NIRS结合TQ软件建立银黄颗粒中绿原酸定量模型

目的:利用近红外漫反射光谱(NIRS)结合TQ软件快速测定银黄颗粒中绿原酸含量。方法:采集不同厂家银黄颗粒样品的近红外漫反射光谱,采用HPLC法测定其绿原酸含量,结合TQ软件建立绿原酸定量校正模型,进而对待测样品进行分析。结果:所建绿原酸定量校正模型的相关系数(R2)、校正均方差(RMSEC)和内部交叉验证均方差(RMSECV)分别为0.995,0.123和0.412;经外部验证,模型的预测相关系数(r2)和预测均方差(RMSEP)分别为0.984,0.166。结论:该模型适用于不同厂家银黄颗粒中绿原酸含量的直接测定,操作简便,无污染,结果准确可靠,可实现大批量样品的快速分析。     

运用近红外技术建立藿香正气胶囊中厚朴酚的定量模型

目的:采用近红外光谱技术建立藿香正气胶囊中厚朴酚含量快速测定的方法.方法:以高效液相色谱法测定109批次藿香正气胶囊中厚朴酚含量,近红外光谱法采集近红外光谱数据,结合偏最小二乘法(PLS)建立厚朴酚的定量模型.结果:建立的厚朴酚校正模型相关系数(R2)、内部交叉验证均方差、校正均方差分别为0.945 6,0.054 3,0.024 5.经外部验证,预测均方差为0.045 9,平均回收率为101.26％.结论:建立的近红外定量模型稳定,准确可靠,可快速对藿香正气胶囊中厚朴酚的含量进行测定.     

近红外光谱法结合PLS快速测定木香药材中水分

目的:采用近红外光谱技术结合PLS建立一种木香药材中水分的快速测定方法。方法:运用近红外漫反射光谱技术采集木香的近红外漫反射光谱,以甲苯法测定的含量为参考值,结合偏最小二乘法(PLS)建立木香药材中水分的定量分析模型,并用未知样品验证该模型。结果:所建水分定量模型的校正集内部交叉验证相关系数(R2)、校正均方差(RMSEC)和预测均方差(RMSEP)分别为0.982 9,0.178,0.196;验证集NIR预测值与甲苯法参考值的t检验值为-0.615,双侧P>0.05,差异无统计学意义。结论:该方法操作简便,测定快速,结果准确,可用于木香药材中水分含量的快速测定。     

近红外光谱法快速测定女贞子药材中水分含量

目的:采用近红外光谱技术(NIRS)结合偏最小二乘法(PLS)建立一种女贞子药材中水分含量快速环保的测定方法。方法:利用烘干法测定样品中水分含量,并以其作为参考值,运用近红外漫反射光谱技术采集女贞子的近红外漫反射光谱,结合PLS建立女贞子药材中水分含量的定量分析模型,并用未知样品验证该模型。结果:所建水分定量模型的校正集内部交叉验证相关系数(R2),校正均方差(RMSEC),内部交叉验证均方差(RMSECV)分别为0.986 87,0.199,0.246 41;验证集预测相关系数(R2)与预测均方差(RMSEP)分别为0.956 6和0.220。结论:该方法操作简便,快速无污染,结果准确,可用于女贞子药材中水分含量的快速测定。     

天舒胶囊乙醇提取过程的近红外光谱快速测定方法研究

基于近红外光谱法,采用偏最小二乘法(PLS)分别建立了天舒胶囊乙醇提取过程固含量和阿魏酸浓度的定量校正模型,结果显示,固含量校正集和交叉验证集模型的相关系数(R2)分别为0.967 301和0.947 726,校正集误差均方根(RMSEC)为0.054 7,交互验证集误差均方根(RMSECV)为0.069 8;阿魏酸校正集和交叉验证集模型的相关系数(R2)分别为0.986 879和0.962 243,RMSEC为1.402 6,RMSECV为2.400 2。采用所建模型进行在线分析,固含量和阿魏酸的预测结果与实测值的相关系数(R2)为0.993 3和0.991 6,预测误差均方根(RMSEP)分别为0.039 3和1.669 3,预测平均相对偏差(RSEP)分别为3.49%和3.58%。结果表明,该文所建模型可用于天舒胶囊乙醇提取过程固含量和阿魏酸浓度的快速测定。     

近红外光谱技术快速测定夏枯草中水溶性浸出物的含量

目的:建立夏枯草中水溶性浸出物含量的近红外光谱定量分析模型。方法:采用热浸法测定180批夏枯草中浸出物的含量;采集样品的近红外光谱数据,利用TQ8.0软件建立浸出物的定量分析模型。结果:所建立的近红外光谱定量分析模型的校正集内部交叉验证相关系数(R~2),校正均方差(RMSEC)和预测均方差(RMSEP)分别为0.981 4,0.347,0.378,验证集NIR预测值与热浸法参考值的t检验值为0.653,双侧P=0.5170.05,说明差异无统计学意义。结论:建立的近红外光谱法测定夏枯草中浸出物的含量测定方法准确、可靠,可用于夏枯草中浸出物的含量测定。     

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。     

近红外光谱法快速测定浙麦冬中麦冬总皂苷的含量

目的采用近红外光谱法对浙麦冬中麦冬总皂苷含量进行快速测定。方法利用紫外分光光度法测定样品中麦冬总皂苷的含量,运用偏最小二乘(PLS)法建立其含量与近红外光谱(NIR)之间的多元校正模型,对未知样品进行含量预测。结果建立的麦冬总皂苷校正模型相关系数(R)、校正均方差(RMSEC)分别为0.99031,0.0235。经外部验证,校正模型的预测均方差(RMSEP)为0.0361,预测值与真实值的相关系数达0.9957。结论此方法具有快速简便,准确无损的特点,可以应用于浙麦冬中麦冬总皂苷含量的快速检测。     

黄芩提取物有效成分的近红外光谱定量分析

目的:利用黄芩提取物样品的近红外漫反射光谱( NIRS)信息,建立能够快速分析其3种有效成分含量的校正模型.方法:共收集12个不同厂家的100批样品,其中80批样品作为校正集,20批样品作为验证集,结合偏最小二乘法(PLS),建立了黄芩提取物中黄芩苷、黄芩素和汉黄芩素3种有效成分的近红外定量校正模型.结果:3个校正模型的建模效果均较好,交叉检验决定系数(R2CV)分别为o.994 8,0.998 7,0.994 8,校正均方差(RMSEC)分别为0.440,0.022 5,0.011 1,交互验证均方差(RMSECV)分别为2.259,0.055 3,0.048 3.用验证样品进行外部验证,预测相关系数(r2)分别为0.998 2,0.996 5,0.990 9,预测均方差(RMSEP)分别为0.486,0.027 1,0.011 0.结论:结果表明,近红外光谱技术可对黄芩提取物中黄芩苷、黄芩素和汉黄芩素含量进行简便、快速、准确分析.     

近红外漫反射光谱法快速测定枳实药材中醇浸出物的含量

目的:采用近红外漫反射光谱技术结合偏最小二乘法(PLS)建立一种枳实药材中醇浸出物含量的快速测定方法。方法:运用近红外漫反射光谱技术采集枳实的近红外漫反射光谱,以热浸法测定的含量为参考值,结合PLS建立枳实药材中醇浸出物含量的定量分析模型,并用未知样品验证该模型。结果:所建醇浸出物定量分析模型的校正集内部交叉验证相关系数(R2)、内部交叉验证均方差(RMSECV)和校正均方差(RMSEC)分别为0.984 89,0.417 89和0.153;验证集预测相关系数(r)与预测均方差(RMSEP)分别为0.948 4和0.188。结论:该方法操作简便,测定快速,结果准确,可用于枳实药材中醇浸出物含量的快速测定。     

近红外光谱技术在热毒宁注射液栀子提取液浓缩过程中的应用

目的:应用近红外光谱技术(NIR)建立热毒宁注射液栀子提取液浓缩过程中绿原酸和栀子苷质量分数、固含量、密度的快速定量分析模型,实时反映浓缩状态,实现栀子提取液浓缩过程的质量控制。方法:收集栀子提取液浓缩过程中样品,同时采集浓缩过程在线NIR光谱,经过异常点剔除、光谱预处理和波段选择,运用偏最小二乘法(PLS)分别建立NIR光谱与绿原酸和栀子苷质量分数、固含量、密度分析值之间的定量校正模型,并对未知样品进行预测。结果:PLS模型中,绿原酸和栀子苷质量分数、固含量、密度校正集相关系数分别为0.990 5,0.994 3,0.986 2,0.987 9,交叉验证误差均方根分别为0.112,0.368,0.148,0.013;验证集相关系数分别为0.987 2,0.992 5,0.981 6,0.982 3,预测误差均方根分别为0.181,0.302,0.128,0.016,相对预测偏差均6.0%,能够满足中药生产过程中质量分析要求。结论:该法操作简便、快速无损且准确可靠,可用于热毒宁注射液栀子提取液浓缩过程中绿原酸和栀子苷含量、固含量、密度等质控指标的快速分析及监测。     

近红外光谱技术在热毒宁注射液萃取液浓缩过程中的应用研究

目的：应用近红外（NIR）光谱分析技术,建立热毒宁注射液产业化生产中萃取液浓缩过程绿原酸含量及固含量质量控制指标的快速定量分析方法,实时反映浓缩过程的状态,真正实现萃取液浓缩过程质量控制。 方法：收集金青萃取液浓缩过程中样品,经过异常点剔除、光谱预处理和波段选择,运用偏最小二乘法（PLS）分别建立NIR光谱与绿原酸HPLC分析值和固含量之间的定量校正模型,并对未知样品进行预测。 结果：绿原酸含量和固含量校正模型的相关系数分别为0.992 1,0.994 0,验证模型的相关系数分别为0.994 4,0.998 4,RMSEC分别为0.814 6,2.656 1,RMSEP分别为0.704 6,1.876 7,RSEP分别为6.01%,2.93%。 结论：该方法操作简便、快速无损且准确可靠,可用于热毒宁注射液萃取液浓缩过程中绿原酸含量及固含量的快速监测。     

近红外光谱分析技术快速测定天舒片的包衣薄膜厚度

目的:探讨近红外光谱分析技术应用于检测天舒片包衣薄膜厚度的可行性。方法:采集9批天舒片包衣过程样品的近红外漫反射光谱,运用Kennard-Stone算法将样本集划分为校正集和验证集。优选预处理方法,并采用组合间隔偏最小二乘法(si PLS)和移动窗口偏最小二乘法(mw PLS)优选光谱区间,建立测定包衣厚度的偏最小二乘法(PLS)定量模型。结果:在标准正态变量变换+一阶导数+Norris Derivative平滑对光谱进行预处理并结合si PLS的优选区间建立的模型中,校正集预测值与实测值的相关系数0.966,验证集预测值与实测值的相关系数0.991,表明预测值与实测值的相关性较好。校正均方根误差(RMSEC)0.198%,预测均方根误差(RMSEP)0.062%,表明模型的预测性能良好。结论:近红外光谱分析技术用于天舒片包衣薄膜厚度的测定具有很高的准确性,能够为中药片剂生产过程中包衣厚度的在线检测提供技术支持。     

近红外光谱法快速测定丹皮中丹皮酚和水分的含量

目的:采用近红外光谱技术结合偏最小二乘法(Partial Least Squares,PLS)快速测定丹皮中丹皮酚与水分含量。方法:收集不同产地丹皮样品108批,采用PLS法建立丹皮中水分和丹皮酚含量的近红外光谱校正模型,以烘干法和超高效液相色谱法,分别测定样品中水分和丹皮酚含量,作为参考值,并用相关系数和预测均方差对模型预测性能进行评价。结果:丹皮酚和水分校正集的相关系数分别为0.959 3,0.873 8,校正均方根误差分别为0.114,0.167;预测集均方根误差分别为0.136,0.157。结论:该方法快速、简便、无污染,实验结果实现了丹皮样品中丹皮酚和水分含量的快速测定。     

天舒胶囊血中移行成分的UPLC-Q-TOF-MS分析

目的研究天舒胶囊化学成分及大鼠ig天舒胶囊后血中移行成分。方法以UPLC-Q-TOF-MS作为分析方法,以阿魏酸、咖啡酸、盐酸川芎嗪、天麻素、5-羟甲基糠醛和藁本内酯作为对照,综合分析总离子流色谱图、提取离子流图及质谱图等信息,通过对比各色谱峰的保留时间及质谱图特征,确认天舒胶囊化学成分及大鼠ig天舒胶囊后血中移行成分。结果推断出天舒胶囊中24个化学成分,其中5个来源于天麻,其他19个来源于川芎;给药后血浆中共发现13个原型成分。结论为阐明天舒胶囊药效物质基础和完善质量标准提供依据。     

热毒宁注射液金银花和青蒿(金青)醇沉过程中多指标的近红外快速检测

目的应用近红外光谱(NIR)透射法对热毒宁注射液大生产中金银花和青蒿(金青,LA)醇沉过程绿原酸(chlorogenic acid,CA)质量浓度和固含量进行快速检测,提高醇沉过程质量控制水平。方法制备金青醇沉过程样品,以HPLC法和烘干法为对照分析方法,分别测定CA质量浓度和固含量,运用偏最小二乘(PLS)法分别建立NIR光谱与CA质量浓度和固含量之间的定量校正模型,并对醇沉过程的未知批次中的CA质量浓度和固含量进行预测。结果所建立的CA质量浓度和固含量模型的相关系数(R)均达到0.980,采用独立的验证集对模型进行验证,验证集预测误差均方根(RMSEP)分别为0.541和0.218,相对预测偏差(RSEP)均小于8%。结论研究结果表明NIR分析技术可实现热毒宁注射液醇沉过程中CA质量浓度和固含量2个关键质控指标的快速检测,结果准确可靠。     

近红外光谱法快速测定天南星药材中水分

目的:应用近红外光谱技术(NIR)建立快速测定天南星药材中水分的方法。方法:采用烘干法测定样品中的水分,运用偏最小二乘法(PLS)建立该含量与NIR光谱之间的多元校正模型,采用相关系数(R),校正均方根误差(RMSEC),内部交叉验证均方根误差(RMSECV)和外部预测均方根误差(RMSEP)对校正模型进行优化和评价。利用校正模型对未知样品的水分进行预测,检验模型的准确度。结果:采用二阶导数法对光谱进行预处理,在4 774~9 845 cm~(-1)波段,选择前6个主成分建立最优校正模型,所建模型的R为0.990 6,RMSEC为0.16,RMSECV为0.38。经外部验证,校正模型的RMSEP和平均回收率分别为0.298和99.8%。结论:该方法具有简便快速、结果准确、无损样品的特点,可以应用于天南星中水分的快速测定。     

动态优化法在天麻提取工艺优化中的应用

目的:探讨采用动态优化法优选天麻提取工艺的可行性。方法:以天麻素、巴利森苷提取量为评价指标,通过正交试验考察溶剂用量、提取次数及时间对天麻提取工艺的影响;在正交试验基础上,采用动态优化法优选天麻提取工艺,比较2种优选工艺提取液中天麻素和巴利森苷含量、浸膏得率、指纹图谱相似度的差异。结果:正交试验优选的提取工艺为加8倍量50%乙醇回流提取3次,每次2 h;天麻素、巴利森苷提取量分别为0.50,1.44 mg·g-1。动态优化法的最佳提取工艺为加8倍量50%乙醇提取3次,提取时间分别为80,40,20 min;天麻素、巴利森苷提取量分别为0.43,1.37 mg·g-1。提取物中指标成分含量和浸膏得率的相对偏差均<2%;指纹图谱相似度100%;但与正交设计工艺相比,动态优化工艺时间节约67%,耗电量下降62%。结论:动态优化工艺在保证天麻提取物与正交设计结果一致的基础上,大幅度减少提取时间,降低耗能,节约生产成本,值得推广。     

青蒿浓缩过程在线近红外快速检测模型的建立

目的建立青蒿单效浓缩过程中近红外在线快速检测模型,并讨论吸光度的变化对其模型建立的影响。方法在线收集9批浓缩液样本,偏最小二乘(PLS)法建立定量校正模型,并用此模型对1批样品进行预测。结果总酸和固含量PLS模型参数如下:决定系数(R2)分别为0.967 9和0.962 3,校正集均方根误差(RMSEC)分别为0.783 5和0.948 8,交叉验证集均方根误差(RMSECV)分别为0.825 8和0.978 0。结论青蒿浓缩液样品吸光度范围为0~2.0,该光谱建立的总酸和固含量的PLS模型的预测相对偏差(RSEP)值均在10%以内,能够满足青蒿生产过程中质量要求,说明当吸光度范围为0~2.0时,通过增加样品数和运用化学计量学方法可消除吸光度太高(即透过率太低)对青蒿近红外模型建立的影响。