CN106138131B - 一种柴胡颗粒及其中药制剂 - Google Patents
一种柴胡颗粒及其中药制剂 Download PDFInfo
- Publication number
- CN106138131B CN106138131B CN201610459102.9A CN201610459102A CN106138131B CN 106138131 B CN106138131 B CN 106138131B CN 201610459102 A CN201610459102 A CN 201610459102A CN 106138131 B CN106138131 B CN 106138131B
- Authority
- CN
- China
- Prior art keywords
- bupleurum particles
- sample
- bupleurum
- particles
- spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000002245 particle Substances 0.000 title claims abstract description 128
- 241000202726 Bupleurum Species 0.000 title claims abstract description 115
- 239000003814 drug Substances 0.000 title claims abstract description 32
- 238000002360 preparation method Methods 0.000 title abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 69
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 239000000843 powder Substances 0.000 claims abstract description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 18
- 239000000706 filtrate Substances 0.000 claims abstract description 9
- 239000007921 spray Substances 0.000 claims abstract description 9
- 239000006071 cream Substances 0.000 claims abstract description 7
- 238000007908 dry granulation Methods 0.000 claims abstract description 7
- 238000010438 heat treatment Methods 0.000 claims abstract description 6
- 239000003153 chemical reaction reagent Substances 0.000 claims abstract description 5
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 55
- 238000002329 infrared spectrum Methods 0.000 claims description 25
- KYWSCMDFVARMPN-MSSMMRRTSA-N Saikosaponin A Chemical compound O([C@@H]1[C@@H](O)[C@H](O[C@@H]2[C@@]([C@H]3[C@]([C@@H]4[C@@]([C@@]5(C[C@H](O)[C@]67CO[C@]5([C@@H]6CC(C)(C)CC7)C=C4)C)(C)CC3)(C)CC2)(C)CO)O[C@@H]([C@@H]1O)C)[C@@H]1O[C@H](CO)[C@@H](O)[C@H](O)[C@H]1O KYWSCMDFVARMPN-MSSMMRRTSA-N 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 23
- QLPRYZXNWYTFCI-UHFFFAOYSA-N saikosaponin D Natural products CC1OC(OC2CCC3(C)C(CCC4(C)C3C=CC56OCC7(CCC(C)(C)CC57)C(O)CC46C)C2(C)CO)C(O)C(O)C1OC8OC(CO)C(O)C(O)C8O QLPRYZXNWYTFCI-UHFFFAOYSA-N 0.000 claims description 23
- PQPVAGWUNWFCJE-UHFFFAOYSA-N saikosaponin a Natural products CC1OC(OC2CCC3(C)C(C2)C(C)(CO)CC4(C)C3C=CC56OCC7(CCC(C)(C)CC57)C(O)CC46C)C(O)C(OC8OC(CO)C(O)C(O)C8O)C1O PQPVAGWUNWFCJE-UHFFFAOYSA-N 0.000 claims description 23
- 238000001228 spectrum Methods 0.000 claims description 19
- 230000003595 spectral effect Effects 0.000 claims description 17
- 238000000862 absorption spectrum Methods 0.000 claims description 10
- 238000013210 evaluation model Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000002835 absorbance Methods 0.000 claims description 6
- 238000003705 background correction Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 238000004080 punching Methods 0.000 claims description 4
- 238000000227 grinding Methods 0.000 claims description 3
- 238000001694 spray drying Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims description 2
- 238000003325 tomography Methods 0.000 claims description 2
- 239000000470 constituent Substances 0.000 claims 1
- 238000012546 transfer Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 9
- OKKJLVBELUTLKV-UHFFFAOYSA-N methanol Natural products OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 14
- 239000000047 product Substances 0.000 description 13
- 239000008187 granular material Substances 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 8
- 239000000243 solution Substances 0.000 description 7
- 238000003556 assay Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000002790 cross-validation Methods 0.000 description 5
- 229940079593 drug Drugs 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 239000011521 glass Substances 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000003908 quality control method Methods 0.000 description 4
- 239000001397 quillaja saponaria molina bark Substances 0.000 description 4
- 229930182490 saponin Natural products 0.000 description 4
- WEVYAHXRMPXWCK-UHFFFAOYSA-N Acetonitrile Chemical compound CC#N WEVYAHXRMPXWCK-UHFFFAOYSA-N 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000857 drug effect Effects 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 239000003921 oil Substances 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 239000013558 reference substance Substances 0.000 description 3
- 150000007949 saponins Chemical class 0.000 description 3
- 238000010561 standard procedure Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 229920002774 Maltodextrin Polymers 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 239000004480 active ingredient Substances 0.000 description 2
- 238000009835 boiling Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000010828 elution Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000004128 high performance liquid chromatography Methods 0.000 description 2
- 238000004811 liquid chromatography Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- HQKMJHAJHXVSDF-UHFFFAOYSA-L magnesium stearate Chemical compound [Mg+2].CCCCCCCCCCCCCCCCCC([O-])=O.CCCCCCCCCCCCCCCCCC([O-])=O HQKMJHAJHXVSDF-UHFFFAOYSA-L 0.000 description 2
- -1 methanol Saponin Chemical class 0.000 description 2
- 238000000643 oven drying Methods 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 241000510654 Bupleurum chinense Species 0.000 description 1
- 206010013786 Dry skin Diseases 0.000 description 1
- 241001411320 Eriogonum inflatum Species 0.000 description 1
- 239000005913 Maltodextrin Substances 0.000 description 1
- 206010054949 Metaplasia Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 240000007164 Salvia officinalis Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 208000035850 clinical syndrome Diseases 0.000 description 1
- 238000010960 commercial process Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000005469 granulation Methods 0.000 description 1
- 230000003179 granulation Effects 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 239000006210 lotion Substances 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 235000019359 magnesium stearate Nutrition 0.000 description 1
- 229940035034 maltodextrin Drugs 0.000 description 1
- 230000015689 metaplastic ossification Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 231100000252 nontoxic Toxicity 0.000 description 1
- 230000003000 nontoxic effect Effects 0.000 description 1
- YTJSFYQNRXLOIC-UHFFFAOYSA-N octadecylsilane Chemical compound CCCCCCCCCCCCCCCCCC[SiH3] YTJSFYQNRXLOIC-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 238000005453 pelletization Methods 0.000 description 1
- 230000000144 pharmacologic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 235000005412 red sage Nutrition 0.000 description 1
- 238000010992 reflux Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000010415 tropism Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000000341 volatile oil Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K36/00—Medicinal preparations of undetermined constitution containing material from algae, lichens, fungi or plants, or derivatives thereof, e.g. traditional herbal medicines
- A61K36/18—Magnoliophyta (angiosperms)
- A61K36/185—Magnoliopsida (dicotyledons)
- A61K36/23—Apiaceae or Umbelliferae (Carrot family), e.g. dill, chervil, coriander or cumin
- A61K36/233—Bupleurum
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K9/00—Medicinal preparations characterised by special physical form
- A61K9/14—Particulate form, e.g. powders, Processes for size reducing of pure drugs or the resulting products, Pure drug nanoparticles
- A61K9/16—Agglomerates; Granulates; Microbeadlets ; Microspheres; Pellets; Solid products obtained by spray drying, spray freeze drying, spray congealing,(multiple) emulsion solvent evaporation or extraction
- A61K9/1605—Excipients; Inactive ingredients
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3554—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for determining moisture content
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Natural Medicines & Medicinal Plants (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Medicinal Chemistry (AREA)
- Animal Behavior & Ethology (AREA)
- Pharmacology & Pharmacy (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Alternative & Traditional Medicine (AREA)
- Biotechnology (AREA)
- Botany (AREA)
- Medical Informatics (AREA)
- Microbiology (AREA)
- Mycology (AREA)
- Medicines Containing Plant Substances (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种柴胡颗粒及其中药制剂。所述柴胡颗粒由包括如下步骤的方法制备得到：取柴胡饮片，加水煎煮2‑4次，每次加6‑8倍量水，每次加热煎煮1‑3小时；药液合并，滤液浓缩至相对密度为1.06‑1.10的清膏，趁热用300‑350目筛滤过；取清膏喷雾干燥，得喷干粉；将喷干粉干法制粒，得粒度在20‑40目的柴胡颗粒。本发明的柴胡颗粒制备工艺简单，工艺参数易控制，且具有科学、快速、可操作性强的检测方法。
Description
技术领域
本发明属于中药制剂技术领域，具体涉及一种柴胡颗粒及其中药制剂。
背景技术
柴胡来源于伞形科植物柴胡Bupleurum chinense DC.的干燥根，味辛、苦，性微寒，归肝、胆、肺经，具有疏散退热、疏肝解郁、升举阳气的功效。柴胡饮片在贮藏过程中易生虫，不便于长期保存，而中药颗粒的出现一定程度上解决了这一问题。
中药颗粒是以符合炮制规范的传统中药饮片为原料，经现代工业提取、浓缩、干燥、制粒而制成的中药系列产品，其功能、主治、性味、归经与传统中药饮片一致，作为新的饮片形式代替中药饮片供临床辨证论治、随证加减、配方使用。与传统中药汤剂“饮片入药，临用现煎”的用药方式相比，中药颗粒既保持了原中药饮片的药性药效，而且使用时无需煎煮、携带方便、卫生安全、质量可控，并可随症加减，符合现代人快节奏的生活方式。
目前，中药配方颗粒多为传统水提取，或者提取挥发油后提取，不同的制备工艺导致由不同厂家生产的产品质量不一致，药效存在差别。因此，需要研究标准化的提取工艺，以规范中药配方颗粒的生产过程，保证药效。另外，中药配方颗粒的质量也会受到检测手段的制约，传统的柴胡配方颗粒中水分与乙醇浸出物的测定，参考药典的方法需要数个小时，操作也较复杂。柴胡配方颗粒的主要化学成分为柴胡皂苷a，作为质量控制指标，传统方法使用高效液相色谱法等，常需对样品进行繁杂的预处理，耗费大量的试剂，对环境污染较大且对检验员身体有所损伤，信息反馈滞后，无法满足配方颗粒企业大生产化过程中即时分析多品种、多批量样品的需要。
随着时代的发展，近红外光谱(NIRS)分析技术进一步采用了化学计量学中多元回归方法以及现代光学、计算机数据处理技术，使得近红外得到了快速发展，成为近年来在分析化学领域迅猛发展的一种“绿色”新兴的分析技术，具有适用范围广、测量方便、无污染、无破坏、数据准确、可靠等优点，因此广泛应用于食品、药品各种领域的定量分析和定性鉴别。
发明内容
针对上述现有技术存在的问题，本发明的目的在于提供一种生产工艺规范化的柴胡颗粒，其制备工艺简单，质量稳定。同时，为了更好地控制柴胡颗粒的质量，适应工业化生产过程中对产品批量在线检验的需求，还提供了一种快速、准确的基于近红外光谱技术快速检测柴胡颗粒的方法。
为了解决本发明的技术问题，本发明是通过以下技术方案实现的：
第一个方面，本发明提供了一种柴胡颗粒，其特征在于由包括如下步骤的方法制备得到：取柴胡饮片，加水煎煮2-4次，每次加6-8倍量水，每次加热煎煮1-3小时；药液合并，滤液浓缩至相对密度为1.06-1.10的清膏，趁热用300-350目筛滤过；取清膏喷雾干燥，得喷干粉；将喷干粉干法制粒，得粒度在20-40目的柴胡颗粒。
本申请的发明人通过长期试验发现，加水煎煮2-4次，每次加6-8倍量水，每次加热煎煮1-3小时，可将有效成分较完全的提取出来。而将滤液浓缩至相对密度为1.06-1.10的清膏，趁热用300-350目筛滤过，可通过喷雾干燥的方法将清膏中的水分快速的去除，且防止因受热时间较长导致有效成分的损失。
由于喷雾干燥和制粒的条件会直接影响颗粒的成型性和均匀性。因此，优选地，喷雾干燥的条件为：进风温度150-190℃，料泵转速400-700转/分，出风温度80-95℃，风送温度35-45℃；干法制粒的条件为：冲孔板孔径1.50mm，轧辊电机频率40-50HZ、送料电机频率30-50HZ、油缸压力16-24bar。
通过本发明优化的生产制备工艺，所得的柴胡颗粒中优选水分≤8.0％，乙醇浸出物≥18.0％，柴胡皂苷a≥0.60mg/g。
本发明的柴胡颗粒可进一步应用于各种中药制剂中，以实现柴胡的药理活性。常见的包含柴胡颗粒的中药制剂在本领域是已知的，本领域技术人员可根据需要进行组合和应用。优选的，中药制剂中可加入药学上可接受的辅料，例如麦芽糊精。
第二个方面，为了适应工业化生产过程中对产品批量在线检验的需求，克服传统的高效液相色谱法检测方法预处理繁杂、试剂耗费量大、对环境污染较大、信息反馈滞后的缺点，还提供了一种针对本发明柴胡颗粒的检测方法，其基于近红外光谱技术快速检测，并包括如下步骤：
a.近红外光谱的采集：取柴胡颗粒样品约3g，研成细粉，进行近红外光谱扫描，采集光谱，得到柴胡颗粒样品的原始吸收光谱图，并对各组分含量进行测定，测出柴胡颗粒样品各组分含量的实测值，根据样品数和样品各组分含量实测值分布确定校正集和验证集；
b.柴胡颗粒定量模型的建立：测定柴胡颗粒水分的含量，采用一阶导数+减去一条直线法对原始吸收光谱进行预处理，建模的光谱范围选取7500.1-4247.9cm-1特征波段，维数选为8；测定柴胡颗粒乙醇浸出物含量，采用最小-最大归一化法对原始吸收光谱进行预处理，建模的光谱范围选取为6100.5-4598.8cm-1特征波段，维数选为10；测定柴胡颗粒柴胡皂苷a含量，采用矢量归一化法对原始吸收光谱进行预处理，建模的光谱范围选取为7500.1-5447.6cm-1、4602.9-4247.9cm-1特征波段，维数选为9；运用偏最小二乘法对校正集的近红外光谱和其对应柴胡颗粒样品各组分含量的实测值之间建立定量模型；
c.验证近红外定量模型：采集验证集样品的近红外光谱图，通过步骤b所建立的各组分定量模型，获得柴胡颗粒样品各组分含量的预测值，将预测值与实测值进行比较，验证定量模型的准确性；
d.柴胡颗粒各组分含量的测定：取待检测的柴胡颗粒按照步骤a的方法进行近红外光谱采集，将特定波段光谱信息导入步骤b建立的定量模型中，测定柴胡颗粒各组分的含量；将所建成的柴胡颗粒水分、乙醇浸出物及柴胡皂苷a的近红外定量测定模型整合，建立柴胡颗粒的多方法评价模型，将待检测的柴胡颗粒样品按照步骤a的方法采集近红外光谱，导入柴胡颗粒多方法评价模型中，同时测定柴胡颗粒各组分含量。
利用上述检测方法，可同时测定柴胡颗粒的水分、乙醇浸出物及柴胡皂苷a含量，仅需几分钟便可以完成各组分数据的检测，大大缩短了检测时间，适应现代化企业快速、大量生产的需求。而传统检测方法，采用高效液相色谱法测定柴胡皂苷a含量、烘干法测定水分含量、醇溶性浸出物测定法测定乙醇浸出物含量，操作繁琐，不仅需要多种仪器设备，还需各个检验岗位相互配合才能顺利完成，数据处理过程比较复杂、耗时。另外，本发明的检测方法可同时适用3个生产环节的物料的各组分含量测定，包括浸膏、喷雾干燥粉、颗粒。
为了更加准确地测定，在本发明的测定方法中，柴胡颗粒近红外测定的样品制备方法为：取同一批次柴胡颗粒约3g，将其研磨成细粉，过80目筛，转移到近红外测定的具塞玻璃瓶中。优选地，将研磨细粉使用漏斗进行转移，通过上下振动的方式使其紧密，用橡胶瓶塞塞紧。更优选地，在温度18-22℃，湿度40-50％条件下，将颗粒进行研磨与快速装瓶。观察装样后的样品瓶底部，保证测试的样品粉末没有粘结玻璃瓶底部，粉末没有断层、缝隙，才可对样品进行近红外光谱扫描。
本发明方法针对颗粒样品进行前处理，将其研成细粉，过80目筛，转移至具塞玻璃瓶中，通过上下振动的方式，减小样品粉末的孔隙，减少近红外光在光路中不规则运行引起的误差；按照本发明的方法，对于柴胡浸膏的测定，可以按工艺要求加入适量辅料，再用微波炉快速干燥，干浸膏按测定颗粒方法即可完成检测，对于喷雾干燥粉，则直接按测定颗粒方法即可，大大减少了模型建立的工作量，实现对柴胡颗粒各主要环节物料的质量控制。
优选地，在步骤a中，所述的NIR光谱采集的扫描条件为：扫描范围为4000cm-1-12000cm-1，扫描次数为32次，分辨率为8cm-1，扫描过程中实时扣除背景，每份样品采集3张光谱。
本发明方法具有定量检测和定性鉴别的功能。在柴胡颗粒各组分近红外定量测定模型基础上，建立了柴胡颗粒多方法评价模型，能通过一次光谱的采集得出样品中水分、乙醇浸出物及柴胡皂苷a等多组分含量结果，同时根据马氏距离与组分密度等又能辨别品种真伪。
本发明方法尤其适用于中药颗粒的产品特点，由于中药颗粒经单味饮片加工制成，与中药复方颗粒或中成药比较，组分相对单一，采用本方法干扰少、准确性高；另外，中药颗粒系列产品有500多种，由于品种多，常规方法难以同时实现定性、定量的检测，本发明可以在简便、无污染的前提下，同时完成定性、定量检测，及时发现产品异常风险，对颗粒大生产中间环节的质量控制具有重要的意义。
因此，本发明与现有技术相比，具有如下有益效果：(1)规范了柴胡颗粒的制备工艺，且制备工艺简单，工艺参数稳定且易控制，适合柴胡配方颗粒的制备。(2)本发明基于近红外光谱技术结合化学计量学方法，在一定光谱范围内，建立了柴胡颗粒近红外定量模型，同时可以用来定性鉴别，无需对样品进行复杂的前处理，将其研成细粉即可，不涉及任何试剂，环保、安全、无毒，是今后质控工作发展的趋势，为检测柴胡颗粒提供了一种快速、准确的新方法。作为一种实用方法可推广运用于中药颗粒企业生产过程中的在线质量监测，对异常产品能及时提示，保证产品生产质量的稳定、可行。
附图说明
图1柴胡颗粒样品的近红外原始吸收光谱图；
图2柴胡颗粒水分近红外预测值与实测值之间的相关图；
图3柴胡颗粒水分近红外预测值与实测值的比较柱形图；
图4柴胡颗粒乙醇浸出物近红外预测值与实测值之间的相关图；
图5柴胡颗粒乙醇浸出物近红外预测值与实测值的比较柱形图；
图6柴胡颗粒柴胡皂苷a近红外预测值与实测值之间的相关图；
图7柴胡颗粒柴胡皂苷a近红外预测值与实测值的比较柱形图。
具体实施方式
下面通过具体实施方式来进一步说明本发明，以下实施例为本发明具体的实施方式，但本发明的实施方式并不受下述实施例的限制。
实施例1：
柴胡颗粒的制备：取柴胡饮片，加水煎煮3次，每次加8倍量水，每次加热煎煮1.5小时；药液合并，滤液浓缩至相对密度为1.08(80℃)的清膏，趁热用300目筛滤过；在进风温度160℃，料泵转速700转/分，出风温度80℃，风送温度45℃的条件下进行喷雾干燥，得喷干粉；在冲孔板孔径1.50mm，轧辊电机频率40-50HZ、送料电机频率30HZ、油缸压力18bar条件下干法制粒，得粒度在40目的柴胡颗粒。
实施例2：
含柴胡颗粒的中药制剂的制备：取柴胡饮片，加水煎煮3次，每次加8倍量水，每次加热煎煮1.5小时；药液合并，滤液浓缩至相对密度为1.08(80℃)的清膏，趁热用300目筛滤过；在进风温度160℃，料泵转速700转/分，出风温度80℃，风送温度45℃的条件下进行喷雾干燥，得喷干粉；在冲孔板孔径1.50mm，轧辊电机频率40-50HZ、送料电机频率30HZ、油缸压力18bar条件下干法制粒，得粒度在40目的柴胡颗粒。将100g柴胡颗粒与65g麦芽糊精混匀，加入适量硬脂酸镁，混匀，压制成1000片。
实施例3：
一种基于近红外光谱技术快速检测柴胡颗粒水分含量的方法，具体包括如下步骤：
a、取柴胡颗粒样品，共80批，各取约3g，研成细粉，装入具塞玻璃样品瓶中，置于近红外扫描仪上进行扫描，采集光谱，扫描的条件：扫描范围4000-12000cm-1，扫描次数：32次，分辨率8cm-1，扫描过程中实时扣除背景，每份样品采集3张光谱，得到如图1所示的80批柴胡颗粒的近红外原始吸收光谱图；
同时，根据2015版中国药典中规定的标准方法，其水分含量采用烘干法测定，取研磨成细粉的柴胡颗粒约2g，平铺于干燥至恒重的扁形称量瓶中，精密称定，打开瓶盖在100-105℃干燥5小时，将瓶盖盖好，移置干燥器中，冷却30分钟，精密称定，再在上述温度干燥1小时，冷却，称重，至连续两次称重的差异不超过5mg为止；根据减失的重量，计算柴胡颗粒的含水量(％)，根据样品数和样品分布确定校正集和验证集；
b、根据样品数和样品水分含量实测值分布，选取64批为校正集，选取16批验证集。应用分析软件，自动优化选取预处理方法与光谱范围，优化结果见表1。采用一阶导数+减去一条直线法对近红外原始吸收光谱进行预处理，选取7500.1-4247.9cm-1特征波段下的光谱信息，运用偏最小二乘法(PLS)建立近红外光谱与水分含量实测值之间的定量模型；将验证集的样品进行近红外光谱扫描，利用模型，得到柴胡颗粒样品含量的预测值，将预测值与实测值进行比较，验证定量模型的准确性与预测能力，该模型经交叉验证得交叉验证相关系数R2＝0.904，RMSECV＝0.151，RPD＝3.23，维数选为8，验证集相关系数R2＝0.940，RMSEP＝0.167，16批柴胡颗粒的水分含量测定结果见表2，水分预测值与实测值之间的相关图见图2，水分预测值与实测值的比较柱形图见图3。
表1水分模型在不同光谱范围与预处理方法下的模型参数
表2 16批柴胡颗粒的水分含量测定结果
由上表2可以看出，柴胡颗粒水分含量的偏差范围在0.03-0.36％之间，平均预测回收率为99.41％，说明该模型具有较好的预测能力和稳定性，可用于柴胡颗粒水分的快速检测。
实施例4：
一种基于近红外光谱技术快速检测柴胡颗粒乙醇浸出物含量的方法，具体包括如下步骤：
a、取柴胡颗粒样品，共80批，各取约3g，研成细粉，装入具塞玻璃样品瓶中，置于近红外扫描仪上进行扫描，采集光谱，扫描的条件：扫描范围4000-12000cm-1，扫描次数：32次，分辨率8cm-1，扫描过程中实时扣除背景，每份样品采集3张光谱，得到如图1所示的80批柴胡颗粒的近红外原始吸收光谱图；
同时，根据2015版中国药典中规定的标准方法，其乙醇浸出物含量采用热浸法测定，取研磨成细粉的柴胡颗粒约2g，精密称定，置100ml的锥形瓶中，精密加乙醇100ml，密塞，称定重量，静置1小时后，连接回流冷凝管，加热至沸腾，并保持微沸1小时；放冷后，取下锥形瓶，密塞，再称定重量，用乙醇补足减失的重量，摇匀，用干燥滤器滤过，精密量取滤液50ml，置已干燥至恒重的蒸发皿中、在水浴上蒸干后，于105℃干燥3小时，置干燥器中冷却30分钟，迅速籍密称定重量；除另有规定外，以干燥品计算柴胡颗粒中醇溶性浸出物的含量(％)，根据样品数和样品分布确定校正集和验证集；
b、根据样品数和样品乙醇浸出物含量实测值分布，选取64批为校正集，选取16批为验证集。应用分析软件，自动优化选取预处理方法与光谱范围，优化结果见表3。采用最小-最大归一化法对近红外原始吸收光谱进行预处理，选取6100.6-4598.8cm-1特征波段下的光谱信息，运用偏最小二乘法(PLS)建立近红外光谱与乙醇浸出物含量实测值之间的定量模型；将验证集的样品进行近红外光谱扫描，利用模型，得到柴胡颗粒样品含量的预测值，将预测值与实测值进行比较，验证定量模型的准确性与预测能力，该模型经交叉验证得交叉验证相关系数R2＝0.953，RMSECV＝1.28，RPD＝4.6，维数选为10，验证集相关系数R2＝0.937，RMSEP＝1.5，16批柴胡颗粒的乙醇浸出物含量测定结果见表4，乙醇浸出物预测值与实测值之间的相关图见图4，乙醇浸出物预测值与实测值的比较柱形图见图5
表3乙醇浸出物模型在不同光谱范围与预处理方法下的模型参数
表4 16批柴胡颗粒的乙醇浸出物含量测定结果
由上表4可以看出，柴胡颗粒乙醇浸出物含量的偏差范围在0.01-2.79％之间，预测平均回收率为99.75％，说明该模型具有较好的预测能力和稳定性，可用于柴胡颗粒乙醇浸出物的快速检测。
实施例5：
一种基于近红外光谱技术快速检测柴胡颗粒中柴胡皂苷a含量的方法，具体包括如下步骤：
a、取柴胡颗粒样品，共80批，各取约3g，研成细粉，装入具塞玻璃样品瓶中，置于近红外扫描仪上进行扫描，采集光谱，扫描的条件：扫描范围4000-12000cm-1，扫描次数：32次，分辨率8cm-1，扫描过程中实时扣除背景，每份样品采集3张光谱，得到如图1所示的80批柴胡颗粒的近红外原始吸收光谱图；
同时，根据2015版中国药典中规定的标准方法，其柴胡皂苷a含量照高效液相色谱法(《中国药典》2015年版四部通则0512)测定，具体步骤如下：
色谱条件与系统适用性试验：以十八烷基硅烷键合硅胶为填充剂；以乙腈为流动相A，以水为流动相B，按下表5中的规定进行梯度洗脱；检测波长为210nm。理论板数按柴胡皂苷a峰计算应不低于10000。
表5高效液相色谱梯度洗脱条件
对照品溶液的制备：取柴胡皂苷a对照品适量，精密称定，加甲醇制成每1ml含柴胡皂苷a0.4mg的溶液，摇匀，即得。
供试品溶液的制备：取装量差异项下的本品，研细，取约2g，精密称定，置具塞锥形瓶中，加入含5％浓氨溶液的甲醇溶液25ml，密塞，30℃水温超声处理(功率200W，频率40kHz)30分钟，滤过，用甲醇20ml分2次洗涤容器及药渣，洗液与滤液合并，回收溶剂至干。残渣加甲醇溶解，转移至5ml量瓶中，加甲醇稀释至刻度，摇匀，滤过，取续滤液，即得。
测定法：分别精密吸取对照品溶液20μl与供试品溶液10-20μl，注入液相色谱仪，测定，即得。
b、根据样品数和样品柴胡皂苷a含量实测值分布，选取61批为校正集，选取19批为验证集。应用分析软件，自动优化选取预处理方法与光谱范围，优化结果见表6。采用矢量归一化法对近红外原始吸收光谱进行预处理，选取7500.1-5447.6cm-1和4602.9-4247.9cm-1特征波段下的光谱信息，运用偏最小二乘法(PLS)建立近红外光谱及柴胡皂苷a标准含量之间的定量模型；将验证集的样品进行近红外光谱扫描，利用模型，得到柴胡颗粒样品含量的预测值，将预测值与实测值进行比较，验证定量模型的准确性与预测能力，该模型经交叉验证得交叉验证相关系数R2＝0.861，RMSECV＝0.197，RPD＝2.68，维数选为9，验证集相关系数R2＝0.967，RMSEP＝0.093，19批柴胡颗粒的柴胡皂苷a含量测定结果见表7，柴胡皂苷a预测值与实测值之间的相关图见图6，柴胡皂苷a预测值与实测值的比较柱形图见图7。
表6柴胡皂苷a模型在不同光谱范围与预处理方法下的模型参数
表7 19批柴胡颗粒柴胡皂苷a含量测定结果
由上表7可以看出，柴胡颗粒柴胡皂苷a的偏差范围在0.02-0.15mg/g之间，预测平均回收率为99.43％。说明该模型具有较好的预测能力和稳定性，可用于柴胡颗粒柴胡皂苷a的快速检测。
实施例6:
一种基于近红外光谱技术快速评价柴胡颗粒质量的方法，具体包括如下步骤：
a.采用软件，将所建的柴胡颗粒柴胡皂苷a、水分和浸出物定量模型导入，并设定各组分的含量限度，根据柴胡颗粒的质量标准，设定水分≤8.0％，乙醇浸出物≥18.0％，柴胡皂苷a≥0.60mg/g，建立柴胡颗粒的多方法评价模型；
b.采集样品近红外吸收光谱图，将光谱图导入多方法评价模型中，读取样品各组分的含量及评价信息。
为验证此模型的预测能力和准确性，本发明采用单盲法实验，对柴胡、丹参等10批颗粒样品进行评价，样品信息表见表8。分别采集编号1-10样品的光谱图，将光谱图导入柴胡颗粒多方法评价模型中，读取样品各组分的含量及评价信息，结果见表9。
表8多方法评价模型验证样品信息表
表9柴胡颗粒多方法评价结果
－表示所测样品合格，*表示所测样品异常(不同样品或含量不符合要求)
由表9可以看出，该多方法评价模型可以根据样品光谱信息，分析得出马氏距离、组分密度，通过其值的大小，可以初步判别所测样品是否为柴胡颗粒，被判别为柴胡颗粒的样品能同时得出各组分的准确预测值。说明该模型具有较好的预测能力和准确性，可快速评价柴胡颗粒的质量。
Claims (6)
1.一种柴胡颗粒的检测方法，其特征在于基于近红外光谱技术快速检测，并包括如下步骤：
a.近红外光谱的采集：取柴胡颗粒样品约3g，研成细粉，进行近红外光谱扫描，采集光谱，得到柴胡颗粒样品的原始吸收光谱图，并对各组分含量进行测定，测出柴胡颗粒样品各组分含量的实测值，根据样品数和样品各组分含量实测值分布确定校正集和验证集，所述的NIR光谱采集的扫描条件为：扫描范围为4000cm-1-12000cm-1，扫描次数为32次，分辨率为8cm-1，扫描过程中实时扣除背景，每份样品采集3张光谱；
b.柴胡颗粒定量模型的建立：测定柴胡颗粒水分的含量，采用一阶导数+减去一条直线法对原始吸收光谱进行预处理，建模的光谱范围选取7500.1-4247.9cm-1特征波段，维数选为8；测定柴胡颗粒乙醇浸出物含量，采用最小-最大归一化法对原始吸收光谱进行预处理，建模的光谱范围选取为6100.5-4598.8cm-1特征波段，维数选为10；测定柴胡颗粒柴胡皂苷a含量，采用矢量归一化法对原始吸收光谱进行预处理，建模的光谱范围选取为7500.1-5447.6cm-1、4602.9-4247.9cm-1特征波段，维数选为9；运用偏最小二乘法对校正集的近红外光谱和其对应柴胡颗粒样品各组分含量的实测值之间建立定量模型；
c.验证近红外定量模型：采集验证集样品的近红外光谱图，通过步骤b所建立的各组分定量模型，获得柴胡颗粒样品各组分含量的预测值，将预测值与实测值进行比较，验证定量模型的准确性；
d.柴胡颗粒各组分含量的测定：取待检测的柴胡颗粒按照步骤a的方法进行近红外光谱采集，将特定波段光谱信息导入步骤b建立的定量模型中，测定柴胡颗粒各组分的含量；将所建成的柴胡颗粒水分、乙醇浸出物及柴胡皂苷a的近红外定量测定模型整合，建立柴胡颗粒的多方法评价模型，将待检测的柴胡颗粒样品按照步骤a的方法采集近红外光谱，导入柴胡颗粒多方法评价模型中，同时测定柴胡颗粒各组分含量；
所述的柴胡颗粒由包括如下步骤的方法制备得到：取柴胡饮片，加水煎煮2-4次，每次加6-8倍量水，每次加热煎煮1-3小时；药液合并，滤液浓缩至相对密度为1.06-1.10的清膏，趁热用300-350目筛滤过；取清膏喷雾干燥，得喷干粉；将喷干粉干法制粒，得粒度在20-40目的柴胡颗粒；柴胡颗粒中的水分≤8.0％，乙醇浸出物≥18.0％，柴胡皂苷a≥0.60mg/g。
2.如权利要求1所述的柴胡颗粒的检测方法，其特征在于喷雾干燥的条件为：进风温度150-190℃，料泵转速400-700转/分，出风温度80-95℃，风送温度35-45℃；干法制粒的条件为：冲孔板孔径1.50mm，轧辊电机频率40-50HZ、送料电机频率30-50HZ、油缸压力16-24bar。
3.如权利要求1或2所述的柴胡颗粒的检测方法，其特征在于：取同一批次柴胡颗粒约3g，将其研磨成细粉，过80目筛，转移到近红外测定的具塞玻璃瓶中。
4.如权利要求1或2所述的柴胡颗粒的检测方法，其特征在于：将研磨细粉使用漏斗进行转移，通过上下振动的方式使其紧密，用橡胶瓶塞塞紧。
5.如权利要求1或2所述的柴胡颗粒的检测方法，其特征在于：在温度18-22℃，湿度40-50％条件下，将颗粒进行研磨与快速装瓶。
6.如权利要求1或2所述的柴胡颗粒的检测方法，其特征在于：观察装样后的样品瓶底部，保证测试的样品粉末没有粘结玻璃瓶底部，粉末没有断层、缝隙，才可对样品进行近红外光谱扫描。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610459102.9A CN106138131B (zh) | 2016-06-20 | 2016-06-20 | 一种柴胡颗粒及其中药制剂 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610459102.9A CN106138131B (zh) | 2016-06-20 | 2016-06-20 | 一种柴胡颗粒及其中药制剂 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106138131A CN106138131A (zh) | 2016-11-23 |
| CN106138131B true CN106138131B (zh) | 2017-08-22 |
Family
ID=57353546
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610459102.9A Active CN106138131B (zh) | 2016-06-20 | 2016-06-20 | 一种柴胡颗粒及其中药制剂 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106138131B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108254335A (zh) * | 2018-03-07 | 2018-07-06 | 中国科学院西北高原生物研究所 | 一种光谱模型法快速测定锁阳中鞣质含量的方法 |
| CN110320286B (zh) * | 2018-03-29 | 2022-11-22 | 广州白云山光华制药股份有限公司 | 小柴胡颗粒有效成分的含量测定方法 |
| CN109568361A (zh) * | 2018-06-04 | 2019-04-05 | 广东方制药有限公司 | 一种柴胡或醋柴胡配方颗粒的制备方法 |
| CN109528786A (zh) * | 2018-12-11 | 2019-03-29 | 江西赣隆药业有限公司 | 一种竹叶柴胡配方颗粒及其制备方法 |
| CN109745348A (zh) * | 2019-03-04 | 2019-05-14 | 河南福森药业有限公司 | 一种柴胡配方颗粒的制备方法 |
| CN110160987A (zh) * | 2019-07-03 | 2019-08-23 | 温州大学 | 一种柴胡药材的质量快速检测方法 |
| CN114288325A (zh) * | 2022-01-14 | 2022-04-08 | 上海凯宝药业股份有限公司 | 一种人工培育熊胆粉在制备治疗抑郁症药物中的应用 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102288572A (zh) * | 2011-05-09 | 2011-12-21 | 河南中医学院 | 利用近红外光谱技术快速检测中药药材指标性成分含量的方法 |
-
2016
- 2016-06-20 CN CN201610459102.9A patent/CN106138131B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106138131A (zh) | 2016-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106138131B (zh) | 一种柴胡颗粒及其中药制剂 | |
| CN106074695B (zh) | 一种丹参颗粒及其中药制剂 | |
| CN103033486B (zh) | 陈皮及广陈皮药材质量的近红外光谱监控方法 | |
| CN106074700B (zh) | 一种黄芩颗粒的检测方法 | |
| CN104568813A (zh) | 一种山茱萸药材多指标快速检测方法 | |
| CN106074742B (zh) | 一种白芍颗粒及其中药制剂 | |
| CN105181637A (zh) | 利用近红外漫反射光谱快速测定红参质量指标含量的方法 | |
| CN108051396A (zh) | 一种心可舒片有效成分含量的快速检测方法 | |
| CN106074664B (zh) | 一种山茱萸颗粒的检测方法 | |
| CN102175629B (zh) | 一种基于生物活性检测的熟地黄品质评价方法 | |
| CN102028710A (zh) | 一种测定华蟾素醇沉液中吲哚类生物碱含量的方法 | |
| CN102147360A (zh) | 一种药物组合物的检测方法 | |
| CN106074679B (zh) | 一种葛根颗粒及其中药制剂 | |
| CN106092958B (zh) | 一种黄连颗粒的检测方法 | |
| CN106420925B (zh) | 一种桂枝颗粒及其中药制剂 | |
| CN106074722B (zh) | 一种连翘颗粒的检测方法 | |
| CN104819955B (zh) | 基于粒子群最小二乘支持向量机算法检测川芎方法及应用 | |
| CN106109556B (zh) | 一种甘草颗粒的检测方法 | |
| CN106074743B (zh) | 一种牡丹皮颗粒的检测方法 | |
| CN106109696B (zh) | 一种玄参颗粒的检测方法 | |
| CN106153574B (zh) | 一种蒲公英颗粒的检测方法 | |
| CN106109605B (zh) | 一种赤芍颗粒及其中药制剂 | |
| CN109738391A (zh) | 一种基于近红外光谱技术的干姜药材质量评价方法 | |
| CN106074796B (zh) | 一种陈皮颗粒及其中药制剂 | |
| CN106074806B (zh) | 一种黄柏颗粒及其中药制剂 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |