氯硝西泮片近红外光谱定量模型的建立与应用
2016-11-24王苑桃陈德妙
黄 洁,周 娜,王苑桃,陈德妙,单 敏
(西安市食品药品检验所,西安 710054)
氯硝西泮片近红外光谱定量模型的建立与应用
黄 洁,周 娜,王苑桃,陈德妙,单 敏
(西安市食品药品检验所,西安 710054)
目的 对75批氯硝西泮片进行快速光谱扫描,建立近红外光谱定量模型,并用于氯硝西泮片的快速分析。方法 用光纤探头测定氯硝西泮片的近红外光谱,对原始光谱进行矢量归一化、二阶导数、最大-最小归一化处理,通过偏最小二乘法(PLS)建立氯硝西泮片定量模型,优选最佳建模谱段,并对建立的最优模型的适用性进行验证。结果 最优谱段为6 102~4 597.7cm-1,经矢量归一化处理后光谱信息与各组分含量间的定量校正模型具有较好的预测能力,验证集样品NIR预测值与紫外测定真实值间的相关系数r=0.973 6,预测均方差(RMSEP)为0.094 6,相对偏差值小于5%。结论 该模型简便、准确,能快速、无损地预测氯硝西泮片的含量。
氯硝西泮片;近红外光谱;定量分析
近红外(NIR)光谱属于分子光谱,波长范围为780~2 500nm(12 820~4 000cm-1),是介于可见光与中红外光之间的电磁波,主要用于主药含量较高的药物制剂及原辅料的定量定性分析[1]。近红外光谱由于其性质稳定、分析速度快、穿透力强、测定样品时无需破坏样品而被广泛用于药品快速检测,初步筛查真假药品,为药品的市场监管提供可靠的技术支撑[2-3]。通过测定物质的近红外光谱,结合用标准测定方法测得的样品含量数值进行定量分析,利用偏差最小二乘法建立模型快速预测未知样品的含量[4]。
1 仪器与试药
1.1 仪器MATRIX-F型近红外光谱仪,光纤探头(1.5m),OPUS5.0近红外光谱谱图处理软件,Quant2定量分析软件,均为德国BRUKER公司生产;TU-1901型紫外光谱仪(北京普析通用有限公司);Mettler-ToledoM105型电子天平(梅特勒-托利多仪器有限公司)。
1.2 试药 75批氯硝西泮片;氯硝西泮对照品(中国食品药品检定研究院,批号130858-200709,质量分数99.7%);硫酸、乙醇(分析纯,国药集团化学试剂有限公司)。样品信息见表1。
表1 实验样品信息
Tab.1Theinformationofexperimentalsamples
厂家名称江苏恩华药业股份有限公司湖南洞庭药业股份有限公司上海信谊药厂有限公司济南永宁制药股份有限公司福州海王福药制药有限公司规格2mg0.5mg2mg2mg2mg2mg批数49711521
2 方法与结果
2.1 实验方法
2.1.1 紫外分光光度法测定含量 用5mL·L-1的硫酸乙醇溶液溶解氯硝西泮,在307nm波长处测定吸光度,对照品法测定含量[6]。
2.1.2 近红外光谱法测定含量 采用光纤探头进行测定,选择氯硝西泮片无刻痕的一面用探头压紧,进行测定。扫描范围为12 000~4 000cm-1,分辨率为8cm-1,扫描次数为64次,每批样品随机测定6片,得到6张光谱,取平均光谱作为建模光谱。
2.2 实验结果
2.2.1 验证集与校正集的确定 用75批样品建立模型,由软件自动选择验证集与校正集,一般情况下1/3作为验证集,2/3作为校正集。软件筛选结果将浓度范围为0.6%~3.07%的25批作为验证集,浓度范围为0.57%~3.08%的50批作为校正集。
2.2.2 光谱预处理方法选择 由于原始光谱受到基线漂移、噪声等影响,光谱的特征性不强。故要对原始图谱进行数学处理。近红外光谱的常用数据预处理方法[7]有矢量归一化处理、基线校正处理、求导处理、数据的平滑处理等。根据软件优化,选择矢量归一化作为光谱预处理方法。矢量归一化法[7]先对所选频率区的数据点Y值计算平均值,用光谱减去这个平均值,光谱的中值为0,计算所有Y值的平方和,再用光谱除以该平方和的平方根,结果光谱的矢量归一化值是1。归零校正就是用光谱减去最小的Y值,使最小Y值变成0。未经处理的氯硝西泮片的平均光谱见图1,经矢量归一化处理后的光谱见图2。
图1 原始光谱
Fig.1Theoriginalspectra
图2 矢量归一化处理光谱
Fig.2Thespectraprocessedbyvectornormalization
2.2.3 建模谱段的选择优化 由图1可知,在7 000~6 500cm-1范围内光谱差异较大,考虑为厂家生产及辅料造成的差异。故在选择建模谱段时剔除该段差异大的谱段。利用OPUS5.0近红外光谱谱图处理软件,自动优化选择的谱段范围为6 102~4 597.7cm-1。
2.2.4 模型的筛选与确定 将紫外分光光度法作为氯硝西泮片的含量测定方法,其测定结果作为真值。对模型进行外部交叉验证处理,以RMSEP值与r值作为指标对不同处理方法和不同谱段建立的模型进行筛选,RMSEP值越小、r值越大,表明该定量模型预测值与真值越接近,模型的预测能力越强。综合考虑各模型验证集样品的RMSEP值和r值,发现模型1的各项参数比模型2理想,而模型3和模型4的谱段范围较宽,包含了厂家生产差异及辅料等干扰因素的影响,故确定模型1是最理想的模型。结合软件优化结果,根据谱图特征选取谱段范围的4个定量模型,见表2。
表2 氯硝西泮片定量模型
Tab.2ThequantitativemodelsofClonazepamTablets
最初模型谱段范围预处理方法验证集r2/%RMSEP16102~4597.7矢量归一化97.360.094626102~5446.3二阶导数95.340.096337502.1~4597.7未进行数据处理95.320.0987411995.7~4597.7最大-最小归一94.320.0964
2.3 方法学验证
2.3.1 重复性 取福州海王福药制药有限公司批号为131024的氯硝西泮片6片,光纤法测定近红外光谱6次,分别求其平均光谱。利用建立的定量模型预测氯硝西泮的含量,6片近红外含量测定值的相对偏差值为0.5%,真实值与预测值的相对偏差均小于5%,表明该模型的重复性良好,结果见表3。
表3NIR定量模型的重复性
Tab.3ThereproducibilityofNIRquantitativemodel
测定时间UV/%(mg/mg)NIR预测值/%(mg/mg)绝对偏差(mg/mg)相对偏差/%13.073.1410.0712.3123.073.1350.0652.1233.073.1490.0792.5743.073.1260.0561.8253.073.1610.0912.9663.073.1620.0923.00
2.3.2 准确性 用该模型预测25批验证集样品的预测值与紫外分光光度法结果相比,NIR法测定结果平均预测绝对偏差为0.08,相对偏差小于5%。经配对t检验,P=0.37>0.05。表明近红外测定结果与紫外测定结果无显著性差异。结果见表4。
表4 定量模型对25批验证集氯硝西泮片的预测结果
Tab.4 The predictions for 25 batches of Clonazepam Tablets by quantitative model(n=6)
4 讨论
本文建立了氯硝西泮片近红外光谱定量测定模型,在0.57%~3.08%范围内线性关系良好,具有较好的重复性,准确性高。将近红外预测结果与紫外测定结果相比较,该模型相对偏差值均小于5%,预测结果能真实反映氯硝西泮片的含量,应用性强。该模型选取了特征性强的谱段,消除了光谱漂移及噪声的影响,排除了不同厂家在生产过程中由于提取工艺不同、生产工艺不同以及辅料不同造成的差异,可以快速准确地用于氯硝西泮片的含量测定。
[1] 陈贵斌,陶巧凤,洪利娅,等. 辛伐他汀片近红外漫反射光谱定量分析模型的建立[J]. 药物分析杂志,2009,29(6):989-993.
[2] 王小亮,傅强,绳金房,等. 近红外光谱技术在制药过程分析中的应用进展[J]. 西北药学杂志,2009,24(3):228-230.
[3] 刘蝉,李玮. 盐酸环丙沙星片近红外定量分析模型的建立[J]. 安徽医药,2013,17(12):2042-2044.
[4] 李小安,单敏. 近红外光谱法快速测定呋喃妥因肠溶片的含量[J]. 安徽医药,2012,16(9):1263-1265.
[5] 夏伊丽,金萍,胡子燕. 我院门诊二类精神药品应用分析[J]. 西北药学杂志,2010,25(6):464-466.
[6] 国家药典委员会. 中国药典2010年版[S]. 二部. 北京:中国医药科技出版社,2010:1023.
[7] 张银,周孟然. 近红外光谱分析技术的数据处理方法[J]. 红外技术,2007,29(6):345-348.
Establishment and application of Clonazepam Tablets using near infrared spectroscopy quantitative model
HUANGJie,ZHOUNa,WANGYuantao,CHENDemiao,SHANMin
(Xi′anInstituteforFoodandDrugControl,Xi′an710054,China)
ObjectiveToestablishClonazepamTabletsnear-infraredquantitativemodelbyfastspectralscanning75batchesofsamples,andtoanalyzeClonazepamTabletsquickly.MethodsThenearinfraredspectroscopyofClonazepamTabletsweredeterminedbyafiberopticprobe.Theoriginalspectroscopywasdealtwithvectornormalized,secondderivativeandmax-minnormalized.Thepartialleastsquare(PLS)wasappliedtoestablishthequantitativemodel.Thebestmodelingspectralsegmentwasoptimizedandtheapplicabilityfortheestablishmentoftheoptimalmodelwasverificated.ResultsTheoptimalspectralsegmentwas6 102-4 597.7cm-1,Themodelhadagoodperformanceforeachcomponentpredictionbyvectornormalizedbetweenspectralinformationandquantitativecalibrationmodel.Thecorrelationcoefficient(r)betweenNIRpredictedvaluesofvalidationsetsamplesandUVtruevalueswas0.973 6,therootmeansquareerrorofprediction(RMSEP)was0.094 6,andtherelativedeviationwaslessthan5%.ConclusionThemodelissimple,accurate,andcannon-destructivelypredictthecontentofClonazepamTablets.
ClonazepamTablets;NIR;quantitativeanalysis
10.3969/j.issn.1004-2407.2016.06.011
R
A
2016-04-01)