CN108562557A - 一种甘草药材的近红外光谱检测方法 - Google Patents
一种甘草药材的近红外光谱检测方法 Download PDFInfo
- Publication number
- CN108562557A CN108562557A CN201810706656.3A CN201810706656A CN108562557A CN 108562557 A CN108562557 A CN 108562557A CN 201810706656 A CN201810706656 A CN 201810706656A CN 108562557 A CN108562557 A CN 108562557A
- Authority
- CN
- China
- Prior art keywords
- medicinal materials
- near infrared
- licorice medicinal
- model
- data
- 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.)
- Pending
Links
- 239000000463 material Substances 0.000 title claims abstract description 85
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 62
- 235000006200 Glycyrrhiza glabra Nutrition 0.000 title claims abstract description 60
- 235000001453 Glycyrrhiza echinata Nutrition 0.000 title claims abstract description 59
- 235000017382 Glycyrrhiza lepidota Nutrition 0.000 title claims abstract description 59
- 229940010454 licorice Drugs 0.000 title claims abstract description 59
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 240000004670 Glycyrrhiza echinata Species 0.000 title 1
- 241000202807 Glycyrrhiza Species 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000012360 testing method Methods 0.000 claims abstract description 32
- KSDSYIXRWHRPMN-UHFFFAOYSA-N 4'-O-beta-D-Galactopyranoside-6''-p-Coumaroylprunin-4',5,7-Trihydroxyflavanone Natural products OC1C(O)C(O)C(CO)OC1OC1=CC=C(C2OC3=CC(O)=CC(O)=C3C(=O)C2)C=C1 KSDSYIXRWHRPMN-UHFFFAOYSA-N 0.000 claims abstract description 30
- DEMKZLAVQYISIA-ONJCETCRSA-N Liquiritin Natural products O([C@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1)c1ccc([C@@H]2Oc3c(C(=O)C2)ccc(O)c3)cc1 DEMKZLAVQYISIA-ONJCETCRSA-N 0.000 claims abstract description 30
- DEMKZLAVQYISIA-UHFFFAOYSA-N Liquirtin Natural products OC1C(O)C(O)C(CO)OC1OC1=CC=C(C2OC3=CC(O)=CC=C3C(=O)C2)C=C1 DEMKZLAVQYISIA-UHFFFAOYSA-N 0.000 claims abstract description 30
- DEMKZLAVQYISIA-ZRWXNEIDSA-N liquiritin Chemical compound O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CO)O[C@H]1OC1=CC=C([C@H]2OC3=CC(O)=CC=C3C(=O)C2)C=C1 DEMKZLAVQYISIA-ZRWXNEIDSA-N 0.000 claims abstract description 30
- GSZUGBAEBARHAW-UHFFFAOYSA-N sophoraflavone B Natural products OC1C(O)C(O)C(CO)OC1OC1=CC=C(C=2OC3=CC(O)=CC=C3C(=O)C=2)C=C1 GSZUGBAEBARHAW-UHFFFAOYSA-N 0.000 claims abstract description 30
- VTAJIXDZFCRWBR-UHFFFAOYSA-N Licoricesaponin B2 Natural products C1C(C2C(C3(CCC4(C)CCC(C)(CC4C3=CC2)C(O)=O)C)(C)CC2)(C)C2C(C)(C)CC1OC1OC(C(O)=O)C(O)C(O)C1OC1OC(C(O)=O)C(O)C(O)C1O VTAJIXDZFCRWBR-UHFFFAOYSA-N 0.000 claims abstract description 25
- LPLVUJXQOOQHMX-UHFFFAOYSA-N glycyrrhetinic acid glycoside Natural products C1CC(C2C(C3(CCC4(C)CCC(C)(CC4C3=CC2=O)C(O)=O)C)(C)CC2)(C)C2C(C)(C)C1OC1OC(C(O)=O)C(O)C(O)C1OC1OC(C(O)=O)C(O)C(O)C1O LPLVUJXQOOQHMX-UHFFFAOYSA-N 0.000 claims abstract description 25
- 239000001685 glycyrrhizic acid Substances 0.000 claims abstract description 25
- 229960004949 glycyrrhizic acid Drugs 0.000 claims abstract description 25
- UYRUBYNTXSDKQT-UHFFFAOYSA-N glycyrrhizic acid Natural products CC1(C)C(CCC2(C)C1CCC3(C)C2C(=O)C=C4C5CC(C)(CCC5(C)CCC34C)C(=O)O)OC6OC(C(O)C(O)C6OC7OC(O)C(O)C(O)C7C(=O)O)C(=O)O UYRUBYNTXSDKQT-UHFFFAOYSA-N 0.000 claims abstract description 25
- 235000019410 glycyrrhizin Nutrition 0.000 claims abstract description 25
- LPLVUJXQOOQHMX-QWBHMCJMSA-N glycyrrhizinic acid Chemical compound O([C@@H]1[C@@H](O)[C@H](O)[C@H](O[C@@H]1O[C@@H]1C([C@H]2[C@]([C@@H]3[C@@]([C@@]4(CC[C@@]5(C)CC[C@@](C)(C[C@H]5C4=CC3=O)C(O)=O)C)(C)CC2)(C)CC1)(C)C)C(O)=O)[C@@H]1O[C@H](C(O)=O)[C@@H](O)[C@H](O)[C@H]1O LPLVUJXQOOQHMX-QWBHMCJMSA-N 0.000 claims abstract description 25
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 238000010238 partial least squares regression Methods 0.000 claims description 24
- 238000001228 spectrum Methods 0.000 claims description 22
- 238000003908 quality control method Methods 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 16
- 239000000843 powder Substances 0.000 claims description 15
- 101150061025 rseP gene Proteins 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 230000003595 spectral effect Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000007796 conventional method Methods 0.000 claims description 2
- 238000004811 liquid chromatography Methods 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 abstract description 9
- 239000007791 liquid phase Substances 0.000 abstract description 7
- LTINPJMVDKPJJI-UHFFFAOYSA-N iodinated glycerol Chemical compound CC(I)C1OCC(CO)O1 LTINPJMVDKPJJI-UHFFFAOYSA-N 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000000643 oven drying Methods 0.000 abstract description 3
- WEVYAHXRMPXWCK-UHFFFAOYSA-N Acetonitrile Chemical compound CC#N WEVYAHXRMPXWCK-UHFFFAOYSA-N 0.000 description 9
- 238000003556 assay Methods 0.000 description 8
- 239000003814 drug Substances 0.000 description 8
- 229940079593 drug Drugs 0.000 description 7
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 6
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical compound OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 description 6
- 239000012071 phase Substances 0.000 description 6
- 239000000047 product Substances 0.000 description 6
- 238000001035 drying Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000010298 pulverizing process Methods 0.000 description 4
- 238000007873 sieving Methods 0.000 description 4
- 238000004497 NIR spectroscopy Methods 0.000 description 3
- MUBZPKHOEPUJKR-UHFFFAOYSA-N Oxalic acid Chemical compound OC(=O)C(O)=O MUBZPKHOEPUJKR-UHFFFAOYSA-N 0.000 description 3
- 229910000147 aluminium phosphate Inorganic materials 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000010828 elution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 235000019441 ethanol Nutrition 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 240000008917 Glycyrrhiza uralensis Species 0.000 description 2
- 235000000554 Glycyrrhiza uralensis Nutrition 0.000 description 2
- 239000002253 acid Substances 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 206010011224 Cough Diseases 0.000 description 1
- 206010013786 Dry skin Diseases 0.000 description 1
- 241000220485 Fabaceae Species 0.000 description 1
- 244000303040 Glycyrrhiza glabra Species 0.000 description 1
- 241001278898 Glycyrrhiza inflata Species 0.000 description 1
- 206010062717 Increased upper airway secretion Diseases 0.000 description 1
- 208000005392 Spasm Diseases 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 235000006408 oxalic acid Nutrition 0.000 description 1
- 208000026435 phlegm Diseases 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000002604 ultrasonography Methods 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
- G01N21/359—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
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Medicines Containing Plant Substances (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种甘草药材近红外光谱检测方法,方法包括甘草水分/或甘草苷和甘草酸的近红外测定,步骤如下:(1)药材样品准备,粉碎过筛,备用,(2)目标成分的检测,水分测定(烘干法)或甘草苷和甘草酸测定(液相法),(3)近红外光谱数据采集,(4)定量模型的建立,近红外数据与已知成分含量和水分含量进行关联,建立定量校准模型(5)未知供试品近红外测定。该方法实现了对甘草药材快速检测,具有操作简单、准确性高、无损等优点,且保证了甘草制剂质量的安全、有效、可控、稳定。
Description
技术领域
本发明属于近红外检测领域,具体涉及一种甘草药材近红外光谱检测方法。
背景技术
甘草,甘草为豆科(Leguminosae)甘草属(Glycyrrhiza)甘草(Glycyrrhizauralensis Fisch.)、胀果甘草(Glycyrrhiza inflata Bat.)或光果甘草(Glycyrrhiaglabra L.)的干燥根及根茎,具有补脾益气,清热解毒,祛痰止咳,缓急止痛,调和诸药的功能。在我国其最早见于《神农本草经》中,其地上部分一般呈群丛状,地下的根及根茎发达。我国大部分地区均可以看到甘草的身影,尤其在云南、辽宁、黑龙江、吉林、内蒙古、甘肃、宁夏、陕西及青海等地。全世界甘草属植物共30余种,我国有8种,乌拉尔甘草、胀果甘草、光果甘草为《中国药典》收录品种。基原多、产地多,如何能够快速区分符合制剂要求的药材,是现今需要讨论及研究的方向。
近红外(NIR)光谱技术是一种快速的、无损的、绿色的分析技术,具有分析快速、操作简单、样品基本无处理、无需消耗试剂等特点。近年来,近红外光谱技术已经越来越多的被应用于中药研究,包括药材产地鉴别、有效组分含量测定和制药过程的在线检测和监控。
在药品质量控制及生产应用领域,将近红外光谱技术应用于原药材、化药分离、成品关键指标的检测已有相关文献。然而,将近红外光谱技术用于甘草药材质控的测定仍未见相关报道。
本发明的检测方法正是在经过深入研究和探索后才得到的,本发明的检测方法可以有效提高产品的质量和稳定性。
发明内容
本发明的目的在于提供一种用近红外光谱检测甘草药材中甘草苷和甘草酸两种成分的含量和水分的方法。
本发明的检测方法,可以从源头药材进行质量控制,探讨符合制剂要求的检测标准,从而保证最终产品质量的安全性、稳定性和有效性,达到快速、高效质量控制的目的。
本发明提供一种甘草药材的近红外光谱检测方法,其特征在于,步骤如下:
(1)甘草药材粉碎过筛;
(2)采集甘草药材粉末的近红外光谱图;
(3)根据标准近红外光谱和采集的甘草药材的近红外光谱,输入已经建立的模型,计算得到甘草药材中甘草苷和甘草酸的含量。
其中的光谱条件为:扫描次数为32,分辨率为8cm-1,以仪器内置背景为参比,扫描光谱范围为4000~10000cm-1。
本方进一步提供一种甘草药材的近红外光谱检测的建立方法,其特征在于,步骤如下:
(1)多批甘草药材粉碎过筛;
(2)高效液相色谱法测定多批甘草药材的甘草苷和甘草酸的含量;
(3)采集多批甘草药材粉末的近红外光谱图;
(4)采用5600~10000cm-1波段区间的近红外数据,选择一阶导数、Savitzky-Golay平滑和数据归一化算法用于预处理近红外光谱数据,采用偏最小二乘回归(PLSR)建立近红外数据与甘草苷和甘草酸之间的定量校正模型,采用相关系数R、校正集均方差RMSEC和主成分数Factor优化建模参数,考察模型性能,模型对未知样品的预测效果用预测均方差RMSEP、相对偏差RSEP和相关系数R确定。
其中的光谱条件为:扫描次数为32,分辨率为8cm-1,以仪器内置背景为参比,扫描光谱范围为4000~10000cm-1。
其中,相关系数R、校正集均方差RMSEC、预测均方差RMSEP和相对偏差RSEP的具体计算公式:
各式中Ci——传统分析方法测量值;
——通过NIR测量及数学模型预测的结果;
Cm——Ci均值;
n——建立模型用的校正集样本数;
m——用于检验模型的验证集样本数。
所述采集甘草样品:是采集5-200个批次。
本发明提供一种甘草药材中水分含量的近红外光谱测定方法,其特征在于,包括以下步骤:
(1)甘草药材粉碎过筛;
(2)采集甘草药材粉末的近红外光谱图;
(3)根据标准近红外光谱和采集的甘草药材的近红外光谱,输入已经建立的模型,计算得到甘草药材中水的含量。
本发明进一步提供一种甘草药材中水分含量的近红外光谱测定建立方法,其特征在于,包括以下步骤:
(1)多批甘草药材粉碎过筛;
(2)常规方法测定多批样品中的水含量,
(3)采集多批甘草药材粉末的近红外光谱图;
(4)定量模型的建立
采用5600~10000cm-1波段区间的近红外数据,选择一阶导数、Savitzky-Golay平滑和数据归一化算法用于预处理近红外光谱数据,采用偏最小二乘回归(PLSR)建立近红外数据与水分这个质控指标数据之间的定量校正模型。
其中,所述采集甘草样品:是采集5-200个批次。
本发明的模型建立方法,步骤如下:
(1)药材样品准备,粉碎过筛,备用;
(2)含量测定:对药材中的甘草苷和甘草酸含量进行高效液相测定,
(3)近红外光谱数据采集
将上述处理后的甘草药材粉末进行近红外光谱扫描,采集所述药材的近红外光谱,扫描次数为32,分辨率为8cm-1,以仪器内置背景为参比,扫描光谱范围为4000~10000cm-1,
(4)定量模型的建立
采用5600~10000cm-1波段区间的近红外数据,选择一阶导数、Savitzky-Golay平滑和数据归一化算法用于预处理近红外光谱数据,采用偏最小二乘回归(PLSR)建立近红外数据与甘草苷和甘草酸这2个质控指标数据之间的定量校正模型,
采用相关系数R、校正集均方差RMSEC和主成分数Factor优化建模参数,考察模型性能,模型对未知样品的预测效果用预测均方差RMSEP、相对偏差RSEP和相关系数R来考核,
(5)采集供试品近红外光谱数据
采集市场上药材样品,粉碎过筛后作为供试品,按建模样品相同近红外光谱采集参数采集供试品的近红外光谱数据,选择相同的建模波段和光谱预处理方法,把特征光谱分别输入已经建立的模型,计算得到供试品中甘草苷和甘草酸等的含量。
其中,甘草药材中水分含量的测定,包括以下步骤:
(1)药材样品准备,粉碎过筛,备用,
(2)水分测定:测定样品水分(%),
(3)近红外光谱数据采集,
将上述处理后的甘草药材粉末进行近红外光谱扫描,采集所述药材的近红外光谱,扫描次数为32,分辨率为8cm-1,以仪器内置背景为参比,扫描光谱范围为4000~10000cm-1,
(4)定量模型的建立
采用5600~10000cm-1波段区间的近红外数据,选择一阶导数、Savitzky-Golay平滑和数据归一化算法用于预处理近红外光谱数据,采用偏最小二乘回归(PLSR)建立近红外数据与水分这个质控指标数据之间的定量校正模型,
(5)采集供试品近红外光谱数据
采集市场上药材样品,粉碎过筛后作为供试品,按建模样品相同近红外光谱采集参数采集供试品的近红外光谱数据,选择相同的建模波段和光谱预处理方法,把特征光谱分别输入已经建立的模型,计算得到供试品中水分含量。
其中,甘草苷和甘草酸的含量测定中,步骤(2)所述的测定方法:取本品粉末(过三号筛)约0.2g,精密称定,置具塞锥形瓶中,精密加入70%乙醇100ml,密塞,称定重量,超声处理(功率250W,频率40kHz)30分钟,放冷,再称定重量,用70%乙酵补足减失的重量,摇匀,滤过,取续液,即得。液相色谱条件:C-18柱(4.6*250mm,5um);以乙腈为流动相A,以0.05%磷酸溶液为流动相B,梯度洗脱,0~8min,19%A;8~35min,19%~50%A;35~36min,50%~100%A;36~40min,100%~19%A。柱温:35℃;流速1.0ml/min;检测器DAD;检测波长237nm;进样量10ul。
其中,甘草药材中水分含量的测定中,步骤(2)测定方法:取供试品5g,平铺于干燥至恒重的扁形称量瓶中,厚度不超过5mm,疏松供试品不超过10mm,精密称定,开启瓶盖在100~105℃干燥5小时,将瓶盖盖好,移至干燥器中,放冷30分钟,精密称定,再在上述温度干燥1小时,放冷,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,计算供试品中含水量(%)。
其中,相关系数R、校正集均方差RMSEC、预测均方差RMSEP和相对偏差RSEP的具体计算公式:
各式中Ci——传统分析方法测量值;
——通过NIR测量及数学模型预测的结果;
Cm——Ci均值;
n——建立模型用的校正集样本数;
m——用于检验模型的验证集样本数。
其中,所述采集甘草样品:是采集5-200个批次。
优选的,本发明的模型建立方法,包括以下步骤:
A、甘草苷和甘草酸含量测定
(1)药材样品准备,粉碎过筛,备用;
(2)含量测定:对药材中的甘草苷和甘草酸含量进行高效液相测定,测定方法如下:
取本品粉末(过三号筛)约0.2g,精密称定,置具塞锥形瓶中,精密加入70%乙醇100ml,密塞,称定重量,超声处理(功率250W,频率40kHz)30分钟,放冷,再称定重量,用70%乙酵补足减失的重量,摇匀,滤过,取续液,即得。液相色谱条件:C-18柱(4.6*250mm,5um);以乙腈为流动相A,以0.05%磷酸溶液为流动相B,梯度洗脱,0~8min,19%A;8~35min,19%~50%A;35~36min,50%~100%A;36~40min,100%~19%A。柱温:35℃;流速1.0ml/min;检测器DAD;检测波长237nm;进样量10ul。
通过以上方法可以得到药材中的甘草苷和甘草酸峰面积这2个质控指标数据。
(3)近红外光谱数据采集
将上述处理后的甘草药材粉末进行近红外光谱扫描,采集所述药材的近红外光谱。扫描次数为32,分辨率为8cm-1,以仪器内置背景为参比,扫描光谱范围为4000~10000cm-1
(4)定量模型的建立
采用5600~10000cm-1波段区间的近红外数据,选择一阶导数、Savitzky-Golay平滑和数据归一化算法用于预处理近红外光谱数据。采用偏最小二乘回归(PLSR)建立近红外数据与甘草苷和甘草酸这2个质控指标数据之间的定量校正模型。
采用相关系数R、校正集均方差RMSEC和主成分数Factor优化建模参数,考察模型性能。模型对未知样品的预测效果用预测均方差RMSEP、相对偏差RSEP和相关系数R来考核。当R值接近于1,RMSEC和RMSEP值较小而且互相接近时,评价模型稳定性好、预测精准度高。当RSEP值小于10%时评价模型具有较好的预测能力,能够满足药材分析的预测精度要求。
以下为相关系数R、校正集均方差RMSEC、预测均方差RMSEP和相对偏差RSEP的具体计算公式:
各式中Ci——传统分析方法测量值;
——通过NIR测量及数学模型预测的结果;
Cm——Ci均值;
n——建立模型用的校正集样本数;
m——用于检验模型的验证集样本数。
(5)采集供试品近红外光谱数据
采集市场上药材样品,粉碎过筛后作为供试品,按建模样品相同近红外光谱采集参数采集供试品的近红外光谱数据,选择相同的建模波段和光谱预处理方法,把特征光谱分别输入已经建立的模型,计算得到供试品中甘草苷华为甘草酸等的含量。
B、水分测定
(1)药材样品准备,粉碎过筛,备用;
(2)水分测定(烘干法):
取供试品5g,平铺于干燥至恒重的扁形称量瓶中,厚度不超过5mm,疏松供试品不超过10mm,精密称定,开启瓶盖在100~105℃干燥5小时,将瓶盖盖好,移至干燥器中,放冷30分钟,精密称定,再在上述温度干燥1小时,放冷,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,计算供试品中含水量(%)。
(3)近红外光谱数据采集
将上述处理后的甘草药材粉末进行近红外光谱扫描,采集所述药材的近红外光谱。扫描次数为32,分辨率为8cm-1,以仪器内置背景为参比,扫描光谱范围为4000~10000cm-1。
(4)定量模型的建立
采用5600~10000cm-1波段区间的近红外数据,选择一阶导数、Savitzky-Golay平滑和数据归一化算法用于预处理近红外光谱数据。采用偏最小二乘回归(PLSR)建立近红外数据与水分这个质控指标数据之间的定量校正模型。
(5)采集供试品近红外光谱数据
采集市场上药材样品,粉碎过筛后作为供试品,按建模样品相同近红外光谱采集参数采集供试品的近红外光谱数据,选择相同的建模波段和光谱预处理方法,把特征光谱分别输入已经建立的模型,计算得到供试品中水分含量。
本发明的检测方法与现有检测方法相比较,具有以下优点:
本发明将近红外在线分析技术引入到药材甘草中,实现对各质控指标(甘草苷、甘草酸、水分含量)的快速测定(原方法费时、费力、费财),有利于从源头上控制了甘草原材料的质量,缩短检测时间,节约生产成本,提高生产效率和经济效益,保证了甘草制剂(如黄氏响声丸)质量的安全、有效,从而有效提高药品的质量安全和稳定性。
附图说明
附图1是甘草药材近红外图谱
附图2是甘草药材甘草苷近红外预测值与实际值相关图
附图3是甘草药材甘草酸近红外预测值与实际值相关图
附图4是甘草药材水分近红外预测值与实际值相关图
具体实施方式
通过以下具体实施例对本发明做进一步的说明,但不作为限制。
实施例1、近红外光谱法测定甘草药材的甘草苷、甘草酸含量
(1)药材样品准备:选取33批甘草药材,粉碎过筛,备用
(2)含量测定:
取本品粉末(过三号筛)约0.2g,精密称定,置具塞锥形瓶中,精密加入70%乙醇100ml,密塞,称定重量,超声处理(功率250W,频率40kHz)30分钟,放冷,再称定重量,用70%乙酵补足减失的重量,摇匀,滤过,取续液,即得。液相色谱条件:C-18柱(4.6*250mm,5um);以乙腈为流动相A,以0.05%磷酸溶液为流动相B,梯度洗脱,0~8min,19%A;8~35min,19%~50%A;35~36min,50%~100%A;36~40min,100%~19%A。柱温:35℃;流速1.0ml/min;检测器DAD;检测波长237nm;进样量10ul。
通过以上方法可以得到药材中的甘草苷、甘草酸峰面积这2个质控指标数据。
(3)采集样本的透射光谱
光谱扫描范围4000~10000cm-1,扫描次数为32次,分辨率为8cm-1。每个样品采集三张光谱后取平均光谱作为该样品的光谱图。
甘草样品的近红外原始吸收光谱图如图1所示。
(4)定量模型的建立
采用5600~10000cm-1波段区间的近红外数据,选择一阶导数、Savitzky-Golay平滑和数据归一化算法用于预处理近红外光谱数据。采用偏最小二乘回归(PLSR)建立近红外数据与甘草苷、甘草酸这2个质控指标数据之间的定量校正模型。
采用相关系数R、校正集均方差RMSEC和主成分数Factor优化建模参数,考察模型性能。模型对未知样品的预测效果用预测均方差RMSEP、相对偏差RSEP和相关系数R来考核。
表1、不同建模波段对药材模型性能的影响
采用偏最小二乘回归(PLSR)建立近红外数据与甘草苷、甘草酸这2个质控指标之间的定量校正模型。甘草苷、甘草酸模型的近红外预测值和实际测定值的相关图见图2~3。从表中可看出,甘草苷、甘草酸模型的校正相关系数均大于0.97,说明甘草药材各关键指标模型均具有较好的校正效果。
(5)采集供试品近红外光谱数据
甘草待测样品,按建模波段和光谱预处理方法,把特征光谱分别输入已经建立的模型,便可快速计算得到各指标值,模型预测结果见图2~3。
由图可见,模型具有较高的预测准确度,因此,甘草苷、甘草酸和液相总峰面积模型能够满足中药生产过程实时分析的预测精度要求。
实施例2、近红外光谱法测定甘草药材的水分含量
(1)药材样品准备:选取33批甘草药材,粉碎过筛,备用。
(2)水分测定(烘干法):
取供试品5g,平铺于干燥至恒重的扁形称量瓶中,厚度不超过5mm,疏松供试品不超过10mm,精密称定,开启瓶盖在100~105℃干燥5小时,将瓶盖盖好,移至干燥器中,放冷30分钟,精密称定,再在上述温度干燥1小时,放冷,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,计算供试品中含水量(%)。
(3)采集样本的透射光谱
光谱扫描范围4000~10000cm-1,扫描次数为32次,分辨率为8cm-1。每个样品采集三张光谱后取平均光谱作为该样品的光谱图。
(4)定量模型的建立
采用5600~10000cm-1波段区间的近红外数据,选择一阶导数、Savitzky-Golay平滑和数据归一化算法用于预处理近红外光谱数据。采用偏最小二乘回归(PLSR)建立近红外数据与水分质控指标数据之间的定量校正模型。
采用相关系数R、校正集均方差RMSEC和主成分数Factor优化建模参数,考察模型性能。模型对未知样品的预测效果用预测均方差RMSEP、相对偏差RSEP和相关系数R来考核。
表2、不同建模波段对药材水分模型性能的影响
采用偏最小二乘回归(PLSR)建立近红外数据与水分质控指标之间的定量校正模型。水分近红外预测值和实际测定值的相关图见图4。从表中可看出,甘草水分模型的校正相关系数大于0.99,说明指标模型均具有较好的校正效果。
(5)采集供试品近红外光谱数据
甘草待测样品,按建模波段和光谱预处理方法,把特征光谱分别输入已经建立的模型,便可快速计算得到水分含量值,模型预测结果见图4。
由图可见,模型具有较高的预测准确度,因此,水分模型能够满足中药生产过程实时分析的预测精度要求。
实施例3:
近红外光谱法测定10批未知甘草药材的水分、甘草苷和甘草酸含量
将收集到的8批未知含量甘草药材,粉碎过筛,直接用近红外光谱仪检测,得到近红外光谱图谱,分别通过水分、甘草苷和甘草酸定量校准模型,计算出所采集的甘草药材中水分、甘草苷和甘草酸含量如下表:
Claims (7)
1.一种甘草药材的近红外光谱检测方法,其特征在于,步骤如下:
(1)甘草药材粉碎过筛;
(2)采集甘草药材粉末的近红外光谱图;
(3)根据标准近红外光谱和采集的甘草药材的近红外光谱,输入已经建立的模型,计算得到甘草药材中甘草苷和甘草等的含量,
其中的光谱条件为:扫描次数为32,分辨率为8cm-1,以仪器内置背景为参比,扫描光谱范围为4000~10000cm-1。
2.一种甘草药材的近红外光谱检测的建立方法,其特征在于,步骤如下:
(1)多批甘草药材粉碎过筛;
(2)高效液相色谱法测定多批甘草药材的甘草苷和甘草酸的含量;
(3)采集多批甘草药材粉末的近红外光谱图;
(4)采用5600~10000cm-1波段区间的近红外数据,选择一阶导数、Savitzky-Golay平滑和数据归一化算法用于预处理近红外光谱数据,采用偏最小二乘回归(PLSR)建立近红外数据与甘草苷和甘草酸之间的定量校正模型,采用相关系数R、校正集均方差RMSEC和主成分数Factor优化建模参数,考察模型性能,模型对未知样品的预测效果用预测均方差RMSEP、相对偏差RSEP和相关系数R确定。
其中的光谱条件为:扫描次数为32,分辨率为8cm-1,以仪器内置背景为参比,扫描光谱范围为4000~10000cm-1。
3.根据权利要求2所述的方法,其特征在于,相关系数R、校正集均方差RMSEC、预测均方差RMSEP和相对偏差RSEP的具体计算公式:
各式中Ci——传统分析方法测量值;
——通过NIR测量及数学模型预测的结果;
Cm——Ci均值;
n——建立模型用的校正集样本数;
m——用于检验模型的验证集样本数。
4.根据权利要求2所述的方法,其特征在于,所述采集甘草样品:是采集5-200个批次。
5.一种甘草药材中水分含量的近红外光谱测定方法,其特征在于,包括以下步骤:
(1)甘草药材粉碎过筛;
(2)采集甘草药材粉末的近红外光谱图;
(3)根据标准近红外光谱和采集的甘草药材的近红外光谱,输入已经建立的模型,计算得到甘草药材中水的含量。
6.一种甘草药材中水分含量的近红外光谱测定建立方法,其特征在于,包括以下步骤:
(1)多批甘草药材粉碎过筛;
(2)常规方法测定多批样品中的水含量,
(3)采集多批甘草药材粉末的近红外光谱图;
(4)定量模型的建立
采用5600~10000cm-1波段区间的近红外数据,选择一阶导数、Savitzky-Golay平滑和数据归一化算法用于预处理近红外光谱数据,采用偏最小二乘回归(PLSR)建立近红外数据与水分这个质控指标数据之间的定量校正模型。
7.根据权利要求6所述的方法,其特征在于,所述采集甘草样品:是采集5-200个批次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810706656.3A CN108562557A (zh) | 2018-06-29 | 2018-06-29 | 一种甘草药材的近红外光谱检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810706656.3A CN108562557A (zh) | 2018-06-29 | 2018-06-29 | 一种甘草药材的近红外光谱检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108562557A true CN108562557A (zh) | 2018-09-21 |
Family
ID=63555028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810706656.3A Pending CN108562557A (zh) | 2018-06-29 | 2018-06-29 | 一种甘草药材的近红外光谱检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108562557A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109212095A (zh) * | 2018-10-31 | 2019-01-15 | 晨光生物科技集团股份有限公司 | 一种快速评价甜叶菊综合质量的方法 |
CN109490247A (zh) * | 2018-12-06 | 2019-03-19 | 江西省药明扬海医药科技有限公司 | 一种快速的大黄药材质控检测方法 |
CN109580539A (zh) * | 2018-12-06 | 2019-04-05 | 江西省药明扬海医药科技有限公司 | 一种快速的薄荷药材质控检测方法 |
CN110296955A (zh) * | 2019-06-24 | 2019-10-01 | 中国矿业大学 | 基于核函数优化的甘草近红外光谱分析模型构建方法及甘草质量评价方法 |
CN110702631A (zh) * | 2019-11-20 | 2020-01-17 | 江西中医药大学 | 一种基于nir的在线中药水分测量方法及系统 |
CN111380832A (zh) * | 2018-12-27 | 2020-07-07 | 广州白云山光华制药股份有限公司 | 复方甘草片有效成分含量测定校正模型构建、检测方法 |
CN112964690A (zh) * | 2021-02-04 | 2021-06-15 | 浙江工业大学 | 一种基于拉曼光谱实时监测中药配方颗粒提取过程的方法 |
CN117074361A (zh) * | 2023-08-29 | 2023-11-17 | 无锡迅杰光远科技有限公司 | 校准方法、装置、清洗机和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101396426A (zh) * | 2007-09-28 | 2009-04-01 | 未名天人中药有限公司 | 一种甘草配方颗粒及其制备方法和质量控制方法 |
CN104280360A (zh) * | 2014-09-26 | 2015-01-14 | 广东一方制药有限公司 | 一种甘草配方颗粒的制备及质量控制方法 |
CN105372204A (zh) * | 2015-12-09 | 2016-03-02 | 无锡济民可信山禾药业股份有限公司 | 一种硫酸依替米星柱分离过程的近红外光谱在线检测方法 |
CN105548026A (zh) * | 2015-12-09 | 2016-05-04 | 无锡济民可信山禾药业股份有限公司 | 一种快速的郁金药材质控检测方法 |
CN106109556A (zh) * | 2016-06-20 | 2016-11-16 | 广东方制药有限公司 | 一种甘草颗粒及其中药制剂 |
CN107917896A (zh) * | 2017-11-29 | 2018-04-17 | 宁夏医科大学 | 基于近红外光谱和聚类分析技术的甘草快速鉴别方法 |
-
2018
- 2018-06-29 CN CN201810706656.3A patent/CN108562557A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101396426A (zh) * | 2007-09-28 | 2009-04-01 | 未名天人中药有限公司 | 一种甘草配方颗粒及其制备方法和质量控制方法 |
CN104280360A (zh) * | 2014-09-26 | 2015-01-14 | 广东一方制药有限公司 | 一种甘草配方颗粒的制备及质量控制方法 |
CN105372204A (zh) * | 2015-12-09 | 2016-03-02 | 无锡济民可信山禾药业股份有限公司 | 一种硫酸依替米星柱分离过程的近红外光谱在线检测方法 |
CN105548026A (zh) * | 2015-12-09 | 2016-05-04 | 无锡济民可信山禾药业股份有限公司 | 一种快速的郁金药材质控检测方法 |
CN106109556A (zh) * | 2016-06-20 | 2016-11-16 | 广东方制药有限公司 | 一种甘草颗粒及其中药制剂 |
CN107917896A (zh) * | 2017-11-29 | 2018-04-17 | 宁夏医科大学 | 基于近红外光谱和聚类分析技术的甘草快速鉴别方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109212095A (zh) * | 2018-10-31 | 2019-01-15 | 晨光生物科技集团股份有限公司 | 一种快速评价甜叶菊综合质量的方法 |
CN109212095B (zh) * | 2018-10-31 | 2021-08-17 | 晨光生物科技集团股份有限公司 | 一种快速评价甜叶菊综合质量的方法 |
CN109490247A (zh) * | 2018-12-06 | 2019-03-19 | 江西省药明扬海医药科技有限公司 | 一种快速的大黄药材质控检测方法 |
CN109580539A (zh) * | 2018-12-06 | 2019-04-05 | 江西省药明扬海医药科技有限公司 | 一种快速的薄荷药材质控检测方法 |
CN111380832A (zh) * | 2018-12-27 | 2020-07-07 | 广州白云山光华制药股份有限公司 | 复方甘草片有效成分含量测定校正模型构建、检测方法 |
CN110296955A (zh) * | 2019-06-24 | 2019-10-01 | 中国矿业大学 | 基于核函数优化的甘草近红外光谱分析模型构建方法及甘草质量评价方法 |
CN110702631A (zh) * | 2019-11-20 | 2020-01-17 | 江西中医药大学 | 一种基于nir的在线中药水分测量方法及系统 |
CN112964690A (zh) * | 2021-02-04 | 2021-06-15 | 浙江工业大学 | 一种基于拉曼光谱实时监测中药配方颗粒提取过程的方法 |
CN112964690B (zh) * | 2021-02-04 | 2024-03-26 | 浙江工业大学 | 一种基于拉曼光谱实时监测中药配方颗粒提取过程的方法 |
CN117074361A (zh) * | 2023-08-29 | 2023-11-17 | 无锡迅杰光远科技有限公司 | 校准方法、装置、清洗机和存储介质 |
CN117074361B (zh) * | 2023-08-29 | 2024-02-09 | 无锡迅杰光远科技有限公司 | 校准方法、装置、清洗机和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108562557A (zh) | 一种甘草药材的近红外光谱检测方法 | |
CN102539566B (zh) | 运用近红外光谱技术快速测定盾叶薯蓣中薯蓣皂苷含量的方法 | |
Li et al. | Quality control of Lonicerae Japonicae Flos using near infrared spectroscopy and chemometrics | |
CN103487395B (zh) | 一种重楼药材多指标快速检测方法 | |
CN105548026A (zh) | 一种快速的郁金药材质控检测方法 | |
CN104048941B (zh) | 采用近红外光谱快速测定麦冬中多指标性成分含量的方法 | |
CN104237060B (zh) | 一种金银花药材多指标快速检测方法 | |
CN108519348A (zh) | 甘草药材近红外定量分析模型及检测方法和标准 | |
CN104568822B (zh) | 一种连翘药材多指标同时快速检测方法 | |
CN107024446A (zh) | 一种六味地黄丸小蜜丸生药粉多指标快速检测方法 | |
CN104568813A (zh) | 一种山茱萸药材多指标快速检测方法 | |
CN106248620A (zh) | 一种尪痹制剂干燥中间体多指标的快速检测方法 | |
CN106092950A (zh) | 一种基于近红外光谱鉴别铁皮石斛药材的方法 | |
CN108732126A (zh) | 一种采用近红外光谱法测定丹参药材中多成分含量的方法 | |
CN107917896A (zh) | 基于近红外光谱和聚类分析技术的甘草快速鉴别方法 | |
CN108562657A (zh) | 一种快速检测红参醇提取液中人参皂苷含量的方法及应用 | |
CN108562556A (zh) | 一种桔梗药材的近红外光谱检测方法 | |
CN106353275A (zh) | 一种基于紫外光谱快速测定麻黄药材生物碱的方法 | |
CN107024447B (zh) | 一种生药粉在线检测装置和检测方法 | |
CN108007898A (zh) | 一种快速的艾片药材检测方法 | |
Guan et al. | Rapid quality evaluation of Plantaginis Semen by near infrared spectroscopy combined with chemometrics | |
CN105784951B (zh) | 一种六味地黄丸浓缩丸生药粉多指标快速检测方法 | |
CN102106950B (zh) | 一种测定女金中药提取浓缩液中黄芪苷的方法 | |
CN106226267A (zh) | 一种辣椒干色价的近红外测定方法 | |
CN109490247A (zh) | 一种快速的大黄药材质控检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180921 |