基于物料粉体学性质对5种制剂品种颗粒溶化性的相关性研究

目的 以杏贝止咳颗粒(Xingbei Zhike Keli,XZK)、桂枝茯苓胶囊(Guizhi Fuling Jiaonang,GFJ)、天舒胶囊(Tianshu Jiaonang,TJ)、腰痹通胶囊(Yaobitong Jiaonang,YJ)与参乌益肾片(Shenwu Yishen Pian,SYP)5个品种的中间体粉末及颗粒为研究对象,研究中间体粉体学性质与颗粒溶化性的相关性,筛选出影响颗粒溶化性的关键物料属性,为提升产品质量属性提供参考。方法 通过对5个品种各20批粉末及颗粒取样,以物料粉体的休止角(α)、松密度(D_a)、振实密度(D_c)、孔隙率(I_e)、卡尔指数(IC)、豪斯纳比(IH)、含水量(HR)、吸湿性(H)、粒径(D₁₀、D₅₀、D₆₀、D₉₀)、均匀性(UN)、比表面积(SSA)、相对均齐度(Iθ)、分布范围(span)、宽度(width)、粒径<50μm百分比(Pf)为自变量,中间体颗粒溶化率(DR)为因变量构建关联模型,并以物理指纹图谱与热点图分别对各品种批次间及品种间物理属性相关性进行分析,结合多元统计分析方法<研究中药物料粉体学与颗粒溶化性的相关性。结果 对所绘制雷达图进行相似度分析,XZK混合粉相似度为86.52%~99.92%,GFJ、TJ软材细粉相似度分别为90.38%~99.97%、89.79%~99.99%,YJ喷干细粉相似度为87.98%~99.90%,SYP干膏粉相似度为86.94%~99.97%;品种间物性参数相关性矩阵热点图显示,各品种指标间相关系数为-0.964~0.998,且在D_a、D_c、I_e、IC、IH、HR、Iθ及span上存在较高相似性,在α与粒径分布范围上存在差异性。主成分分析(principal component analysis,PCA)提取了2个主成分,主成分1主要由IC、IH、SSA及代表粒径性质的D10、D50、D60、D90与Iθ、width、Pf构成,解释率达到57.06%;主成分2由α、D_a、D_c、I_e、HR及UN、span组成,解释率达到20.76%。偏最小二乘回归分析(partial least squares regression analysis,PLS)结果显示,对DR影响显著的是D_c、H、SSA、HR、IH、I_e及IC。结论 运用数据统计分析方法所建立的模型可以较好地预测中间体影响颗粒溶化性的关键物料属性,通过控制相关属性指标来达到改善颗粒生产中出现的析出、焦屑、结块等溶化性问题。     

乳香、没药药对配伍挥发油成分的GC-MS分析

目的 考察乳香、没药药对配伍对挥发油化学成分的影响.方法 采用气-质联用系统对乳香、没药药材以及药对配伍中的挥发油进行分析,评价配伍对挥发油成分及含量的影响.结果 采用GC-MS对乳香、没药药材和药对挥发油的成分进行分析比较,发现乳香挥发油中检出的trans-3,5,6,8 a-四氢-2,5,5,8a-四甲基-y1-2...     

不同中枢神经系统感染患儿脑脊液肝细胞生长因子水平变化的意义

目的通过观察病毒性脑炎、细菌性脑膜炎及结核性脑膜炎患儿脑脊液肝细胞生长因子(HGF)水平变化,探讨其是否可以作为一个鉴别诊断的生化指标,为临床疾病的诊断提供依据。方法选择临床确诊病毒性脑炎30例、细菌性脑膜炎21例、结核性脑膜炎19例及对照组24例,采用酶联免疫吸附试验双抗体夹心法检测各组患儿脑脊液HGF水平。同时将HGF水平分别与脑脊液中白细胞计数和蛋白定量进行直线相关分析,观察脑脊液中HGF水平与脑脊液中白细胞计数和蛋白定量的关系。结果细菌性脑膜炎组、结核性脑膜炎组脑脊液HGF水平高于病毒性脑炎组和对照组,结核性脑膜炎组高于细菌性脑膜炎组患儿,细菌性脑膜炎组、结核性脑膜炎组及病毒性脑炎组与对照组患儿比较均有显著性差异(Pa<0.05),病毒性脑炎组与对照组患儿比较差异无统计学意义(P>0.05)。结论 HGF有可能成为鉴别细菌性脑膜炎、结核性脑膜炎及病毒性脑炎的指标之一。     

基于神经网络优化模型的中药复方安慰剂配色模拟研究

目的 构建粒子群反向传播(Particle swarm optimization-back propagation, PSO-BP)神经网络对中药复方颗粒剂安慰剂制备着色剂的用量进行预测,为中药复方颗粒剂安慰剂颜色的模拟提供一种新思路。方法 运用BP神经网络建立样品颜色参数L、a~*、b~*与色素质量分数的模型,利用粒子群算法的全局搜索能力优化BP神经网络权重和偏置,防止模型出现局部最小值,再采用线性降低权系数法和引入变异算子提高粒子群算法的全局寻优能力;以颜色综合评价指标(ΔE)为客观评价标准,验证试验结果。结果 训练结果表明,改进的PSO-BP神经网络拟合精度最高达到98.31%;预测结果表明,改进的PSO-BP神经网络的预测误差最小,平均绝对百分比误差(MAPE)、均方根误差(RMSE)和平均色差(ΔE)分别为0.411 5、2.164 6、2.56;制备3种颗粒的验证样品进行验证,验证样品与模型药物的ΔE分别为1.73、2.63、4.11,肉眼直观评价其中两组与模型药物色差较小。结论 基于改进粒子群优化算法的BP神经网络可模拟中药复方颗粒剂安慰剂制备着色剂用量预测,可作为安慰剂...