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。     

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。     

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。     

基于近红外光谱的热毒宁注射液萃取浓缩过程快速检测研究

目的研究热毒宁注射液栀子萃取浓缩过程栀子苷和固含量变化的快速检测方法。方法通过近红外光谱技术与HPLC和烘干法结合,采用偏最小二乘法建立热毒宁注射液栀子萃取浓缩过程中栀子苷和固含量指标的定量测定模型。结果栀子苷和固含量定量模型相关系数R分别达到0.94和0.98,验证集预测偏差分别为7.09%和5.59%,模型性能稳定,预测效果良好。结论近红外光谱透射技术可以有效反映栀子萃取浓缩过程中药效成分含量变化信息,可用于热毒宁注射液萃取浓缩过程的快速检测。     

近红外光谱技术用于热毒宁注射液金银花青蒿醇沉过程在线监测研究

近红外光谱技术作为一种快速的过程分析技术已被成功的应用于中药制药领域。该文以热毒宁注射液金银花青蒿醇沉过程为例,采用近红外光谱技术建立热毒宁注射液金银花青蒿醇沉过程关键指标的定量分析模型,具体方法如下:在线采集金银花青蒿醇沉过程142个样品近红外光谱图,完成样品主要药效指标的离线检测,经过异常点的剔除、光谱预处理方法的确定和最佳波段的选择,运用偏最小二乘法(PLS)建立近红外光谱与主要药效指标之间的定量校正模型,并对金银花青蒿醇沉过程的未知样品进行预测,达到快速检测的目的。试验结果显示所建立的新绿原酸、绿原酸、隐绿原酸、断氧化马钱子苷4个药效指标的定量校正模型相关系数(R²)分别为0.973 872,0.985 449,0.975 509,0.979 790;未知样品预测值与检测值的相对偏差(RSEP)分别为2.922 49%,2.341 37%,2.930 40%,2.184 60%,预测效果理想。该研究得出采用近红外光谱技术建立的定量校正模型表现出较好的稳定性和预测精度,可用于热毒宁注射液金银花青蒿醇沉过程样品的主要药效指标的快速定量检测,达到醇沉过程在线监测的目的。     

近红外光谱快速测定栀子逆流提取过程中总苷含量

目的： 采用近红外光谱透射法快速测定栀子逆流提取过程中总苷含量。 方法： 以UV分析值作为参照,采用NIR透射法结合偏最小二乘法建立总苷含量的快速在线测定方法。采样方式为透射采集,采集区间4 000~10 000 cm^-1,分辨率8.0 cm^-1,扫描数64次,empty门衰减,增益为1,温度（25±2） ℃,相对湿度45%~50%。 结果： 建立的栀子逆流提取液中总苷校正模型的相关系数、校正均方差分别为0.993,0.179。经外部验证,校正模型的预测均方差0.145,预测值和真实值间回归方程的相关系数达0.991。 结论： NIR可作为一种准确、快速的在线检测方法用于中药提取过程中有效成分的含量检测。     

热毒宁注射液金银花提取浓缩工段过程性能指数研究

目的以热毒宁注射液的金银花提取浓缩工段为研究对象,使用过程性能指数(PPI)评价金银花提取浓缩中间体质量的可靠性和批间质量一致性。方法收集一定时间内热毒宁注射液金银花提取浓缩工段中间体质量控制指标(新绿原酸、绿原酸、隐绿原酸、咖啡酰奎宁酸质量分数和固含量)的历史数据,使用PPI PPK对其评价,并结合Bootstrap算法计算PPI的置信区间。结果新绿原酸、绿原酸、隐绿原酸、咖啡酰奎宁酸质量分数和固含量的PPK分别为1.115 6、1.111 2、1.117 9、1.110 9和1.560 0,固含量的过程生产能力最高,几种酚酸的能力次之,但均满足工段生产的要求,表明该工段中间体的可靠性和批间质量一致性较好;各个质量控制指标95%置信区间的下限分别为1.068 3、1.049 6、1.066 7、1.052 1、1.495 2,均大于1.000 0,说明分析结果较为可靠。结论该方法可用于热毒宁注射液金银花提取浓缩工段生产能力评价和质量一致性的量化研究,为后续建立质量放行标准和工艺参数放行标准提供判断的依据。     

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。     

近红外光谱法快速测定逍遥丸(浓缩丸)中水分含量

目的: 应用近红外光谱法建立一种逍遥丸(浓缩丸)中水分含量的快速测定方法。方法: 利用烘干法测定样品中水分含量,并以其作为参考值,运用偏最小二乘法(PLS)建立水分含量与近红外光谱之间的多元校正模型,对未知样品进行含量预测。结果: 所建水分定量分析模型的相关系数(R²),校正均方差(RMSEC),预测均方差(RMSEP)分别为0.953 52,0.132,0.177。结论: 方法操作简便,无污染,结果准确可靠,可用于逍遥丸(浓缩丸)中水分含量的快速测定。     

近红外光谱在天舒胶囊提取工艺过程中的应用

目的:采用近红外(NIR)光谱技术建立天舒胶囊水提取工序中天麻素含量和含固量2个质量控制指标的快速定量分析方法,实时获得二者在该制剂2次水提过程中的动态变化情况,实现水提液浓缩过程关键指标的质量控制。方法:收集天麻、川芎2次水提取过程中样品,通过异常点去除、光谱预处理方法确定及最优波段选择,运用偏最小二乘法(PLS)分别建立NIR光谱与天麻素含量和含固量之间的定量校正模型,采用未知样品对定量校正模型进行验证,判断其准确性。结果:天麻素含量和含固量校正模型的相关系数分别为0.968 0,0.977 2,验证模型的相关系数分别为0.965 9,0.978 6,校正均方差(RMSEC)分别为4.686,0.053,预测均方差(RMSEP)分别为3.698,0.034,预测相对偏差(RSEP)分别为4.85%,3.07%。结论:近红外光谱分析技术操作简便、分析速度快且准确度高,可用于天舒胶囊水提取过程天麻素含量及含固量的快速监测。     

不同超滤膜组件处理热毒宁注射液脱炭液的效果比较

目的:以热毒宁注射液脱炭液为研究对象,比较3种膜组件对热毒宁注射液膜过滤的适用性。方法:选取中空纤维、板式、卷式3种膜组件进行超滤,以膜通量、超滤前后指标性成分(栀子苷、绿原酸)转移率、指纹图谱相似度、固含物减少率、蛋白质、药液色泽、草酸盐、树脂为评价指标,比较3种膜组件对热毒宁注射液脱炭液的膜过滤效果。结果:3种膜组件对同一药液体系适用性存在差异,板式膜组件膜通量最大,中空纤维膜组件膜通量最小。中空纤维、板式、卷式膜组件的栀子苷透过率分别为87.53%,91.76%,89.41%,绿原酸透过率分别为86.46%,91.23%,89.47%,指纹图谱相似度分别为0.992,0.995,0.999,固含物减少率分别为21.35%,18.64%,17.53%,药液色泽由超滤前的8号分别变为3,4,5号。结论:中空纤维、板式膜在固含物减少率及提高澄明度方面较卷式膜有优势。3种膜组件均适合热毒宁注射液脱炭液的超滤,其中以板式膜为最佳。     

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.     

感冒灵提取过程近红外光谱在线检测技术研究

中药材提取过程是感冒灵颗粒剂生产过程的首个环节,对药品质量影响显著。该文在线采集感冒灵中药材提取过程近红外光谱图,以高效液相色谱和差重法为参照方法,采用一阶导数法处理近红外光谱,运用偏最小二乘回归法(PLSR)分别建立提取液中蒙花苷、绿原酸和固含量的定量校正模型。采用相关系数(r)、交叉验证均方差(RMSECV)、校正集均方差(RMSEC)和验证集均方差(RMSEP)等指标优化建模参数,考察模型性能。3种质量控制指标的模型相关系数均达到0.95以上,蒙花苷和绿原酸、固含量的RMSEC和RMSEP分别为0.010 4和0.009 47,0.009 34和0.142,0.055 5和0.008 42,在线分析所建模型,预测值与实际测定值相关系数均大于0.97,其预测相对偏差(RSEP)分别为8.14%,8.17%,9.86%。研究结果表明,利用近红外光谱技术可以实现感冒灵中药提取过程多指标的在线检测和实时监控,该技术可用于生产过程中质量控制,缩小中间体批次差异性,保证药品质量稳定性,也为后续的产品质量回溯提供了实时生产数据。     

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。