热毒宁注射液金银花提取过程轨迹研究

摘 要：目的：建立热毒宁注射液金银花提取过程轨迹,实现对提取过程的全程在线监控,为中药生产批次间质量控制提供参考。方法：收集多批次金银花提取过程的近红外光谱（NIRs）数据,并使用多元统计过程控制技术（MSPC）建立提取过程轨迹,实现对提取过程的全程监控。结果：建立的热毒宁注射液金银花提取过程的主成分得分,Hotelling T2和DModX轨迹图能够检测到过程的异常情况。结论：基于近红外光谱数据和MSPC技术建立的过程轨迹图可以反应中药生产的过程变化,可以用于对中药生产的全程监控。     

NIR技术对复方丹参提取过程的在线监控研究

目的 利用NIR技术研究并建立复方丹参有效成分的检测模型.实现生产规模复杂中药体系提取过程的在线质量监控.方法 在提取装置上在线采集提取液的近红外光谱,同时进行丹参素的HPLC检测,采用偏最小二乘法建立丹参素的质量浓度检测模型.结果 最佳建模波段为9715～7 082 cm-1,模型相关系数(R)为0.9594,校正均方差(RMSEC)为0.0494,预测值与真实值的平均相对误差为7.2%.结论 利用NIR技术能够实现生产规模复方丹参提取过程的在线质量监控.     

近红外光谱结合多变量统计过程控制(MSPC)技术在金银花提取过程在线实时监控中的应用研究

目的建立金银花提取过程多变量统计过程控制(MSPC)模型,对金银花提取过程进行在线监控。方法采用近红外光谱(NIRS)仪在线采集多批次金银花提取过程光谱数据,结合MSPC技术建立统计模型,采用主成分得分、Hotelling T2和DMod X控制图来监测投料及过程操作参数等异常波动。此外,利用过程光谱进行主成分分析(PCA),建立了金银花提取过程轨迹,反映了提取过程随时间变化的趋势。结果应用建立的MSPC模型可观测到金银花提取过程的质量变化,对正常批次的监控未出现误报,稳定性和重复性良好。3种控制图联合使用可及时准确地识别异常情况的发生。与传统的监控方法相比,该方法快速无损,且可实现在线实时监控。结论 NIRS结合MSPC技术可成功应用于金银花提取过程,对提升中药生产质量控制水平有重要的意义。     

近红外光谱技术在丹酚酸B纯化在线质控中的应用研究

目的 利用近红外光谱(NIR)技术研究并建立丹酚酸B的含量检测模型,实现产业化规模中药生产纯化过程的在线质量监控.方法 在线采集近红外光谱,同时进行丹酚酸B的HPLC检测,采用偏最小二乘法建立纯化过程的丹酚酸B含量检测模型.结果 模型的最佳建模波段为9 815～5 430 cm~(-1),相关系数r=0.977 6,校正均方差RMSEC=4.02.预测值与真实值的平均相对误差<5%.结论 利用NIR技术能够实现丹酚酸B纯化过程的在线质量监控.     

基于近红外光谱的丹红注射液提取过程质量在线检测方法研究

目的:应用近红外透射光谱法,建立丹红注射液提取过程中关键指标的快速定量分析方法.方法:在线采集丹参和红花2种药材混合提取过程的近红外光谱图,以高效液相色谱(HPLC)和差重法为参照,采用偏最小二乘回归(PLSR)法分别建立迷迭香酸、丹酚酸B、紫草酸、羟基红花黄色素A和固含量的定量校正模型.结果:校正模型的交叉验证相关系数(RCV)和交叉验证均方根偏差(RMSECV)分别为:迷迭香酸0.9093,0.012 1 g·L-1;丹酚酸B 0.915 2,0.251 g·L-1;紫草酸0.901 9,0.017 7 g·L-1;羟基红花黄色素A 0.747 7,0.038 1 g·L-1;固含量0.931 4,0.359.结论:利用近红外光谱技术可以实现丹红注射液原料药材提取过程中迷迭香酸、丹酚酸B、紫革酸和固含量的快速检测,羟基红花黄色素A的定量校正模型有待进一步完善.     

NIR在线检测、分析技术在丹参水提过程质量监控中的应用

 目的 研究丹参水提过程中在线检测的近红外光谱(NIR)信息与离线检测的产品HPLC信息间的关系,实现用NIR技术对中药提取过程的在线检测与质量控制。方法 模拟丹参水提过程的近红外在线检测并对提取物进行HPLC测试,获取提取液的NIR光谱信息与提取物中的代表性活性成分丹酚酸B,丹参酮ⅡA的含量信息,采用偏最小二乘方法建立NIR与HPLC信息间的关系。结果 近红外最佳建模波长范围为1:300～1 600 nm与2 200～2 400nm。对丹参酮ⅡA,模型相关系数r²=0.9427,校正标准差为0.9177,对校验集样品的最大绝对预测误差为1.4％;对丹酚酸B,模型相关系数r²=0.914 3,校正标准差=1.1212,对校验集样品的最大绝对预测误差为3.08％。结论 NIR技术用于中药提取过程的在线检测与质量监控,可满足药品生产控制精度。     

近红外光谱法预测红参醇提过程中总皂苷的变化研究

目的应用近红外(NIR)光谱技术快速分析红参乙醇回流提取过程。方法采用比色法测定提取液样品的总皂苷质量浓度作为对照值,同时采集提取液样品的NIR光谱。运用正交信号校正算法消除光谱中的干扰信息,采用偏最小二乘回归法建立NIR光谱校正模型。结果NIR光谱校正模型能够准确地预测红参提取过程总皂苷质量浓度。结论NIR光谱技术可用于红参醇提过程快速分析。     

中药大品种制造关键质量属性表征：沸腾时间状态属性的提取过程在线NIR质量控制研究

沸腾时间状态属性表征是制药企业提取过程质量控制亟待解决的难点问题。该研究以中药大品种生产物料黄柏的中试提取过程为载体,开发提取过程中沸腾时间状态属性的在线NIR质量控制方法。首先,采集黄柏2次提取过程的在线近红外(near infrared, NIR)光谱。通过提取罐透明视窗观察气泡状态,采用人工判断作为沸腾时间状态属性表征的参考,建立了提取过程中沸腾时间状态属性的在线NIR光谱移动窗口标准偏差(moving block standard deviation, MBSD)模型,优化了模型中光谱预处理方法为标准正则变换(standard normal variate, SNV),建模波段为800～1 200 nm,窗口值为4。以0.002 0为MBSD模型阈值,实现了提取过程中沸腾时间状态属性的在线NIR质量控制。进一步,为降低在线NIR光谱噪音和背景信号对模型的影响,采用课题组编写的主成分分析-移动窗标准偏差(principal component analysis moving block standard deviation, PCA-MBSD)模型,优化了PCA-MBSD模型中主成分数为2。以0.000 075为PCA-MBSD模型阈值,建立了可靠性更高的提取过程中沸腾时间状态属性的在线NIR质量控制方法。该研究开发的提取过程中沸腾时间状态属性的在线NIR质量控制方法稳定、可靠,可代替人工判断,实现中药大品种制造中提取过程的数字化。     

NIR光谱的kernel Isomap-PLS建模方法及其在血府逐瘀口服液提取过程分析的应用研究

目的:研究NIR光谱的kernel Isomap-PLS非线性建模方法对于血府逐瘀口服液在线质量过程分析的可行性。方法:结合kernel Isomap与PLS的新建模方法(kernel Isomap-PLS)。该算法先用kernel Isomap对光谱降维,再用PLS进行回归来建立校正模型。结果:对于血府逐瘀口服液各性质成分,使用kernel Isomap-PLS算法建立模型的RMSECV值均小于Isomap-PLS与PLS。结论:NIR光谱的kernel Isomap-PLS非线性建模方法能够实现对血府逐瘀口服液提取过程的在线分析。     

近红外光谱分析技术在复方阿胶浆生产全程中的应用进展及相关思考

该文报道了东阿阿胶股份有限公司将近红外(NIR)光谱技术应用于复方阿胶浆生产全程质量控制中的实例。具体应用包括原料药材的质量控制、提取工艺和碱沉工艺的在线监控、以及复方阿胶浆成品的快速分析和不开瓶检验技术。通过以上技术的应用,初步实现了复方阿胶浆生产过程的可视化,增强了生产过程的可控性,有助于提高不同批次产品之间的质量一致性。同时还对NIR光谱技术用于复方阿胶浆生产过程的相关问题进行了相关思考,以期为其他中药品种开展类似研究提供参考。     

基于近红外光谱的红参提取过程动态预测模型研究

目的：利用近红外光谱技术,建立红参提取过程中关键组分的定量模型,实现快速检测功能;以近红外光谱为基础,结合动力学方程,建立提取过程动态趋势模型,实现全过程预测功能。方法：在线采集红参提取液近红外光谱,以HPLC获取关键成分数据,使用最小二乘法（PLSR）建立红参总皂苷的定量模型;通过定量模型以及近红外光谱,结合传质动力学方程,拟合建立提取过程随时间的动态关系模型,实现提取过程预测。结果：红参总皂苷定量模型的校正集相关系数r、校正均方根误差RMSEC、预测均方根误差RMSEP分别为0.996 09,0.018 9,0.016 8;以红参提取一阶动力学方程结合NIR定量模型建立提取过程趋势预测模型,模型显示趋势预测性能良好,具有较高的精度。结论：近红外法获得的定量模型拥有较好的检测精度,能实现快速在线检测功能;所建立的全过程提取动力学方程与实际提取过程趋势较为契合,满足预测需求。     

基于近红外光谱分析技术的丹参多酚酸大孔吸附树脂柱色谱过程监测方法

该文将近红外光谱作为过程分析技术的工具,研究并建立了丹参多酚酸大孔吸附树脂柱色谱过程监测方法。采用7个正常操作批次建立柱色谱过程的多变量统计过程控制(MSPC)模型,以2个测试批次(包括1个正常操作批次和1个异常操作批次)验证模型的监测性能。结果显示,MSPC模型对柱色谱过程具有良好的监测能力。同时,采用偏最小二乘(PLS)建立了柱色谱过程中迷迭香酸、紫草酸和丹酚酸B 3个关键质量指标的近红外光谱定量校正模型,验证结果显示模型具有满意的预测性能。将以上2种模型相结合应用,能够有效地实现对丹参多酚酸大孔吸附树脂柱色谱过程的实时监测,并对关键质量指标进行在线分析。该研究所建立的过程监测方法可以为中药制药过程分析技术的开发提供参考。     

基于近红外光谱技术和多变量统计过程控制的五味子提取生产过程监测方法

将近红外光谱分析技术与多变量数据分析技术相结合,建立注射用益气复脉(冻干)组方药材五味子提取过程的在线监测方法。采用生产上5个正常批次建立了五味子提取过程的多变量统计过程控制(multivariate statistical process control,MSPC)模型,并利用PC scores,DModX和Hotelling T~23种控制图对2个测试批次进行监测。结果显示,MSPC模型对提取过程具有良好的监测性能。将所建立的MSPC模型应用到实际生产中,能够有效地实现对五味子提取过程的在线监测,并实时反映生产过程中物料属性的变化。该文建立的监测方法为过程分析技术在中药注射剂生产过程质量控制领域的应用提供了参考。     

近红外光谱对热毒宁注射液栀子萃取过程中的可行性分析

目的:对近红外光谱(NIR)分析技术在热毒宁注射液栀子萃取过程中可行性进行分析研究。方法:收集7批共147个栀子萃取液样品,扫描NIR离线光谱,测定栀子苷含量和固含量,应用偏最小二乘法建立定量校正模型,并用此模型进行预测。结果:建立的栀子苷和固含量模型校正集R2分别为0.987 2,0.994 7,RMSEC分别为1.460 9,2.367 7,说明所建模型性能良好。该模型对20个栀子萃取液样品进行预测,栀子苷和固含量的R2分别为0.980 7和0.986 1,RMSEP分别为1.827 5和7.307 7,RSEP分别为3.08%和5.29%均小于6%,能够满足中药生产过程中质量控制要求。结论:建立的近红外离线定量模型可以准确预测栀子苷含量和固含量,证实了NIR技术在热毒宁注射液栀子萃取过程应用的可行性。     

中试规模和不同提取时段的黄芩配方颗粒质量参数在线NIR监测研究

采用近红外光谱分析技术,在线监测黄芩配方颗粒提取过程中黄芩苷成分的含量变化。以高效液相色谱法为参考方法,采用Kennard-Stone法(KS)划分样本集,进而比较不同预处理方法,通过组合间隔偏最小二乘法(Si PLS)对建模波段进行筛选,建立偏最小二乘模型。采用相对误差法对黄芩3次提取时段的预测集样本进行预测。结果表明应用SavitzkyGolay11点平滑(SG11点)预处理方法所建模型最好,其交叉验证均方根(RMSECV)、校正均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为0.092 7,0.134 4,0.114 8,决定系数R2均大于0.99,且黄芩苷含量的平均相对误差在5%以下,说明在线近红外光谱分析技术可以应用于黄芩配方颗粒提取过程中在线监测及其质量控制。     

黄芪提取过程总皂苷质量浓度的在线监测

目的 利用近红外光谱分析技术对黄芪提取过程进行在线监测,实时反映药效成分的溶出信息.方法 利用远程光纤流通池在线采集黄芪提取过程中提取液的近红外光谱,同时采集提取液样品,利用HPLC-MS方法测得提取液中黄芪皂苷Ⅱ、异黄芪皂苷Ⅱ、黄芪皂苷Ⅰ和黄芪甲苷4种成分的质量浓度作为对照值,利用偏最小二乘法建立4种成分及黄芪总皂苷的定量分析模型,将所建的黄芪总皂苷定量分析模型用于黄芪提取过程的在线分析,实时反映提取液中黄芪总皂苷的质量浓度信息.结果 黄芪提取液中4种皂苷的近红外定量分析模型相关系数分别达到0.9876、0.9640、0.8571、0.9816,黄芪总皂苷定量分析模型的相关系数为0.9932,校正均方差(RMSEC)为5.94,内部交叉验证的相关系数为0.9766,交叉验证均方差(RMSECV)为11.1.将黄芪总皂苷定量分析模型用于3个批次提取过程的在线监测,能够及时准确地反映提取液中黄芪总皂苷的质量浓度信息.结论 利用本实验所建立的方法,可以实现以黄芪总皂苷为检测指标,对黄芪提取过程的在线监测,为黄芪提取过程的终点判断和工艺优化提供参考.     

近红外光谱技术在热毒宁注射液萃取工艺过程质量控制研究

应用近红外光谱技术建立热毒宁注射液萃取过程绿原酸含量和固含量的分析模型。收集7批金青萃取液样品,扫描离线光谱,测定绿原酸含量和固含量,分别用偏最小二乘法(PLS)和人工神经网络法(ANN)建立定量校正模型,并用此模型对未知样品进行预测。PLS模型中,绿原酸和固含量校正集R2分别为0.987 2,0.981 2;RMSEC分别为0.153 3,0.794 3;预测集R2分别为0.983 7,0.973 3;RMSEP分别为0.246 4,1.259 4;RSEP分别为3.25%,3.31%。ANN模型中,绿原酸和固含量校正集R2分别为0.990 3,0.988 2;RMSEC分别为0.097 4,0.454 3;预测集R2分别为0.986 8,0.969 9;RMSEP分别为0.192 0,0.942 7;RSEP分别为2.61%,2.75%。绿原酸和固含量的PLS模型和ANN模型的RSEP均在6%以内,能够满足中药生产过程中质量分析要求。ANN模型的RSEP低于PLS模型,具有更好的预测准确性。建立的近红外光谱快速检测绿原酸含量和固含量的方法,操作简单,准确可靠,可用于热毒宁注射液金青萃取过程质量控制。