校正集选择方法对于积雪草总苷中积雪草苷NIR定量模型的影响

近红外光谱定量分析中,采用合适的校正集选择方法是建立预测性能良好的近红外定量模型的关键技术之一。校正集选择方法有RS法、CS法、KS法和SPXY法等,但是对以上校正集选择方法缺乏系统地比较。本文以积雪草总苷中积雪草苷NIR定量模型为载体,对NIR定量模型的7个评价指标进行分类和筛选,比较了CS法、KS法和SPXY法三种校正集选择方法对NIR定量模型的准确性和稳健性两类评价指标的影响。结果表明,SPXY法与CS法、KS法选择校正集样本后所建近红外模型的RPD和RSEP两个准确性评价指标存在显著性差异,模型的稳健性评价指标RMSECV和|RMSEP-RMSEC|不存在显著性差异。因此,建立积雪草总苷近红外光谱的积雪草苷偏最小二乘定量模型时,SPXY校正集选择方法能显著提高该定量模型的预测准确度,但对模型稳健性的评价指标没有显著影响,以上结论为中药固体体系建立近红外定量模型确定校正集选择方法提供参考。     

基于正交信号回归法对中试在线近红外定量模型的模型传递研究

模型传递使在特定条件下建立的模型能够应用于新的样品状态、环境条件或仪器状态。本研究在中药金银花中试在线水提过程中,以水提液中的绿原酸含量为研究对象,建立绿原酸含量的近红外定量模型。针对由金银花来源不同带来的模型失效问题,从光谱背景校正的角度出发,提出以KS算法挑选待传递样本中的代表性样本,结合正交信号回归(OSR)光谱背景校正方法,对不同来源样本的近红外光谱进行光谱背景校正,并深入探讨OSR方法实现近红外定量模型在不同来源中试样本间传递的应用原理。经模型传递后,模型对新批次样本预测的RSEP由14.91%下降到7.11%,RPD由2.95上升到5.36,预测准确度明显提高。实验证明,选择代表性样本的KS算法结合OSR光谱背景校正的模型传递方法不仅能减小不同来源原料药之间的偶然误差,同时消除了中试制剂过程和算法本身的系统误差,因此能够有效地改善因样本来源差异而造成的模型失效现象。该研究充分阐释了OSR模型传递方法的应用原理,以光谱背景校正与挑选代表性样本回归的方法实现了近红外定量模型在不同来源原料药中试样本之间的模型传递,增强了模型应对原料药批次间变动的能力,提高了模型的稳健性,为多来源原料药中试在线制剂过程中有效成分含量的快速实时监测提供了有效方法。     

基于2D-COS红外光谱的附子炮制过程时序段解析研究

采用傅里叶变换红外光谱技术,获得蒸制过程中附子红外光谱及二维相关谱(Tow-dimensional correlation, 2D-COS),研究附子炮制过程特征。分别比较原始红外光谱、二阶导数谱及二维相关谱,结果表明红外原始光谱图十分相似,结合二阶导数光谱分析1 634.87 cm-1为羰基峰;1 603.18,1 571.58,1 485.09和1 413.08 cm-1为苯环的骨架振动峰,851.41和759.24 cm-1 为苯环C-H键的振动峰;1 153.73,1 081.84和1 021.35 cm-1为生物碱中酯键和醇羟基的特征峰。二维相关谱结果揭示附子在炮制过程中发生的2个过程时序段,分别为2～3和8～9 h。研究数据有助于临床根据适应证选择适宜的煎煮时间,避免煎煮不足导致中毒或煎煮太过影响疗效。