近紅外光譜法快速測(cè)定金銀花-糊精混合粉末中輔料糊精的含量

律 濤，薛 忠，劉 彥，李 程，劉睿思

(河北醫(yī)科大學(xué)藥學(xué)院，河北 石家莊 050017)

近紅外光譜法快速測(cè)定金銀花-糊精混合粉末中輔料糊精的含量

律 濤*，薛 忠#，劉 彥，李 程，劉睿思

(河北醫(yī)科大學(xué)藥學(xué)院，河北 石家莊 050017)

目的：建立快速測(cè)定金銀花-糊精混合粉末中輔料糊精含量的近紅外光譜法。方法：取糊精、金銀花噴干粉，按不同比例混合均勻。通過(guò)Kennard-Stone算法劃分樣本集，采用偏最小二乘法建立金銀花-糊精混合粉末中糊精含量的定量分析模型。采用外部驗(yàn)證試驗(yàn)進(jìn)行外部樣品預(yù)測(cè)和方法的驗(yàn)證。結(jié)果：金銀花-糊精混合粉末近紅外定量模型的交叉驗(yàn)證誤差均方根、預(yù)測(cè)集誤差均方根、模型性能指數(shù)分別為0.695 0%、0.540 1%、24.75。本方法所得金銀花-糊精混合粉末中糊精含量的預(yù)測(cè)值和實(shí)際值基本一致。結(jié)論：本研究建立的模型可較準(zhǔn)確地預(yù)測(cè)金銀花-糊精混合粉末中糊精的含量，并為其他輔料的近紅外定量測(cè)定提供依據(jù)。

金銀花； 糊精； 近紅外光譜法； 偏最小二乘法

金銀花，性甘寒氣芳香，具有疏風(fēng)解熱、清解血毒的功效，用于各種熱性病的治療[1]。金銀花在粉碎制粒的過(guò)程中，易吸濕，黏性較強(qiáng)，故需添加藥用輔料進(jìn)行制備。藥物制劑中活性成分外的所有物質(zhì)統(tǒng)稱(chēng)為藥用輔料，其為惰性物質(zhì)，主要用于藥物制劑的賦形，可保持或增強(qiáng)藥物穩(wěn)定性，提高生物利用度。而如何準(zhǔn)確測(cè)定藥用輔料含量、保證藥用輔料和有效成分混合均勻，是藥品制備和質(zhì)量控制中需要關(guān)注的問(wèn)題[2-3]。近紅外光譜(near infrared spectroscopy，NIRS)為快速無(wú)損、綠色環(huán)保的過(guò)程分析技術(shù)[4]，在中藥分析中應(yīng)用廣泛[5-7]。本研究采用NIRS技術(shù)檢測(cè)金銀花-糊精混合粉末，通過(guò)偏最小二乘回歸(partial least-squares regression，PLS)定量模型建立金銀花噴干粉中糊精含量理論值、預(yù)測(cè)值的聯(lián)系，定量分析金銀花-糊精混合粉末中的糊精含量；通過(guò)設(shè)計(jì)外部驗(yàn)證試驗(yàn)預(yù)測(cè)其他金銀花-糊精混合粉末中糊精的含量，驗(yàn)證本方法的真實(shí)性和精密度。

1 材料

1.1儀器

Antaris傅里葉變換NIRS儀(美國(guó)Thermo Fisher公司)；Sartorius BS 124電子天平(德國(guó)Sartorius公司)；XW-80A蝸旋儀(海門(mén)市其林貝爾儀器制造有限公司)。

1.2藥品與試劑

糊精(北京康仁堂藥業(yè)有限公司，批號(hào)：14070114062)，金銀花噴干粉(北京康仁堂藥業(yè)有限公司，批號(hào)：GY1300009)。

2 方法與結(jié)果

2.1樣品的制備

精密稱(chēng)取適量糊精粉末和金銀花噴干粉，按照糊精在混合物中的含量為1%、2%、3%……50%共50個(gè)濃度水平進(jìn)行混合，每個(gè)樣品總質(zhì)量5.000 g，每個(gè)濃度水平平行制備2個(gè)樣品，共得到100份不同金銀花-糊精混合粉末。

2.2NIRS采集

采用NIRS儀采集100份樣品的原始NIRS。由于樣品為固體粉末，因此采用積分球漫反射法采集光譜。掃描范圍為4 000～10 000 cm-1，分辨率為8 cm-1，掃描次數(shù)64次。取64次掃描光譜結(jié)果的平均值得到該樣品原始NIRS，采用NIRS儀自帶的TQ analyst軟件導(dǎo)出數(shù)據(jù)，見(jiàn)圖1。

2.3定量模型的建立

2.3.1 樣本劃分：采用Kennard-Stone算法將“2.2”中100個(gè)原始NIRS樣本以2 ∶1的比例劃分[8]，得到校正集66個(gè)樣品和驗(yàn)證集34個(gè)樣品。

圖1 金銀花-糊精混合粉末的近紅外原始光譜圖Fig 1 Original near infrared spectrogram of the honeysuckle- dextrin powder

表1 各預(yù)處理方法建模結(jié)果比較Tab 1 Comparison of modeling results of different pretreatment methods

2.3.3 最佳潛變量因子選取：采取原始NIRS信息建立PLS模型，繪制模型預(yù)測(cè)性能隨潛變量因子變化的曲線圖，見(jiàn)圖2。由留一交叉驗(yàn)證法得到最優(yōu)潛變量因子，結(jié)果顯示，RMSEC、RMSECV及累積預(yù)測(cè)殘差平方和(predicted residual sum of squares，PRESS)在潛變量因子數(shù)為7時(shí)基本不再變化，因此，最優(yōu)潛變量因子數(shù)為7。此時(shí)建立預(yù)測(cè)值和理論值的PLS回歸模型，PLS模型校正集與驗(yàn)證集相關(guān)關(guān)系見(jiàn)圖3。

2.4外部驗(yàn)證試驗(yàn)樣品含量的預(yù)測(cè)及方法學(xué)考察

2.4.1 外部驗(yàn)證試驗(yàn)樣品含量的預(yù)測(cè)：采用“3×5×3”型析因試驗(yàn)設(shè)計(jì)樣品的NIRS定量分析，即在外部驗(yàn)證試驗(yàn)中考慮重復(fù)次數(shù)、濃度水平和條件的影響[16]。重復(fù)次數(shù)可評(píng)估分析方法的重復(fù)性；濃度水平的設(shè)置決定定量分析濃度范圍，不同濃度水平下的NIRS定量分析樣品中糊精含量的準(zhǔn)確度不同；條件表示不同的測(cè)量時(shí)間、操作人員等影響因素對(duì)NIRS定量分析方法的影響。外部驗(yàn)證試驗(yàn)共設(shè)置了5個(gè)濃度水平，分別為1%、3%、5%、7%、10%，按照“2.1”項(xiàng)下方法制備，每個(gè)濃度水平9個(gè)樣品；分為3 d測(cè)量，每日測(cè)3個(gè)樣品，共得到45個(gè)外部驗(yàn)證集樣品，采用“2.3”項(xiàng)下建立的PLS模型進(jìn)行含量預(yù)測(cè)，見(jiàn)表2。

圖2 各潛變量因子下的模型性能Fig 2 Performance indices under different latent variables factors

圖3 校正集與預(yù)測(cè)集相關(guān)關(guān)系Fig 3 Correlation between calibration set and prediction set

2.4.2 方法學(xué)考察：根據(jù)預(yù)測(cè)結(jié)果，計(jì)算NIRS定量分析結(jié)果的真實(shí)性和精密度。(1)真實(shí)性，為系統(tǒng)誤差，即樣品中糊精含量的質(zhì)量稱(chēng)定數(shù)值與NIRS分析的預(yù)測(cè)值之間的接近程度。各濃度水平真實(shí)性用相對(duì)偏差表示。本研究結(jié)果顯示，樣品中糊精含量濃度在1%、3%、5%時(shí)的真實(shí)性較差，表明本方法在濃度水平較低時(shí)系統(tǒng)誤差較大，準(zhǔn)確度較低，見(jiàn)表2。(2)精密度，為隨機(jī)誤差，表示一系列樣品中糊精含量的NIRS預(yù)測(cè)值之間的接近程度。其中，重復(fù)性表示相同條件下獲得的一系列測(cè)量結(jié)果之間的一致程度；中間精密度表示同一實(shí)驗(yàn)室內(nèi)不同設(shè)備、不同時(shí)間或不同操作者得到的測(cè)量數(shù)據(jù)間的一致程度。本研究結(jié)果顯示，隨著樣品中糊精含量的降低，本方法的精密度增加，當(dāng)樣品中糊精含量為1%、3%時(shí)，本方法的精密度較差，表明本方法在濃度較低時(shí)定量分析糊精含量的準(zhǔn)確度較低，見(jiàn)表2。

表2 外部驗(yàn)證試驗(yàn)樣品含量的預(yù)測(cè)及方法學(xué)考察Tab 2 Prediction of the content of validation sample in external verification and its methodology inspection

3 討論

本研究通過(guò)采集金銀花-糊精混合粉末的NIRS，采用偏最小二乘法建立定量分析模型，并通過(guò)光譜預(yù)處理和優(yōu)化最佳潛變量得到最佳定量模型。本研究建立金銀花-糊精近紅外定量模型的RMSEP為 0.540 1%，模型性能指數(shù)為24.75，表明模型預(yù)測(cè)效果良好。通過(guò)外部驗(yàn)證試驗(yàn)預(yù)測(cè)樣品含量，比較糊精含量預(yù)測(cè)值與實(shí)際值，結(jié)果表明，在樣品中糊精含量較低(1%、3%、5%)時(shí)，由于稱(chēng)質(zhì)量誤差及NIRS采集等誤差較大，NIRS分析方法的精密度、準(zhǔn)確度較低，可能與糊精的NIRS吸收與金銀花噴干粉相近而導(dǎo)致NIRS響應(yīng)分別率不高有關(guān)，具體原因有待進(jìn)一步研究探討。樣品中糊精含量較高(7%、10%)時(shí)，本方法的真實(shí)性和精密度都較高。

綜上所述，NIRS法可快速檢測(cè)金銀花-糊精混合粉末中糊精的含量，為糊精含量的NIRS在線檢測(cè)提供技術(shù)支持，為金銀花噴干粉的質(zhì)量控制及其他輔料的近紅外定量測(cè)定提供依據(jù)。

[1]國(guó)家藥典委員會(huì).中華人民共和國(guó)藥典：一部[S].2015年版.北京：中國(guó)醫(yī)藥科技出版社，2015：221.

[2]萬(wàn)文標(biāo)，姜紅.近紅外光譜分析及其在藥物原輔料分析中的應(yīng)用[J].醫(yī)藥導(dǎo)報(bào)，2012，31(4)：465-470.

[3]聶黎行，王鋼力，李志猛，等.近紅外光譜法在中藥輔料質(zhì)量控制中的應(yīng)用[J].中國(guó)中藥雜志，2009，34(17)：2185-2188.

[4]陸婉珍.現(xiàn)代近紅外光譜分析技術(shù)[M].2版.北京：中國(guó)石化出版社，2007：31.

[5]郝敏，白雁，謝彩俠，等.近紅外光譜法快速測(cè)定不同連翹飲片中連翹酯苷A的含量[J].中國(guó)實(shí)驗(yàn)方劑學(xué)雜志，2016，22(8)：78-82.

[6]丁海櫻，金葉，劉雪松，等.中藥粉末混合過(guò)程近紅外在線檢測(cè)研究[J].中國(guó)藥學(xué)雜志.2013，48(14)：1151-1156.

[7]時(shí)博，謝惠英，雷敬衛(wèi)，等.近紅外光譜法在知母和黃柏飲片水分分析中的應(yīng)用[J].中華中醫(yī)藥學(xué)刊，2017，35(3)：669-672.

[8]杜晨朝，吳志生，趙娜，等.基于兩類(lèi)誤差檢測(cè)理論金銀花提取過(guò)程的MEMS-NIR在線分析建模方法研究[J].中國(guó)中藥雜志，2016，41(19)：3563-3568.

[9]周學(xué)秋，朱雨杰，劉旭，等.現(xiàn)代傅里葉變換近紅外光譜儀器技術(shù)及其應(yīng)用[J].現(xiàn)代儀器與醫(yī)療，2002，8(4)：29-33.

[10] 陸婉珍，袁洪福，徐廣通，等.現(xiàn)代近紅外光譜分析技術(shù)[M].北京：中國(guó)石化出版社，2000：146-148.

[11] 褚小立，袁洪福，陸婉珍.近紅外分析中光譜預(yù)處理及波長(zhǎng)選擇方法進(jìn)展與應(yīng)用[J].化學(xué)進(jìn)展，2004，16(4)：528-542.

[12] 吳靜珠，王一鳴，張小超，等.樣品狀態(tài)與裝樣條件對(duì)近紅外光譜測(cè)定的影響研究[J].現(xiàn)代科學(xué)儀器，2006，1：69-71.

[13] 尼珍，胡昌勤，馮芳.近紅外光譜分析中光譜預(yù)處理方法的作用及其發(fā)展[J].藥物分析雜志，2008，28(5)：824-829.

[14] De Bleye C，Chavez PF，Mantanus J，et al.Critical review of near-infrared spectroscopic methods validations in pharmaceutical applications[J].J Pharm Biomed Anal，2012，69：125-132.

[15] 陳美君，陳鴻平，丁龍，等.陳皮中3種黃酮成分近紅外定量分析模型的建立[J].時(shí)珍國(guó)醫(yī)國(guó)藥，2016，27(7)：1614-1619.

[16] 徐冰，薛忠，羅贛，等.基于β-容度容忍區(qū)間的血塞通注射液近紅外定量分析不確定度評(píng)估[J].中草藥，2015，46(6)：832-839.

ApplicationofNearInfraredSpectroscopyonRapidDeterminationoftheContentofDextrininHoneysuckle-DextrinPowder

LYU Tao, XUE Zhong, LIU Yan, LI Cheng, LIU Ruisi

(School of Pharmacy, Hebei Medical University, Hebei Shijiazhuang 050017, China)

OBJECTIVE: To establish near infrared spectroscopy(NIRS)for rapid determination of the content of dextrin in honeysuckle-dextrin powder. METHODS: Dextrin powder and honeysuckle spray powder were fetched and mixed evenly in different proportions. Sample sets were divided with Kennard-Stone, partial least squares was adopted to establish the quantitative analysis model of the content of dextrin in the honeysuckle- dextrin powder. External verification test was used for the prediction of external specimen and verification of the methods. RESULTS: The root-mean-square error of cross validation, root-mean-square error of prediction set and model performance index of quantitative NIRS model of honeysuckle-dextrin powder were respectively 0.695 0%, 0.540 1% and 24.75. The predicted value of the content of dextrin in honeysuckle-dextrin powder was basically consistent with the actual value in the NIRS. CONCLUSIONS: The model established in this study can accurately predict the content of dextrin in the honeysuckle-dextrin powder, and provide references for the NIRS quantitative determination of other accessories.

Honeysuckle; Dextrin; Near infrared spectroscopy; Partial least squares

R927.2

A

1672-2124(2017)09-1228-04

DOI 10.14009/j.issn.1672-2124.2017.09.029

*實(shí)驗(yàn)師，碩士。研究方向：化學(xué)藥物合成工藝。E-mail：578405341@qq.com

#通信作者：助理實(shí)驗(yàn)師，碩士。研究方向：藥物質(zhì)量控制。E-mail：13223404308@163.com

2017-03-31)