐步優(yōu)化,進(jìn)而確定建模的最佳主因子數(shù)。兩個(gè)組分的建模參數(shù)見表3。建模參數(shù)經(jīng)優(yōu)化后,用偏最小二乘回歸法分別建立了同仁烏雞白鳳丸半成品芍藥苷和水分含量的NIR校正模型。經(jīng)內(nèi)部交叉驗(yàn)證,預(yù)測(cè)值與實(shí)測(cè)值之間具有良好相關(guān)性,見圖7。各模型的預(yù)測(cè)范圍、相關(guān)系數(shù)(correlationcoefficient,R)、校正均方差(rootmeansquareerrorofcalibration,RMSEC)、交叉驗(yàn)證均方差(RMSECV)等評(píng)價(jià)指標(biāo)見表4。2.2.2模型的化學(xué)成分預(yù)測(cè)為了檢驗(yàn)所建模型的預(yù)測(cè)精度,隨機(jī)選出10份樣品不參與建模,組成驗(yàn)證集,對(duì)其相應(yīng)化學(xué)成分值進(jìn)行了預(yù)測(cè),各模型預(yù)測(cè)均方差分別為0.0046%和0.38%(見表5)。由結(jié)果可知,同仁烏雞白鳳丸半成品近紅外定量檢測(cè)模型精度符合制