近红外光谱法快速测定筋骨痛消丸中的水分

2015-01-13雷敬卫谢彩侠王丽娜樊明月

中成药 2015年9期

张强，白雁，雷敬卫，谢彩侠，郝敏，王丽娜，樊明月

(1. 上海中医药大学，上海201203;2. 河南中医学院，河南郑州450046)

中药制剂筋骨痛消丸由丹参、鸡血藤、香附、乌药等11 味中药组成，为棕褐色的浓缩丸，气微香，味微苦，具有活血行气，温经通络，消肿止痛功能，用于血瘀寒凝膝关节骨质增生引起的膝关节疼痛、肿胀、活动受限等症［1］。筋骨痛消丸在临床的应用非常广泛，但针对该制剂制定的质量标准还不够完善，其中水分含有量是评价制剂质量优劣的一个重要标准，但是传统的分析方法具有前处理复杂、破坏样品、检测时间长、离线检测等缺点，不能满足现代化生产的需要。

近红外光谱是指波数为4 000 ～12 000 cm-1的电磁波，是化合物中C-H、O-H、N-H 等基团伸缩振动的倍频或合频的吸收，特别适合于对样品中水分含有量的测定［2-3］。本实验利用近红外光谱技术的简便、无损、绿色环保、快速、在线监测等优点［4］，结合PLS 建立筋骨痛消丸中水分含有量的定量分析模型，实现了对筋骨痛消丸中水分的快速、简便、准确测定。

1 实验仪器和材料

1.1 仪器 HC100 型粉碎机(浙江省永康市金穗机械制造厂);AL204 型分析天平(梅特勒-托利多仪器有限公司);尼高力6700 型近红外光谱仪，附IngaAs 检测器，漫反射积分球，样品旋转器和石英样品杯，OMNIC 光谱采集软件，TQ Analyst 8.0 分析软件(美国赛默飞世尔科技有限公司);CS101-2D 型电热鼓风干燥箱(中外合资重庆四达实验仪器有限公司)。

1.2 材料采集到不同生产批次的98 份筋骨痛消丸制剂，粉碎，过80 目药典筛，得到98 份筋骨痛消丸粉末样品，备用。

2 方法与结果

2.1 近红外光谱图的采集 98 份筋骨痛消丸粉末样品，每份取约8 g，混匀，置石英样品杯中，旋转，采集光谱图。采样方式为积分球漫反射，分辨率为8 cm-1;扫描次数为64 次;扫描波段为4 000 ～12 000 cm-1;温度为25 ℃;相对湿度为30% ～40%。每份样品重复扫描3 次，求得平均光谱，用于建立模型。98 份筋骨痛消丸粉末样品的近红外光谱叠加见图1。

图1 98 份样品的近红外光谱叠加图Fig.1 Near-infrared overlapping spectra of 98 samples

2.2 水分的测定［5］筋骨痛消丸为浓缩丸，按照《中国药典》2010 年版附录中的相关规定，选用烘干法对筋骨痛消丸中水分进行测定。取样品2 g，平铺于干燥至恒定质量的扁形称量瓶中，厚度不超过5 mm，精密称定，打开瓶盖在105 ℃干燥5 h，将瓶盖盖好，移置干燥器中，冷却30 min，精密称定，再在上述温度干燥1 h，冷却，称定质量，至连续两次称定的差异不超过5 mg 为止。根据减失的质量，计算供试品中含水量，测定结果作为参考值。98 份样品的水分含有量范围是4.60%～6.63%。

2.3 水分定量分析模型的建立

2.3.1 校正集和验证集的选择从98 份样品中，选取82 份样品作为校正集以建立模型，含水量分布范围为4.60% ～6.63%;剩余16 份样品为验证集，用于对模型进行验证，含水量分布范围为4.87% ～5.43%。校正集、验证集选取标准以验证集的水分含有量分布范围在校正集的水分含有量范围之内。

2.3.2 光谱预处理方法的选择建模前，需要对样品的原始近红外光谱图进行相关的预处理，以消除噪音等各种因素的干扰。最终结果以MSC (多元散射校正) +Second Derivative (二阶导数) +ND (Norris Derivative)平滑的处理效果较好，故选用此法。表1 为经过不同的光谱预处理方法得到的R2、RMSEC 和RMSEP 的数值比较。

表1 不同光谱预处理方法对模型的影响Tab.1 Effects of spectral pretreatment methods on the model

2.3.3 光谱谱段的选择本实验用NIRS 结合PLS建立定量分析模型。在建模时，以R2、RMSEC 和RMSEP 为综合考察指标，选用MSC+Second Derivative+ND 平滑对多个建模光谱波段进行优选。在4 501.04 ～8 759.10 cm-1，R2最接近1，RMSEC和RMSEP 较小且接近，故此波段为最佳建模光谱波段［6］。表2 为不同建模光谱波段对应的R2、RMSEC 和RMSECP 的数值。

表2 不同建模光谱波段对模型的影响Tab.2 Effects of modeling spectral bands on the model

2.3.4 主成分数的选择在建模过程中，不同的主成分数，对定量分析模型的预测能力会有较大的影响，在校正集样品不变的情况下，主成分数少，信息少，预测能力低;主成分数多，模型会过于复杂，校正过程中可能会出现过拟合的现象［7］。因此本实验最终选用内部交叉验证，来考察主成分数对内部交叉验证均方差(RESECV)的影响，RMSECV 越小越好，当主成分数为9 时RMSECV 值最小为0.062 5，因此9 为最佳主成分数［8］。图2 为不同主成分数对应的不同RESECV 值。

图2 主成分数对RMSECV 的影响Fig.2 Effects of main factors on RMSECV

3 定量分析模型的建立及验证

3.1 定量分析模型的建立运用TQ Analyst 8.0分析软件建立定量分析模型，98 份样品用于建模，选用MSC+Second Derivative+ND 平滑对原始光谱图进行预处理，最佳建模区间4 501.04 ～8 759.10 cm-1，最佳主成分数9，得到定量分析模型的R2为0.984 52，RMSEC 为0.034 4，RMSEP 为0.037 2。图3 为预测值与参考值的相关图。由图3 可知预测值与参考值很接近，建立的定量分析模型预测性能较好。

3.2 定量分析模型的验证［9］16 份验证集样品的近红外光谱图导入到分析模型中，得到了筋骨痛消丸中水分含有量的预测值，与其参考值进行比较，其结果见表3。

图3 预测值与参考值的相关图Fig.3 Correlation diagrams of predictive values and reference values

表3 预测值与参考值的关系Tab.3 Relationships between predictive values and reference values

对16 份验证集的预测值和参考值做相关性分析，如图4。

由表3 可知预测值和参考值的平均偏差为0.02%，二者数值接近;由图4 可知预测相关系数(r2)为0.972 2，相关度高，预测值和参考值接近。综上，说明本实验所建立的定量分析模型可以准确地预测筋骨痛消丸中的水分含有量，能够为筋骨痛消丸中的水分含有量测定提供更加简便快速的测定方法。

图4 相关性分析结果Fig.4 Correlation analysis result

4 定量分析模型方法学考察［10-11］

4.1 精密度试验取31 号样品，采集其近红外光谱6 次，得到的近红外光谱图输入所建立的定量分析模型中，预测其水分含有量，以考察该定量分析模型的精密度。结果6 次水分含有量预测值分别为4.71%、 4.75%、 4.82%、 4.69%、 4.80%、4.76%，预测值RSD 为1.05%，表明该定量分析模型的精密度良好。

4.2 重复性试验取48 号样品，分成6 份，分别采集其近红外光谱，用所建模型预测其水分含有量。结果48 号样品6 份水分含有量预测值分别为5.25%、 5.20%、 5.34%、 5.18%、 5.31%、5.29%，预测值的RSD 为1.20%，表明该定量分析模型的重复性良好。

4.3 稳定性试验取71 号样品，6 d 内分别采集其近红外光谱，用所建模型预测其水分的含有量，6 d 内的该样品水分含有量预测值依次为5.82%、5.89%、5.9%、5.65%、5.76%、5.62%，预测值的RSD 为2.14%，表明所建定量分析模型稳定性良好。