盐酸左西替利嗪片的近红外漫反射光谱定量分析

王 琴、刘业海、高闽光、赵敏杰

1. 安徽医科大学第一附属医院耳鼻喉科、安徽 合肥 230022 2. 安徽医科大学附属合肥医院合肥市第二人民医院、安徽 合肥 230022 3. 安徽省环境光学监测技术重点实验室、中国科学院安徽光学精密机械研究所、安徽 合肥 230031

盐酸左西替利嗪片的近红外漫反射光谱定量分析

王 琴1,2、刘业海1*、高闽光3、赵敏杰3

1. 安徽医科大学第一附属医院耳鼻喉科、安徽 合肥 230022 2. 安徽医科大学附属合肥医院合肥市第二人民医院、安徽 合肥 230022 3. 安徽省环境光学监测技术重点实验室、中国科学院安徽光学精密机械研究所、安徽 合肥 230031

利用近红外光谱结合偏最小二乘法实现对不同品牌盐酸左西替利嗪片剂有效成分的定量分析。经内部交叉验证、确定最佳波数范围和光谱预处理方法、以及最佳主成分数、建立最优PLS校正模型。对验证集样品浓度进行预测、得到均方根误差RMSECV、决定系数R2分别为0.276和0.974。该方法能够用于不同厂家盐酸左西替利嗪片的快速定量分析、是一种有效的药品快速检验技术。

傅里叶光学； 近红外光谱； 盐酸左西替利嗪片； 定量分析

引 言

当今社会、物质经济正在快速的发展、人们在高度压力的工作与生活状态下健康状况每况愈下。因此人们对自身健康给予更多的关注、对个人用药安全有了更高的要求。医药和人们的生活息息相关、其质量关系到全人类的健康安全。因此在医药产业快速发展的情况下、加强对药物的质量控制和监督、实现对药物的定性和定量分析显得尤其必要。

近红外光谱法是一种新兴的药物快速分析技术[1-3]、可直接地测试样品、而不需样品稀释并有透射和反射测试方式。与传统测试技术相比、近红外技术具有快速测定、使用简单、灵活性强、提高检测可靠性等优越性、可应用在制药企业生产的整个流程以及药品的市场质量监督中。

左旋西替利嗪主要用于治疗呼吸系统、皮肤和眼睛等的过敏性疾病[4]、如过敏性鼻结膜炎、过敏性皮肤病、过敏性哮喘等。目前、文献报道的盐酸左西替利嗪片含量测定方法主要为高效液相色谱法[5]和紫外法[6]、但这两种测量方法均要对被测样品进行复杂的预处理、过程繁琐、不能满足药品快速检测的要求。故采用近红外光谱分析技术对市售盐酸左西替利嗪片剂进行定量分析。

1 实验部分

1.1 仪器与样品

使用的仪器是德国布鲁克公司的MPA型傅里叶变换近红外光谱仪[7]、InGaAs积分球漫反射检测器、沃特斯(Waters)E2659型高效液相色谱仪、沃特斯(Waters)Symmetry C18色谱柱(4.6 mm×250 mm、5 μm)。盐酸左西替利嗪片剂为重庆华邦制药股份有限公司生产的迪皿盐酸左西替利嗪片、共23个批次、湖南九典制药有限公司生产的九典盐酸左西替利嗪片两个批次、仁和盐酸左西替利嗪片三个批次、北京天衡药物研究院南阳天衡制药厂生产的欣臻盐酸左西替利嗪片三个批次、总共31个批次。其中23个批次为校正集、八个批次为预测集。盐酸左西替利嗪对照品来源于中国药品生物制品检定所、批号100659-201102、含量为98.8%,甲醇(色谱级、美国TEDIA公司)、磷酸二氢钠(分析纯)、双蒸水。

1.2 光谱采集

将单片样品置于积分球漫反射检测器的样品杯中、在12 000～4 000 cm-1范围间扫描、分辨率为16 cm-1、扫描次数为32次、每个批次取5片分别进行扫描、每片正反面各扫描一次、求平均光谱作为样品分析光谱。

由图1可知、在5 265、4 765和4 457～4 019 cm-1等波数处均有较强吸收峰、说明样品所含的主要成分种类较多、谱峰比较复杂、且相互重叠、仅仅根据样品的原始近红外光谱图并不能对样品中的盐酸左西替利嗪进行定量分析、需要借助化学计量学方法和相关光谱数据处理软件进行综合分析。

图1 左旋西替利嗪散射光谱

2 结果与讨论

2.1 盐酸左西替利嗪定量分析模型的建立

一般来说、定量分析方法的目标是从实验观测值X找出系统Y值的关系、X和Y关于模型函数b为

(1)

(2)

矢量Y由参考光谱的组分值组成、矩阵X的行矢量由建模谱图组成。目标是确定矢量b。当b知道后、就能预测未知值Yn。

以上系统方程的解由下式给出

b=(XTX)-1XTY

(3)

近红外预测模型的建立采用偏最小二乘算法。偏最小二乘回归集多元线性回归分析、主成份分析、典型相关分析的基本功能为一体、偏最小二乘法方法是分别求出样品集光谱矩阵和样品组分矩阵的主成分矩阵、将这两个矩阵相关联求其线性关系、用所建立的线形函数来预测未知样品。

主要用传统药品测量方法测出来自三个不同厂家的固体片剂盐酸左西替利嗪片的有效成分含量作为真实浓度、采集样品近红外漫反射光谱、并采用求倒数、归一化等光谱预处理方法对原始光谱进行预处理以消除噪声的干扰并且突出游泳信息、结合偏最小二乘法建立定量校正模型。然后使用所建校正模型对验证集样品浓度进行预测、得到决定系数、均方根误差分别为0.974和0.276。预测结果较好。该模型能够用于不同厂家盐酸左西替利嗪片的快速定量分析、是一种有效的药品快速检验方法。在后续的工作中、还可以加入其他企业的具有代表性的样品、对建立的定量分析模型进行优化、使得模型的分析范围更广泛。

将所有实验样品的光谱导入光谱仪自带分析软件OPUS6.5、并对光谱数据进行预处理、采用偏最小二乘法建立样品近红外光谱模型、综合考虑光谱波段范围、光谱预处理方法以及PLS因子数对模型预测性能的影响。以校正集内部交叉验证均方根误差(root mean square error of cross validation、RMSECV)和决定系数(determination coefficient、R2)(真实值和预测值相关系数的平方)为优化参数对PLS模型结构进行优化、从而得到最优的校正模型。最后、外部检验、用该校正模型对验证样品进行预测、以预测均方根误差(RMSEP)和验证集决定系数(R2)为指标对模型的可靠性进行评价。

2.2 建模与模型评价

2.2.1 建模光谱区间的选择

在近红外光谱结合偏最小二乘方法建模中、通过筛选特征波长或波长区间可以得到性能更好的定量校正模型。选择合适的波长范围一方面可以使模型简化、更主要的是由于不相关或非线性变量的剔除、可以得到预测能力强、稳健性好的校正模型。

利用OPUS的Quant-2定量软件的自动优化功能对近红外光谱校正模型在全光谱区进行优化。经内部交叉检验、以校正集决定系数及内部交叉验证均方差为指标优化模型参数、模型优化的结果见表1。

表1 PLS模型不同波段优化结果

由表1可知、在11 988～7 498.3和5 454～4 597.7 cm-1光谱区域内建模时、校正集均方根误差最小、决定系数最大、其值分别为0.231和0.9675。因此最佳建模光谱范围为11 988～7 498.3和5 454～4 597.7 cm-1。

2.2.2 光谱预处理方法

选择最佳建模光谱区间11 988～7 498.3和5 454～4 597.7 cm-1、考察不同光谱预处理方法(矢量归一化、最大最小归一化、一阶导数、二阶导数、减去一条直线、多元散射校正以上方法的组合等)对PLS校正模型的影响。依旧以校正均方根误差RMSECV和校正集决定系数R2为模型优化参数。采用不同的光谱数据预处理方法得到的结果见表2。由表可知、对光谱不进行预处理时、校正均方根误差为0.500、R2为0.846 8； 经过预处理后、模型的校正均方根误差均小于未处理时的校正均方根误差、充分说明对光谱进行预处理可以有效提高模型的预测性能。由表可知、当建模光谱区间为11 988～7 498.3和5 454～4 597.7 cm-1时、光谱的最佳预处理方法为一阶导数+矢量归一化处理。

表2 不同光谱预处理方法对PLS校正模型的影响

2.2.3 不同因子数对建模效果的影响

采用偏最小二乘法建立定量分析模型时,选取不同的潜变量数即不同因子数,对该定量模型的预测能力也有一定的影响。通过校正集内部取一交叉验证(leave one out cross validation)、以参数校正均方根误差最小为目标选择最佳建模因子数。在最佳建模光谱区间内、选择最佳光谱预处理方法建立校正模型、当PLS因子数不同时、校正均方根误差也不同。校正均方根误差RMSECV与因子数的关系曲线见图2。

图2 因子数对预期结果的影响

从图2可以看出、当因子数为6时、校正均方根误差RMSECV最小、说明此时校正模型的预测性能最好。

综上所述、当光谱波段为11 988～7 498.3和5 454～4 597.7 cm-1、光谱预处理方法为一阶导数+矢量归一化处理、PLS因子数为6时、所建模型最好、此时校正均方根误差RMSECV为0.219、校正集决定系数为0.970 5。

2.3 定量分析和评价

在上述最优条件下构建偏最小二乘定量校正模型、使用此模型对验证集的八个样品的浓度进行预测、得到预测均方根误差和验证集决定系数分别为0.276和0.974。将模型预测结果和HPLC方法测得的浓度值进行比较、浓度预测结果和比较结果见表3。预测值和测量值的相关性见图3。

表3 预测集样品预测结果与测量值的比较

图3 测量值和预测值的相关性

3 结 论

对样品的原始近红外谱图进行合适的预处理以及分析谱段范围的选择是建立定量分析模型的关键。由于近红外光谱信号弱、且谱峰严重重叠、所以目前在定量分析中还仅能用于常量分析、分析下限为0.1%。本实验用的盐酸左西替利嗪片的规格均为5 mg、采用HPLC法测得的实际含量范围为86.2%～91.2%。将所有样品分成校正集和验证集、校正集的浓度范围要大于验证集的浓度范围、使所建模型具有充分的代表性。对验证集样品浓度进行预测、得到决定系数、均方根误差、分别为0.974和0.276。近红外光谱法没有传统定量测量方法的复杂的样品前处理过程、并且实验过程中不使用其他化学试剂、无污染。在后续的工作中、还可以加入其他企业的具有代表性的样品、对建立的定量分析模型进行优化、使得模型的分析范围更广泛。

[1] Blanco M,Bautista M ,Alcalà M. AAPS PharmSciTech,2008,9(4): 1130.

[2] Blanco M,Cruz J,Bautista M. Analytical and Bioanalytical Chemistry,2008,392: 1367.

[3] Martínez Lizbeth,Peinado Antonio,Liesum Lorenz. International Journal of Pharmaceutics,2013,451: 77.

[4] ZHAI Cheng(翟 成). Chinese Journal of Urban and Rural(中国城乡企业卫生),2011,5: 50.

[5] HONG Jiang-you,HONG Zhi-hui,LING Ri-jin(洪江游,洪志慧,凌日金,等). Chinese Journal of Modern Drug Application(中国现代药物应用),2012,6(13): 4.

[6] LI Jing,YU Jun,HOU Fei-yan(李 菁,余 俊,侯飞燕). Journal of Huaihua University(怀化学院学报)、2006,25(8): 650.

[7] ZHAO Li-li,WANG Yan-ping,WU Yan-wei(赵丽丽、王颜萍、吴严巍). Modern Instruments(现代仪器)、2011,5: 24.

*Corresponding author

Quantitative Analysis for Levocetirizine Hydrochloride Tablets Based on NIR Spectroscopy

WANG Qin1,2,LIU Ye-hai1*,GAO Min-guang3,ZHAO Min-jie3

1. Department of Otalaryngology,The First Affiliated Hospital of Anhui Medical University,Hefei 230022,China 2. Department of Otalaryngology,Hefei Second People’s Hospital of Anhui Medical University,Hefei 230022,China 3. Key Laboratory of Environmental Optics and Technology,Anhui Institute of Optics and Fine Mechanics,Chinese Academy of Sciences,Hefei 230031,China

The aim of this study was to develop a quantitative analytical method to measure the effective components in the left cetirizine hydrochloride tablets using near infrared spectroscopy combining with a partial least square (PLS) analysis model. The method was internal cross-validated to determine the best wavelength range,spectral preprocessing methods and the optimal number of principal components. The concentration of validation set samples was predictable by PLS model. The RMSECV value was 0.276,and theR2value was 0.974. Our study suggests that this model can be used for rapid quantitative analysis of left cetirizine hydrochloride tablets from different manufacturers.

Fourier optics; Near infrared spectroscopy; Levocetirizine hydrochloride tablet； Quantitative analysis

Jul. 27,2015; accepted Nov. 8,2015)

2015-07-27、

2015-11-08

中国科学院战略性先导科技专项(XDB05040200)、合肥市借转补项目(合科(2016)89号)资助

王 琴,1981年生,安徽医科大学博士研究生 e-mail: minjiezhao@126.com *通讯联系人 e-mail: huaishui1981@163.com

O43； R917

A

10.3964/j.issn.1000-0593(2016)12-3941-04