中药粉体物理指纹图谱研究进展

中药(TCM)粉体是中药口服固体制剂的重要中间体或产品,粉体的物理性质不仅影响制剂成型,而且直接或间接影响产品质量.中药粉体种类众多、尺度各异,采用物理指纹图谱可从物理状态层面整体评价中药粉体质量,并可将其作为对中药粉体含量测定或HPLC指纹图谱评价的补充,这为中药粉体全面质量控制提供了新的工具和思路.该文系统梳理了中...     

基于遗传算法的多目标最小二乘支持向量机在近红外多组分定量分析中的应用

近红外(NIR)定量分析通常涉及多个组分,采用遗传算法和自适应建模策略,建立了能够对多组分同时定量的多目标最小二乘支持向量机(LS-SVM),并将其应用于玉米中四个组分和连翘中两个活性成分的NIR分析。结果表明多目标遗传算法配合自适应建模策略可保证优化收敛于全局最优解。所建玉米多目标LS-SVM模型明显优于PLS1和PLS2模型;连翘多目标LS-SVM模型与PLS模型均可取得较好的校正和预测效果。两组数据中,径向基神经网络(RBFNN)模型均出现过拟合现象。多目标LS-SVM和单目标LS-SVM性能相近,但多目标LS-SVM建模运行一次即可得到结果,在NIR多组分定量分析中具有潜在应用优势。     

中药口服固体制剂原辅料近红外光谱数据库的构建及应用

建立了中药口服固体制剂原辅料近红外(NIR)光谱数据库,采用模式识别方法研究了NIR光谱数据在物料分类和物性预测中的应用。使用便携式近红外光谱仪快速测量149批原辅料粉末的NIR漫反射光谱数据,并录入iTCM数据库。利用主成分分析(PCA)法探究NIR光谱数据对已知结构物料的分类能力,采用偏最小二乘(PLS)法研究了NIR光谱对原辅料物性参数和直接压片片剂性能的预测能力。经标准正态变量变换(SNV)+Savitzky-Golay(SG)平滑+一阶导数处理后的NIR光谱数据对微晶纤维素、乳糖、乙基纤维素、交联聚维酮和羟丙基甲基纤维素这5类辅料的区分能力较好。NIR光谱数据与原辅料粉末粒径、密度和吸湿性的相关性较强。NIR光谱信息作为物料物理性质的补充,可提高粉末直接压片片剂性能预测模型的性能。NIR光谱数据是iTCM数据库物性参数数据的补充,物性参数与NIR光谱数据的结合能更全面地表征原辅料的性质。     

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。     

近红外光谱法结合支持向量机测定天然牛黄粉中人工牛黄的掺入量

提出了应用近红外漫反射光谱技术结合支持向量机测定天然牛黄粉中人工牛黄的含量的方法。以傅里叶变换近红外光谱仪(4 000 ～10 000 cm-1)为试验仪器,以含有不等量人工牛黄的天然牛黄粉(天然牛黄的质量分数范围为 0%～100%)作为校正样品,对光谱数据进行平滑、求导和小波压缩,结合支持向量机,建立了测定天然牛黄粉中人工牛黄含量的模型。试验结果为: 预测相对误差的平方和可达 0.001 35。研究表明：近红外漫反射光谱法结合支持向量机可以测定天然牛黄粉中人工牛黄的掺入量,结果可靠, 可用于天然牛黄粉的质量控制。     

基于相似系统理论的相似度计算方法的改进

针对常用的相似度方法对色谱指纹图谱数据的相对差异响应不灵敏,本文对基于相似系统理论的改良程度相似度的计算方法进行了改进。模拟数据和乳块消片色谱指纹图谱数据计算结果表明,改进后的新改良程度相似度q′可区分与参照样本的总差异相同,但差异分布不同的样本。在共有峰峰面积差异不超过100%的情况下,新改良程度相似度q′计算方法能够更灵敏地反映两样本的峰面积的相对差异。本研究的新改良程度相似度q′能突出组分群中某些组分对既定配比的较大偏离,适用于中药成分群配比波动的控制和中药过程质量控制。     

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。     

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。