CN117969737A - 一种测定白及多糖药物质量检测方法 - Google Patents
一种测定白及多糖药物质量检测方法 Download PDFInfo
- Publication number
- CN117969737A CN117969737A CN202410392144.XA CN202410392144A CN117969737A CN 117969737 A CN117969737 A CN 117969737A CN 202410392144 A CN202410392144 A CN 202410392144A CN 117969737 A CN117969737 A CN 117969737A
- Authority
- CN
- China
- Prior art keywords
- mobile phase
- medicine
- formula
- data
- detected
- 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.)
- Granted
Links
- 239000003814 drug Substances 0.000 title claims abstract description 138
- 229920001282 polysaccharide Polymers 0.000 title claims abstract description 39
- 239000005017 polysaccharide Substances 0.000 title claims abstract description 39
- 150000004676 glycans Chemical class 0.000 title claims abstract description 38
- 229940079593 drug Drugs 0.000 title claims abstract description 36
- 241001313857 Bletilla striata Species 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 238000004128 high performance liquid chromatography Methods 0.000 claims abstract description 47
- 239000000203 mixture Substances 0.000 claims abstract description 30
- 239000000126 substance Substances 0.000 claims abstract description 30
- 238000009472 formulation Methods 0.000 claims abstract description 26
- 241001313855 Bletilla Species 0.000 claims abstract description 16
- 239000004480 active ingredient Substances 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 22
- 238000000926 separation method Methods 0.000 claims description 14
- 230000004913 activation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000004634 pharmacological analysis method Methods 0.000 abstract description 2
- LNTHITQWFMADLM-UHFFFAOYSA-N gallic acid Chemical compound OC(=O)C1=CC(O)=C(O)C(O)=C1 LNTHITQWFMADLM-UHFFFAOYSA-N 0.000 description 12
- WEVYAHXRMPXWCK-UHFFFAOYSA-N Acetonitrile Chemical compound CC#N WEVYAHXRMPXWCK-UHFFFAOYSA-N 0.000 description 6
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 6
- 229940074391 gallic acid Drugs 0.000 description 6
- 235000004515 gallic acid Nutrition 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- TYPSVDGIQAOBAD-DZGCQCFKSA-N Atractylone Chemical compound C([C@]1(C)C2)CCC(=C)[C@@H]1CC1=C2OC=C1C TYPSVDGIQAOBAD-DZGCQCFKSA-N 0.000 description 5
- TYPSVDGIQAOBAD-UHFFFAOYSA-N atractylone Natural products C1C2(C)CCCC(=C)C2CC2=C1OC=C2C TYPSVDGIQAOBAD-UHFFFAOYSA-N 0.000 description 5
- -1 comprises beta-1 Chemical compound 0.000 description 5
- 244000173853 Sanguisorba officinalis Species 0.000 description 4
- 235000008282 Sanguisorba officinalis Nutrition 0.000 description 4
- OUHBKBTZUPLIIA-OTEDBJMHSA-N [(2s,3r,4s,5s,6r)-6-[[(2r,3r,4r,5s,6r)-3,4-dihydroxy-6-(hydroxymethyl)-5-[(2s,3r,4r,5r,6s)-3,4,5-trihydroxy-6-methyloxan-2-yl]oxyoxan-2-yl]oxymethyl]-3,4,5-trihydroxyoxan-2-yl] (1r,3as,5ar,5br,7ar,8r,9s,11ar,11br,13ar,13br)-9-[(2s,3r,4s,5s)-4,5-dihydroxy- Chemical compound O[C@@H]1[C@H](O)[C@@H](O)[C@H](C)O[C@H]1O[C@@H]1[C@@H](CO)O[C@@H](OC[C@@H]2[C@H]([C@H](O)[C@@H](O)[C@H](OC(=O)[C@@]34[C@H]([C@@H](CC3)C(C)=C)[C@@H]3[C@@]([C@]5(C)CC[C@H]6[C@](C)(CO)[C@@H](O[C@H]7[C@@H]([C@@H](O)[C@@H](O)CO7)O[C@H]7[C@@H]([C@H](O)[C@@H](O)[C@H](C)O7)O)CC[C@]6(C)[C@H]5CC3)(C)CC4)O2)O)[C@H](O)[C@H]1O OUHBKBTZUPLIIA-OTEDBJMHSA-N 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 235000008291 Poterium sanguisorba Nutrition 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 235000018553 tannin Nutrition 0.000 description 3
- 229920001864 tannin Polymers 0.000 description 3
- 239000001648 tannin Substances 0.000 description 3
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical compound OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 241000132012 Atractylodes Species 0.000 description 1
- 241000756943 Codonopsis Species 0.000 description 1
- 244000303040 Glycyrrhiza glabra Species 0.000 description 1
- 235000006200 Glycyrrhiza glabra Nutrition 0.000 description 1
- 244000197580 Poria cocos Species 0.000 description 1
- 235000008599 Poria cocos Nutrition 0.000 description 1
- 241000206469 Pulsatilla Species 0.000 description 1
- 241000123887 Pulsatilla chinensis Species 0.000 description 1
- 240000001949 Taraxacum officinale Species 0.000 description 1
- 235000005187 Taraxacum officinale ssp. officinale Nutrition 0.000 description 1
- 229960000583 acetic acid Drugs 0.000 description 1
- PQLVXDKIJBQVDF-UHFFFAOYSA-N acetic acid;hydrate Chemical compound O.CC(O)=O PQLVXDKIJBQVDF-UHFFFAOYSA-N 0.000 description 1
- FGDQGIKMWOAFIK-UHFFFAOYSA-N acetonitrile;phosphoric acid Chemical compound CC#N.OP(O)(O)=O FGDQGIKMWOAFIK-UHFFFAOYSA-N 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 229910000147 aluminium phosphate Inorganic materials 0.000 description 1
- 239000007864 aqueous solution Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229930003944 flavone Natural products 0.000 description 1
- 150000002213 flavones Chemical class 0.000 description 1
- 235000011949 flavones Nutrition 0.000 description 1
- 239000012362 glacial acetic acid Substances 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 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 description 1
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 235000011477 liquorice Nutrition 0.000 description 1
- GBMDVOWEEQVZKZ-UHFFFAOYSA-N methanol;hydrate Chemical compound O.OC GBMDVOWEEQVZKZ-UHFFFAOYSA-N 0.000 description 1
- 235000013824 polyphenols Nutrition 0.000 description 1
- 230000001376 precipitating effect Effects 0.000 description 1
- 239000001397 quillaja saponaria molina bark Substances 0.000 description 1
- 229930182490 saponin Natural products 0.000 description 1
- 235000017709 saponins Nutrition 0.000 description 1
- 150000008130 triterpenoid saponins Chemical class 0.000 description 1
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及药理学分析技术领域,公开了一种测定白及多糖药物质量检测方法,包括:获取待待检测药品的有效成分;基于药品的有效成分获取相应药品有效成分的化学特性数据,基于化学特性数据选择推荐流动相配方;对待检测的药品有效成分和推荐流动相配方进行编码后输入流动相预测模型,输出最优流动相配方的编码数据;将最优流动相配方的编码数据进行解码,生成最优流动相配方;基于最优流动相配方对样品进行HPLC分析;本发明通过历史数据训练流动相预测模型,然后将待检测的药品有效成分和推荐流动相配方进行编码后输入流动相预测模型,可以快速获得最优流动相配方,针对含有不同有效成分的白及多糖药品检测时,缩短了检测时长和检测成本。
Description
技术领域
本发明涉及药理学分析技术领域,更具体地说,它涉及一种测定白及多糖药物质量检测方法。
背景技术
白及为兰科白及属植物,有止血、补肺、消肿、疗疮的功效,容易被组织吸收、毒性小等特点,白及多糖为白及干燥块茎经水提醇沉后所得到的一种天然多糖,主要由β-1,4-甘露糖和β-1,4-葡萄糖组成,含有丰富的活性羟基,应用白及多糖的药物种类较多,每个药品的组成成分均不尽相同,高效液相色谱仪在对含有白及多糖的药品样本进行HPLC(高效液相色谱)分析时,对于有效成分相的干扰相也会由于药品的组分变化而改变,所采用的流动相成分和流动相比例需要根据药品实际成分的性质进行选择,在正式检测前,需要通过人为分析相关成分的化学性质来进行选择初始的流动相成分和流动相比例,然后通过大量的预实验来确定最佳的流动相成分和流动相比例,以获得最佳的分离效果,从而获取较为准确的质量分析结果,因此,每针对一种不同成分的药品进行检测时,均需要耗费大量的时间和成本去调整流动相成分和流动相比例。
发明内容
本发明的目的就在于为了解决上述问题而提供一种测定白及多糖药物质量检测方法。
本发明提供了一种测定白及多糖药物质量检测方法,包括:
步骤S1、获取待检测药品数据,待检测药品数据包括待检测药品处方、待检测药品的有效成分;
步骤S2、基于药品的有效成分获取相应药品有效成分的化学特性数据,基于化学特性数据选择推荐流动相配方;
步骤S3、对待检测的药品有效成分和推荐流动相配方进行编码后输入流动相预测模型,输出最优流动相配方的编码数据;
步骤S4、将最优流动相配方的编码数据进行解码,生成最优流动相配方;
步骤S5、基于最优流动相配方制备流动相,通过待检测的药品来制备样品,采用基于最优流动相配方制备的流动相,对待检测药品的样品进行处理,然后进行HPLC分析,获得样品的HPLC谱图。
作为本发明的进一步优化方案,流动相预测模型的训练过程包括:
获取历史药品数据、历史流动相配方以及历史HPLC谱图数据,历史药品数据包括药品有效成分,历史流动相配方包括推荐流动相配方、流动相调整数据,流动相调整数据包含N个人工调整后的流动相配方,历史HPLC谱图数据包含N+1个HPLC谱图,分别对应于使用推荐流动相配方和N个人工调整后的流动相配方进行HPLC分析获得的HPLC谱图;
计算历史流动相配方中的流动相配方的分离度系数,分离度系数的计算公式为:
其中,表示第i个流动相配方的分离度系数,/>和/>分别表示HPLC谱图中第j和j+1个色谱峰的峰顶时间,/>和/>分别表示HPLC谱图中第j和j+1个色谱峰的峰宽,/>表示HPLC谱图中第j个色谱峰的10%峰高处的峰宽起点时间与峰顶时间的差值的绝对值,/>表示HPLC谱图中第j个色谱峰的10%峰高处的峰宽终点时间与峰顶时间的差值;
从历史流动相配方中选择分离度系数最大的流动相配方作为比较流动相配方,然后将比较流动相配方进行编码获得比较流动相配方的编码数据;
将历史的药品有效成分和对应的推荐流动相配方进行编码后输入流动相预测模型,输出最优流动相配方的编码数据,将输出的最优流动相配方的编码数据与比较流动相配方的编码数据比较来计算损失值;
然后根据损失值更新训练流动相预测模型。
作为本发明的进一步优化方案,对推荐流动相配方进行编码,具体为:
推荐流动相配方包括流动相组分和各组分的比例,将流动相组分的名称进行文本编码并将其对应的比例进行文本编码后拼接获得单个流动相组分编码。
作为本发明的进一步优化方案,对待检测的药品有效成分进行编码,包括:
药品有效成分包括有效成分,将有效成分名称进行文本编码拼接。
作为本发明的进一步优化方案,对待检测的药品有效成分进行编码,还包括:
药品有效成分包括有效成分和对应的化学特性,将有效成分的名称进行文本编码并将其对应的化学特性进行文本编码后拼接获得单个有效成分编码。
作为本发明的进一步优化方案,所述流动相预测模型包括:
节点生成层,其基于药品有效成分和推荐流动相配方的编码生成节点,一个节点对应于药品的一个有效成分的编码或推荐流动相配方的一个组分的编码;
第一隐藏层,其用于融合节点的信息来获得全局特征;
第一隐藏层的计算公式为:
其中,,/>,/>,其中/>表示第i个节点的输出特征,/>和/>分别表示第i个和c个节点所对应的有效成分的编码或推荐流动相配方的组分的编码的向量表示,/>和/>分别表示第i个和c个节点的中间特征,/>、/>、分别表示第一、二、三权重参数,/>表示权重向量参数,T表示转置,/>表示所有节点的集合;/>表示S型激活函数,/>表示LeakyReLU函数,/>表示对所有节点的输出特征进行拼接或求和,/>、/>分别表示更新之前的第i个和第c个节点的节点特征;
输出层,其用于对全局特征进行线性变换来获取最优流动相配方的编码数据;
输出层的计算公式为:
表示最优流动相配方的编码数据的向量表示,/>表示第四权重参数,/>表示第一偏置参数。
作为本发明的进一步优化方案,所述最优流动相配方的编码数据表示为:
表示流动相组分库中的第1种组分在最优流动相中的质量百分比。
一种测定白及多糖药物质量检测系统,其用于执行如上述的测定白及多糖药物质量检测方法,该测定白及多糖药物质量检测系统包括:
数据采集模块,用于获取待检测药品数据,待检测药品数据包括待检测药品处方、待检测药品的有效成分,基于药品的有效成分获取相应药品有效成分的化学特性数据,基于化学特性数据选择推荐流动相配方;
数据处理模块,用于构建流动相预测模型,对待检测的药品有效成分和推荐流动相配方进行编码后输入流动相预测模型,输出最优流动相配方的编码数据;
数据解码模块,用于将最优流动相配方的编码数据进行解码,生成最优流动相配方;
检测模块,基于最优流动相配方制备流动相,通过待检测的药品来制备样品,采用最优流动相配方制备流动相,对待检测药品的样品进行处理,然后进行HPLC分析,获得样品的HPLC谱图。
一种存储介质,其存储了非暂时性计算机可读指令,当非暂时性计算机可读指令由计算机执行时,能够执行如上述的一种测定白及多糖药物质量检测方法中的步骤。
本发明的有益效果在于:本发明根据历史药品数据、历史流动相配方以及历史HPLC谱图数据来进行训练流动相预测模型,然后将待检测的药品有效成分和推荐流动相配方进行编码后输入流动相预测模型,可以快速获得最优流动相配方,针对含有不同有效成分的白及多糖药品检测时,无需进行大量的预实验,缩短了检测时长和检测成本。
附图说明
图1是本发明的一种测定白及多糖药物质量检测方法的流程图;
图2是本发明的一种测定白及多糖药物质量检测系统的模块示意图。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解,讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题。另外,相对一些示例所描述的特征在其他例子中也可以进行组合。
如图1所示,一种测定白及多糖药物质量检测方法,包括:
步骤S1、获取待检测药品数据,待检测药品数据包括待检测药品处方、待检测药品的有效成分;
步骤S2、基于药品的有效成分获取相应药品有效成分的化学特性数据,基于化学特性数据选择推荐流动相配方;
在本发明的一个实施例中,实验人员可基于药品有效成分的物质名称、化学结构式图、化学文摘登记号、CA名称、商标名、化学结构式、分子式、分子量、元素组成等已知数据进行检索相关数据库,从而获取相应药品有效成分的化学特性数据;化学性质数据如没食子酸是一种多羟基多酚类化合物,具有强酸性,白头翁皂苷B4是一种皂苷类化合物,具有中等极性,白术中苍术酮是一种酮类化合物,具有中等极性,白及多糖是一种多糖类化合物,具有高等极性;
在本发明的一个实施例中,基于化学特性数据生成推荐流动相配方,例如没食子酸具有强酸性,选择含有酸性添加剂(如冰醋酸或磷酸)的流动相来提高其溶解度和分离效果,白头翁皂苷B4具有中等极性,选择极性较高的流动相,如含有甲醇或乙腈的水溶液,白术中苍术酮具有中等极性,选择中等极性的流动相,如甲醇和水的混合物,白及多糖具有较高的极性,选择极性较高的流动相,如含有水和乙腈的混合物。
步骤S3、对待检测的药品有效成分和推荐流动相配方进行编码后输入流动相预测模型,输出最优流动相配方的编码数据;
步骤S4、将最优流动相配方的编码数据进行解码,生成最优流动相配方;
在本发明的一个实施例中,最优流动相配方的编码数据表示为:
表示流动相组分库中的第1种组分在最优流动相中的质量百分比。
步骤S5、基于最优流动相配方制备流动相,通过待检测的药品来制备样品,采用基于最优流动相配方制备的流动相,对待检测药品的样品进行处理,然后进行HPLC(高效液相色谱)分析,获得样品的HPLC谱图。
需要说明的是,基于HPLC谱图可获知待检测药品中各有效成分的含量,从而判断待检测药品的质量是否达标。
在本发明的一个实施例中,流动相预测模型的训练包括:
获取历史药品数据、历史流动相配方以及历史HPLC谱图数据,历史药品数据包括药品有效成分;
历史流动相配方包括推荐流动相配方、流动相调整数据,流动相调整数据包含N个人工调整后的流动相配方;
例如,推荐流动相配方如甲醇-水溶液、乙腈-水溶液、乙腈-0.1%醋酸水溶液、乙腈-磷酸水溶液等;
历史HPLC谱图数据包含N+1个HPLC谱图,分别对应于使用推荐流动相配方和N个人工调整后的流动相配方进行HPLC分析获得的HPLC谱图。
计算历史流动相配方中的流动相配方的分离度系数,具体是,根据该流动相配方对应的HPLC谱图的参数计算,分离度系数的计算公式为:
其中,表示第i个流动相配方的分离度系数,/>和/>分别表示HPLC谱图中第j和j+1个色谱峰的峰顶时间,/>和/>分别表示HPLC谱图中第j和j+1个色谱峰的峰宽,/>表示HPLC谱图中第j个色谱峰的10%峰高处的峰宽起点时间与峰顶时间的差值的绝对值,/>表示HPLC谱图中第j个色谱峰的10%峰高处的峰宽终点时间与峰顶时间的差值;
从历史流动相配方中选择分离度系数最大的流动相配方作为比较流动相配方,然后将比较流动相配方进行编码获得比较流动相配方的编码数据。
将历史的药品有效成分和对应的推荐流动相配方进行编码后输入流动相预测模型,输出最优流动相配方的编码数据,将输出的最优流动相配方的编码数据与比较流动相配方的编码数据比较来计算损失,输出的最优流动相配方的编码数据与比较流动相配方的编码数据越接近损失越小;
然后根据损失值更新训练流动相预测模型。
需要说明的是,一个历史药品对应一组历史药品数据、历史流动相配方以及历史HPLC谱图数据,训练时采用了多个历史药品对应的数据组;在流动相预测模型的一次更新时,可以综合多个历史药品对应的数据组的损失来更新训练流动相预测模型。
在本发明的一个实施例中,对推荐流动相配方进行编码,具体为:
推荐流动相配方包括流动相组分和各组分的比例,其编码的一个示例是将流动相组分的名称进行文本编码并将其对应的比例进行文本编码后拼接获得单个流动相组分编码。
在本发明的一个实施例中,对待检测的药品有效成分进行编码,具体为:
药品有效成分包括有效成分,其编码的一个示例是将有效成分名称进行文本编码拼接。
在本发明的一个实施例中,对待检测的药品有效成分进行编码,具体为:
药品有效成分包括有效成分和对应的化学特性,其编码的一个示例是将有效成分的名称进行文本编码并将其对应的化学特性进行文本编码后拼接获得单个有效成分编码。
在本发明的一个实施例中,流动相预测模型包括:
节点生成层,其基于药品有效成分和推荐流动相配方的编码生成节点,一个节点对应于药品的一个有效成分的编码或推荐流动相配方的一个组分的编码;
第一隐藏层,其用于融合节点的信息来获得全局特征;
第一隐藏层的计算公式为:
其中,,/>,/>,其中/>表示第i个节点的输出特征,/>和/>分别表示第i个和c个节点所对应的有效成分的编码或推荐流动相配方的组分的编码的向量表示,/>和/>分别表示第i个和c个节点的中间特征,/>、/>、分别表示第一、二、三权重参数(可训练),/>表示权重向量参数(可训练),T表示转置,/>表示所有节点的集合;/>表示S型激活函数,/>表示LeakyReLU函数,/>表示对所有节点的输出特征进行拼接或求和,/>、/>分别表示更新之前的第i个和第c个节点的节点特征;
输出层,其用于对全局特征进行线性变换来获取最优流动相配方的编码数据;
输出层的计算公式为:
表示最优流动相配方的编码数据的向量表示,/>表示第四权重参数(可训练),表示第一偏置参数。
在前述的实施例中,药品处方包括组成药材名称以及各个组成药材的重量份数;
白及多糖药品包括党参、白术、茯苓、白头翁、蒲公英、地榆、白及、甘草以及各药材的重量份数;
药品有效成分,例如白及多糖药品的有效成分包括没食子酸、白头翁皂苷B4、苍术酮、白及多糖等。
地榆的化学成分有三萜皂苷、黄酮、鞣质类,其主要化学成分是鞣质类,没食子酸是构成鞣质类的关键成分,而白及多糖药品的有效成分需要没食子酸,因此,药品处方可以采用含有没食子酸的地榆;其余如白头翁中的白头翁皂苷B4、白术中的苍术酮、白及中的白及多糖等,均是白及多糖药品的有效成分,因此,药品处方也可以反向映射药品的有效成分;
历史药品也是中药配方的药品。
如图2所示,一种测定白及多糖药物质量检测系统,包括:
数据采集模块,用于获取待检测药品数据,待检测药品数据包括待检测药品处方、待检测药品的有效成分,基于药品的有效成分获取相应药品有效成分的化学特性数据,基于化学特性数据选择推荐流动相配方;
数据处理模块,用于构建流动相预测模型,对待检测的药品有效成分和推荐流动相配方进行编码后输入流动相预测模型,输出最优流动相配方的编码数据;
数据解码模块,用于将最优流动相配方的编码数据进行解码,生成最优流动相配方;
检测模块,基于最优流动相配方制备流动相,通过待检测的药品来制备样品,采用基于最优流动相配方制备的流动相,对待检测药品的样品进行处理,然后进行HPLC分析,获得样品的HPLC谱图。
本发明还提供了一种存储介质,其存储了非暂时性计算机可读指令,当非暂时性计算机可读指令由计算机执行时,能够执行如上述的一种测定白及多糖药物质量检测方法中的步骤。
上面对本实施例进行了描述,但是本实施例并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本实施例的启示下,还可做出很多形式,均属于本实施例的保护之内。
Claims (9)
1.一种测定白及多糖药物质量检测方法,其特征在于,包括:
步骤S1、获取待检测药品数据,待检测药品数据包括待检测药品处方、待检测药品的有效成分;
步骤S2、基于药品的有效成分获取相应药品有效成分的化学特性数据,基于化学特性数据选择推荐流动相配方;
步骤S3、对待检测的药品有效成分和推荐流动相配方进行编码后输入流动相预测模型,输出最优流动相配方的编码数据;
步骤S4、将最优流动相配方的编码数据进行解码,生成最优流动相配方;
步骤S5、基于最优流动相配方制备流动相,通过待检测的药品来制备样品,采用基于最优流动相配方制备的流动相,对待检测药品的样品进行处理,然后进行HPLC分析,获得样品的HPLC谱图。
2.根据权利要求1所述的一种测定白及多糖药物质量检测方法,其特征在于,流动相预测模型的训练过程包括:
获取历史药品数据、历史流动相配方以及历史HPLC谱图数据,历史药品数据包括药品有效成分,历史流动相配方包括推荐流动相配方、流动相调整数据,流动相调整数据包含N个人工调整后的流动相配方,历史HPLC谱图数据包含N+1个HPLC谱图,分别对应于使用推荐流动相配方和N个人工调整后的流动相配方进行HPLC分析获得的HPLC谱图;
计算历史流动相配方中的流动相配方的分离度系数,分离度系数的计算公式为:
;
其中,表示第i个流动相配方的分离度系数,/>和/>分别表示HPLC谱图中第j和j+1个色谱峰的峰顶时间,/>和/>分别表示HPLC谱图中第j和j+1个色谱峰的峰宽,/>表示HPLC谱图中第j个色谱峰的10%峰高处的峰宽起点时间与峰顶时间的差值的绝对值,/>表示HPLC谱图中第j个色谱峰的10%峰高处的峰宽终点时间与峰顶时间的差值;
从历史流动相配方中选择分离度系数最大的流动相配方作为比较流动相配方,然后将比较流动相配方进行编码获得比较流动相配方的编码数据;
将历史的药品有效成分和对应的推荐流动相配方进行编码后输入流动相预测模型,输出最优流动相配方的编码数据,将输出的最优流动相配方的编码数据与比较流动相配方的编码数据比较来计算损失值;
然后根据损失值更新训练流动相预测模型。
3.根据权利要求1所述的一种测定白及多糖药物质量检测方法,其特征在于,对推荐流动相配方进行编码,具体为:
推荐流动相配方包括流动相组分和各组分的比例,将流动相组分的名称进行文本编码并将其对应的比例进行文本编码后拼接获得单个流动相组分编码。
4.根据权利要求1所述的一种测定白及多糖药物质量检测方法,其特征在于,对待检测的药品有效成分进行编码,包括:
药品有效成分包括有效成分,将有效成分名称进行文本编码拼接。
5.根据权利要求1所述的一种测定白及多糖药物质量检测方法,其特征在于,对待检测的药品有效成分进行编码,还包括:
药品有效成分包括有效成分和对应的化学特性,将有效成分的名称进行文本编码并将其对应的化学特性进行文本编码后拼接获得单个有效成分编码。
6.根据权利要求1所述的一种测定白及多糖药物质量检测方法,其特征在于,所述流动相预测模型包括:
节点生成层,其基于药品有效成分和推荐流动相配方的编码生成节点,一个节点对应于药品的一个有效成分的编码或推荐流动相配方的一个组分的编码;
第一隐藏层,其用于融合节点的信息来获得全局特征;
第一隐藏层的计算公式为:
;
;
其中,,/>,/>,其中/>表示第i个节点的输出特征,/>和/>分别表示第i个和c个节点所对应的有效成分的编码或推荐流动相配方的组分的编码的向量表示,/>和/>分别表示第i个和c个节点的中间特征,/>、/>、/>分别表示第一、二、三权重参数,/>表示权重向量参数,T表示转置,/>表示所有节点的集合;表示S型激活函数,/>表示LeakyReLU函数,/>表示对所有节点的输出特征进行拼接或求和,/>、/>分别表示更新之前的第i个和第c个节点的节点特征;
输出层,其用于对全局特征进行线性变换来获取最优流动相配方的编码数据;
输出层的计算公式为:
;
表示最优流动相配方的编码数据的向量表示,/>表示第四权重参数,/>表示第一偏置参数。
7.根据权利要求6所述的一种测定白及多糖药物质量检测方法,其特征在于,所述最优流动相配方的编码数据表示为:
;
表示流动相组分库中的第1种组分在最优流动相中的质量百分比。
8.一种测定白及多糖药物质量检测系统,其特征在于,其用于执行如权利要求1-7任一所述的测定白及多糖药物质量检测方法,该测定白及多糖药物质量检测系统包括:
数据采集模块,用于获取待检测药品数据,待检测药品数据包括待检测药品处方、待检测药品的有效成分,基于药品的有效成分获取相应药品有效成分的化学特性数据,基于化学特性数据选择推荐流动相配方;
数据处理模块,用于构建流动相预测模型,对待检测的药品有效成分和推荐流动相配方进行编码后输入流动相预测模型,输出最优流动相配方的编码数据;
数据解码模块,用于将最优流动相配方的编码数据进行解码,生成最优流动相配方;
检测模块,基于最优流动相配方制备流动相,通过待检测的药品来制备样品,采用基于最优流动相配方制备的流动相,对待检测药品的样品进行处理,然后进行HPLC分析,获得样品的HPLC谱图。
9.一种存储介质,其存储了非暂时性计算机可读指令,当非暂时性计算机可读指令由计算机执行时,能够执行如权利要求1-7任一所述的一种测定白及多糖药物质量检测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410392144.XA CN117969737B (zh) | 2024-04-02 | 2024-04-02 | 一种测定白及多糖药物质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410392144.XA CN117969737B (zh) | 2024-04-02 | 2024-04-02 | 一种测定白及多糖药物质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117969737A true CN117969737A (zh) | 2024-05-03 |
CN117969737B CN117969737B (zh) | 2024-06-11 |
Family
ID=90850034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410392144.XA Active CN117969737B (zh) | 2024-04-02 | 2024-04-02 | 一种测定白及多糖药物质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117969737B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020010566A1 (en) * | 2000-04-11 | 2002-01-24 | Chester Thomas Lee | Methods for modeling, predicting, and optimizing high performance liquid chromatography parameters |
US20150046134A1 (en) * | 2012-03-23 | 2015-02-12 | Biotage Ab | Simulation of a chromatographic run |
CN112331261A (zh) * | 2021-01-05 | 2021-02-05 | 北京百度网讯科技有限公司 | 药物预测方法及模型的训练方法、装置、电子设备及介质 |
CN112435719A (zh) * | 2020-11-06 | 2021-03-02 | 浙江中医药大学 | 一种基于色谱保留多元统计模型快速寻找复方中药分析液相色谱分离条件的方法 |
WO2023137924A1 (zh) * | 2022-01-18 | 2023-07-27 | 平安科技(深圳)有限公司 | 模型的训练方法和装置、计算机设备、存储介质 |
CN116825200A (zh) * | 2023-07-07 | 2023-09-29 | 浙江大学杭州国际科创中心 | 一种基于深度学习的糖肽质谱图预测装置 |
CN117761178A (zh) * | 2023-12-01 | 2024-03-26 | 亿腾医药(苏州)有限公司 | 吸入用布地奈德混悬液中依地酸二钠含量分析方法 |
-
2024
- 2024-04-02 CN CN202410392144.XA patent/CN117969737B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020010566A1 (en) * | 2000-04-11 | 2002-01-24 | Chester Thomas Lee | Methods for modeling, predicting, and optimizing high performance liquid chromatography parameters |
US20150046134A1 (en) * | 2012-03-23 | 2015-02-12 | Biotage Ab | Simulation of a chromatographic run |
CN112435719A (zh) * | 2020-11-06 | 2021-03-02 | 浙江中医药大学 | 一种基于色谱保留多元统计模型快速寻找复方中药分析液相色谱分离条件的方法 |
CN112331261A (zh) * | 2021-01-05 | 2021-02-05 | 北京百度网讯科技有限公司 | 药物预测方法及模型的训练方法、装置、电子设备及介质 |
WO2023137924A1 (zh) * | 2022-01-18 | 2023-07-27 | 平安科技(深圳)有限公司 | 模型的训练方法和装置、计算机设备、存储介质 |
CN116825200A (zh) * | 2023-07-07 | 2023-09-29 | 浙江大学杭州国际科创中心 | 一种基于深度学习的糖肽质谱图预测装置 |
CN117761178A (zh) * | 2023-12-01 | 2024-03-26 | 亿腾医药(苏州)有限公司 | 吸入用布地奈德混悬液中依地酸二钠含量分析方法 |
Non-Patent Citations (2)
Title |
---|
谢大年, 葛建华, 蓝琪田, 崔进元, 于如瑕: "长效甾体避孕药RP-HPLC流动相选择性优化与定量分析", 药学学报, no. 02, 28 February 1993 (1993-02-28) * |
高守国, 李睿, 相秉仁: "FAM神经网络用于药物反相高效液相色谱的流动相强度推荐", 药学学报, no. 09, 31 December 2001 (2001-12-31), pages 676 - 678 * |
Also Published As
Publication number | Publication date |
---|---|
CN117969737B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liang et al. | Quality control of herbal medicines | |
Jalali-Heravi et al. | Recent trends in application of multivariate curve resolution approaches for improving gas chromatography–mass spectrometry analysis of essential oils | |
Hu et al. | GC–MS combined with chemometric techniques for the quality control and original discrimination of C urcumae longae rhizome: Analysis of essential oils | |
Phansalkar et al. | Evolution of quantitative measures in NMR: quantum mechanical qHNMR advances chemical standardization of a red clover (Trifolium pratense) extract | |
Xie et al. | An approach based on HPLC-fingerprint and chemometrics to quality consistency evaluation of Liuwei Dihuang Pills produced by different manufacturers | |
de Almeida Borges et al. | Development of a high performance liquid chromatography method for quantification of isomers β-caryophyllene and α-humulene in copaiba oleoresin using the Box-Behnken design | |
Ruan et al. | Optimization of supercritical fluid extraction of total alkaloids, peimisine, peimine and peiminine from the bulb of Fritillaria thunbergii Miq, and evaluation of antioxidant activities of the extracts | |
Li et al. | Spectral correlative chromatography and its application to analysis of chromatographic fingerprints of herbal medicines | |
Donno et al. | Biomolecules and natural medicine preparations: Analysis of new sources of bioactive compounds from Ribes and Rubus spp. Buds | |
Parab Gaonkar et al. | Quality assessment and RP-HPLC method development for estimation of curcuminoids in Curcuma longa: A Quality by Design approach | |
Seifi et al. | Chemometric resolution approaches in characterisation of volatile constituents in Plantago ovata seeds using gas chromatography–mass spectrometry: methodology and performance assessment | |
Feng et al. | Comparative Analysis of the Volatile Components of Agrimonia eupatoria from Leaves and Roots by Gas Chromatography‐Mass Spectrometry and Multivariate Curve Resolution | |
CN103115973B (zh) | 一种用于中药批次一致性的判断方法 | |
Borges et al. | Mixture–mixture design for the fingerprint optimization of chromatographic mobile phases and extraction solutions for Camellia sinensis | |
Yao et al. | A new algorithm of piecewise automated beam search for peak alignment of chromatographic fingerprints | |
He et al. | High resolution mass profile of bufadienolides and peptides combing with anti-tumor cell screening and multivariate analysis for the quality evaluation of bufonis venenum | |
CN117969737B (zh) | 一种测定白及多糖药物质量检测方法 | |
Tang et al. | A UHPLC-UV method development and validation for determining kavalactones and flavokavains in Piper methysticum (kava) | |
Li et al. | High‐performance liquid chromatography with photodiode array detection and chemometrics method for the analysis of multiple components in the traditional Chinese medicine Shuanghuanglian oral liquid | |
Song et al. | Binary code, a flexible tool for diagnostic metabolite sequencing of medicinal plants | |
CN103592251A (zh) | 一种酱油中山梨酸钾的直接测定方法 | |
Thapa et al. | Absolute Quantification of Isoflavones in the Flowers of Pueraria lobata by qHNMR | |
Ding et al. | Quality assessment of traditional Chinese medicine based on data fusion combined with machine learning: A review | |
Huang et al. | Application of combined approach to analyze the constituents of essential oil from Dong quai | |
Liang et al. | Fingerprint analysis of Hibiscus mutabilis L. leaves based on ultra performance liquid chromatography with photodiode array detector combined with similarity analysis and hierarchical clustering analysis methods |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |