近紅外漫反射光譜法測(cè)定谷維素片的含量Δ

黃麗麗，朱健萍（廣西壯族自治區(qū)食品藥品檢驗(yàn)所，南寧 530022）

近紅外漫反射光譜法測(cè)定谷維素片的含量Δ

黃麗麗＊，朱健萍（廣西壯族自治區(qū)食品藥品檢驗(yàn)所，南寧 530022）

目的：基于近紅外光譜分析技術(shù)建立谷維素片的含量測(cè)定方法。方法：采集樣品的近紅外漫反射光譜，利用OPUS 6.5定量分析軟件建立其光譜數(shù)據(jù)與含量的數(shù)學(xué)模型，并將通過該模型獲得的預(yù)測(cè)值與紫外-可見分光光度法實(shí)際測(cè)定值進(jìn)行比較，以驗(yàn)證該模型的可靠性。結(jié)果：根據(jù)46批校正集樣品的相關(guān)數(shù)據(jù)經(jīng)內(nèi)部交叉驗(yàn)證建立的定量分析模型，交叉驗(yàn)證決定系數(shù)為92.78%，交叉驗(yàn)證均方根誤差為0.364%。用19批驗(yàn)證集樣品進(jìn)行外部驗(yàn)證，預(yù)測(cè)均方根誤差為0.295%，預(yù)測(cè)值與實(shí)際測(cè)定值的相關(guān)系數(shù)達(dá)0.948 1；預(yù)測(cè)值的平均回收率為99.81%。結(jié)論：建立的定量分析模型及方法用于谷維素片的含量測(cè)定簡(jiǎn)便、快捷，結(jié)果準(zhǔn)確。

近紅外漫反射光譜法；谷維素片；定量分析模型；含量

谷維素片在臨床上廣泛用于調(diào)節(jié)植物神經(jīng)功能，糾正內(nèi)分泌平衡障礙，改善精神神經(jīng)失調(diào)癥狀。其主成分谷維素系阿魏酸與不同三萜烯酯的混合物，存在于米糠油中，難溶于水，能溶于乙醇、氯仿等有機(jī)溶劑中。該制劑的規(guī)格較小，為10 mg/片，容易造成裝量差異檢查項(xiàng)不合格。該制劑現(xiàn)行質(zhì)量標(biāo)準(zhǔn)[1]中的含量測(cè)定方法是以正庚烷為溶劑，在水浴中振搖溶解，用紫外-可見分光光度法（UV）測(cè)定。在實(shí)際工作中發(fā)現(xiàn)，該方法含量測(cè)定結(jié)果會(huì)受水浴溫度、振搖方式及振搖時(shí)間的影響而出現(xiàn)不穩(wěn)定的情況；同時(shí)，正庚烷膨脹系數(shù)較大，輔料在正庚烷中易形成膠狀物[2]，從而影響主成分的溶出及測(cè)定。相關(guān)文獻(xiàn)報(bào)道的谷維素片含量測(cè)定方法有高效液相色譜法[3]以及改變?nèi)軇┑腢V法[4-5]，而這些方法均需要對(duì)樣品進(jìn)行一定的預(yù)處理，過程煩瑣，難以滿足制藥企業(yè)實(shí)施在線控制分析的要求。

近紅外漫反射光譜（Near infrared diffuse reflectance spectroscopy，NIDRS）分析技術(shù)是一項(xiàng)應(yīng)用十分廣泛的綠色分析技術(shù)，該技術(shù)不需對(duì)樣品進(jìn)行預(yù)處理，操作簡(jiǎn)便、快速，在農(nóng)作物[6]、煙草、食品[7]以及藥物[8-9]的定性定量分析方面已得到廣泛應(yīng)用。目前，應(yīng)用NIDRS分析技術(shù)定量分析谷維素片中主成分含量尚未見文獻(xiàn)報(bào)道。為此，本研究采用NIDRS法，通過構(gòu)建定量分析模型，測(cè)定了谷維素片的含量。

1 材料

1.1 儀器

Matrix-F型傅里葉變換近紅外光譜儀，配備半導(dǎo)體冷卻的銦鎵砷（InGaAs）檢測(cè)器、1.5 m漫反射固體光纖探頭、OPUS 6.5定量分析軟件（德國(guó)Bruker公司）；UV-2450型UV計(jì)（日本島津公司）；XS205DU型電子天平（瑞士Mettler-Toledo公司）。

1.2 藥品與試劑

谷維素片樣品[來自2014年全國(guó)評(píng)價(jià)性抽樣檢驗(yàn)，涉及3家企業(yè)共65批樣品，其中山西云鵬制藥有限公司32批，記為A1～A32；上海玉瑞生物科技（安陽(yáng)）藥業(yè)有限公司21批，記為B1～B21；天津力生制藥股份有限公司12批，記為C1～C12，規(guī)格均為10 mg/片]；正庚烷（分析純，天津市光復(fù)精細(xì)化工研究所）；水為純化水。

2 方法

2.1 樣品含量測(cè)定

取樣品10片，精密稱定，研細(xì)，精密稱取適量（約相當(dāng)于谷維素15 mg），置于50 ml量瓶中，加正庚烷適量，置于水浴中不斷振搖使溶解，冷卻至室溫，再加正庚烷稀釋至刻度，搖勻，濾過，棄去初濾液，精密量取續(xù)濾液2 ml，置于50 ml量瓶中，加正庚烷稀釋至刻度，搖勻，照UV法在（315±2）nm波長(zhǎng)處測(cè)定吸光度，按谷維素的吸收系數(shù)（E1%1cm）為350計(jì)算樣品中谷維素的含量。

2.2 NIDRS采集

每批樣品隨機(jī)選取3片進(jìn)行測(cè)定，設(shè)置掃描次數(shù)為32次，分辨率為8 cm－1，采集光譜范圍為12 000～4 000 cm－1。每片樣品重復(fù)采集3次，取平均光譜作為樣品的最終光譜。

2.3 定量分析模型的建立

將65批樣品按一定比例隨機(jī)分為校正集和驗(yàn)證集，校正集樣品用于定量分析模型的建立，驗(yàn)證集樣品用于驗(yàn)證模型的預(yù)測(cè)能力。將測(cè)得的校正集樣品的近紅外光譜數(shù)據(jù)和UV法含量數(shù)據(jù)導(dǎo)入OPUS 6.5定量分析軟件，通過化學(xué)計(jì)量法建立二者之間的關(guān)系以建立模型。

根據(jù)OPUS 6.5軟件自動(dòng)優(yōu)化的結(jié)果，以交叉驗(yàn)證均方根誤差（RMSECV）、預(yù)測(cè)均方根誤差（RMSEP）和決定系數(shù)（R2）為模型質(zhì)量評(píng)價(jià)指標(biāo)，考察建模的光譜范圍、光譜預(yù)處理方法、校正集與驗(yàn)證集的比例對(duì)模型的影響。RMSECV和RMSEP分別用來反映內(nèi)部驗(yàn)證和外部驗(yàn)證對(duì)構(gòu)建的模型質(zhì)量的影響，通常情況下二者數(shù)值越小，說明模型的性能越好。R2的含義為由解釋變量引起的被解釋變量的變化占被解釋變量總變化的比重，用來判定實(shí)際測(cè)定值與模型預(yù)測(cè)值二者構(gòu)建回歸方程時(shí)擬合的優(yōu)劣，該值越大說明擬合得越好，即R2的大小決定了預(yù)測(cè)值與實(shí)際測(cè)定值相關(guān)的密切程度。當(dāng)R2值越接近1（100%）時(shí)，表示二者相關(guān)性越高，模型的預(yù)測(cè)越準(zhǔn)確。

3 結(jié)果與分析

3.1 UV法測(cè)定結(jié)果

UV法測(cè)定結(jié)果顯示，山西云鵬制藥有限公司樣品含量范圍為95.15%～103.12%，上海玉瑞生物科技（安陽(yáng)）藥業(yè)有限公司樣品含量為95.39%～101.34%，天津力生制藥股份有限公司樣品含量為99.41%～103.58%，總體樣品的含量范圍為95.15%～103.58%。

3.2 建模的光譜范圍確定

通過比較OPUS 6.5軟件光譜范圍優(yōu)化結(jié)果中的RMSECV值，考察了光譜范圍對(duì)模型性能的影響，詳見表1。由表1可知，光譜范圍在7 501.8～6 097.9 cm－1和5 453.8～4 597.5 cm－1內(nèi)時(shí)RMSECV值最小，所建模型性能最好。

表1 光譜范圍對(duì)模型RMSECV值的影響Tab 1 Effect of spectral coverage on RMSECV

3.3 光譜預(yù)處理方法確定

3家企業(yè)生產(chǎn)的樣品的NIDRS相似性很高（詳見圖1），需要通過一定的預(yù)處理方法提取光譜圖中的信息。OPUS 6.5軟件中常用的光譜預(yù)處理方法有消除常數(shù)偏移法、多元散射校正法（Multiplicative scatter correction，MSC）、一階導(dǎo)數(shù)法、二階導(dǎo)數(shù)法、矢量歸一化法等。本研究在選定的光譜范圍，通過比較尋求最優(yōu)的預(yù)處理方法。通過內(nèi)部交叉驗(yàn)證及外部驗(yàn)證，結(jié)合RMSECV、RMSEP和R2值3個(gè)參數(shù)來考察模型性能，RMSECV值和RMSEP值越小，R2值越大，模型性能越好。光譜預(yù)處理方法對(duì)模型參數(shù)的影響見表2。由表2可知，在選定的光譜范圍內(nèi)（7 501.8～6 097.9和5 453.8～4 597.5 cm－1），兼顧RMSECV、RMSEP和R2值，采用一階導(dǎo)數(shù)法與MSC法相結(jié)合的光譜預(yù)處理方法時(shí)模型的預(yù)測(cè)效果最優(yōu)。

3.4 校正集與驗(yàn)證集的比例確定

圖1 3家企業(yè)樣品的原始NIDRS圖Fig 1 Original NIDRS of samples from 3 companies

表2 光譜預(yù)處理方法對(duì)模型參數(shù)的影響Tab 2 Effect of preprocessing methods on model parameters

在選定的光譜范圍內(nèi)（7 501.8～6 097.9和5 453.8～4 597.5 cm－1），通過采用一階導(dǎo)數(shù)法與MSC法相結(jié)合的光譜預(yù)處理方法，考察了校正集與驗(yàn)證集的樣品比例對(duì)模型參數(shù)的影響，詳見表3。由表3可知，65批樣品中校正集與驗(yàn)證集的樣品比例為7∶3，即校正集樣品為46批、驗(yàn)證集樣品為19批時(shí)所建立的模型相關(guān)參數(shù)最理想。

表3 校正集與驗(yàn)證集的樣品比例對(duì)模型參數(shù)的影響Tab 3 Effect of the ratio of calibration to validation on model parameters

3.5 驗(yàn)證集樣品含量的預(yù)測(cè)結(jié)果

用建立的定量分析模型對(duì)驗(yàn)證集樣品含量進(jìn)行預(yù)測(cè)，結(jié)果見表4。由表4可知，所建立的模型對(duì)驗(yàn)證集樣品含量的預(yù)測(cè)值與實(shí)際測(cè)定值之間的誤差較小，回收率較高，預(yù)測(cè)結(jié)果準(zhǔn)確。將預(yù)測(cè)值與實(shí)際測(cè)定值進(jìn)行線性回歸，得到回歸方程的相關(guān)系數(shù)為0.948 1。

4 討論

本研究通過采用NIDRS法構(gòu)建了谷維素片的定量分析模型，并通過考察和比較最終確定了模型的最優(yōu)光譜范圍、光譜預(yù)處理方法和校正集與驗(yàn)證集的比例，并對(duì)模型性能和預(yù)測(cè)效果作出了評(píng)價(jià)。研究結(jié)果表明，所建立的定量分析模型及方法用于谷維素片的含量測(cè)定簡(jiǎn)便、快捷，結(jié)果準(zhǔn)確。

基于近紅外光譜技術(shù)建立的含量分析模型是一個(gè)數(shù)學(xué)擬合模型，參與建模的樣本量越大，實(shí)際測(cè)定值與模型預(yù)測(cè)值愈接近。由于本研究涉及的樣品量有限，樣品含量范圍不寬（95.15%～103.58%），期望在今后的工作中增大參與建模的樣本量，擴(kuò)大含量范圍，在大數(shù)據(jù)的基礎(chǔ)上優(yōu)化建模參數(shù)，不斷完善模型。

表4 驗(yàn)證集樣品含量的預(yù)測(cè)結(jié)果Tab 4 Prediction results of samples’contents in validation

[1] 衛(wèi)生部.衛(wèi)生部藥品標(biāo)準(zhǔn)：化學(xué)藥品及制劑：第1冊(cè)[S].1989：56.

[2] 梁錦暉.谷維素片含量測(cè)定方法的改進(jìn)[J].廣東藥學(xué)，1999，9（2）：16.

[3] 張連成，賈首時(shí)，王超眾.HPLC法測(cè)定谷維素片含量[J].中國(guó)藥品標(biāo)準(zhǔn)，2008，9（3）：237.

[4] 朱碧君，田慧.改良紫外分光光度法測(cè)定谷維素片的含量及含量均勻度[J].藥物分析雜志，1993，14（2）：43.

[5] 南亞莉，潘希霞.谷維素片含量測(cè)定中溶解方法的改進(jìn)[J].藥物分析雜志，2001，21（5）：370.

[6] Foca G，Marina C，Vigni ML，et al．Different feature selection strategies in the wavelet domain applied to NIR-based quality classification models of bread wheat flours [J].Chemometr Intell Lab Syst，2009，99（2）：91.

[7] Bobelyn E，Serban AS，Nicu M，et al.Postharvest quality of apple predicted by NIR-spectroscopy：Study of the effect of biological variability on spectra and model performance[J].Postharvest Biol Technol，2010，55（3）：133.

[8] 張學(xué)博，楊眉，馬金金，等.近紅外光譜法對(duì)滲透泵型緩控釋制劑的測(cè)樣標(biāo)準(zhǔn)化研究及建模技術(shù)的探討[J].華西藥學(xué)雜志，2013，28（4）：381.

[9] 邢俊生，張學(xué)博.近紅外漫反射光譜法快速測(cè)定氨芐西林膠囊的含量[J].藥物分析雜志，2010，30（12）：2 408.

Content Determination of Oryzanol Tablet by Near Infrared Diffuse Reflectance Spectrophotometry

HUANG Lili，ZHU Jianping（Institute of Food and Drug Control，Guangxi Zhuang Autonomous Region，Nanning 530022，China）

OBJECTIVE：To establish a method for the content determination of Oryzanol tablet based on near infrared（NIR）spectroscopy.METHODS：Collecting spectrums and content values of samples，mathematics model for spectrum and content was established by using OPUS 6.5，and the predicted values obtained by the model were compared with the measured values of the ultraviolet visible spectrophotometry to verify the reliability of the model.RESULTS：The coefficient of determination of established quantitative analysis model based on 46 batches of samples by cross-calibration was 92.78%，root mean square error of cross validation was 0.364%.Based on the validation of 19 batches of samples，the root mean square of prediction was 0.295%，the correlation coefficient of predicted values and measured values was 0.948 1.The mean recovery of predicted values was 99.81%.CONCLUSIONS：The established quantitative analysis model and method is simple，rapid and accurate in the content determination of Oryzanol tablet.

Near infrared diffuse reflectance spectroscopy；Oryzanol tablet；Quantitative analysis model；Content

R927

A

1001-0408（2016）36-5132-03

2015-12-31

2016-11-02）

（編輯：周 箐）

廣西壯族自治區(qū)食品藥品監(jiān)督管理局食品藥品安全科研項(xiàng)目（No.桂食藥監(jiān)科評(píng)〔2016〕8號(hào)）

＊主管藥師，碩士。研究方向：藥物質(zhì)量控制與評(píng)價(jià)。電話：0771-5828448。E-mail：huanglili9802@aliyun.com

DOI10.6039/j.issn.1001-0408.2016.36.29