共查询到13条相似文献,搜索用时 224 毫秒
1.
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。 相似文献
2.
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。 相似文献
3.
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。 相似文献
4.
目的建立热毒宁注射液青蒿金银花醇沉浓缩过程主要药效成分的定量校正模型,实现生产过程在线监控。方法采用近红外光谱技术(NIRS)结合偏最小二乘法(PLSR)分别建立新绿原酸、绿原酸、隐绿原酸的定量校正模型。结果新绿原酸、绿原酸、隐绿原酸定量校正模型的决定系数(R~2)分别为0.954 5、0.975 2、0.9691;校正集误差均方根(RMSEC)为0.213、0.676、0.225,交叉验证集误差均方根(RMSECV)分别为0.233、0.692、0.258。采用所建模型进行在线分析,新绿原酸、绿原酸、隐绿原酸的预测值与实测值的决定系数分别为0.984 2、0.983 7、0.9870,预测相对误差(RPD)分别为4.77、5.29、4.37,预测相对偏差(RSEP)分别为3.519%、3.778%、3.895%。结论所建的模型可以用于热毒宁注射液青蒿金银花醇沉浓缩过程中新绿原酸、绿原酸、隐绿原酸的在线定量测定。 相似文献
5.
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。 相似文献
6.
7.
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。 相似文献
8.
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(rcal)、验证集相关系数(rpre)、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。 相似文献
9.
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。 相似文献
10.
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。 相似文献
11.
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。 相似文献
12.
目的 采用近红外光谱(near infrared spectrum,NIRS)技术结合偏最小二乘法(partial least-square,PLS)建立香菊片提取液膜分离过程中没食子酸、鞣花酸、木犀草素3个成分的定量监测模型。方法 收集香菊片膜分离过滤液样本53个,其中预测集38个,验证集15个,用HPLC法测定所有样本中没食子酸、鞣花酸、木犀草素3个成分的含量,同时采集NIRS数据。将得到的光谱数据与3个化学成分含量数据应用PLS回归分析建立定量模型,采用模型的校正集相关系数(correlation coefficient of calibration,RC)、预测集相关系数(correlation coefficient of prediction,RP)、校正集误差均方根(root mean square error of calibration,RMSEC)、预测集误差均方根(root mean square error of prediction,RMSEP)和预测集相对偏差(relative standard of errors of prediction,RSEP)对定量预测模型进行评价。结果 没食子酸、鞣花酸、木犀草素近红外定量模型RMSEC分别为0.561、1.256、0.342,RC分别为0.981、0.992、0.986;RMSEP分别为0.557、1.157、0.367,RP分别为0.987、0.994、0.979;RSEP分别为5.73%、4.23%和3.78%,均小于10%。结论 建立的NIRS定量模型预测性良好,可用于香菊片提取液膜分离过程的成分含量测定和终点判断。 相似文献
13.
NIRS结合TQ软件对不同产地野菊花定性定量分析 总被引:1,自引:0,他引:1
目的:采用近红外光谱技术(NIRS)结合TQ软件对不同产地野菊花进行定性定量分析。方法:运用近红外漫反射光谱技术采集不同产地野菊花药材的NIR光谱,采用TQ软件中的判别分析法对不同产地野菊花进行产地判别;采用HPLC法测定野菊花中绿原酸含量,偏最小二乘法对不同产地野菊花药材中的绿原酸进行定量预测,分别建立了定性定量分析模型,并对模型进行了验证。结果:所建定性模型可快速准确鉴别出不同产地的野菊花药材,验证集样品错判例数为0;绿原酸定量预测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0.995 38,0.008 12和0.012 8。结论:定性定量模型可准确地对不同产地野菊花进行定性定量分析,该方法简便可靠,可用于野菊花药材的快速质量分析。 相似文献