基于近、中红外光谱的热毒宁注射液制剂过程投料和二次热处理工序快速检测方法研究

目的 应用近红外光谱（near-infrared reflectance spectroscopy,NIRS）与中红外光谱（mid-infrared reflectance spectroscopy,MIRS）技术,对热毒宁注射液（Reduning Injection,RI）制剂过程的投料和二次热处理工序中6种质控指标进行快速检测,提高制剂过程的质量控制水平。方法 利用NIRS透射技术与MIRS衰减全反射技术,结合偏最小二乘法（partial least squares,PLS）,经过光谱预处理方法的优选以及波段筛选,分别建立绿原酸、新绿原酸、隐绿原酸、栀子苷、断氧化马钱子苷和固含量的快速预测模型,以校正集相关系数（r_cal）、验证集相关系数（r_pre）、校正均方根误差（root mean square error of calibration,RMSEC）、交叉验证均方根误差（root mean square error of cross validation,RMSECV）、预测相对误差（relative standard error of prediction,RSEP）为评价指标,评价模型性能。结果 NIRS预测模型的6个质控指标的RMSEC和RMSECV均小于0.3,RSEP小于4.0%;MIRS预测模型的6个质控指标的RMSEC和RMSECV均小于0.4,RSEP均小于5.0%,建立的PLS模型具有模型性能好、预测精度高的优点。结论 NIRS及MIRS分析技术,均可用于RI投料和二次热处理工序中6种质控指标的快速检测,模型RSEP在5%以内,方法操作简单,结果可靠。     

在线近红外光谱监测桂枝茯苓胶囊流化床干燥过程水分的方法研究

目的采用在线近红外光谱(NIRS)技术,建立桂枝茯苓胶囊流化床干燥过程水分实时监测模型。方法通过NIRS漫反射探头采集16个生产批次共176个样本进行建模,优选移动窗口平滑法进行光谱预处理,采用间隔偏最小二乘法(si PLS)结合移动窗口偏最小二乘法(mw PLS)筛选特征变量为4 759.45～5 338.00 cm-1、5 503.84～6 101.67 cm-1、8 512.25～8 809.24cm-1,采用偏最小二乘(PLS)法建立水分含量多变量校正模型。结果水分预测的交叉验证均方根误差(RMSECV)为0.243%,性能偏差比(RPD)值为13.384,预测相对偏差(RSEP)为0.270%。以8个生产批次对在线监控方法的可靠性进行持续验证,结果 40个样本的相对预测误差均小于4.7%。干燥过程水分实时监测趋势图显示可准确判断干燥终点,终点样本水分含量位于控制限内。结论在线NIRS结合PLS建立的定量模型,可应用于生产规模桂枝茯苓胶囊流化床干燥过程水分含量在线监控且预测性能稳健、准确。     

热毒宁注射液多指标成分的一测多评法同时测定

目的建立一测多评法(QAMS)同时测定热毒宁注射液中有机酸类(新绿原酸、绿原酸、隐绿原酸、异绿原酸B、异绿原酸A、异绿原酸C)和环烯醚萜苷类(京尼平龙胆双糖苷、栀子苷、断氧化马钱子苷)两类活性成分含量的分析方法。方法以绿原酸为参照物测定新绿原酸、隐绿原酸、异绿原酸B、异绿原酸A、异绿原酸C的相对校正因子(f),以栀子苷为参照物测定京尼平龙胆双糖苷、断氧化马钱子苷的相对校正因子(f)。通过f计算热毒宁注射液中9种成分的含量并进行验证,比较该法与外标法(ESM)测得活性成分含量的差异。结果两种方法测得热毒宁注射液的9种成分含量间无显著性差异,RSD 5%。结论一测多评法可快速、准确、可靠的用于热毒宁注射液的质量控制。     

在线中红外光谱监测热毒宁注射液金银花与青蒿醇沉过程7种指标成分研究

目的应用在线中红外光谱技术(MIR)对热毒宁注射液金银花Lonicerae Japonicae Flos、青蒿Artemisiae Annuae Herba(金青)醇沉过程中新绿原酸、绿原酸、隐绿原酸、异绿原酸A、异绿原酸B、异绿原酸C和断氧化马钱子苷的含量进行在线监控,提高该过程在线质量控制水平。方法利用衰减全反射中红外光谱技术采集9个批次金青醇沉过程样本的光谱信息,组合间隔偏最小二乘法(synergy interval partial least squares,SiPLS)找到最佳波段,偏最小二乘法(PLS)建立该过程7种指标成分的定量模型,以决定系数(R2)、校正集误差均方根(RMSEC)、交互验证集误差均方根(RMSECV)、预测相对偏差(RSEP)为指标评价模型性能。结果经模型优化,7种指标成分模型的R2值均大于0.96,RMSEC和RMSECV值均小于0.2 mg/mL,RSEP值和相对误差均小于10%。结论在线中红外光谱分析技术可用于定量测定金青醇沉过程7种指标成分的含量,结果准确可靠。     

基于广义路径追踪算法建立桂枝茯苓胶囊和天舒胶囊中间体水分的近红外光谱通用定量模型

目的 以桂枝茯苓胶囊（Guizhi Fuling Capsules，GFC）和天舒胶囊（Tianshu Capsule，TC）为研究对象，将近红外光谱（near-infrared spectroscopy，NIRS）技术与机器学习算法结合，建立快速检测2种制剂中间体水分的方法。方法 采集GFC总混颗粒和TC总混颗粒的NIRS，考察不同的预处理方法、变量筛选方法及算法对模型的影响，筛选最佳建模条件，并对2种中间体建立1个水分NIRS通用定量模型。结果 对同一中间体建立定量模型时，广义路径追踪（generalized path seeker，GPS）算法均优于偏最小二乘（partial least square，PLS）算法；GPS通用模型与PLS通用模型相比，预测性能更高，验证集相对偏差（relative standard errors of prediction，RSEP）由3.17%降至3.03%，性能偏差比（ratio of performance to deviation，RPD）由4.83升至5.05，可用于水分的预测，且与独立模型的预测性能相差不大。结论 GPS算法结合NIRS技术建立的通用定量模型，可快速、准确地检测2种制剂中间体的水分。