近紅外在富馬酸喹硫平緩釋片中間體測(cè)定中的應(yīng)用

方靖　廖鑫

【摘要】 目的：利用漫反射FT-NIR法和化學(xué)計(jì)量學(xué)常用的偏最小二乘法（partial least square，PLS）建立測(cè)定富馬酸喹硫平緩釋片中間體含量的近紅外光譜定量模型。方法：用HPLC測(cè)定結(jié)果為參考值，用積分球漫反射測(cè)定樣品的近紅外光譜圖，建立定量模型。結(jié)果：定量模型的最佳主因子為7，校正誤差均方根（RMSEC）為0.052，相關(guān)系數(shù)（Corr.Coeff）為0.998 4，預(yù)測(cè)誤差均方根（RMSEP）為0.043，其NIR預(yù)測(cè)結(jié)果與HPLC法測(cè)定結(jié)果的最大相對(duì)偏差為0.11%。結(jié)論：預(yù)測(cè)模型對(duì)富馬酸喹硫平緩釋片中間體含量的測(cè)定是準(zhǔn)確、無創(chuàng)、快捷的。

【關(guān)鍵詞】 近紅外； 富馬酸喹硫平緩釋片； 中間體含量

doi：10.14033/j.cnki.cfmr.2018.19.028 文獻(xiàn)標(biāo)識(shí)碼 B 文章編號(hào) 1674-6805（2018）19-00-03

富馬酸喹硫平緩釋片作為一種不典型抗精神病的緩釋制劑[1]，其中間體含量的控制直接關(guān)系到成品制劑的含量及其溶出度的質(zhì)量控制。HPLC法雖然結(jié)果準(zhǔn)確、所需樣品量較少，但耗時(shí)較長(zhǎng)，會(huì)延長(zhǎng)其生產(chǎn)周期。

近紅外光（near infrared，NIR）是介于可見光（VIS）和中紅外光（MIR）之間的電磁波，美國(guó)試驗(yàn)和材料檢測(cè)協(xié)會(huì)（ASTM）定義是指波長(zhǎng)在780～2 526 nm范圍內(nèi)的電磁波，習(xí)慣上又將近紅外區(qū)劃分為近紅外短波（780～1 100 nm）和近紅外長(zhǎng)波（1 100～2 526 nm）兩個(gè)區(qū)域[2]。NIRS分析技術(shù)在眾多分析領(lǐng)域中都呈現(xiàn)出蓬勃生機(jī)，是藥物分析領(lǐng)域中的新興分支，并在藥物分析領(lǐng)域得到成功的應(yīng)用，為藥物的在線及實(shí)時(shí)分析提供了更嚴(yán)格的質(zhì)量控制分析方法。《美國(guó)藥典》（USP-NF，<1119>）將NIRS分析法作為補(bǔ)充分析方法收載[3]，《歐洲藥典》（EP7.0，2.2.40）介紹了NIRS方法在藥物定性方面的應(yīng)用[4]，《英國(guó)藥典》（BP 2012.AppendixⅡA）和《日本藥局方》也將其收載[5-6]，同時(shí)國(guó)內(nèi)在NIRS分析技術(shù)方面也取得了重要的進(jìn)展，在2005年版、2010年版及2015版《中華人民共和國(guó)藥典》已將“近紅外分光光度法指導(dǎo)原則”收載[7-9]。近紅外光譜技術(shù)是一種簡(jiǎn)單方便、分析快速、不破壞樣品的新型分析技術(shù)。無需復(fù)雜的樣品預(yù)處理，也不使用化學(xué)試劑，故可增加檢測(cè)藥品的數(shù)量、實(shí)施過程分析[10-13]。本文采用漫反射FT-NIR法直接測(cè)定富馬酸喹硫平緩釋片中間體含量并結(jié)合化學(xué)計(jì)量學(xué)中的偏最小二乘法（PLS），建立了快速測(cè)定其含量的方法。

1 儀器與試藥

1.1 儀器

AntarisⅡ傅里葉變換近紅外（FT-NIR）光譜儀，配有積分球附件（integrating sphere attachment，美國(guó)Thermo Fisher Scientific公司）。AntarisⅡ型傅里葉變換近紅外光譜儀由RESULT-Integration軟件包控制。Agilent 1100高效液相色譜儀。

1.2 試藥

富馬酸喹硫平對(duì)照品：201754（重慶制藥有限責(zé)任公司，含量：99.8%）；富馬酸喹硫平：R1801037（重慶制藥有限責(zé)任公司）；富馬酸喹硫平緩釋片混合輔料：18040560（重慶制藥有限責(zé)任公司）；甲醇（HPLC級(jí)）：R2AG1H（honeywell）；乙腈（HPLC級(jí)）：R1PA1H（honeywell）；磷酸氫二銨（AR）：20080826（成都科龍化工試劑）。

2 方法

2.1 混合樣品的制備

將不同比例的富馬酸喹硫平原料藥與富馬酸喹硫平緩釋片混合輔料混勻，制備5個(gè)濃度的線性樣品，每個(gè)濃度各12份。其中50份作為校正集樣品，10份作為驗(yàn)證集樣品。

2.2 近紅外圖譜采集

將原料藥、混合輔料和60份樣品粉末依次裝于樣品杯，在4 000～10 000 cm-1范圍內(nèi)采集其NIR光譜，分辨率為8 cm-1，掃描次數(shù)64次，環(huán)境溫度控制（25±5）℃；濕度控制（55±5）%RH，積分球的鍍金內(nèi)壁（gold-plated inner wall of the integrating sphere）被測(cè)量，用以扣除空氣中水分和二氧化碳對(duì)光譜的影響。

2.3 HPLC法

色譜條件：（來源于USP）。柱溫：50 ℃；色譜柱：4.6 mm×25 cm，5 ?m packing L7或其他同類色譜柱；進(jìn)樣體積：30 ?l；流動(dòng)相：（磷酸鹽緩沖液：稱取2.6 g磷酸氫二銨，加純化水溶解并稀釋至1 000 ml）將甲醇：乙腈：磷酸鹽緩沖液以54∶7∶39的比例混勻，抽濾脫氣即得；流速：1.3 ml/min；檢測(cè)器：紫外檢測(cè)器230 nm；運(yùn)行時(shí)間：喹硫平色譜保留時(shí)間的2.5倍。稀釋劑的配制：取500 ml乙腈，500 ml純化水混勻。對(duì)照品溶液的配制：取富馬酸喹硫平對(duì)照品約20 mg精密稱定，置100 ml容量瓶中，加流動(dòng)相溶解稀釋至刻度（濃度為0.2 mg/ml）。樣品溶液的配制：將各濃度混合粉末樣品精密稱定至100 ml容量瓶中，加稀釋劑超聲溶解，稀釋至刻度，使溶液最終濃度與對(duì)照品溶液基本一致。

3 近紅外模型建立及預(yù)測(cè)結(jié)果

3.1 方法學(xué)考察

3.1.1 精密度試驗(yàn)從驗(yàn)證集樣品中選擇序號(hào)為1-11的混合樣品，測(cè)定10次光譜，用所建模型預(yù)測(cè)其含量值，測(cè)得10條光譜富馬酸喹硫平含量RSD為1.2%，表明儀器精密度良好。

3.1.2 重復(fù)性試驗(yàn)從驗(yàn)證集樣品中選擇序號(hào)為3-6的混合樣品，樣品重復(fù)裝填10次，進(jìn)行測(cè)定，用所建模型預(yù)測(cè)其含量。結(jié)果預(yù)測(cè)值的RSD為1.6%，表明樣品混合均勻，方法重復(fù)性良好。

3.2 原料藥和混合輔料近紅外光譜

原料藥（富馬酸喹硫平）和混合輔料的近紅外光譜，見圖1。從圖中可見，富馬酸喹硫平近紅外光譜在8 766.8 cm-1有一個(gè)較寬的峰，在5 970.5 cm-1、4 620.6 cm-1為兩個(gè)尖銳的特征峰，低波數(shù)端有較多的特征峰，但與混合輔料的近紅外特征峰重疊?；旌陷o料的近紅外在4 000～6 000 cm-1有較多尖銳的特征峰，尤其是5 168.3 cm-1的特征峰非常尖銳，且此波數(shù)處原料近紅外光譜變化較為平緩，沒有明顯的特征峰；同時(shí)，混合輔料近紅外在6 000～7 000 cm-1是一個(gè)吸收明顯的寬峰，與原料差異較大。

3.3 混合樣品近紅外光譜

5個(gè)濃度批次中第一個(gè)混合樣品的近紅外光譜，見圖2。從批次1～5，混合樣品中富馬酸喹硫平含量越來越大，可以看出，5條光譜呈現(xiàn)明顯的變化趨勢(shì)?；旌蠘悠饭庾V在8 766.8 cm-1、5 970.5 cm-1、4 620.6 cm-1與含量有明顯的正相關(guān)關(guān)系，而在5 168.3 cm-1、6 000～7 000 cm-1則表現(xiàn)出明顯的負(fù)相關(guān)關(guān)系。

3.4 建模參數(shù)選擇

3.4.1 建模波段選擇 根據(jù)圖1和圖2，選擇原料藥近紅外特征峰（8 766.8cm-1）所在波數(shù)范圍（8 500～9 000 cm-1）作為第一個(gè)建模波數(shù)范圍，而原料藥其他2個(gè)特征峰（5 970.5 cm-1，4 620.6 cm-1）由于所在波長(zhǎng)段附近樣品變化不明顯，不宜選擇這2個(gè)特征峰作為建模范圍。選擇輔料特征峰（6 000～7 000 cm-1，5 000～5 500 cm-1）作為另外兩個(gè)建模光譜區(qū)域，因?yàn)樵谶@兩個(gè)波長(zhǎng)范圍內(nèi)輔料與原料藥的近紅外光譜圖差異較大，同時(shí)在樣品中變化較明顯。最終選擇了8 500～9 000 cm-1、6 000～7 000 cm-1、5 000～5 500 cm-1三個(gè)波數(shù)范圍作為建模波段。

3.4.2 主成分因子數(shù)選擇混合樣品近紅外光譜和含量模型中校正誤差均方根（root mean square error of cross-validation，RMSECV/RMSEC）隨主成分因子數(shù)變化如圖3所示。從圖可以看出，當(dāng)主成分因子數(shù)選擇7時(shí)，模型具有最小的RMSECV，故選擇主成分因子數(shù)7進(jìn)行模型建立，見圖3。

3.5 校正模型建立

對(duì)50個(gè)校正樣品的近紅外光譜進(jìn)行標(biāo)準(zhǔn)正態(tài)變化（standard normal variate）、7點(diǎn)S-G平滑（Savitzky-Golay smoothing，S-G平滑）、均值中心化（mean centering）和定標(biāo)（variance scaling）4種預(yù)處理。用預(yù)處理后的混合樣品近紅外光譜的spectrum光譜形式和HPLC測(cè)試得到的含量參考值，用偏最小二乘法（partial least squares method，PLS）PLS建立含量校正模型。模型的校正集相關(guān)系數(shù)（Corr.Coeff）為0.998 4，校正誤差均方根（RMSEC）為0.052，見圖4。

3.6 預(yù)測(cè)結(jié)果

對(duì)驗(yàn)證集富馬酸喹硫平混合樣品近紅外光譜用同樣的預(yù)處理方法預(yù)處理后，在校正模型中進(jìn)行含量預(yù)測(cè)，預(yù)測(cè)結(jié)果與HPLC法所得結(jié)果匯總情況見表1。其NIR預(yù)測(cè)結(jié)果與HPLC法測(cè)定結(jié)果的最大相對(duì)偏差為0.11%，最小為0，預(yù)測(cè)誤差均方根（RMSEP）為0.043，相關(guān)系數(shù)0.999 5，其結(jié)果表明，預(yù)測(cè)均方根偏差比較低，預(yù)測(cè)結(jié)果與HPLC所得結(jié)果的對(duì)應(yīng)關(guān)系見圖5。從圖可以看出，10個(gè)用于預(yù)測(cè)的數(shù)據(jù)基本都在模型線性趨勢(shì)線上，說明此含量預(yù)測(cè)模型能較好地利用混合樣品的近紅外光譜預(yù)測(cè)其富馬酸喹硫平的含量。

3 討論

本文用積分球漫反射附件測(cè)定原輔料和混合樣品的近紅外漫反射光譜，近紅外光譜通過標(biāo)準(zhǔn)正態(tài)變化、7點(diǎn)S-G平滑、均值中心化和定標(biāo)（variance scaling） 4種預(yù)處理，選擇波數(shù)范圍為8 500～9 000 cm-1、6 000～7 000 cm-1、5 000～5 500 cm-1三個(gè)波數(shù)段，主成分因子數(shù)選擇7，以光譜spectrum數(shù)據(jù)形式，用偏最小二乘法進(jìn)行回歸建模。校正誤差均方根（RMSEC）為0.052，相關(guān)系數(shù)（Corr.Coeff）為0.998 4，預(yù)測(cè)誤差均方根（RMSEP）為0.043，其NIR預(yù)測(cè)結(jié)果與HPLC法測(cè)定結(jié)果的最大相對(duì)偏差為0.11%，最小為0，且方法具有較好的精密度和重復(fù)性。

近紅外光譜結(jié)合多元統(tǒng)計(jì)學(xué)方法建立樣品近紅外光譜-含量模型，此方法能快速、無損的對(duì)混合樣品中富馬酸喹硫平含量進(jìn)行檢測(cè)，此方法較富馬酸喹硫平緩釋片中間體常用的含量檢測(cè)法（HPLC法）比，更加快捷、高效，若進(jìn)行一步擴(kuò)大建模樣品量，有望將其應(yīng)用于實(shí)際生產(chǎn)的含量中間控制，實(shí)現(xiàn)實(shí)時(shí)在線監(jiān)測(cè)，大大提高生產(chǎn)效率。

參考文獻(xiàn)

[1] Irina M，Kairi M，F(xiàn)ahua S，et al.Double-blind，randomizedstudy of extended release quetiapine fumarate（quetiapine XR）monotherapy in older patients with generalized anxiety disorder[J].Int J Geriatr Psych，2011，31（4）：418-428.

[2]嚴(yán)衍祿，趙龍蓮，韓東海，等.近紅外光譜分析基礎(chǔ)與應(yīng)用[M].北京：中國(guó)輕工業(yè)出版社，2005：1-5.

[3] Buchold G M，Coarfa C，Kim J，et al.The united states pharmacopeial convention. USP[M].Baltimore，DM：United Book Press，2013：714.

[4] Only E.OrganizationEuropean directorate for the quality of medicines&healthcare.; European pharmacopveia[M].7thed.No Druckerei C.H.Beck，2011：6.

[5] Miller F P，Vandome A，Mcbrewster J，et al.British pharmacopoeia commission office.British Pharmacopoeia，1932[J].The Stationery office，1977，151（1231）：1278-1279.

[6] Kyokai N K.Society of Japanese Pharmacopoeia.Japanese Pharmacopoeia[M]. 15thed.Tokyo：YakujiNippo，LTD，2006：2284-2287.

[7]國(guó)家藥典委員會(huì).中華人民共和國(guó)藥典（二部）[M].北京：化學(xué)工業(yè)出版社，2005：185.

[8]國(guó)家藥典委員會(huì).中華人民共和國(guó)藥典（二部）[M].北京：中國(guó)醫(yī)藥科技出版社，2010：208.

[9]國(guó)家藥典委員會(huì).中華人民共和國(guó)藥典（四部）[M].北京：中國(guó)醫(yī)藥科技出版社，2015：1904.

[10] Fan Q，Wang Y，Sun P.et al.Discrimination of Ephedra plants with diffuse reflectance FT-NIRS and multivariate analysis [J].Talanta，2010，80（3）：1245-1250.

[11]楊純，劉元坤，汪琚來，等.β-內(nèi)酰胺類抗生素的近紅外反射光譜分析法鑒別[J].中國(guó)工業(yè)醫(yī)藥雜志，2004，35（7）：419-420.

[12]張中湖，張敬賢，朱斌，等注射用青霉素鈉品質(zhì)參數(shù)的近紅外漫反射光譜法測(cè)定[J].中國(guó)工業(yè)醫(yī)藥雜志，2003，34（7）：345-347.

[13] Sorensen L K.Application of reflectance near infrared spectroscopy for bread analyses[J].Food Chem，2009，113（4）：1318-1322.

（收稿日期：2018-05-08）