CN102119973A - 一种栀子渗漉液质量控制方法 - Google Patents

Abstract

本发明提供一种测定栀子渗漉液比重及栀子苷含量的方法，包括如下步骤：步骤1、测定合格栀子渗漉液的比重及栀子苷含量，并采集近红外光谱；步骤2、采用化学计量学软件分别建立栀子渗漉液近红外光谱与比重及栀子苷含量之间的对应模型；步骤3、测定待测的栀子渗漉液样品的近红外光谱；步骤4、利用对应模型，通过化学计量学软件分别获得待测的栀子渗漉液样品的比重及栀子苷含量。

Description

一种栀子渗漉液质量控制方法

技术领域

本发明涉及中药成药质量控制，具体涉及一种中药栀子渗漉液生产过程比重及栀子苷质量控制方法。

技术背景

中药是我国最具有原创和自主知识产权的产业之一。中成药与饮片是中药的主要临床应用形式。由于中药疗效的物质基础的复杂性，中成药的质量控制技术手段较为粗放，体现在中成药的质量控制采用的是工艺制法控制，加上代表性的化学指标性成分定量检测和制剂定性检查。即，“过程上的定性加点上的定量”。没有全过程的以理化指标为基础的全面质量控制，这是导致中成药质量、临床疗效稳定性差的重要原因之一。

栀子为常用中药，是茜草科植物山栀Cardenia jasminoides Ellis.的果实，性苦寒、无毒，归心、肝、肺、胃、三焦经，具泻火除烦、清热利湿、凉血解毒的功效，临床上常用于热病心烦、高热烦躁、湿热黄疸、小便短赤、热淋、血淋、血热出血、痈肿疮毒，以及外用治疗扭挫伤痛等。栀子含有三类主要有效化学成分：环烯醚萜苷、有机酸以及色素，其中环悕醚萜苷类成分中栀子苷含量最高，且具有多种药理活性，为中国药典中栀子质量标准中指定的含量测定的指标成分。

近红外(NIR)光谱定性定量检测技术是建立在传统理化分析手段基础上的二级分析方法，依赖于近红外光谱仪、计算机技术和化学计量学软件基础，是目前应用在化工烟草、石油等行业较为成熟的在线和快速检测手段。近红外光谱分析技术是绿色、快速、非破坏性的质量控制、品质分析和在线分析技术，已成为近年来发展最快的分析测试技术之一。但尚未有采用NIR光谱技术用于栀子渗漉液比重和栀子苷含量同时分析，进行生成过程质量控制方法的报道。

发明内容

为了进一步提高和稳定栀子渗漉液的生产质量，克服中成药无生产过程的理化指标在线控制，本发明应用近红外光谱技术对栀子渗漉液比重和指标成分进行连续取样和现场分析，结合传统定量检测，建立了在线应用的渗漉液比重、指标成分的近红外模型。

本发明的质量控制方法，具体涉及一种测定栀子渗漉液比重及栀子苷含量的方法，

其特征在于包括如下步骤：

步骤1、测定合格栀子渗漉液的比重及栀子苷含量，并采集近红外光谱；

步骤2、采用化学计量学软件分别建立栀子渗漉液近红外光谱与比重及栀子苷含量之间的对应模型；

步骤3、测定待测的栀子渗漉液样品的近红外光谱；

步骤4、利用对应模型，通过化学计量学软件分别获得待测的栀子渗漉液样品的比重及栀子苷含量。

所述栀子渗漉液的制备及测定步骤如下：

取栀子药材，粉碎为粗粉，照流浸膏及浸膏剂项下的渗漉法(《中国药典》附录)，用60％乙醇作溶剂浸没药材，浸渍24小时后，以3-4ml/分钟的速度进行渗漉，现场收集浓缩液，取样测定比重和栀子苷含量，并采集近红外光谱。

本发明所述的方法，其特征在于：利用一次近红外光谱采集，通过建立的软件模型，同时获得中药栀子渗漉液比重和栀子苷含量。

本发明所述的方法，其特征在于：采集中药栀子渗漉液近红外光谱采集时，采用透射方式进行，每一张光谱都是1-1000次扫描的平均结果，分辨率0.3-20nm，扫描光谱范围为1100-2300nm。

本发明所述的方法，其其特征在于：采集中药栀子渗漉液近红外光谱时，采用透射方式进行，每一张光谱都是200-500次扫描的平均结果，分辨率1-5nm，扫描光谱范围为1100-2300nm。

本发明所述的方法，其特征在于：采集中药栀子渗漉液近红外光谱时，采用透射方式进行，每一张光谱都是300次扫描的平均结果，分辨率2nm，扫描光谱范围为1100-2300nm。

本发明所述的方法，其特征在于：采集中药栀子渗漉液近红外光谱时，以现场取样方式、在线取样方式和旁线取样方式之一进行。

本发明所述的方法，其特征在于：其特征在于样品栀子苷RP-HPLC分析条件包括：色谱柱YMC ODS分析柱(6×150mm，5μm，柱温25℃)，流动相为乙腈-水(15∶85)，进样体积20uL，流速1ml/min，UV检测波长238nm。

本发明所述的方法，其特征在于：步骤2中模型的建立包括(1)一阶导数9点平滑法(savitzky-golay)光谱预处理；(2)采用偏最小二乘法(PLS1)、交叉-验证法(cross-validation)用Unscrambler定量分析软件建立模型；(3)模型校正和预测效果验证。

本发明所述的方法，其特征在于：步骤2中模型的建立包括(1)一阶导数9点平滑法(savitzky-golay)光谱预处理；(2)采用偏最小二乘法(PLS1)、交叉-验证法(cross-validation)用Unscrambler定量分析软件建立模型；(3)模型校正和预测效果验证；(4)精密度试验；(5)稳定性试验。

优选的本发明的测定方法，步骤如下：

步骤1、测定合格栀子渗漉液的比重及栀子苷含量，并采集近红外光谱；

样品制备与收集

取栀子药材1500g，粉碎为粗粉，照流浸膏及浸膏剂项下的渗漉法(《中国药典2010版》一部附录I0)，用60％乙醇作溶剂浸没药材，浸渍24小时后，以3～4ml/分钟的速度进行渗漉，每200ml为一份，经取样测定比重和栀子苷浓度，并采集近红外光谱，共采集样品57份，共收集约1.2L渗漉液，减压回收醇至稠膏状(每1ml相当药材2.5g)，

样品栀子苷HPLC分析

照中国药典2010版栀子含量测定方法，采用RP-HPLC连续收集的所有渗漉液样品进行栀子苷含量分析，分析条件如下：色谱柱YMC ODS分析柱(6×150mm，5μm，柱温25℃)，流动相为乙腈-水(15∶85)，进样体积20uL，流速1ml/min，UV检测波长238nm，图谱见附图1、附图2，

样品比重测定

采用安东帕便携式比重计DMA35测定(室温)，

获取NIR光谱

扫描光谱时在样品溶液中浸入NIR光谱仪自带的光纤透射式探头，光纤长2m，待溶液稳定并无气泡后进行扫描.测试条件为：扫描次数300次，分辨率2nm，扫描光谱范围为1100～2300nm，共得到61个样品的总光谱图，见附图3，步骤2、采用化学计量学软件分别建立栀子渗漉液近红外光谱与比重及栀子苷含量之间的对应模型；

光谱预处理对扫描得到的原始吸收光谱进行光谱预处理，以消除噪音和基线漂移的影响，采用的预处理方法为一阶导数9点平滑法(savitzky-golay)，一阶导数光谱图见图4，经一阶导数处理可以很好的消除样品由于颜色差别引起的光谱基线偏移和漂移，

建立PLS1数学模型样品顺序编号，随机选择10个作为外部验正集样品，其余作为建模样品，将经过预处理后的光谱数据与HPLC分析数据进行关联，采用偏最小二乘法(PLS1)，交叉-验证法(cross-validation)，用Unscrambler定量分析软件建立模型，NIR和HPLC测定的异常值分别采用光谱影响值Leverage和化学值误差Residual这2个统计量来检验剔除，经过异常值的剔除进行优化，得到较为理想的校正模型，得到的样品比重及栀子苷的NIR光谱预测值与样品比重实测值及HPLC分析值之间相关性良好，测定数据偏差较小，样品比重模型的主成分维数为7，R2＝0.9560，RMSECV＝0.000899，栀子苷模型的主成分维数为6，R2＝0.9782，RMSECV＝0.086497，

步骤3、测定待测的栀子渗漉液样品的近红外光谱；

步骤4、利用对应模型，通过化学计量学软件分别获得待测的栀子渗漉液样品的比重及栀子苷含量。

本发明应用NIR光谱技术对中药栀子渗漉过程中指标成分栀子苷及渗漉液比重进行连续取样和现场分析，结合传统定量检测，建立了在线应用的栀子渗漉液指标成分栀子苷及渗漉液比重的近红外模型。该方法为栀子渗漉过程中指标成分及物理指标快速定量分析和生产过程中的在线检测，控制产品的质量提供了有效的分析方法。

附图说明

图1栀子苷对照品HPLC图谱

图2栀子渗漉液样品HPLC图谱

图3栀子渗漉液样品近红外光谱原始总光谱图

图4栀子渗漉液样品近红外光谱一阶导数光谱图

具体实施方式

下面结合实施例进一步说明本发明，但不表明对本发明权利要求的限制。

实施例1

仪器与试药

仪器AOTF Luminar 5030-731近红外光谱分析仪(美国BRIMROSE公司)，SNAP光谱采集软件和CAMO化学计量学软件；Aglient1100色谱仪(美国Agilent公司)，DAD二极管阵列检测器；安东帕便携式密度计DMA35(奥地利Anton Paar公司)；玻璃层析柱150×15cm(上海精工仪器公司)

试药栀子药材(江西汇仁药业有限公司)；栀子苷对照品(中国药品生物制品检定所)；乙醇为药用乙醇(提取用)，甲醇为色谱纯试剂，水为超纯水。

方法与结果

1样品制备与收集

取栀子药材1500g，粉碎为粗粉，照流浸膏及浸膏剂项下的渗漉法(《中国药典2010版》一部附录I0)，用60％乙醇作溶剂浸没药材，浸渍24小时后，以3～4ml/分钟的速度进行渗漉，每200ml为一份，经取样测定比重和栀子苷浓度，并采集近红外光谱，共采集样品57份，共收集约1.2L渗漉液，减压回收醇至稠膏状(每1ml相当药材2.5g)。

2样品栀子苷HPLC分析

照中国药典2010版栀子含量测定方法，采用RP-HPLC连续收集的所有渗漉液样品进行栀子苷含量分析，分析条件如下：色谱柱YMC ODS分析柱(6×150mm，5μm，柱温25℃)，流动相为乙腈-水(15∶85)，进样体积20uL，流速1ml/min，UV检测波长238nm。图谱见附图1、附图2。

3样品比重测定

采用安东帕便携式比重计DMA35测定(室温)。

4获取NIR光谱

扫描光谱时在样品溶液中浸入NIR光谱仪自带的光纤透射式探头，光纤长2m，待溶液稳定并无气泡后进行扫描.测试条件为：扫描次数300次，分辨率2nm，扫描光谱范围为1100～2300nm。共得到61个样品的总光谱图，见附图3。

5建立模型

5.1光谱预处理对扫描得到的原始吸收光谱进行光谱预处理，以消除噪音和基线漂移的影响。采用的预处理方法为一阶导数9点平滑法(savitzky-golay)。一阶导数光谱图见图4。经一阶导数处理可以很好的消除样品由于颜色差别引起的光谱基线偏移和漂移。

5.2建立PLS1数学模型样品顺序编号，随机选择10个作为外部验正集样品，其余作为建模样品。将经过预处理后的光谱数据与HPLC分析数据进行关联，采用偏最小二乘法(PLS1)，交叉-验证法(cross-validation)，用Unscrambler定量分析软件建立模型。NIR和HPLC测定的异常值分别采用光谱影响值Leverage和化学值误差Residual这2个统计量来检验剔除。经过异常值的剔除进行优化，得到较为理想的校正模型。得到的样品比重及栀子苷的NIR光谱预测值与样品比重实测值及HPLC分析值之间相关性良好，测定数据偏差较小。样品比重模型的主成分维数为7，R2＝0.9560，RMSECV＝0.000899，栀子苷模型的主成分维数为6，R2＝0.9782，RMSECV＝0.086497。

5.3模型预测效果验证以建立的校正模型对10份外部验正集样品进行分析。样品比重及淫羊藿苷的测试结果分别见表1，表2。NIR光谱预测值与样品比重真值、栀子苷HPLC测定真值的相关系数r分别为0.9706和0.9705。结果表明，NIR光谱预侧值与样品比重实测值及HPLC分析值之间相关性良好。

表1渗漉液比重校正模型对外部验证集样品的分析结果(n＝10)

表2栀子苷校正模型对外部验证集样品的分析结果(n＝10)

6精密度试验

取1个预测样品，重复扫描20次，将所得光谱带入建立的校正模型计算含量，以考察方法的精比重，结果渗漉液比重和栀子苷的RSD分别为0.06％，2.96％，说明仪器精比重良好。

7稳定性试验

取1个预测样品，每1h扫描一次，于5h内重复扫描5次，考察样品的稳定性。结果样品比重的RSD0.63％，淫羊藿苷的RSD1.89％，说明样品在5h内相对稳定。8预测回收率试验

取5个预测样品，分别扫描，将所得光谱带入建立的校正模型，计算比重和栀子苷预测值与比重测定及HPLC测定的真值之间的比值(预测回收率)，样品比重和栀子苷的预测回收率分别为103.0％，99.0％。

本研究建立的中药栀子渗漉液NIR光谱校正模型确立后，完成1次比重和含量的测量只需2min，而传统测定需分别试，整个测试过程约需3h。AOTF-近红外光谱测定栀子渗漉液中栀子苷及渗漉液比重的新方法，集快速、直接、多指标同时测定和能够实现现场分析为一体，解决了中药生产过程中无有效质量控制手段、采用传统分析的操作复杂、分析周期长、不能用于在线检测的问题，分析结果令人满意，各项分析参数能够满足药品生产过程中含量测定的要求。

Claims (9)

1.一种测定栀子渗漉液比重及栀子苷含量的方法，

其特征在于包括如下步骤：

步骤1、测定合格栀子渗漉液的比重及栀子苷含量，并采集近红外光谱；

步骤2、采用化学计量学软件分别建立栀子渗漉液近红外光谱与比重及栀子苷含量之间的对应模型；

步骤3、测定待测的栀子渗漉液样品的近红外光谱；

步骤4、利用对应模型，通过化学计量学软件分别获得待测的栀子渗漉液样品的比重及栀子苷含量。

2.如权利要求1所述的方法，其特征在于：其特征在于：其特征在于：采集中药栀子渗漉液近红外光谱采集时，采用透射方式进行，每一张光谱都是1-1000次扫描的平均结果，分辨率0.3-20nm，扫描光谱范围为1100-2300nm。

3.如权利要求1所述的方法，其特征在于：其特征在于：采集中药栀子渗漉液近红外光谱时，采用透射方式进行，每一张光谱都是200-500次扫描的平均结果，分辨率1-5nm，扫描光谱范围为1100-2300nm。

4.如权利要求1所述的方法，其特征在于：其特征在于：采集中药栀子渗漉液近红外光谱时，采用透射方式进行，每一张光谱都是300次扫描的平均结果，分辨率2nm，扫描光谱范围为1100-2300nm。

5.如权利要求1所述的方法，其特征在于：样品栀子苷RP-HPLC分析条件包括：色谱柱YMC ODS分析柱(6×150mm，5μm，柱温25℃)，流动相为乙腈-水(15∶85)，进样体积20uL，流速1ml/min，UV检测波长238nm。

6.如权利要求1所述的方法，其特征在于：步骤2中模型的建立包括(1)一阶导数9点平滑法(savitzky-golay)光谱预处理；(2)采用偏最小二乘法(PLS1)、交叉-验证法(cross-validation)用Unscrambler定量分析软件建立模型；(3)模型校正和预测效果验证。

7.如权利要求1所述的方法，其特征在于：其特征在于：步骤2中模型的建立包括(1)一阶导数9点平滑法(savitzky-golay)光谱预处理；(2)采用偏最小二乘法(PLS1)、交叉-验证法(cross-validation)用Unscrambler定量分析软件建立模型；(3)模型校正和预测效果验证；(4)精密度试验；(5)稳定性试验。

8.如权利要求1所述的方法，其特征在于：步骤如下：

步骤1、测定合格栀子渗漉液的比重及栀子苷含量，并采集近红外光谱；样品制备与收集

取栀子药材1500g，粉碎为粗粉，照流浸膏及浸膏剂项下的渗漉法(《中国药典2010版》一部附录I0)，用60％L醇作溶剂浸没药材，浸渍24小时后，以3～4ml/分钟的速度进行渗漉，每200ml为一份，经取样测定比重和栀子苷浓度，并采集近红外光谱，共采集样品57份，共收集约1.2L渗漉液，减压回收醇至稠膏状(每1ml相当药材2.5g)，

样品栀子苷HPLC分析

照中国药典2010版栀子含量测定方法，采用RP-HPLC连续收集的所有渗漉液样品进行栀子苷含量分析，分析条件如下：色谱柱YMC ODS分析柱(6×150mm，5μm，柱温25℃)，流动相为乙腈-水(15∶85)，进样体积20uL，流速1ml/min，UV检测波长238nm，图谱见附图1、附图2，

样品比重测定

采用安东帕便携式比重计DMA35测定(室温)，

获取NIR光谱

扫描光谱时在样品溶液中浸入NIR光谱仪自带的光纤透射式探头，光纤长2m，待溶液稳定并无气泡后进行扫描.测试条件为：扫描次数300次，分辨率2nm，扫描光谱范围为1100～2300nm，共得到61个样品的总光谱图，见附图3，步骤2、采用化学计量学软件分别建立栀子渗漉液近红外光谱与比重及栀子苷含量之间的对应模型；

光谱预处理对扫描得到的原始吸收光谱进行光谱预处理，以消除噪音和基线漂移的影响，采用的预处理方法为一阶导数9点平滑法(savitzky-golay)，一阶导数光谱图见图4，经一阶导数处理可以很好的消除样品由于颜色差别引起的光谱基线偏移和漂移，

建立PLS1数学模型样品顺序编号，随机选择10个作为外部验正集样品，其余作为建模样品，将经过预处理后的光谱数据与HPLC分析数据进行关联，采用偏最小二乘法(PLS1)，交叉-验证法(cross-validation)，用Unscrambler定量分析软件建立模型，NIR和HPLC测定的异常值分别采用光谱影响值Leverage和化学值误差Residual这2个统计量来检验剔除，经过异常值的剔除进行优化，得到较为理想的校正模型，得到的样品比重及栀子苷的NIR光谱预测值与样品比重实测值及HPLC分析值之间相关性良好，测定数据偏差较小，样品比重模型的主成分维数为7，R2＝0.9560，RMSECV＝0.000899，栀子苷模型的主成分维数为6，R2＝0.9782，RMSECV＝0.086497，

步骤3、测定待测的栀子渗漉液样品的近红外光谱；

步骤4、利用对应模型，通过化学计量学软件分别获得待测的栀子渗漉液样品的比重及栀子苷含量。

9.如权利要求1所述的方法，其特征在于：所述栀子渗漉液的制备及测定步骤如下：

取栀子药材，粉碎为粗粉，照流浸膏及浸膏剂项下的渗漉法(《中国药典》附录)，用60％乙醇作溶剂浸没药材，浸渍24小时后，以3-4ml/分钟的速度进行渗漉，现场收集浓缩液，取样测定比重和栀子苷含量，并采集近红外光谱。

Images