CN103940773B - 一种快速测定血必净注射液中吐温-80含量的方法 - Google Patents

Abstract

本发明公开了一种快速测定血必净注射液中吐温-80含量的方法。该方法包括如下步骤：（1）向血必净注射液中添加不同质量的吐温-80，配制至少15种含有不同浓度吐温-80的血必净注射液标准品；（2）采集所述血必净注射液标准品的近红外光谱图；（3）采用化学计量学方法，建立所述血必净注射液标准品中吐温-80的含量与所述近红外光谱图之间的校正模型；（4）采集待测血必净注射液的近红外光谱图，并输入至所述校正模型中，即得到待测血必净注射液中吐温-80的含量。本发明方法作为一种快速测定方法，亦可用于生产过程中血必净注射液关键生产工艺点的中间体的快速在线测定，为生产过程的质量控制提供一种实时在线快速的检测方法。

Description

一种快速测定血必净注射液中吐温-80含量的方法

技术领域

本发明涉及一种快速测定血必净注射液中吐温-80含量的方法，具体涉及一种近红外光谱法快速测定血必净注射液中吐温-80含量的方法，属于中药注射液的质量检测技术领域。

背景技术

中药注射液按照《中国药典》（2010年版）的定义是“系指药材经提取、纯化后制成的供注入体内的溶液、乳状液及供临用前配制成溶液的粉末或浓溶液的无菌制剂”。血必净注射液是由红花、赤芍、川芎、丹参、当归等中药材经过现代生产工艺，并辅以适当辅料制成的现代中药制剂，其具有活血化瘀、疏通经络、溃散毒邪的作用。中药注射液通过血管给药方式大大提高了中药对人身的药物有效供给和生物利用率，并进而提高了功效。目前，中药注射液在心脑血管疾病、抗肿瘤、抗细菌感染等方面有明显长处。但是中药注射液（血必净注射液）的不良反应时有发生，严重危害着患者的身体健康，提示我们必须进一步提高中药注射液的质量标准，作为质量标准研究中重要的一项内容—吐温-80，目前仍采用传统方法测定，但是这种方法需要繁琐操作、耗时长等局限性，且该操作只能离线操作，需要对待分析样品进行相应的预处理，无法及时反馈待测样品的质量问题，存在分析结果滞后，费力费时等不足，这些不利于血必净注射液的在线快速质量分析，提高生产效率，不适合中药现代化生产发展的需要。因此，迫切需要研究一种快速、高效、准确且能实现在线监测的分析检测方法。

发明内容

本发明的目的是提供一种快速测定血必净注射液中吐温-80含量的方法，本发明的方法能够有效实现血必净注射液中吐温-80的快速测定，提高了生产效率。

本发明所提供的快速测定血必净注射液中吐温-80含量的方法，包括如下步骤：

（1）向血必净注射液中添加不同质量的吐温-80，配制至少15种含有不同浓度吐温-80的血必净注射液标准品；

（2）采集所述血必净注射液标准品的近红外光谱图；

（3）采用化学计量学方法，建立所述血必净注射液标准品中吐温-80的含量与所述近红外光谱图之间的校正模型；

（4）采集待测血必净注射液的近红外光谱图，并输入至所述校正模型中，即得到待测血必净注射液中吐温-80的含量。

上述的方法中，步骤（1）中，所述血必净注射液标准品中吐温-80的质量百分含量可为0～2.5%，具体可以0.05%作为间隔浓度梯度；

配制标准品所用的血必净注射液中不含有吐温-80；

该步骤中，需要注意的是，要选择具有代表性的含有不同浓度吐温-80的血必净注射液标准品：根据样品的生产厂家、批次、年份等因素，应尽可能的增大这些因子的变异范围，以得到代表性尽可能好的校正样本集。

上述的方法中，步骤（2）中，采集所述血必净注射液标准品在波长为800～2500nm（波数为12000～4000cm-1）的近红外光下的近红外光谱图；

步骤（4）中，采集所述待测血必净注射液在波长为800～2500nm（波数为12000～4000cm-1）的近红外光下的近红外光谱图；

具体可采用在线近红外光谱仪或者便携式近红外光谱仪进行光谱数据的采集。

上述的方法中，步骤（3）中，在建立所述校正模型之前，所述方法还包括对所述血必净注射液标准品的近红外光谱图进行预处理的步骤，所述预处理的步骤可为卷积平滑、一阶卷积求导、二阶卷积求导、多元散色校正、标准正态变量变换和归一化中至少一种。

使用本发明的方法时，校正模型需要不断的更新修正与维护。当样品的测定条件（时间或者空间）发生改变时，必须进行校验，如果发现模型的预测能力降低，就需要在校正样品集中增加这一检验样品，并重新按照本发明的上述步骤修改校正样本集。一个预测效果良好且稳定的模型需要不断的进行完善，才能在实际应用中发挥最大作用。

上述的方法中，步骤（3）中，将所述校正模型输入至化学计量学分析软件中，这样，当向所述化学计量学分析软件中输入红外谱图参数时，就会输出吐温-80的含量。

上述的方法中，所述化学计量学分析软件可为MatlabV7.0、OPUS7.0、Unscrambler9.7和TQ中任一种。

本发明提供的方法具有如下优点：

本发明的血必净注射液中吐温-80的快速测定方法快速简单，准确可靠，重现性好；本发明方法作为一种应用前景极好的快速质量控制方法，可以解决血必净注射液传统离线测定耗时长、效率低、检测滞后等问题，同时为血必净注射液等品种的质量提升提供有力的技术保障；本发明方法作为一种快速测定方法，亦可用于生产过程中血必净注射液关键生产工艺点的中间体的快速在线测定，为生产过程的质量控制提供一种实时在线快速的检测方法。

附图说明

图1为本发明实施例1中血必净注射液标准品的近红外光谱图（其中，图1（A）为原始光谱；图1（B）为无预处理光谱图；图1（C）为卷积平滑后的光谱；图1（D）为一阶卷积求导后的光谱；图1（E）为二阶卷积求导后的光谱；图1（F）为标准正态变量变换后的光谱；图1（G）为多元散色校正后的光谱；图1（H）为归一化后的光谱；图1（I）为一阶卷积求导与多元散色校正后的光谱）

具体实施方式

下述实施例中所使用的实验方法如无特殊说明，均为常规方法。

下述实施例中所用的材料、试剂等，如无特殊说明，均可从商业途径得到。

实施例1、快速测定血必净注射液中吐温-80含量

（1）建立血必净注射液校正模型样本集

采用比重法配制含有不同浓度吐温-80的血必净注射液标准品，吐温-80的浓度为0～2.5%（g/g），且以0.05%作为一个间隔梯度，均匀分布的吐温-80标准溶液51个，混合均匀，备用；

收集血必净注射液代表性样品共4批次4个样品，其中1批次为阴性对照样品（按照同样工艺生产，不含吐温-80，其他均与血必净注射液一致），取原液，备用；

利用近红外光谱仪采集血必净注射液标准品原始光谱数据：在室温（15～30℃）下，校正集每个样品各取1Ml，利用TENSOR37型红外光谱仪（德国布鲁克光谱仪器公司，德国，光源：卤钨灯，检测器：InGaAs检测器，分辨率：8cm^-1，扫描次数：32次，扫描光谱范围：12000～4000cm^-1，光程：2mm）进行数据采集，得到血必净注射液标准品的原始近红外光谱数据；

（2）血必净注射液标准品中吐温-80的测定

按照血必净注射液标准品中吐温-80的标示量0.14%（g/g），记为其真实值。

（3）校正模型的建立与检验

将步骤（1）获得的血必净注射液标准品的原始数据经过光谱预处理和波长范围选择，以最佳回归算法对得到的吐温-80含量特征光谱信息和吐温-80的含量值进行关联，建立相应校正模型；然后采用一定的参数检验（RMSECV、SEC、R²）比较校正模型，筛选出最优的校正模型，备用；

校正集样品原始光谱经过预处理方法的筛选和波长范围的选择时，应注意以下问题：

（一）、不同的光谱预处理方法对校正模型的影响

在近红外光谱的采集过程中，不可避免的由于仪器状态、环境干扰以及测定条件的细微差异导致光谱的变化，通过对光谱信号进行预处理以消除此类影响，改善模型的性能。本实施例主要采用了多种预处理方法：无预处理（Nonpretreatment）、卷积平滑（Convolutionsmoothing，CS）、一阶卷积求导（Onedimensionconvolution，1DC）、二阶卷积求导（Twodimensionconvolution，2DC）、标准正态变量变换（Standardnormalvariabletransformation，SNV）、多元散色校正（Multiplicativescattercorrection，MSC）和归一化（Normalization）及相互组合算法等方法中的一种或者数种对光谱进行优化。原始光谱与部分优化后的光谱如图1所示，其中，图1（A）为原始光谱；图1（B）为无预处理光谱图；图（C）为卷积平滑后的光谱；图1（D）为一阶卷积求导后的光谱；图1（E）为二阶卷积求导后的光谱；图1（F）为标准正态变量变换后的光谱；图1（G）为多元散色校正后的光谱；图1（H）为归一化后的光谱；图1（I）为一阶卷积求导与多元散色校正后的光谱。

（二）、不同波长范围对校正模型的影响

在近红外光谱区域，不同波长的光谱吸收信息对于最后建立的模型的贡献价值不同，在特定的波长范围处，针对特定组分的吸收强度可能小于杂质的吸收或者干扰因素影响，且难以抽取对特征信息进行有效提取。采用化学计量学方法尤其偏最小二乘法可以对全谱数据信息进行处理，但是为了改善模型的性能，提高计算速度，应该在建模过程中对光谱的波长范围进行优选。本实施例主要采用了不同波段选择方法如全波长、相关系数法、迭代优化等方法中的一种或者数种对光谱进行优化。本实施例采用MatlabV7.0对不同规格的预处理方法和波长范围的选择进行矩阵式计算，筛选出在某一种波长选择方法下的最优光谱预处理方法，如表1中所示。

表1不同波长选择方法的校正模型参数

（三）、PLS模型主因子数的选择

在校正集样品数量一定的情况下，近红外光谱图在特定的波长范围内，采用不同的主因子数，可以得到不同的RMSECV值，通过THUNIRV3.0自动优化得到最优的RMSECV值，以避免“过拟合”和“欠拟合”现象的发生。对本实施例中的各种算法相结合的最后结果，其主因子数（LV）如表1中所示。

（四）、最优化模型的筛选

通过比较表1中各种算法下的RMSECV值和SEC值，综合主因子数等考虑，最终选择的最优化模型的建立参数为：波段选择方法为相关成分，选择波长范围为：11992.9～7074.6cm^-1、6715.8～5334.8cm^-1和4694.5～4358.9cm^-1，无光谱预处理，主因子数为6，采用PLS进行回归得到最后模型，其RMSECV为0.0116，SEC为0.0081，R²为99.1579。

上述模型中各评价参数的具体意义如下：

（1）交叉检验误差均方根（Rootmeansquareerrorofcrossvalidation，RMSECV，SECV）：

$\mathrm{RMSECV}=\sqrt{\frac{{\mathrm{\Σ}}_{i-1}^n(V_{i,\mathrm{act}}-V_{i,\mathrm{pre}})2}{n-1}}$

y_i,act为第i样品参考方法的测定值，y_i，pre为校正集交互验证预测过程中的第i样品的预测值，n为校正集的样品数。

（2）校正标准偏差（standarderrorofcalibration，SEC）：

$\mathrm{SEC}=\sqrt{\frac{{\mathrm{\Σ}}_{i=1}^n(y_{i,\mathrm{act}}-y_{i,\mathrm{pre}})2}{n-1}}$

y_i，act为第i样品参考方法的测定值，y_i，pre为所建模型对校正集中的第i样品的预测值，n为校正集的样品数。

（3）决定系数：R²（Thecoefficientofdetermination）

$R^2=1-\frac{{\mathrm{\Σ}}_{i=1}^n(y_{i,\mathrm{act}}-y_{i,\mathrm{pre}})2}{{\mathrm{\Σ}}_{i=1}^n(y_{i,\mathrm{act}}-{\stackrel{\‾}{y}}_{i,\mathrm{act}})2}$

y_i，act为第i样品参考方法的测定值，为校正集或者验证集所有样品参考方法测定值的平均值，y_i，pre为校正集或者验证集预测过程中的第i样品的预测值，n为校正集或者验证集的样品数。

校正模型要不断的更新修正及维护。当发现有新的样本的预测值发生较大偏离时，其原因可能是由于样品自身原因或者是测定时间及空间条件的改变造成的，就需要对校正模型进行更新维护，即在校正集中加入这一检验样品，并重新按照上述步骤修订校正样本集，在实际的应用中，应当不断的对模型进行完善，以达到最好的使用效果。

（4）校正模型的预测

收集血必净注射液代表性样品共11批33份，组成校正模型的验证集；按照本实施例中步骤（1）的方法制备的样品（标准品）作为预测使用，并采集光谱图，采取步骤（2）中的测定方法，得到预测样品中吐温-80的含量值即0.14%（g/g）；将采集光谱导入步骤（3）所建立的校正模型中，经计算得到各个样品中吐温-80的预测值，将预测值与真实值进行对比，如表2所示。

由表2中的数据可以看出，预测值与真实值的绝对偏差均较小，其相对偏差亦均较小。

表2近红外模型对验证集预测结果（g/g）

本实施例实现了血必净注射液中吐温-80的近红外快速检测方法，以上结果表明，本发明近红外光谱快速分析方法适合于血必净注射液中吐温-80含量的快速测定。

本发明的方法能够实现快速的测定，可以对血必净注射液生产过程中的中间体、成品等在线取样，随时进行吐温-80的测定，以确保药品质量和生产效率，检测费用低，经实际与现有方法相比，测定时间大为缩短，通常每个样品在1min之内完成，其检测精度也逼近于标准方法，是血必净注射液辅料含量测定上的一大创新，具有巨大的经济和社会效益。

Claims (6)

1.一种快速测定血必净注射液中吐温-80含量的方法，包括如下步骤：

(1)向血必净注射液中添加不同质量的吐温-80，配制至少15种含有不同浓度吐温-80的血必净注射液标准品；

(2)采集所述血必净注射液标准品的近红外光谱图；

(3)采用化学计量学方法，建立所述血必净注射液标准品中吐温-80的含量与所述近红外光谱图之间的校正模型；

(4)采集待测血必净注射液的近红外光谱图，并输入至所述校正模型中，即得到待测血必净注射液中吐温-80的含量。

2.根据权利要求1所述的方法，其特征在于：步骤(1)中，所述血必净注射液标准品中吐温-80的质量百分含量为0～2.5％。

3.根据权利要求1或2所述的方法，其特征在于：步骤(2)中，采集所述血必净注射液标准品在波长为800～2500nm的近红外光下的近红外光谱图；

步骤(4)中，采集所述待测血必净注射液在波长为800～2500nm的近红外光下的近红外光谱图。

4.根据权利要求3所述的方法，其特征在于：步骤(3)中，在建立所述校正模型之前，所述方法还包括对所述血必净注射液标准品的近红外光谱图进行预处理的步骤，所述预处理的步骤为卷积平滑、一阶卷积求导、二阶卷积求导、多元散色校正、标准正态变量变换和归一化中至少一种。

5.根据权利要求4所述的方法，其特征在于：步骤(3)中，将所述校正模型输入至化学计量学分析软件中。

6.根据权利要求5所述的方法，其特征在于：所述化学计量学分析软件为MatlabV7.0、OPUS7.0、Unscrambler9.7和TQ中任一种。