專利名稱：快速檢測滴丸劑外觀質(zhì)量的近紅外漫反射光譜法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種新型的滴丸劑外觀質(zhì)量快速檢測方法，具體涉及采用近紅外(NIR)漫反射光譜法檢測滴丸外觀次品率，屬于醫(yī)藥檢測領(lǐng)域。
背景知識近紅外(Near Infrared，NIR)光指可見光(VIS)譜區(qū)到中紅外光(MIR)譜區(qū)之間的電磁波，ASTM將近紅外譜區(qū)的范圍定義為780～2526nm(12820～3959cm-1)，其光譜信息來源于分子內(nèi)部振動的倍頻與合頻，并且主要反映分子中C-H，N-H，O-H基團(tuán)的倍頻和合頻振動吸收。漫反射光是光源出來的光進(jìn)入樣品內(nèi)部經(jīng)過多次反射、折射、衍射及吸收后返回樣品表面的光，負(fù)載了樣品的結(jié)構(gòu)和組成信息。
滴丸的顆粒大小、圓整度和表面粗糙度等是滴丸劑外觀質(zhì)量的主要考核指標(biāo)，這些指標(biāo)均會影響滴丸崩解速度，進(jìn)而影響藥物療效，因此對滴丸劑的外觀質(zhì)量實施嚴(yán)格的控制是十分必要的。當(dāng)前對滴丸劑的外觀質(zhì)量控制主要采用人工篩選方法，缺乏快速有效的檢測手段，難以實現(xiàn)在線監(jiān)控。本發(fā)明采用NIR漫反射光譜法，實現(xiàn)對滴丸劑外觀質(zhì)量的快速檢測。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種滴丸劑外觀質(zhì)量的快速檢測方法，主要包括下述步驟1.采集已知次品率的滴丸樣品的近紅外(NIR)漫反射光譜；2.對原始光譜進(jìn)行預(yù)處理，消除各種干擾因素引起的光譜偏差；3.建立滴丸NIR漫反射光譜與滴丸外觀次品率之間的校正模型；4.采集待測樣品的NIR漫反射光譜；5.應(yīng)用所建模型對待測樣品光譜進(jìn)行預(yù)處理，預(yù)測待測樣品的外觀次品率。
其中，通常應(yīng)用傅立葉變換近紅外光譜儀采集滴丸的近紅外漫反射光譜，其采樣裝置可使用積分球漫反射測樣器件或光纖探頭，信號采集及數(shù)據(jù)處理軟件可采用Results信號采集、TQ Analyst數(shù)據(jù)處理軟件或OPUS光譜軟件。
對原始光譜進(jìn)行預(yù)處理的方法包括但不限于一階或二階微分、Norris導(dǎo)數(shù)濾波、Savitzky-Golay平滑、多元散射校正、標(biāo)準(zhǔn)正則變換等。這些方法可以單獨使用，也可以多個同時使用，以達(dá)到最佳的預(yù)處理效果。
建立NIR光譜與滴丸外觀次品率之間的校正模型的方法包括但不限于偏最小二乘回歸法(PLSR)、主成分回歸法(PCR)、多元線性回歸法(MLR)等。優(yōu)選偏最小二乘回歸法。通過交叉驗證確立模型的主因子數(shù)，并評定校正模型的性能評價參數(shù)。
采集待測樣品的近紅外漫反射光譜的方法同建立模型時采集光譜的方法。運(yùn)用所建模型分析所采集到的待測樣品的近紅外漫反射光譜，可以快速得到待測樣品的次品率。
該方法適用于滴丸劑外觀質(zhì)量的快速檢測，被測樣品不需要進(jìn)行復(fù)雜的預(yù)處理，是一種方便、快速、無損的綠色分析技術(shù)。


圖1是經(jīng)過Norris導(dǎo)數(shù)濾波的二階復(fù)方丹參滴丸NIR光譜圖。
圖2A、B、C、D分別是實施例1中復(fù)方丹參滴丸樣本組1、2、3、4的預(yù)測殘差平方和與因子數(shù)關(guān)系圖。
圖3A、B、C、D分別是實施例1中復(fù)方丹參滴丸樣本組1、2、3、4的實際外觀次品率與NIR光譜預(yù)測結(jié)果關(guān)系圖。
圖4A、B、C、D分別是實施例2中柴胡滴丸樣本組1、2、3、4的實際外觀次品率與NIR光譜預(yù)測結(jié)果關(guān)系圖。
圖5A、B、C、D分別是實施例3中芪參益氣滴丸樣本組1、2、3、4的實際外觀次品率與NIR光譜預(yù)測結(jié)果關(guān)系圖。
具體實施例方式
本發(fā)明是通過以下技術(shù)方案實現(xiàn)的1.采集不同外觀次品率的滴丸樣品的NIR漫反射光譜。
儀器傅立葉變換近紅外光譜儀、積分球漫反射測樣器件或光纖探頭、信號采集及數(shù)據(jù)處理軟件。
掃描條件使用積分球漫反射測樣器件或光纖探頭進(jìn)行掃描。掃描樣品前，先掃描背景。
測試條件掃描次數(shù)1～128，分辨率4～16cm-1，光譜掃描范圍10000cm-1-4000cm-1，重復(fù)掃描多次，取平均光譜。
滴丸樣品外觀次品率從0～100％的不同樣品組。
2.對原始光譜進(jìn)行一階或二階微分、Norris導(dǎo)數(shù)濾波、Savitzky-Golay平滑、多元散射校正、標(biāo)準(zhǔn)正則變換等預(yù)處理。
這些方法可以單獨使用，也可以多個同時使用，以達(dá)到最佳的預(yù)處理效果。NIR光譜分析中產(chǎn)生的誤差主要來自高頻隨機(jī)噪音、基線飄移、信號本底、樣品不均勻、光散射等。為解決各種因素對光譜產(chǎn)生的干擾，充分從光譜中提取有效特征信息，必須對光譜進(jìn)行預(yù)處理。
3.運(yùn)用偏最小二乘回歸法(PLSR)、主成分回歸(PCR)或多元線性回歸(MLR)方法建立NIR光譜與滴丸外觀次品率之間的校正模型。
其中，PLSR將因子分析和回歸分析相結(jié)合，是近紅外光譜分析中使用較多效果較好的一種方法。
4.通過交叉驗證確立模型的主因子數(shù)。
小于最佳主因子數(shù)時，模型引入的信息量不夠，即出現(xiàn)模型“欠擬合”現(xiàn)象；大于最佳主因子數(shù)，模型“過擬合”，預(yù)測能力下降。通過不同主因子數(shù)時的交叉驗證誤差均方根(RMSECV)值作圖，即可獲得最佳主因子數(shù)。
5.校正模型性能評價參數(shù)校正模型的性能使用如下指標(biāo)來評定(1)相關(guān)系數(shù)R2R2=1-Σ(Ci-C^i)2Σ(Ci-Cm)2]]>該值表示預(yù)測值和實際值關(guān)系的線性程度。
(2)校正誤差均方根(RMSEC)、驗證誤差均方根(RMSEP)RMSEC=Σ(C^i-Ci)2n]]>RMSEP=Σ(C^i-Ci)2m]]>分別代表校正集和驗證集的計算值與實際值間的偏差。
(3)相對預(yù)測誤差(RSE)
RSE%=Σ(Ci^-Ci)2ΣCi2×100]]>RSEC％、RSEP％分別代表校正集和驗證集的計算值與實際值間的相對偏差。
(4)交叉驗證誤差均方根(RMSECV)RMSECV=Σ(Ci^-Ci)2n-p]]>上述各式中 Ci——傳統(tǒng)分析方法測量值； ——通過NIR測量及數(shù)學(xué)模型預(yù)測的結(jié)果；n——建立模型用的校正集樣本數(shù)；p——校正模型中采用的主因子數(shù)；m——用于檢驗?zāi)Ｐ偷尿炞C集樣本數(shù)。
若R2越接近1，則校正模型的預(yù)測值與標(biāo)準(zhǔn)對照方法分析值之間的相關(guān)性越強(qiáng)；RMSECV、RMSEP與RSE％值愈小，則模型的預(yù)測精度愈高。
6.采集待測樣品的NIR漫反射光譜。
方法同步驟1。
7.應(yīng)用所建模型對待測樣品光譜進(jìn)行預(yù)處理，并預(yù)測待測樣品的外觀次品率，從而實現(xiàn)對樣品外觀進(jìn)行快速檢測的目的。
實施例1將本發(fā)明的方法應(yīng)用于復(fù)方丹參滴丸外觀質(zhì)量的快速檢測。復(fù)方丹參滴丸是提取丹參、三七的有效成分再加入適量冰片而制成的純中藥滴丸劑，用于冠心病、心絞痛等心血管疾病的治療。
1.采集不同外觀次品率的復(fù)方丹參滴丸樣品的NIR漫反射光譜。
本次復(fù)方丹參滴丸樣品中的外觀次品包括大粒徑次品和表面粗糙次品。建模樣本的樣本組1含大粒徑次品，共有18個樣本，次品率從0％到100％；樣本組2含表面粗糙次品，共有21個樣本，次品率從0％到100％；校正樣本的樣本組3所含次品與樣本組1相對應(yīng)，但次品率從0％到10％，共有11個樣本；樣本組4中所含次品與樣本組2相對應(yīng)，次品率及樣本數(shù)與樣本組3相同。其中，樣本組1的次品情況見表1。
表1.樣本組1中樣本的次品率

儀器Antaris傅立葉變換近紅外光譜儀(由美國Thermo Nicolet公司生產(chǎn))，配有積分球漫反射測樣器件和Results信號采集及TQ Analyst數(shù)據(jù)處理軟件。
掃描條件使用積分球漫反射測樣器件，內(nèi)徑為29mm、帶石英窗的圓形旋轉(zhuǎn)樣品杯。掃描樣品之前，先掃描內(nèi)置背景，背景掃描次數(shù)與樣品相同。
測試條件掃描次數(shù)32，分辨率4cm-1，光譜掃描范圍10000-4000cm-1，重復(fù)實驗5次，取平均光譜。
2.光譜預(yù)處理為消除基線漂移現(xiàn)象，對原始光譜進(jìn)行微分處理，再經(jīng)過Norris導(dǎo)數(shù)濾波器平滑，二階微分光譜如附圖1所示。
3.運(yùn)用偏最小二乘法(PLS)建立NIR光譜與外觀次品率之間的回歸模型。
4.PLS主因子數(shù)的確立通過留一法交叉驗證實現(xiàn)，附圖2給出了預(yù)測殘差平方和(PredictionResidual Error Sum of Square，PRESS)與因子數(shù)的關(guān)系，可以看出復(fù)方丹參滴丸各樣本組的主因子數(shù)分別在4、6、1、4時達(dá)到最佳。
5.校正模型性能評價校正模型的性能使用如下指標(biāo)來評定復(fù)相關(guān)系數(shù)R2；校正誤差均方根(RMSEC)，驗證誤差均方根(RMSEP)；相對預(yù)測誤差校正集(RSEC％)，驗證集(RSEP％)；交叉驗證誤差均方根(RMSECV)。
采用留一法進(jìn)行交叉驗證，根據(jù)各樣本組數(shù)據(jù)建立的校正模型各項性能指標(biāo)如表2所示。
表2.復(fù)方丹參滴丸校正模型的各項性能指標(biāo)

通過4組樣本得到4個校正模型，其中第1、3組是檢測滴丸大小的，第2、4組是檢測滴丸粗糙程度的，但第1組與第3組之間，第2組與第4組之間的次品率范圍不同。使用樣本組1和2建立的模型分別測定滴丸大小和粗糙程度的次品率，樣本組3和4建立的模型是為了考察低樣本量下此方法的效果。
6.復(fù)方丹參滴丸各樣本組實際外觀次品率與NIR光譜預(yù)測結(jié)果關(guān)系見附圖3，圖中橫坐標(biāo)為外觀次品率的真實值，縱坐標(biāo)為NIR光譜預(yù)測值，可以看出，所建立的校正模型線性關(guān)系顯著，模型校正誤差和預(yù)測誤差均較小，此模型預(yù)測精度較高。
實施例2將本發(fā)明的方法應(yīng)用于柴胡滴丸外觀質(zhì)量的快速檢測。柴胡滴丸是從柴胡提取的有效成分加入適當(dāng)輔料制成的一種呈高度分散狀態(tài)的固體分散物，具有清熱解毒、抗菌消炎等作用。
1.采集不同外觀次品率的柴胡滴丸樣品的NIR漫反射光譜。
本次柴胡滴丸樣品中的外觀次品包括大粒徑次品和表面粗糙次品。樣本組1、3含大粒徑次品，樣本組2、4含表面粗糙次品，次品率及樣本數(shù)與復(fù)方丹參滴丸相同。
儀器Antaris傅立葉變換近紅外光譜儀(由美國Thermo Nicolet公司生產(chǎn))，配有積分球漫反射測樣器件和Results信號采集及TQ Analyst數(shù)據(jù)處理軟件。
掃描條件使用積分球漫反射測樣器件，內(nèi)徑為29mm、帶石英窗的圓形旋轉(zhuǎn)樣品杯。掃描樣品之前，先掃描內(nèi)置背景，背景掃描次數(shù)與樣品相同。
測試條件掃描次數(shù)32，分辨率4cm-1，光譜掃描范圍10000-4000cm-1，重復(fù)實驗5次，取平均光譜。
2.光譜預(yù)處理為消除基線漂移現(xiàn)象，對原始光譜進(jìn)行微分處理，再經(jīng)過Norris導(dǎo)數(shù)濾波器平滑。
3.運(yùn)用偏最小二乘法(PLS)建立NIR光譜與外觀次品率之間的回歸模型。
4.PLS主因子數(shù)的確立通過留一法交叉驗證實現(xiàn)，柴胡滴丸各樣本組的主因子數(shù)分別是5、8、4、3。
5.校正模型性能評價校正模型的性能使用如下指標(biāo)來評定復(fù)相關(guān)系數(shù)R2；校正誤差均方根(RMSEC)，驗證誤差均方根(RMSEP)；相對預(yù)測誤差，校正集(RSEC％)，驗證集(RSEP％)；交叉驗證誤差均方根(RMSECV)。
采用留一法進(jìn)行交叉驗證，根據(jù)各樣本組數(shù)據(jù)建立的校正模型各項性能指標(biāo)如表3所示。
表3.柴胡滴丸校正模型的各項性能指標(biāo)

6.柴胡滴丸各樣本組實際外觀次品率與NIR光譜預(yù)測結(jié)果關(guān)系見附圖4，圖中橫坐標(biāo)為外觀次品率的真實值，縱坐標(biāo)為NIR光譜預(yù)測值，可以看出，所建立的校正模型線性關(guān)系顯著，模型校正誤差和預(yù)測誤差均較小，此模型預(yù)測精度較高。
實施例3將本發(fā)明的方法應(yīng)用于芪參益氣滴丸外觀質(zhì)量的快速檢測。芪參益氣滴丸是提取黃芪、丹參、三七、降香中的有效成分制成的滴丸制劑，能夠顯著改善心肌損傷、心功能減退的各種癥狀。
1.采集不同外觀次品率的芪參益氣滴丸樣品的NIR漫反射光譜。
本次芪參益氣滴丸樣品中的外觀次品包括大粒徑次品和表面粗糙次品。樣本組1、3含大粒徑次品，樣本組2、4含表面粗糙次品，次品率及樣本數(shù)與復(fù)方丹參滴丸相同。
儀器Antaris傅立葉變換近紅外光譜儀(由美國Thermo Nicolet公司生產(chǎn))，配有積分球漫反射測樣器件和Results信號采集及TQ Analyst數(shù)據(jù)處理軟件。
掃描條件使用積分球漫反射測樣器件，內(nèi)徑為29mm、帶石英窗的圓形旋轉(zhuǎn)樣品杯。掃描樣品之前，先掃描內(nèi)置背景，背景掃描次數(shù)與樣品相同。
測試條件掃描次數(shù)32，分辨率4cm-1，光譜掃描范圍10000-4000cm-1，重復(fù)實驗5次，取平均光譜。
2.光譜預(yù)處理為消除基線漂移現(xiàn)象，對原始光譜進(jìn)行微分處理，再經(jīng)過Norris導(dǎo)數(shù)濾波器平滑。
3.運(yùn)用偏最小二乘法(PLS)建立NIR光譜與外觀次品率之間的回歸模型。
4.PLS主因子數(shù)的確立通過留一法交叉驗證實現(xiàn)，芪參益氣滴丸各樣本組的主因子數(shù)分別是6、6、5、4。
5.校正模型性能評價校正模型的性能使用如下指標(biāo)來評定復(fù)相關(guān)系數(shù)R2；校正誤差均方根(RMSEC)，驗證誤差均方根(RMSEP)；相對預(yù)測誤差，校正集(RSEC％)，驗證集(RSEP％)；交叉驗證誤差均方根(RMSECV)。
采用留一法進(jìn)行交叉驗證，根據(jù)各樣本組數(shù)據(jù)建立的校正模型各項性能指標(biāo)如表4所示。
表4.芪參益氣滴丸校正模型的各項性能指標(biāo)

6.芪參益氣滴丸各樣本組實際外觀次品率與NIR光譜預(yù)測結(jié)果關(guān)系見附圖5，圖中橫坐標(biāo)為外觀次品率的真實值，縱坐標(biāo)為NIR光譜預(yù)測值，可以看出，所建立的校正模型線性關(guān)系顯著，模型校正誤差和預(yù)測誤差均較小，此模型預(yù)測精度較高。
本發(fā)明提出了NIR光譜法快速檢測滴丸劑外觀質(zhì)量的方法，應(yīng)用實例結(jié)果表明，通過建立PLS多元校正模型，NIR漫反射光譜法可直接檢測滴丸外觀次品率，實現(xiàn)對滴丸劑外觀質(zhì)量的快速檢測。該方法適用于滴丸劑外觀質(zhì)量的快速檢測。
權(quán)利要求
1.一種滴丸劑外觀質(zhì)量快速檢測方法，包括下列步驟(1)采集已知次品率的滴丸樣品的近紅外漫反射光譜；(2)對原始光譜進(jìn)行預(yù)處理，消除各種干擾因素引起的光譜偏差；(3)建立滴丸近紅外漫反射光譜與其外觀次品率之間的校正模型；(4)采集待測樣品的近紅外漫反射光譜；(5)應(yīng)用所建模型對待測樣品光譜進(jìn)行預(yù)處理，預(yù)測待測樣品的外觀次品率。
2.如權(quán)利要求1所述的方法，其特征在于應(yīng)用傅立葉變換近紅外光譜儀采集滴丸的近紅外漫反射光譜，其采樣裝置為積分球漫反射測樣器件或光纖探頭。
3.如權(quán)利要求2所述的方法，其特征在于采集滴丸的近紅外漫反射光譜時掃描次數(shù)為1～128，分辨率為4～16cm-1，光譜掃描范圍為10000-4000cm-1，重復(fù)掃描多次，取平均光譜。
4.如權(quán)利要求1所述的方法，其特征在于對光譜進(jìn)行預(yù)處理的方法選自下列方法中的一種或幾種一階或二階微分、Norris導(dǎo)數(shù)濾波、Savitzky-Golay平滑、多元散射校正、標(biāo)準(zhǔn)正則變換。
5.如權(quán)利要求1所述的方法，其特征在于建立滴丸近紅外漫反射光譜與其外觀次品率之間的校正模型的方法選自偏最小二乘回歸法、主成分回歸法或多元線性回歸法。
6.如權(quán)利要求1所述的方法，其特征在于在建立校正模型時通過交叉驗證確立校正模型的主因子數(shù)。
全文摘要
本發(fā)明提供了一種新型的滴丸劑外觀質(zhì)量快速檢測方法。首先，使用傅立葉變換近紅外光譜儀采集已知外觀次品率的滴丸樣品的近紅外(NIR)漫反射光譜，光譜掃描范圍10000－4000cm
文檔編號G01N21/47GK1982873SQ20051013063
公開日2007年6月20日 申請日期2005年12月16日 優(yōu)先權(quán)日2005年12月16日
發(fā)明者瞿海濱, 劉雪松, 程翼宇, 李文, 劉金平, 章順楠, 劉占強(qiáng), 董海鷗, 陳永, 楊海雷, 張繼仲, 曾凱 申請人:天津天士力制藥股份有限公司