基于过程分析技术和设计空间的金银花醇沉加醇过程终点检测

建立了一种新的基于过程分析技术(PAT)和质量源于设计(QbD)设计空间的中药制药过程终点分析与控制方法.以近红外(NIR)光谱技术为PAT工具, 采集正常操作条件下制药过程的多批次NIR光谱; 采用主成分分析结合移动块相对标准偏差(PCA-MBRSD)法, 确定每一批次过程的理想终点样本(DEPs), 由多批DEPs的光谱信息构成过程终点设计空间; 在过程终点设计空间确定的范围内, 建立多变量统计过程控制(MSPC)模型, 利用多变量Hotelling T²和SPE控制图对过程终点进行判断.应用上述方法, 进行了金银花醇沉加醇过程终点检测研究, 结果表明该方法灵敏、准确, 适宜于中药制药过程终点检测.     

样品表面近红外光谱结合多类支持向量机快速鉴别枸杞子产地

采用便携式近红外光谱仪采集枸杞子表面不同部位的近红外漫反射光谱,结合多类支持向量机算法对枸杞子产地进行快速无损辨识。以识别率为评价指标进行光谱预处理方法的选择,为了消除样本划分偏性对结果的影响,本研究通过重复划分样本集多次建模与预测,利用识别率的统计结果考察各个光谱采集部位的建模结果。实验结果表明,原始数据经二阶导数加SG平滑处理后,所建模型具有良好的产地预测性能。除了枸杞子顶端部位外,其他部位模型的稳定性及准确性均较好,其外部验证识别率的中位数与平均值均大于97%。这表明利用枸杞子样品表面近红外光谱可实现产地的准确鉴别,便携式近红外光谱技术可作为中药材流通环节中的有效监控手段。     

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。     

甘草中甘草苷和甘草酸红外定量模型特征变量的筛选与解析

借助变量筛选方法可以从复杂的光谱背景下选择部分变量构建定量预测模型,在一定程度上提高建模变量的解释性。然而模型解释性的提高并不意味着建模变量有确切的理化意义。本研究以甘草中红外定量预测模型为载体,解析移动窗口偏最小二乘(mwPLS)、组合间隔偏最小二乘(siPLS)和竞争自适应抽样方法(CARS)三种变量筛选方法所得变量与目标成分化学特征的相关性,比较不同变量筛选方法下所筛变量解释性的差异。结果表明,mwPLS优先筛出黄酮和皂苷两类成分红外光谱上区别明显的苯环骨架振动和皂苷母核上甲基取代基弯曲振动所对应的波段,siPLS筛出了黄酮类成分的(φ)C—O,(φ)CC, (φ)C—H伸缩振动的特征区间组合和皂苷类成分的C—O,C—H,O—H伸缩振动的特征区间组合。相对于以上两种变量筛选方法,CARS筛选得到的变量能够更好地归属于甘草苷和甘草酸在中红外1 000～4 000 cm-1特征区的特征峰,而且基于CARS筛选的变量建模,模型的预测性能得到了提高。因此,CARS筛选的变量能实现目标成分红外特征区大部分化学特征的解析,有利于增强模型的解释性。