近红外光谱分析技术在散结镇痛胶囊干燥过程水分检测中的应用*

张广仁，吴 云，孙仙玲，吴 莎，毕宇安，王振中，萧 伟, 3 ＊＊

（1.南京中医药大学药学院 南京 210000；2.中药制药过程新技术国家重点实验室 连云港 222001；3.江苏康缘药业股份有限公司 连云港 222001）

近红外光谱分析技术在散结镇痛胶囊干燥过程水分检测中的应用*

张广仁1, 2，吴 云2, 3，孙仙玲1,2，吴 莎2，毕宇安2, 3，王振中2, 3，萧 伟1, 2, 3 ＊＊

（1.南京中医药大学药学院 南京 210000；2.中药制药过程新技术国家重点实验室 连云港 222001；3.江苏康缘药业股份有限公司 连云港 222001）

目的：本实验对近红外光谱（Near Infrared，NIR）分析技术在散结镇痛胶囊干燥过程中水分含量检测的可行性进行分析研究。方法：收集67批散结镇痛胶囊干燥过程不同水分含量的样品，扫描NIR光谱，分别考察比较不同波段和不同预处理方式所建立的模型的性能，最终选 择1 350-2 030 nm波段，Mean Center预处理方式，运用偏最小二乘法（PLS）建立NIRS与水分含量值之间的多元校正模型，并用此模型进行预测。结果：结果发现，选取1 350-2 030 nm波段，Mean Center处理方式校正后建立的水分含量模型RC=0.995 0，RV=0.994 1，RMSEC=0.009 6，RMSEV=0.016 7，PC=4（软件根据PRESS值最小提供的主因子数），所建立的模型较其他条件建立的模型性能更稳定，模型预测性能较 优，表明样品光谱与其 中水分质量分数之间存在良好的相关性。该模型对9批散结镇痛胶囊样本水分含量进行预测，RP=0.991 6, 表明预测效果良好，能够满足中药生产过程中质量控制要求。结论：建立的近红外水分定量模型可以准确预测散结镇痛胶囊干燥过程水分含量，证实了NIR技术在散结镇痛胶囊干燥过程水分含量检测的可行性。

近红外光谱 散结镇痛胶囊 干燥过程 水分含量 偏最小二乘法

水分含量是表征中药质量的一个重要指标，含水量高低影响药效成分的含量[1]，其中，含水量过高还会引起霉变。2010年版《中国药典》中水分测定方法为烘干法、甲苯法、减压干燥法和气相色谱法。然而，传统的水分测定方法一般测定过程时间长，测定条件要求高，而且水分含量在测定过程也有可能发生变化[2]。因此，寻找一种有更为快捷、方便的水分含量分析方法在中药生产过程中显得尤为重要。NIR技术具有无损、快速、无破坏性的特点[3，4]，广泛用于农业、石油化工、生物医药等领域。Li Y.等[3，5-7]报道了近红外技术检测药物水分的含量，Togersen G.等[8-10]报道了近红外技术用于食品中水分含量的检测研究。以上研究为散结镇痛胶囊干燥过程水分含量的测定提供了借鉴。本文采用近红外漫反射光谱方法测定散结镇痛胶囊干燥过程中水分含量，所建立的水分含量定量模型准确可靠，适用于生产实践。

1 材料与方法

1.1 仪器与材料

Luminar 5030型AOTF近红外光谱分析仪（美国Brimrose公司），配有InGaAs检测器，SNAP光谱信号采集软件、Unscra-mbler 7.8数据处理软件（挪威CAMO软件公司）；散结镇痛干燥过程中不同水分含量的样品，共67批（江苏康缘药业股份有限公 司提供），水分含量参考值利用干燥失重法测得。

1.2 光谱采集方法

将中药提取物装入样品杯中，利用NIR仪器配备的采样装置采集光谱。光谱采集条件：以仪器内置背景为参比，波数范围1 100-2 300 nm，波长增量为2 nm，平均扫描次数为600；每个样品做3次平行实验，取平均光谱。67批样品的光谱如图1所示。样品的装样厚度、装填的紧密性和颗粒均匀性在实验中需力求一致，以避免对实验结果造成影响。

1.3 模型性能评价指标

选择合适的波段，在适宜的光谱预处理方式基础上，建立NIRS与标准方法分析值之间的多元校正模型。CAMO化学计量学软件以预测残差平方和PRESS最小值确定最佳主成分数（PC），以模型校正集和验证集相关系数（RC、RV）、模型的校正集和验证集预测误差均方根（RMSEC、RMSEV）考察模型预测性能。

图1 不同水分含量的散结镇痛胶囊的近红外光谱图

表1 不同波段建立的模型性能比较

2 结果与讨论

2.1 建模波段的选择

所有样品按水分含量大小均匀选取样品组成校正集和预测集（其中校正集样本量为58，预测集样本量为9），确保校正集样品的水分含量覆盖待测样品含量范围。从分子近红外光谱特性看，纯水分子O-H基伸缩振动的一级倍频近红外区约为1 450 nm，合频吸收带位于1 930 nm附近，该处为水分子的强特征吸收峰，光谱波动较大，包含信息丰富[11]。本文计算校正样品集不同波长点处光谱偏差值作为参考指标[12]，分别选取包含水分子光谱吸收的波段和不包含水分子特征吸收的波段建模（结果见表1），结果发现，以包含水分特征峰（1 450或1 930 nm）的波段建立的水分定量模型较不包括特征峰波段模型预测效果更优。其中，包含2个水分特征峰的波段（1 350-2 030 nm）所建的 近红外模型预测性能最优，这可能是因为该优选波段可以过滤掉冗杂峰，提高信噪比。水分定量模型所选择的波段优劣顺序如下：2个特征峰（1 350-2 030 nm）＞1个水分特征峰（1 830-2 030 nm）＞全波段（1 100-2 300 nm）＞不包括特征峰波段（1 600-1 800 nm）。

2.2 光谱预处理方法

通常认为，平滑处理可以滤去光谱噪声[13]；一阶微分和 二阶微分处理可以对光谱的漂移进行基线校正[14]，同时降低信噪比；多元散射校正（Multiplicative Scatter Correction，MSC）和标准归一化处理（Standard Normal Variate，SNV）都可以有效消除粉体颗粒不均匀产生的散射影响[15]。本文比较研究了软件中的光谱预处理方法，包括未处理、MSC、SNV、一阶微分、二阶微分、标准化、中心化处理（Mean Center）等不同预处理方式对模型效果的影响见表2。

结果发现，选取1 350-2 030 nm波段，Mean Center处理方式校正后建立的水分含量模型较其他条件建立的模型性能更稳定，模型预测性能更优。

2.3 模型建立

根据波段和预处理方式的优选结果，确定最终优化的预处理方式为：选取波长1 350-2 030 nm，经过异常点剔除，Mean Center处理方式校正，采用偏最小二乘法PLS[15]建立散结镇痛胶囊干燥过程水分的定量校正模型，结果见图2。

2.3.1 精密度试验

参照“1.2” 操作方法，取预测样品，重复扫描10次近红外光谱，将所得光谱代入建立的水分定量分析模型计算，以考察方法的精密度，水分质量分数的RSD值为0.31%。

表2 不同处理方式建立的模型性能比较

图2 水分含量预测值与测量值的相关图

图3 NIR预测集中水分含量预测值与实验测定值的比较

2.3.2 稳定性试验

参照“1.2” 操作方法，相同操作环境，l 天内对样品扫描近红外光谱6次，用所建校正模型进行计算，水分质量分数的RSD为1.32%。

3 结果

本文以散结镇痛胶囊干燥过程水分值为对照，扫描NIR光谱，选择1 350-2 030 nm波段，Mean Center预处理方式，采用PLS建立NIRS与水分值之间的多元校正模型。结果发现，选取1 350-2 030 nm波段，Mean Center处理方式校正后建立的水分含量模 型RC=0.995 0，RV =0.994 1，RMSEC=0.009 6，RMSEV=0.016 7，PC=4（软件根据PRESS值最小提供的主因子数），主成分得分为99.98%。用所建模型对验证集样品进行预测，预测相关系数RP=0.991 6，具体结果见图3。

从预测结果可以看出，预测值相对偏差基本控制在10%以内，表明模型预测性能较优，维持在较高水平。在此基础上，继续扩充建模样本量，提高样本的代表性，模型预测能力可以进一步优化，稳健性进一步增强，能够满足生产需要。

4 结论

本文建立了近红外漫反射光谱测定散结镇痛胶囊中水分含量方法，分别比较了不同波段和不同预处理方法所建立模型的预测性能，结果显示：①选用包含尽可能多的水分特征峰波段（1 350-2 030 nm）可以过滤冗杂信息，建立的水分模型预测性能较好；②选用Mean Center方法对近红外光谱进行预处理，最后利用PLS方法建立的水分含量定量校正模型预测性能较优。建立的近红外水分定量模型可以准确预测散结镇痛胶囊干燥过程水分含量，证实了NIR技术在散结镇痛胶囊干燥过程水分含量检测的可行性。

1 童巧珍,周日宝,刘湘丹,等.中药材白扁豆质量标准的研究.世界科学技术-中医药现代化, 2007, 9(1)∶ 46-48.

2 周礼仕,周林,岳清洪,等.藏药打箭菊的质量标准研究.世界科学技术-中医药现代化, 2014, 16(1)∶ 136-140.

3 Hartung A, Knoell M, Schmidt U, et al. R ole of continuous moisture profile monitoring by inline Nir spectroscopy during fluid bed granulation of an enalapril formulation. Drug Dev Ind Pharm, 2011, 37(3)∶ 274-280.

4 吴功煌,史新元,乔延江,等.近红外模式识别技术在中药质量控制中的应用研究进展.世界科学技术-中医药现代化, 2010, 12(2)∶265-270.

5 Li Y, Fan Q, Liu S, et al. Simultaneous analysis of moisture, active component and cake structure of lyophilized powder for injection with diffuse reflectance Ft-Nir chemometrics. J Pharm Biomed Anal, 2011, 55(1)∶ 216-219.

6 Fonteyne M, Arruabarrena J, de Beer J, et al. NIR spectroscopic method for the in-line moisture assessment during drying in a six-segmented fluid bed dryer of a continuous tablet production line: Validation of quantifying abilities and uncertainty assessment. J Pharmaceut Biomed, 2014, 100C∶ 21-27.

7 Zheng Y, Lai X, Bruun S W, et al. Determination of moisture content of lyophilized allergen vaccines by NIR spectroscopy. J Pharmaceut Biomed, 2008, 46∶ 592-596.

8 Togersen G, Isaksson T, Nilsen B N, et al. On-line NIR analysis of fat, water and protein in industrial scale ground meat batches. Meat Sci, 1999, 51(1)∶ 97-102.

9 Yavari A, Heshmati A, Hamedi M, et al. Retracted: VIS/NIR hyperspectroscopy technique for the measurement of moisture and fat contents of breaded-fried chicken nuggets. Food Chem, 2011, 127(2)∶645-650.

10 Sierra V, Aldai N, Castro P, et al. Prediction of the fatty acid composition of beef by near infrared transmittance spectroscopy. Meat Sci, 2008, 78(3)∶ 248-255.

11 宋海燕,程旭.水分对土壤近红外光谱检测影响的二维相关光谱解析.光谱学与光谱分析, 2014, 34(5)∶ 1240-1243.

12 褚小立,袁洪福,陆婉珍.近红外分析中光谱预处理及波长选择方法进展与应用.化学进展, 2004, 16(4)∶ 528-542.

13 贾浩,付强,韩婵娟,等.小波分解重建算法提高近红外煤质水分检测精度.光谱学与光谱分析, 2012, 32(11)∶ 3010-3013.

14 张海云,彭彦昆,王伟,等.基于光谱技术和支持向量机的生鲜猪肉水分含量快速无损检测.光谱学与光谱分析, 2012, 32(10)∶2794-2798.

15 徐宁,魏萱,任冰,等.发酵冬虫夏草茵粉水分腺苷的近红外光谱定量分析及波段选择.光谱学与光谱分析, 2012, 32(7)∶ 1762-1765.

Measurement of Moisture Content of Sanjie Zhentong Capsules with Near Infrared Reflectance Spectroscopy Content Technology

Zhang Guangren1,2, Wu Yun2,3, Sun Xianling1,2, Wu Sha2, Bi Yuan2 ,3, Wang Zhenzhong2,3, Xiao Wei1,2,3
(1. College of Pharmacy, Nanjing University of Traditional Chinese Medicine, Nanjing 210000, China; 2. State Key Laboratory of New-tech for Chinese Medicine Pharmaceutical Process, Lianyungang 222001, China; 3. Jiangsu Kanion Pharmaceutical Co., Ltd., Lianyungang 222001, China)

This study mainly evaluated the feasibility of moisture content of Sanjie Zhentong capsules (SJZTC) with near infrared (NIR) reflectance spectroscopy content. Different water content samples were collected from sixty-seven batches of SJZTC, and NIR off-line spectra was acquired. The property of the proposed model with different wavebands and pretreatments was compared. The 1 350-2 030 nm wavebands and Mean Centerpretreatments were selected. The calibration between NIR spectra and the reference values of moisture content was obtained by partial least squares (PLS) method and optimized through inner cross validation. As a result, the moisture content model correction and verification coefficient were 0.995 0 and 0.994 1, while RMSEC, RMSEV and PC values were 0.009 6, 0.016 7, and 4, respectively, which displayed a good performance, stability, prediction and good statue of relationship between spectrum and water content of the moisture quantitative model. This model was used in the prediction of moisture content from 9 batches of S JZTC samples, and the prediction correlation coefficient was 0.991 6, which met the requirements of quality control in production process of Chinese medicine. In conclusion, the m oisture quantitative model accurately predicted moisture content of drying process in SJZTC, which confirmed the feasibility of NIR technology in the detection of moisture content on the drying process.

Near-infrared spectroscopy, Sanjie Zhentong capsules, drying progress, moisture content, PLS

10.11842/wst.2016.02.028

R95

A

（责任编辑：朱黎婷 张志华，责任译审：朱黎婷 王 晶）

2014-09-28

修回日期：2015-01-04

＊ 科学技术部国家“重大新药创制”科技重大专项（2011ZX09201-201-20）：子宫内膜异位症首选用药－散结镇痛胶囊大品种技术改造，负责人：荣根新。

＊＊ 通讯作者：萧伟，本刊编委，博士，研究员级高级工程师，主要研究方向：从事中药新药的研究与开发。