共查询到9条相似文献,搜索用时 5 毫秒
1.
[目的]制备川芎嗪固体脂质纳米粒,并对其载药量和包封率进行考察。[方法]采用薄膜超声分散法制备,并以包封率为指标采用正交设计法优化川芎嗪固体脂质纳米粒的制备工艺。[结论]所得川芎嗪固体脂质纳米粒的最佳制备处方是川芎嗪30mg,卵磷脂300mg,硬脂酸300mg,30g/L的甘露醇15mL。[结论]该处方可用于川芎嗪固体脂质纳米粒的制备,工艺简单、可行。 相似文献
2.
β-榄香烯固体脂质纳米粒zeta电位影响因素检测 总被引:2,自引:0,他引:2
目的:探讨稀释介质及处方组成对β-榄香烯圊体脂质纳米粒(SLN)制剂zeta电位测量的影响,确定适宜的稀释条件.方法:将β-榄香烯SLN制剂用不同介质稀释,用Nicomp-380/ZLS动电电位粒径测定仪测定其zeta电位,并将筛选出的稀释条件用于不同处方β-榄香烯SLN制剂的zeta电位测量.结果:在考查范围内,β-榄香烯SLN制剂的zeta电位绝对值随稀释介质中泊洛沙姆188浓度的增加而降低,以重蒸馏水为稀释介质时,其绝对值随稀释度的增加而升高.β-榄香烯SLN的zeta电位绝对值随处方中泊洛沙姆188的增加而降低,当处方中单硬脂酸甘油酯的比例增加时其zeta电位绝对值升高.结论:稀释介质对于β-榄香烯SLN制剂的zeta电位测定有较大影响,β-榄香烯SLN制剂用重蒸馏水稀释8倍后,可以得到较为合理的测量结果. 相似文献
3.
固体脂质纳米粒中β-榄香烯含量的气相色谱法测定 总被引:1,自引:0,他引:1
目的:建立β-榄香烯固体脂质纳米粒中β-榄香烯的气相色谱测定方法.方法:以质量分数10% PEG-20M(2 m×2.6 mm)为固定相,60~80目的Shimalite W(NAW)为担体,注射部位温度为200 ℃,FID检测温度为200 ℃,柱温150 ℃,N2为载气,流速50 mL/min,内标为萘.结果:β-榄香烯的检测不受自身杂质及辅料的影响, 在3.75~75.0 mg/L范围内,线性关系良好(r=0.999 2), 回收率大于99%.结论:本法简单、准确, 可用于β-榄香烯固体脂质纳米粒中β-榄香烯的含量测定. 相似文献
4.
5.
目的:制备姜黄素(Cur)固体脂质纳米粒(SLN)。方法:用薄膜超声法制备Cur-SLN,以mcur︰m单硬脂酸甘油酯、m单硬脂酸甘油酯︰m卵磷脂、聚山梨酯-80质量浓度、超声时间为考察因素,以包封率为指标,用正交试验优选处方,并考察其粒径分布、Zeta电位。结果:当mcur︰m单硬脂酸甘油酯=1︰3、m单硬脂酸甘油酯︰m卵磷脂=1︰2.5、聚山梨酯-80质量浓度2.5%、超声时间12 min时,所制得的Cur-SLN平均粒径为(145.6±5)nm,Zeta电位为(-31.9±1.5)mV,包封率为(97.42±0.39)%,载药量为(7.92 ± 0.05)%。结论:采用薄膜-超声法制备Cur-SLN可行,为开发姜黄素新型给药系统提供试验依据。 相似文献
6.
7.
高压乳匀法制备中药固体脂质纳米粒 总被引:6,自引:0,他引:6
目的采用高压乳匀法将中药有效成分包载于固体脂质纳米粒(SLN),并研究制备的纳米粒的主要性质。方法选择水飞蓟宾(SIL)和汉防己甲素(TET)为模型药物,采用高压乳匀法将其分别包载于SLN。在电镜下观察其形态,以粒度分析仪和Zeta电位分析仪测定其粒径和Zeta电位,用葡聚糖凝胶柱层析法和HPLC测定其包封率和载药量,还观察了SLN的稳定性。结果高压乳匀法制备的SIL-SLN呈球状,形态规则,平均粒径为(157±8)nm,Zeta电位为(-35.36±2.68)mV,包封率为95.64%,载药量为4.63%;TET-SLN呈片状存在,不规则,粒径较小,平均粒径为(47±3)nm,Zeta电位为(-32.99±2.54)mV,包封率为97.82%,载药量为4.76%。SIL-SLN和TET-SLN有较高稳定性。结论高压乳匀法适于制备包载中药的SLN。 相似文献
8.
9.
目的 采用星点设计-效应面法优化异穿心莲内酯固体脂质纳米粒(IA-SLN)处方工艺,并考察其体外释放特性。方法 采用薄膜-超声分散法制备IA-SLN,以包封率、粒径、Zeta电位为评价指标,考察载体比例、投药量、聚山梨酯80质量分数3因素对制备工艺的影响,并对结果进行方程拟合,用效应面法预测最佳工艺条件;采用透析法研究IA-SLN体外释放机制。结果 包封率、平均粒径、Zeta电位都以二项式拟合最优,复相关系数R2分别为0.985 6、0.913 6、0.933 4,根据优化方案制备的IA-SLN包封率96.62%、平均粒径162.4 nm、Zeta电位?31.6 mV。IA-SLN体外释放符合non-Fick’s扩散机制,药物扩散和脂质骨架溶蚀具有协同作用。结论 星点设计-效应面法可用于IA-SLN的工艺优化,所建立的数学模型预测性良好。 相似文献