厚朴酚近红外光谱的2D-COS解析及其在藿香正气口服液模型中应用

以氘代氯仿为溶剂,以中药化学标准品厚朴酚为载体,采用二维相关光谱(Tow-dimensional correlation spectroscopy, 2D-COS)技术,采集近红外光谱(near infrared spectroscopy, NIR),由氘代氯仿纯溶剂与厚朴酚原始光谱的二维相关同步谱可知,厚朴酚在1 365～1 455, 1 600～1 720, 2 000～2 181和2 275～2 465 nm处有特征吸收,其中1 440 nm为酚基O—H伸缩振动基频的一级倍频谱带,1 679 nm为芳基C—H及与芳基相连的甲基C—H伸缩振动一级倍频谱带,2 117, 2 304, 2 339和2 370 nm为芳基C—H伸缩振动、弯曲振动和变形振动的组合频,2 445 nm为芳基相连的甲基C—H弯曲振动基频二级倍频谱带,这些波段为厚朴酚的特征归属。以藿香正气口服液复杂体系为载体,以厚朴酚光谱解析的特征波段与间隔偏最小二乘(interval partial least squares, iPLS)和组合间隔偏最小二乘(synergy interval partial least squares, SiPLS)筛选的特征波段分别建立偏最小二乘(partial least squares, PLS)定量模型,模型的决定系数R2_cal 和R2_pre均大于0.99,校正均方根误差(root mean of square error of calibration, RMSEC),交叉验证均方根误差(root mean of square error of cross validation, RMSECV)和预测均方根误差(root mean of square error of prediction, RMSEP)均较小。结果表明,2D-COS技术解析厚朴酚所得波段建立的定量模型与iPLS和SiPLS波段筛选的模型均相对稳定,这使定量模型的波段选择更具有解释性。该研究为中药化学成分NIR光谱解析特征波段的归属提供方法参考,同时为NIR建模波段筛选提供借鉴和指导。     

丹参酮ⅡA和隐丹参酮近红外光谱的2D-COS解析及其在丹参酮提取物近红外模型中应用

采用二维相关光谱（2D-COS）技术,以氘代氯仿为溶剂,解析了丹参酮ⅡA和隐丹参酮标准品的近红外光谱（NIR）。丹参酮ⅡA和隐丹参酮二维相关切片谱在1 600~1 800,1 900~2 230和2 300~2 400 nm处有特征吸收,其中丹参酮ⅡA在1 640和2 140 nm处有不同于隐丹参酮的呋喃环双键一级倍频和组合频吸收,1 696 nm为丹参酮ⅡA和隐丹参酮分子中甲基伸缩振动二级倍频,1 726和1 740 nm处吸收为丹参酮ⅡA和隐丹参酮环己烯亚甲基伸缩振动二级倍频,2 146和2 220 nm为丹参酮ⅡA和隐丹参酮苯环C—C伸缩振动与C—H伸缩振动的组合频,2 300～2 400 nm处一系列峰为丹参酮ⅡA和隐丹参酮甲基伸缩振动与弯曲振动组合频吸收。以丹参酮提取物为载体,以丹参酮ⅡA和隐丹参酮光谱解析特征波段及组合间隔偏最小二乘（SiPLS）筛选特征波段分别建立偏最小二乘（PLS）定量模型,模型的决定系数R2均大于0.9,校正均方根误差（root mean of square error of calibration, RMSEC）和交叉验证均方根误差（RMSECV）,预测均方根误差（RMSEP）均较小。结果表明,2D-COS技术解析特征波段与SiPLS波段筛选所建PLS模型均稳定。2D-COS技术使近红外定量模型更具解释性,可解析出结构差异特征吸收,同一波段可实现结构类似物的同时定量测定。     

基于四种NIR仪器类型的清开灵注射液中黄芩苷成分的多变量检测限研究

选取a,b,c和d四种类型近红外光谱仪,分别采用透射模式测定清开灵注射液近红外光谱,以高效液相色谱法测定值作为参考值,建立不同仪器类型清开灵注射液中黄芩苷偏最小二乘(PLS)和间隔偏最小二乘(iPLS)定量模型,并计算模型的多变量检测限(MDL)。四种仪器的PLS模型决定系数(R2)和预测均方差(SEP)分别为0.976 2和230.4 μg·mL-1(a),0.956 1和246.4 μg·mL-1(b),0.966 2和264.4 μg·mL-1(c),0.998 5和71.5 μg·mL-1(d),其中d型仪器较其他三种类型能获得更好的模型性能。经iPLS变量筛选后,a和b两种类型仪器得到的iPLS模型R2_pre和SEP分别为0.977 1和218.4 μg·mL-1,0.975 4和219.4 μg·mL-1,相较其PLS模型预测性能未见明显提高;c和d未筛选出变量。不同仪器的MDL(Δ_{0.05, 0.05})均低于250 μg·mL-1,其中c和d型MDL分别低至58和2.9 μg·mL-1。表明不同类型仪器定量预测性能和MDL不同。创新性采用多变量检测限理论探讨了不同类型近红外仪器的检测性能,这一方法具有可行性。在实际应用中应根据研究载体的特征选择合适的仪器类型,以确保定量准确性。     

Bagging偏最小二乘和Boosting偏最小二乘算法的金银花醇沉过程近红外光谱定量模型预测能力研究

建立金银花醇沉过程中稳健的近红外光谱( Near infrared spectroscopy,NIR)定量模型,为金银花醇沉过程的快速评价提供方法。研究基于金银花醇沉过程绿原酸的 NIR 数据,通过建立 Bagging 偏最小二乘(Bagging-PLS)模型、Boosting偏最小二乘(Boosting-PLS)模型与偏最小二乘(Partial Least Squares,PLS)模型,实现对模型性能比较;在此基础上,采用组合间隔偏最小二乘法( Synergy interval partial least squares,siPLS)和竞争自适应抽样( Competitive adaptive reweighted sampling,CARS )法分别对光谱进行变量筛选,建立模型,实现了对模型预测性能的考察。实验结果表明, Bagging-PLS和Boosting-PLS(潜变量因子数设为10)的预测性能均优于 PLS 模型。在此基础上,两批样品采用 siPLS 筛选变量,第一个批次金银花筛选波段820~1029.5 nm和1030~1239.5 nm,第二个批次金银花醇沉筛选波段为820~959.5 nm和960~1099.5 nm;采用CARS方法变量筛选,两批样品分别选择5折交叉验证和10折交叉验证,取交叉验证均方根误差( RMSECV)值最小的子集作为最终变量筛选的结果。经过变量筛选的两批金银花醇沉过程中的绿原酸含量Bagging-PLS和Boosting-PLS模型的预测均方根误差(RMSEP)值降低了0.02~0.04 g/L,预测相关系数提高了4%~5%。综上,Baggning-PLS和Boosting-PLS算法可作为金银花醇沉过程NIR定量模型的快速预测方法。     

激光光散射与荧光光谱法研究大豆苷与牛血清白蛋白作用及聚集态

荧光光谱法和动态光散射法研究大豆苷与牛血清白蛋白在生理条件下的相互作用. 研究表明, 大豆苷与牛血清白蛋白能形成2∶l复合物, 荧光猝灭属于静态猝灭过程; 大豆苷与牛血清白蛋白分子间主要的结合作用力为疏水作用; 310 K下, 两者结合常数和结合位点数分别为7.4×l04 L•mol―1和1.75; 大豆苷使牛血清白蛋白的构象发生了变化; 动态光散射数据探讨了牛血清白蛋白与大豆苷分子产生聚集与之相互作用, 进一步证实了牛血清白蛋白在大豆苷水溶液中的构象变化. 实验结果为进一步研究大豆苷对心血管疾病的药理作用, 特别是对血浆蛋白构象的影响提供了重要依据.     

不确定度评估在中药近红外定量分析中的应用

采集六一散混合过程中样品近红外光谱,建立甘草酸含量近红外(NIR)偏最小二乘(PLS)定量模型。结果校正集相关系数r_cal=0.998 5,RMSEC=0.044 0 mg·g-1,预测集r_val=0.947 4,RMSEP=0.124 mg·g-1,表明近红外光谱法可作为六一散混合过程中甘草酸含量的快速测定方法。在定量模型建立的基础上,设计验证试验,采用由Liao等提出的基于蒙特卡罗仿真的方法,估计β-容度-γ-置信容许区间,并计算NIR定量分析不确定度,绘制不确定度轮廓。结果表明甘草酸含量高于1.56 mg·g-1时,测量不确定度在可接受范围(λ=±20%)内,表明所建不确定度评估方法可有效评价不同浓度水平下的甘草酸含量NIR定量模型的准确性和可靠性,可为其他中药NIR定量分析方法的不确定度评估提供借鉴。     

在线近红外光谱在我国中药研究和生产中应用现状与展望

中药生产过程具有多单元复杂性特点,制剂生产的各个环节均会影响中药产品的最终质量,在线近红外光谱技术具有快速、无损和不污染环境等优势,能够作为一种快速评价中药生产过程中关键质量属性的分析技术。以院校相关研究为切入点,系统阐述了在线近红外光谱技术在中药生产过程分析与控制方面的应用,并结合院校中药生产在线近红外光谱分析平台搭建为例,以此为依据阐明中药在线近红外光谱分析技术应用的可行性。进而,从企业应用角度出发,较为全面的综述了目前国内大多数应用在线近红外光谱技术的中药生产企业的研究成果及其中药产品。按照中药产品的两大剂型(液体制剂与固体制剂)进行分类,以液体制剂不同生产环节(提取、浓缩及醇沉等)为区分点,以固体制剂不同成品剂型(片剂、胶囊剂及膏剂等)为区分点,分别对近10年来中药生产过程中在线近红外应用进行系统综述,阐明中药生产全过程在线近红外技术应用的可靠性,为中药生产现代化提供有效的技术支撑。     

基于光谱成像技术的乳块消素片活性成分空间分布及均匀性研究

建立乳块消素片活性成分橙皮苷的空间分布和总体成分均匀性的质量控制方法,为片剂生物利用度与成分分布相关性研究提供基础.采用近/中红外漫反射光谱成像技术,运用基础相关系数分析方法.鉴别素片表面橙皮苷成分的分布区;通过直方图统计分析,探讨素片成分的分布均匀性.橙皮苷近红外光谱与素片表面光谱的最高相关系数为0.75;而中红外光...     

中药关键质量属性快速评价(Ⅱ):NIR光谱解析策略例证

近红外光谱(near infrared spectroscopy, NIR)作为目前中药关键质量属性快速评价热门技术,广泛应用于提取、浓缩、醇沉、纯化等中药生产过程质量控制领域。由于谱带严重重叠,谱峰较宽,吸收信号弱等特征,NIR需采用化学计量学建立模型。当前,光谱解析是NIR分析的研究热点,结合作者的研究成果,率先综述国内外NIR光谱解析的研究进展及主要方法。其中包括：物质吸收的光谱差异对特征信号提取的主成分分析法;光谱波段筛选,寻找物质特征吸收波段,解析物质结构与特征波段关系的偏最小二乘法;针对扰动(温度、浓度、压力等)引起的光谱变化,通过同步、异步光谱相关峰对光谱进行分析,解析引起光谱变化的特征基团的二维相关光谱法;用量子力学方法对物质结构的能量变化进行计算,解析分子能量变化与光谱变化关系的密度泛函理论法。最后,结合实例,考虑中药组分复杂性特点,从单一药效指标成分出发,采用氘代DMSO技术指认不同浓度的绿原酸NIR吸收特征,验证金银花提取过程中在线NIR模型绿原酸成分变量筛选的可靠性,阐明间隔偏最小二乘法筛选的特征波段与绿原酸光谱特征吸收的一致性,建立了一种中药NIR关键质量属性的光谱解析策略,为中药NIR关键质量属性快速准确评价提供支撑。     

基于二值化图像结合像元统计法的扑尔敏片剂近红外成像检测参数优化研究

研究药物领域中近红外成像检测参数对高光谱数据质量的影响,建立检测参数优化方法。以扑尔敏片剂为研究对象,采用近红外化学成像技术,考察光谱分辨率、空间分辨率、扫描次数和扫描高度等因素,采用L9 (34) 正交表设计,优化近红外成像检测参数;采用二值化图像法和像元统计法对高光谱数据进行定量分析,测定扑尔敏片剂表面马来酸氯苯那敏含量。以高效液相色谱法作为参考方法,精密测定片剂中马来酸氯苯那敏含量。两种方法测定的含量差值绝对值为考察指标,优化最佳检测条件。结果表明, 扑尔敏片剂的高光谱数据最佳检测条件：空间分辨率25 μm×25 μm,扫描高度-5340(Z值,精确聚焦),光谱分辨率16 cm-1,扫描次数16次。该研究首次优化近红外成像扫描高度参数对高光谱数据质量的影响,优化近红外成像扫描高度等检测参数可用于指导扑尔敏片及其他药物近红外成像数据采集和方法建立。