近红外光谱技术快速鉴别前胡药材及其伪品

目的 应用近红外光谱技术结合化学计量学方法建立前胡及其伪品的快速鉴别模型。方法 收集6个主产地前胡（54批）和7种常见伪品（35批）共89批样品,采集近红外光谱图,采用化学计量学方法建立前胡及其伪品的鉴别模型。结果 优选的模型参数：光谱预处理方法为多元散射校正+一阶求导+Norri导数平滑滤波,光谱波段为6 800~5 700 cm^-1,偏最小二乘-判别分析方法的主成分数为14。验证集的鉴别结果表明真伪鉴别模型的正确识别率为100%。结论 近红外光谱法简便、快速,能够正确鉴别前胡药材及其伪品,为前胡药材的快速定性评价提供了一种新方法。     

硝苯地平缓释片（II）近红外快速检验模型的建立与验证

目的 建立硝苯地平缓释片（II）近红外一致性检验模型和快速定量模型。方法 使用近红外漫反射光谱（NIR）技术并采用化学计量学方法,选择9 000～7 500 cm^-1、6 900～5 600 cm^-1和5 000～4 250 cm^-1的谱段和二阶导数+矢量归一化的预处理方法建立一致性检验模型;选择7500～9750 cm^-1的谱段和直线差减法建立一致性检验模型。结果 对收集的6批样品建立一致性检验模型并通过了模型验证;以3批原始样品及6批模拟样品作为校正集建立定量模型经交叉验证,硝苯地平的浓度范围为0.018 60～0.091 09 mg·mg^-1,均方根误差(RMSECV)为0.001 95,确定系数(R²)为0.992 9;再以3批原始样品作为验证集进行外部验证,预测均方根误差(RMSEP)为0.000 531;预测结果与法定方法测得含量结果对比,偏差在1.5％之内。结论 所建模型准确、高效,厂家可用于在线质量监控、快速定量分析,监管部门可用于筛查、打击假劣药品。     

注射用甲磺酸培氟沙星近红外定量分析通用性模型的建立

摘 要 目的：利用近红外光谱法,建立注射用甲磺酸培氟沙星含量快速测定方法。方法: 采集注射用甲磺酸培氟沙星的近红外（NIR）光谱,以矢量归一化法对光谱进行预处理,选择谱段范围为9 176.2~8 169.5 cm^-1、6 051.9~5 716.3 cm^-1和4 509~3 999.9 cm^-1,回归方法为偏最小二乘法（PLS）,建立近红外定量模型。 结果: 经内部交叉验证建立预测模型,浓度范围为7.55%~77.69%,交叉验证均方根（RMSECV）为1.61%,相关系数为0.992 4。结论:建立的近红外定量分析模型可用于注射用甲磺酸培氟沙星快速定量分析。     

注射用磷霉素钠近红外定量分析通用性模型的建立

摘 要 目的： 利用近红外光谱法,建立注射用磷霉素钠含量快速检定方法。方法: 采集注射用磷霉素钠的近红外（NIR）光谱,建立近红外定量模型。结果: 以矢量归一化和多元散射校正法对光谱进行预处理、选择谱段范围为11 995.8～7 428.9及6 734.6～5 454 cm^-1,回归方法为偏最小二乘法。结论: 该近红外定量分析模型可用于注射用磷霉素钠快速定量分析。     

近红外光谱法测定盐酸环丙沙星片中环丙沙星

目的 利用近红外光谱（NIR）分析技术和化学计量学方法对盐酸环丙沙星片进行无损、快速定量分析。方法 以不同生产企业生产的盐酸环丙沙星片为分析对象,用光纤探头测定其近红外漫反射光谱;定量模型的预处理方法为二阶导数,波长范围为6 101.9～4 555.2 cm^-1,采用偏最小二乘法（PLS）建立分析模型。结果 定量分析模型由93批样品经内部交叉验证建立,177批样品进行外部验证,环丙沙星质量分数范围为54.20%～82.54%,相关系数为0.986 3,交叉验证均方差（RMSECV）为1.06,外部验证均方差（RMSEP）为0.92。结论 该方法快速、简便具有一定的专属性,可用于盐酸环丙沙星片中环丙沙星的快速定量分析。     

近红外光谱技术快速测定三七水分和醇溶性浸出物

目的 利用近红外光谱技术（near infrared spectroscopy,NIRS）建立三七药材水分和醇溶性浸出物定量分析的快速测定方法。方法 参照《中国药典》2015年版三七水分和醇溶性浸出物含量测定方法对53批药材分别测定水分和醇溶性浸出物含量,采用偏最小二乘法（PLS）分别建立水分和醇溶性浸出物的近红外定量分析模型,并利用内部交叉验证和外部验证的方法对模型进行优化。结果 药材样品中水分和醇溶性浸出物预测最佳波段分别为4 450.32～7 350.01 cm^-1和6 163.92～3 984.71 cm^-1。定量模型校正集相关系数分别为0.997 2和0.962 4,校正均方差分别为0.039 6和0.776 0;验证集的相关系数为0.962 4和0.988 4,验证均方差分别为0.173和0.595。结论 该方法准确、快速、无污染,可用于三七药材中水分和醇溶性浸出物含量的快速测定。     

近红外光谱法在舒胸片快速定性定量分析中的应用

目的 利用近红外光谱（NIR）技术建立舒胸片的快速定性和定量的分析方法。方法 以舒胸片为对象,利用光纤探头采集样品的近红外光谱,通过一致性指数（CI）值和CI限度比较法建立一致性检验模型;通过在特征谱段选择合适的相关系数（r）值为阈值建立相关系数模型;通过偏最小二乘法（PLS）建立测定舒胸片中三七指标成分含量的定量模型。结果 建立的一致性检验模型和特征谱段相关系数模型均可快速鉴别并准确区分舒胸片（李时珍医药集团有限公司）与其他生产厂家的同类产品,验证样品的CI值均＞7.0,r值均＜97%;建立的定量模型相关系数（r²）为0.973 5, 交叉验证均方根偏差（RMSECV）为0.057 2, 外部验证均方根偏差（RMSEP）为0.062 2。结论 方法快速、简便、准确,可用于舒胸片的快速定性和定量分析。     

复方益肝灵片近红外光谱快检方法考察

摘 要 目的： 采用近红外光纤光谱技术对复方益肝灵片进行快速判断厂家归属以及快速检定其中水飞蓟素的含量。方法: 以全国6个企业生产的93批复方益肝灵片作为分析对象,建立聚类分析模型。光谱预处理方法为二阶导数和矢量归一化;平滑点：13;光谱范围：9 000～4 100 cm^-1;光谱之间距离采用欧氏距离,光谱和类之间距离采用方差平方和法（Ward’s算法）。同样以全国6个企业生产的93批复方益肝灵片作为分析对象,建立定量分析模型。光谱预处理方法为一阶导数加矢量归一化;平滑点：17;光谱范围：9 100～7 300 cm^-1和7 100～4 100 cm^-1;采用偏最小二乘法回归。结果: 聚类模型可以很好的区分训练集中的药品,在对作为测试集的30张光谱进行验证中全部判断正确。所建立的定量模型交叉验证均方根误差（RMSECV）为0.082 8,决定系数为97.98%,外部验证均方根误差（RMSEP）为0.044 1,r²为98.95%。结论: 该聚类方法和定量模型快速简便、准确可靠,可以满足药品现场快速检查的需要。     

基于近红外和化学计量学方法对金线莲快速鉴别及其多糖含量测定的研究

目的 建立近红外分析方法结合化学计量学算法对金线莲及其近缘品进行判别分析，进一步构建金线莲多糖含量快速预测模型。方法 采集金线莲药材及其近缘品台湾银线兰、血叶兰样品的近红外光谱。以分类准确性为指标优选光谱预处理方法，分别对比决策树、K-近邻算法、随机森林，偏最小二乘回归判别分析、线性判别分析和支持向量机等有监督模式识别算法对样品的分类效果，优选最优算法建立定性模型。应用紫外可见分光光度法结合苯酚硫酸法测定76批金线莲多糖的含量，分别应用支持向量机、极限学习机、决策树、随机森林、主成分回归和偏最小二乘回归等6种不同化学计量学方法关联金线莲多糖含量与近红外光谱，优选定量算法；经光谱预处理和波段选择，基于连续投影算法筛选波段变量数优化并建立金线莲多糖定量模型。结果 以SNV+SG+2^ndD为光谱预处理方法结合支持向量机建立的近红外光谱判别分析模型分类准确性最高；基于径向基核函数算法结合混淆矩阵和ROC曲线评价模型的预测性能，模型性能均较优。此外，金线莲近红外原始光谱经SNV+SG+2^ndD预处理，以7 000~4 000 cm^-1为建模波段，变量数为97，应用连续投影-偏最小二乘构建的定量分析模型准确度较其他算法最高，为0.992。模型的校正集误差均方根为0.625，校正集相关系数为0.993，验证集误差均方根为0.767，验证集相关系数为0.992，预测偏差为8.467，预测集相对偏差<10%。结论 所建立的近红外支持向量机定性和连续投影-偏最小二乘定量模型准确、可靠，可鉴别金线莲真伪以及测定多糖含量，为实现金线莲质量的快速评价提供一种新的方法。     

近红外光谱法快速鉴别不同产地的前胡药材

目的 应用近红外光谱技术结合化学计量学方法建立一种快速鉴别前胡药材产地的方法。方法 首先收集6个产地的90个前胡样本，采集各样本的近红外光谱，并划分为校正集（72个样本）和预测集（18个样本），然后利用校正集，采用化学计量学方法建立前胡药材产地的判别分析模型，最后利用预测集，对判别分析模型进行性能评价。结果 优选的判别分析模型参数如下：光谱预处理方法为多元散射校正（MSC）+Savitzky-Golay卷积二阶求导算法（SG）（窗口参数为51，拟合次数为1），光谱波段为8 400~4 200 cm^-1，判别分析模型的主成分数为18。预测集的鉴别结果表明该判别分析模型的正确识别率为100%，6个产地前胡药材之间存在明显的界限。结论 研究表明，近红外光谱法能简便、准确地实现前胡药材产地的快速鉴别，为前胡药材产地快速鉴别研究提供了理论支持和实用方法。     

Qualitative identification of tea categories by near infrared spectroscopy and support vector machine

Near-infrared (NIR) spectroscopy has been successfully utilized for the rapid identification of green, black and Oolong tea. The spectral features of each tea category are reasonably differentiated in the NIR region, and the spectral differences provided enough qualitative spectral information for the identification of tea. Support vector machine (SVM) as the pattern recognition was applied to identify three tea categories in this study. The top five principal components (PCs) were extracted as the input of SVM classifiers by principal component analysis (PCA). The RBF SVM classifiers and the polynomial SVM classifiers were studied comparatively in this experiment. The best experimental results were obtained using the radial basis function (RBF) SVM classifier with sigma=0.5. The accuracies of identification were all more than 90% for three tea categories. Finally, compared with the back propagation artificial neural network (BP-ANN) approach, SVM algorithm showed its excellent generalization for identification results. The overall results show that NIR spectroscopy combined with SVM can be efficiently utilized for rapid and simple identification of the tea categories.     

消旋山莨菪碱非铝塑包装片剂近红外鉴别模型的初探

目的采用近红外漫反射光谱分析技术和模式识别技术建立消旋山莨菪碱非铝塑包装片剂定性分析模型用于该品种的鉴别。方法以8个生产厂家的消旋山莨菪碱为分析对象,采集近红外漫反射光谱,通过导数化和矢量归一化进行预处理,应用欧氏距离方法建立消旋山莨菪碱近红外鉴别数学模型。结果消旋山莨菪碱的定性分析模型的条件参数为：谱段为5 400-7 000 cm-1,光谱预处理方法为＂一阶导数法＋归一化＂,模型的阈值为0.603。并对模型进行了验证,能满足应用的要求。结论试验结果表明应用近红外光谱技术建立消旋山莨菪碱的定性分析模型是可行的,同时为模型更新提供了一个参考的方法。     

Evaluation of a Raman Chemometric Method for Detecting Protein Structural Conformational Changes in Solution

Raman scattering shows promise as a powerful routine tool, to determine both secondary and the smaller tertiary structural changes that precede aggregation in both solutions and solids. A method was developed utilizing principal component analysis (PCA) of Raman spectra for detection of small, but meaningful, pH induced changes in tertiary protein structure linked to aggregate formation using α-lactalbumin solutions as a model. The sample preparation and spectral parameters, were optimized for a bulk Raman probe. Analysis of large regions (600–1850 cm^?1) yielded principal component (PC) scores useful for semi-quantitative comparison of protein conformation between formulations. PC loadings corresponded to specific structural peaks known to change with solution pH. PCA of circular dichroism (CD) spectra of dilute solutions yielded similar results. Sucrose is a common formulation excipient with a Raman spectrum that overlaps many protein peaks. With sucrose in the protein solution, the ability of PCA to discern protein structural changes from the Raman spectra was somewhat reduced. Analysis of a more limited spectral region (1530–1780 cm^?1) with negligible sucrose spectral contribution improved the discrimination of protein conformational states. The new Raman method accurately distinguished differences in protein structure in concentrated solutions. The long-term goal is to explore Raman characterization as a routine monitoring tool of protein stability in both solution and solid states.     

近红外光谱法用于菟丝子药材的鉴别

目的:建立一种对菟丝子及其同属混淆药材进行分类鉴别的方法.方法:采用近红外漫反射光谱结合移动窗口偏最小二乘法(Moving-window Partial Least Square,mwPLS)波段选择进行主成分分析;近红外光谱分析结果与HPLC指纹图谱进行比对.结果:选择的最优波段为5998～6553 cm-1与7000～7556 cm-1;主成分分析结果3种不同菟丝子可以基本分开,分类正确率达93%;近红外光谱法的分析结果与HPLC指纹图谱法对菟丝子药材的鉴别结果一致.结论:采用近红外漫反射光谱结合mwPLS波段选择进行主成分分析,初步对菟丝子和其同属混淆药材南方菟丝子、金灯藤进行了鉴别研究.     

便携式近红外光谱仪的僵蚕快速检验应用研究

目的通过便携式近红外光谱仪建立快速判别僵蚕产地以及快速鉴别僵蚕与麸炒僵蚕的方法。方法 2021年 2—3月,搜集 84批不同产地僵蚕及 24批麸炒僵蚕样本,采用便携式近红外光谱仪采集样本光谱,在无监督的主成分分析( PCA)基础上,利用线性判别分析( LDA)模式识别方法并结合不同光谱预处理方法分别对僵蚕产地以及僵蚕、麸炒僵蚕建立定性分析模型。结果对光谱进行平滑预处理后建立的模型可对僵蚕 3个产地实现准确区分,校正集与验证集的判别准确率分别达到     

Hydrate formation during wet granulation studied by spectroscopic methods and multivariate analysis

Purpose. The aim was to follow hydrate formation of two structurally related drugs, theophylline and caffeine, during wet granulation using fast and nondestructive spectroscopic methods. Methods. Anhydrous theophylline and caffeine were granulated with purified water. Charge-coupled device (CCD) Raman spectroscopy was compared with near-infrared spectroscopy (NIR) in following hydrate formation of drugs during wet granulation (off-line). To perform an at-line process analysis, the effect of water addition was monitored by NIR spectroscopy and principal components analysis (PCA). The changes in the crystal arrangements were verified by using X-ray powder diffraction (XRPD). Results. Hydrate formation of theophylline and caffeine could be followed by CCD Raman spectroscopy. The NIR and Raman spectroscopic results were consistent with each other. NIR revealed the state of water, and Raman spectroscopy gave information related to the drug molecule itself. The XRPD confirmed the spectroscopic results. PCA with three principal components explained 99.9of the spectral variation in the second derivative NIR spectra. Conclusions. Both CCD Raman and NIR spectroscopic methods can be applied to monitoring of hydrate formation processes. However, NIR is more suitable for monitoring solid-water interactions.     

硫酸羟氯喹颗粒水分近红外光谱在线定量模型的建立

目的为实时检测硫酸羟氯喹颗粒在流化床干燥过程中的水分含量变化,建立颗粒水分的在线近红外光谱定量模型。方法物料颗粒在流化床的干燥过程中,实时取样并用水分测定仪测量颗粒水分,采用多元散射校正(multiplicative signal correction,MSC)、一阶导数和Karl Norris平滑的光谱预处理方法,选择近红外4935~5336 cm?1和6911~7297 cm?1两个波段,运用偏最小二乘回归(partial least squares,PLS)建立基于近红外光谱的水分定量分析模型。结果所建模型的校正误差均方根(RMSEC)为0.408,相关系数Rc为0.9529。预测误差均方根(RMSEP)为0.435,相关系数Rp为0.9366,验证集标准偏差与预测标准偏差的比值(RPD)为5.18。并将该模型应用于车间生产过程中,t检验结果表明,预测值与参考值之间无显著性差异。结论该法所建立的在线水分定量模型准确度较高且较为可靠稳定,该模型可应用于生产过程,以在线监测物料颗粒的水分变化。