CN1982874A

CN1982874A - 快速检测滴丸剂有效成分含量的近红外漫反射光谱法

Info

Publication number: CN1982874A
Application number: CN 200510130633
Authority: CN
Inventors: 刘雪松; 章顺楠; 瞿海滨; 刘占强; 程翼宇; 杨海雷; 孙艳; 刘金平
Original assignee: Tianjin Tasly Pharmaceutical Co Ltd
Current assignee: Tasly Pharmaceutical Group Co Ltd
Priority date: 2005-12-16
Filing date: 2005-12-16
Publication date: 2007-06-20
Anticipated expiration: 2025-12-16
Also published as: CN1982874B

Abstract

本发明提供了一种新型的滴丸剂有效成分含量的快速检测方法。包括下述步骤：使用傅立叶变换近红外光谱仪采集滴丸的近红外(NIR)漫反射光谱，光谱扫描范围10000－4000cm^－1；用高效液相色谱法测定滴丸样品有效成分的含量作为对照值；对NIR光谱进行预处理，用以消除光谱散射效应和基线飘移；选择最优建模波段；建立NIR光谱与滴丸有效成分含量的校正模型；用此模型检测滴丸有效成分含量，实现对滴丸剂有效成分含量的快速检测。本方法应用于复方丹参滴丸、柴胡滴丸和芪参益气滴丸有效成分含量的快速检测，结果表明，NIR漫反射光谱法可直接检测滴丸剂有效成分含量。该方法适用于滴丸剂有效成分含量的快速检测。

Description

快速检测滴丸剂有效成分含量的近红外漫反射光谱法

技术领域

本发明涉及一种新型的滴丸剂有效成分含量快速检测的方法，具体涉及采用近红外(NIR)漫反射光谱法检测滴丸有效成分含量，属于医药检测领域。

背景知识

在药物质量分析领域，传统的测定方法如高效液相色谱法(HPLC)，样品处理过程及操作复杂，难以实现在线检测。本发明采用NIR漫反射光谱法，实现对滴丸剂有效成分含量的快速检测。

近红外(Near Infrared，NIR)光指可见光(VIS)谱区到中红外光(MIR)谱区之间的电磁波，ASTM将近红外谱区的范围定义为780～2526nm(12820～3959cm^-1)，其光谱信息来源于分子内部振动的倍频与合频，并且主要反映分子中C-H，N-H，O-H基团的倍频和合频振动吸收。漫反射光是光源出来的光进入样品内部经过多次反射、折射、衍射及吸收后返回样品表面的光，负载了样品的结构和组成信息。

发明内容

本发明的目的是提供一种滴丸剂有效成分含量的快速检测方法，主要包括下述步骤：

1.采集滴丸样品的近红外(NIR)漫反射光谱；

2.用高效液相色谱法(HPLC)测定滴丸样品中有效成分含量作为对照值；

3.对原始光谱进行预处理，消除各种干扰因素引起的光谱偏差；

4.选择最优建模波段；

5.建立滴丸NIR漫反射光谱与其有效成分含量之间的校正模型；

6.采集待测样品的NIR漫反射光谱；

7.应用所建模型对待测样品光谱进行预处理，预测待测样品的有效成分含量。

其中，通常应用傅立叶变换近红外光谱仪采集滴丸的近红外漫反射光谱，其采样装置可使用积分球漫反射测样器件或光纤探头，信号采集及数据处理软件可采用Results信号采集、TQ Analyst数据处理软件或OPUS光谱软件。

对原始光谱进行预处理的方法包括但不限于：一阶或二阶微分、Norris导数滤波、Savitzky-Golay平滑、多元散射校正、标准正则变换等。这些方法可以单独使用，也可以多个同时使用，以达到最佳的预处理效果。

建立NIR光谱与滴丸外观次品率之间的校正模型方法包括但不限于：偏最小二乘回归法(PLSR)、主成分回归法(PCR)、多元线性回归法(MLR)等。优选偏最小二乘回归法。通过交叉验证确立模型的主因子数，并评定校正模型的性能评价参数。

采集待测样品的近红外漫反射光谱的方法同建立模型时采集光谱的方法。运用所建模型分析所采集到的待测样品的近红外漫反射光谱，可以快速得到待测样品的有效成分含量。

该方法适用于滴丸剂及其相关剂型有效成分含量的快速检测，被测样品不需要进行复杂的预处理，与HPLC法相比，可以节省大量的分析时间和样品，是一种方便、快速、无损的绿色分析技术。

附图说明

图1是复方丹参滴丸样品原始NIR漫反射光谱图。

图2A、B、C分别是复方丹参滴丸有效成分丹参素、原儿茶醛和丹酚酸B的HPLC测定值与NIR光谱预测值关系图。

图3是柴胡滴丸有效成分柴胡皂苷A的HPLC测定值与NIR光谱预测值关系图。

图4A、B分别是芪参益气滴丸有效成分黄芪甲苷和丹参素的HPLC测定值与NIR光谱预测值关系图。

具体实施方式

本发明是通过以下技术方案实现的：

1.采集滴丸样品的NIR漫反射光谱。

仪器：傅立叶变换近红外光谱仪，采样装置为积分球漫反射测样器件或光纤探头、信号采集及数据处理软件可采用Results信号采集、TQ Analyst数据处理软件或OPUS光谱软件。

扫描条件：使用积分球漫反射测样器件或光纤探头进行扫描。扫描样品前，先扫描背景。

测试条件：：扫描次数1～128，分辨率4～16cm^-1，光谱扫描范围10000cm^-1-4000cm^-1，重复扫描多次，取平均光谱。

2.用高效液相色谱法(HPLC)测定滴丸样品中有效成分含量，并以此作为对照值。

3.对原始光谱进行预处理，用以消除光谱散射效应和基线飘移。

NIR光谱分析中产生的误差主要来自高频随机噪音、基线飘移、信号本底、样品不均匀、光散射等。为解决各种因素对光谱产生的干扰，充分从光谱中提取有效特征信息，必须对光谱进行预处理。可选用的方法包括但不限于：一阶或二阶微分、Norris导数滤波、Savitzky-Golay平滑、多元散射校正、标准正则变换等。这些方法可以单独使用，也可以多个同时使用，以达到最佳的预处理效果。

4.选择最优建模波段。

水分子在波数5000cm^-1和7000cm^-1附近有两个强吸收带，对其他分子吸收峰有较强干扰。本发明首先去除这两个强吸收带，再根据验证集误差均方根(RMSEP)值对建模波段进行局部修饰，确定最优建模波段。

5.运用偏最小二乘回归法(PLSR)、主成分回归(PCR)或多元线性回归(MLR)方法建立NIR光谱与滴丸外观次品率之间的校正模型。其中，PLSR将因子分析和回归分析相结合，是近红外光谱分析中使用较多效果较好的一种方法。

6.通过交叉验证确立PLS主因子数。

小于最佳主因子数时，模型引入的信息量不够，即出现模型“欠拟合”现象；大于最佳主因子数，模型“过拟合”，预测能力下降。通过不同主因子数时的交叉验证误差均方根(RMSECV)值作图，即可获得最佳主因子数。

7.校正模型性能评价参数。

校正模型的性能使用如下指标来评定：

(1)相关系数R²：

R^{2} = 1 - \frac{Σ {(C_{i} - \hat{C_{i}})}^{2}}{Σ {(C_{i} - C_{m})}^{2}}

该值表示预测值和实际值关系的线性程度。

(2)校正误差均方根(RMSEC)，验证误差均方根(RMSEP)：

RMSEC = \sqrt{\frac{Σ {({\hat{C}}_{i} - C_{i})}^{2}}{n}}

RMSEP = \sqrt{\frac{Σ {({\hat{C}}_{i} - C_{i})}^{2}}{m}}

分别代表校正集和验证集的计算值与实际值间的偏差。

(3)相对预测误差(RSE)：

RSE % = \sqrt{\frac{Σ {({\hat{C}}_{i} - C_{i})}^{2}}{Σ C_{i}^{2}}} \times 100

RSEC％、RSEP％分别代表校正集和验证集的计算值与实际值间的相对偏差。

(4)交叉验证误差均方根(RMSECV)：

RMSECV = \sqrt{\frac{Σ {({\hat{C}}_{i} - C_{i})}^{2}}{n - p}}

上述各式中：C_i——传统分析方法测量值；

——通过NIR测量及数学模型预测的结果；

n——建立模型用的校正集样本数；

p——校正模型中采用的主因子数；

m——用于检验模型的验证集样本数；

若R²越接近1，则校正模型的预测值与标准对照方法分析值之间的相关性越强，RMSECV、RMSEP与RSE％值愈小，则模型的预测精度愈高。

8.采集待测样品的NIR漫反射光谱。

方法同步骤1。

9.应用所建模型对待测样品光谱进行预处理，并预测待测样品的有效成分含量，从而实现对样品有效成分含量进行快速检测的目的。

实施例1

将本发明的方法应用于复方丹参滴丸有效成分含量的快速检测。复方丹参滴丸是提取丹参、三七的有效成分再加入适量冰片而制成的纯中药滴丸剂，用于冠心病、心绞痛等心血管疾病的治疗。

1.用高效液相色谱法(HPLC)测定复方丹参滴丸样品中有效成分丹参素、原儿茶醛和丹酚酸B的含量，并以此作为对照值。

HPLC测定结果全部换算成百分比含量，样品中三种酚酸类成分含量测定结果见表1。

表1.复方丹参滴丸样品中三种酚酸类成分含量测定情况

样品数量平均含量(％)STDRSD(％)最大值(％)最小值(％)含量范围	校正集			预测集
	校正集			预测集			丹参素	原儿茶醛	丹酚酸B	丹参素	原儿茶醛	丹酚酸B
	0.58550.196733.5961.00001.000	440.20690.099748.18150.430600.4306	0.30240.171256.61920.908600.9086	0.55720.062711.25850.66470.48230.1824	160.20610.026812.98840.25610.15280.1033	0.28950.041214.23180.39590.25170.1442	丹参素	原儿茶醛	丹酚酸B	丹参素	原儿茶醛	丹酚酸B

2.采集复方丹参滴丸样品的NIR漫反射光谱。

仪器：Antaris傅立叶变换近红外光谱仪(由美国Thermo Nicolet公司生产)，配有积分球漫反射测样器件和Results信号采集及TQ Analyst数据处理软件。

扫描条件：使用积分球漫反射测样器件，29mm内径带石英窗圆形旋转样品杯。每次扫描样品之前，先扫描内置背景。测试条件：扫描次数32，分辨率4cm^-1，光谱扫描范围10000-4000cm^-1，重复实验5次，取平均光谱。

复方丹参滴丸原始NIR漫反射光谱如附图1所示。

3.结合多元散射校正(MSC)和导数光谱法对NIR光谱进行预处理，用以消除光谱散射效应和基线飘移。

4.选择最优建模波段。水分子在波数5000cm^-1和7000cm^-1附近的两个强吸收带，对其他分子吸收峰有较强干扰，首先去除这两个强吸收带，再根据RMSEP值对建模波段进行局部修饰，确定最优建模波段，结果如表2所示。

表2.复方丹参滴丸NIR光谱建模波段

	丹参素	原儿茶醛	丹酚酸B
	丹参素	原儿茶醛	丹酚酸B	波段(cm^-1)	8700.00～7305.006600.00～6350.004950.00～4150.00	9770.00～7155.006950.00～5150.004700.00～4500.00	9852.00～7057.006728.00～5143.004935.00～4449.00

5.运用偏最小二乘法(PLS)建立NIR光谱与复方丹参滴丸有效成分含量的回归模型，分别建立了丹参素、原儿茶醛和丹酚酸B含量的PLS校正模型。

6.通过留一法交叉验证确立PLS主因子数。丹参素、原儿茶醛和丹酚酸B的PLS主因子数分别为7、7和5。

7.校正模型性能评价参数。

校正模型的性能使用如下指标来评定：复相关系数R²；校正误差均方根(RMSEC)，验证误差均方根(RMSEP)；相对预测误差，校正集(RSEC％)，验证集(RSEP％)。

采用留一法进行交叉验证，建立的校正模型各项性能指标如表3所示。

表3.复方丹参滴丸有效成分校正模型的各项性能指标

有效成分	R²	RMSEC	RMSEP	RSEC(％)	RSEP(％)
有效成分	R²	RMSEC	RMSEP	RSEC(％)	RSEP(％)	丹参素原儿茶醛丹酚酸B	0.99420.99650.9714	0.02100.00820.0402	0.03260.01930.0363	3.40373.574311.7347	5.81619.291712.4232

8.复方丹参滴丸各有效成分HPLC测定值与NIR光谱预测结果关系见附图2，图中横坐标为有效成分HPLC测定值，纵坐标为NIR光谱预测值，可以看出，所建立的校正模型线性关系显著，模型校正误差和预测误差均较小，此模型预测精度较高。

实施例2

将本发明的方法应用于柴胡滴丸有效成分含量的快速检测。柴胡滴丸是从柴胡提取的有效成分加入适当辅料制成的一种呈高度分散状态的固体分散物，具有清热解毒、抗菌消炎等作用。

1.采集柴胡滴丸样品的NIR漫反射光谱。

扫描条件：使用积分球漫反射测样器件，29mm内径带石英窗圆形旋转样品杯。每次扫描样品之前，先扫描内置背景。

测试条件：扫描次数32，分辨率4cm^-1，光谱扫描范围10000-4000cm^-1，重复实验5次，取平均光谱。

2.用高效液相色谱法(HPLC)测定柴胡滴丸样品中有效成分柴胡皂苷A的含量，并以此作为对照值。

4.选择最优建模波段。

水分子在波数5000cm^-1和7000cm^-1附近的两个强吸收带，对其他分子吸收峰有较强干扰。本发明首先去除这两个强吸收带，再根据RMSEP值对建模波段进行局部修饰，确定最优建模波段。柴胡滴丸NIR光谱最优建模波段5370～6940cm^-1，4760～4210cm^-1。

5.运用偏最小二乘法(PLS)建立NIR光谱与柴胡滴丸有效成分含量的回归模型，建立了柴胡皂苷A含量的PLS校正模型。

6.通过留一法交叉验证确立PLS主因子数。

柴胡皂苷A的PLS主因子数为7。

7.校正模型性能评价参数。

校正模型的性能使用如下指标来评定：复相关系数R²；校正误差均方根(RMSEC)，验证误差均方根(RMSEP)；相对预测误差，校正集(RSEC％)，验证集(RSEP％)；交叉验证误差均方根(RMSECV)。

采用留一法进行交叉验证，建立的校正模型各项性能指标如表4所示。

表4柴胡滴丸有效成分校正模型的各项性能指标

	R²	RMSEC	RMSECV	RMSEP	RSEC(％)	RSEP(％)
	R²	RMSEC	RMSECV	RMSEP	RSEC(％)	RSEP(％)	柴胡皂苷A	0.9925	0.0093	0.0179	0.0156	3.9368	7.2550

8.柴胡滴丸有效成分HPLC测定值与NIR光谱预测结果关系见附图3，图中横坐标为有效成分HPLC测定值，纵坐标为NIR光谱预测值，可以看出，所建立的校正模型线性关系显著，模型校正误差和预测误差均较小，此模型预测精度较高。

实施例3

将本发明的方法应用于芪参益气滴丸有效成分含量的快速检测。芪参益气滴丸是提取黄芪、丹参、三七、降香中的有效成分制成的滴丸制剂，能够显著改善心肌损伤、心功能减退的各种症状。

1.采集芪参益气滴丸样品的NIR漫反射光谱。

2.用高效液相色谱法(HPLC)测定芪参益气滴丸样品中有效成分黄芪甲苷和丹参素的含量，并以此作为对照值。

4.选择最优建模波段。

水分子在波数5000cm^-1和7000cm^-1附近的两个强吸收带，对其他分子吸收峰有较强干扰。本发明首先去除这两个强吸收带，再根据RMSEP值对建模波段进行局部修饰，确定最优建模波段。结果如表5所示。

表5.芪参益气滴丸NIR光谱建模波段

	黄芪甲苷	丹参素
	黄芪甲苷	丹参素	波段(cm^-1)	9140～78906980～62404870～4450	8570～74606490～62404740～4310

5.运用偏最小二乘法(PLS)建立NIR光谱与芪参益气滴丸有效成分含量的回归模型，建立了黄芪甲苷和丹参素含量的PLS校正模型。

6.通过留一法交叉验证确立PLS主因子数。

黄芪甲苷和丹参素的PLS主因子数分别为6、5。

7.校正模型性能评价参数。

采用留一法进行交叉验证，建立的校正模型各项性能指标如表6所示。

表6.芪参益气滴丸有效成分校正模型的各项性能指标

	R²	RMSEC	RMSECV	RMSEP	RSEC(％)	RSEP(％)
	R²	RMSEC	RMSECV	RMSEP	RSEC(％)	RSEP(％)	黄芪甲苷丹参素	0.98970.9904	0.02100.0161	0.02960.0198	0.03150.0227	3.84153.8711	5.34296.6879

8.芪参益气滴丸有效成分HPLC测定值与NIR光谱预测结果关系见附图4，图中横坐标为有效成分HPLC测定值，纵坐标为NIR光谱预测值，可以看出，所建立的校正模型线性关系显著，模型校正误差和预测误差均较小，此模型预测精度较高。

本发明提出了NIR光谱法检测滴丸剂有效成分含量的方法，研究结果表明，通过建立多元校正模型，NIR光谱分析方法可以对滴丸剂有效成分含量进行有效检测。该方法只需要简单的样品处理，同传统方法相比，如HPLC，可以节省大量的分析时间和花费，从而为发展中药实时分析技术开辟了一个新途径。

Claims

1.一种滴丸剂有效成分含量的快速检测方法，包括下列步骤：

(1)采集滴丸样品的近红外漫反射光谱；

(2)用高效液相色谱法测定滴丸样品中有效成分含量作为对照值；

(3)对原始光谱进行预处理，消除各种干扰因素引起的光谱偏差；

(4)选择最优建模波段；

(5)建立滴丸近红外漫反射光谱与其有效成分含量之间的校正模型；

(6)采集待测样品的近红外漫反射光谱；

(7)应用所建模型对待测样品光谱进行预处理，预测待测样品的有效成分含量。

2.如权利要求1所述的方法，其特征在于：应用傅立叶变换近红外光谱仪采集滴丸的近红外漫反射光谱，其采样装置为积分球漫反射测样器件或光纤探头。

3.如权利要求2所述的方法，其特征在于：采集滴丸的近红外漫反射光谱时扫描次数为1～128，分辨率为4～16cm^-1，光谱扫描范围10000-4000cm^-1，重复实验多次，取平均光谱。

4.如权利要求1所述的方法，其特征在于：对光谱进行预处理的方法选自下列方法中的一种或几种：一阶或二阶微分、Norris导数滤波、Savitzky-Golay平滑、多元散射校正、标准正则变换。

5.如权利要求1所述的方法，其特征在于：建立滴丸近红外漫反射光谱与其有效成分含量之间的校正模型的方法选自：偏最小二乘回归法、主成分回归法或多元线性回归法。

6.如权利要求1所述的方法，其特征在于：在建立校正模型时通过交叉验证确立校正模型的主因子数。