近红外光谱对蚌毒灵散中黄芩进行整体定量分析研究

2017-08-01樊克锋汤法银孙素琴王新杰

中国兽医杂志 2017年6期

关键词：散剂黄芩兽药

樊克锋，汤法银，孙素琴，周群，王新杰

(1．河南牧业经济学院制药工程学院，河南郑州 450000;2．清华大学化学系，北京海淀 100084; 3．北京仁森宝生物科技有限公司，北京通州 101100)

近红外光谱对蚌毒灵散中黄芩进行整体定量分析研究

樊克锋1，汤法银1，孙素琴2，周群2，王新杰3

(1．河南牧业经济学院制药工程学院，河南郑州 450000;2．清华大学化学系，北京海淀 100084; 3．北京仁森宝生物科技有限公司，北京通州 101100)

为了对中兽药复方散剂建立一种单味中药无损快速“整体定量”方法的分析研究。采用近红外光谱技术结合化学计量学。结果:复方散剂中“黄芩整体含量”在样品训练集测定值与真实值之间的相关图呈非常好的线性关系，预测结果满意。表明该方法为广泛应用的中兽药散剂中不同“单味中药整体定量”分析研究提供一个新的无损快速测定技术。

近红外光谱;黄芩;整体定量;无损快速

目前，中兽药散剂在临床应用中仍占绝对优势(《兽药典》中85%以上的中兽药制剂仍然是散剂)，其复杂多样的化学成分及作用机理仍然无法完全明晰，这给评价中兽药药理药效和质量标准制定带来了极大的困难。目前惯用方法仍然是模仿化学药物的质量控制模式，即以已知单一或几个指标成分作为质量控制和评价标准，通过单一的定性和定量的分析，判断中兽药(复方)是否“合格”并制定非客观质量标准。这样做似乎是找到了一种看似合理的方法来评价中兽药(复方)质量，但是这种方法忽视了中兽药整体性和复方协同作用。所以不能简单说其中一个或几个成分对疾病起作用，为了更好的对中兽药(复方)进行全面整体的质量控制和评价，本试验利用近红外光谱技术和化学计量学，将中药散剂中的某种“中药整体”作为一个质量指标，无论含有多少成分都将这种中药材看作一个整体。这样既避免了样品复杂前处理对物质造成的流失，也较好符合中兽医药整体观，同时更适合中兽药散剂原状态直接“无损快速”测定。

近红外光谱同计算机和化学计量学相结合可对物质进行非破坏分析。如在对药物的定量分析方面，将近红外光谱与偏最小二乘法(PLS)、主成分分析(PCA)及非线性人工神经网络方法等相结合非侵入地测量了银杏叶片［1］、黄连浸膏粉［2］、元胡止痛散［3］等中药活性成分的含量和分布，及对甲璜酸加替沙星［4］、头孢氨苄胶囊［5］、扑热息痛片剂［6］、甲氧苄胺嘧啶［7］等进行了定量分析，均取得了满意的预测结果。

1 实验

1．1 仪器设备及测试条件仪器设备:近红外光谱仪采用布鲁克公司的VECTOR 22-NIR型傅立叶变换近红外光谱仪，配有PbS和InGaAs检测器、外接积分球、样品旋转器和固体光纤探头;PentiumⅢPC机。

测试条件:样品粉末分别取适量放入石英样品杯中，分布均匀，轻轻压平。测样方式:积分球漫反射;分辨率:8 cm-1;扫描次数:64次;扫描范围: 12 000～4 000 cm-1;温度:20℃;空气湿度:60%;每个样品重复3次，求平均光谱。

1．2 试验样品材料来源及制备方法样品材料来源以2010年版《中国兽药典》二部中“蚌毒灵散”［8］为研究对象，处方为:黄芩60 g，黄柏20 g，大黄10 g，大青叶10 g，即主药黄芩含量为60%，药材饮片购于北京同仁堂(郑州店)。

样品制备方法:分别取各味药材适量，低温干燥，取黄芩单独粉碎100目细粉，黄柏、大黄和大青叶按处方比例混合粉碎100目细粉，备用。依据处方要求，分别精密称量、等量递增混合制备黄芩含量5%～70%的70份样品，得训练集和预测集样本。其编号如表1。

1．3 样品近红外光谱采集将70份样品粉末分别取适量放入石英样品杯中，混合均匀，轻轻压平，按上述测试条件进行扫描，每个样品重复3次，求平均光谱，70份蚌毒灵散样品的近红外光谱叠加见中插彩版图1。

1．4 定量校正模型的建立

表1 黄芩不同含量70份散剂样品编号

1．4．1 光谱预处理方法的选择通过比较不同预处理方法对RMSECV(均方差，即交叉验证误差均方根)和R2(相关系数)的影响，最终选择了Vector Normalization(矢量归一化)预处理的方法对70分样品进行建模。此时RMSECV分别为0．963;R2分别为99．77。预处理图谱见中插彩版图2。

1．4．2 建模谱段的选择选择合适的波段对于建立定量模型来说是非常重要的。本文以RMSECV和R2为衡量的标准来选出模型最合适的波段。结果选择波段为6102～5446 cm－1，Rank=4。

1．4．3 样品定量模型的建立运用Bruker OPUS/ QUANT22定量分析软件中PLS法进行数据处理，其中60份样品作为校正样品集，8份样品作为预测样品集。训练集样品通过软件分析，36，38号样品为建模溢出值，将其删除后，建立模型更为准确。用校正样品集进行内部交叉验证RMSECV=0．963，R2=99．77(如图3)，确定最佳主成份数为4(如图4)。近红外光谱法测得值与真实值之间的绝对误差在±1%之间(如图5)。

图3 训练集测定值与真实值之间的相关图(Rank:4 R2=99．77 RMSECV=0．963)

图4 训练集RMSECV与Rank之间的相关图(Rank:4 R2=99．77 RMSECV=0．963)

图5 训练集绝对误差与真实值之间的相关图(Rank:4 R2=99．77 RMSECV=0．963)

2 结果

将前述所建立的定量校正模型用于对8份样品进行预测，结果如表2。

表2 检验集样品预测结果

检验集预测结果显示，在黄芩的投药量相差10%的范围内预测结果还是比较准确的，可以成功的分出不同投药量的样品。

3 讨论

3．1 在模型建立的过程中，取样和混合是非常重要的，药材混合是否均匀直接影响到模型建立的好坏。为了尽量消除混合均匀的问题，首先制样时按等量递增法混合，再者测定时从混合样品的不同部位取样，另外在测定过程中，采取多次测量取平均图谱的方法，尽量消除混合不均匀和颗粒大小不均匀对测量的影响。

3．2 由于样品只是添加的黄芩多少不同，在近红外原始光谱图上很难看出差异。但将近红外光谱技术与计算机技术和化学计量学相结合，对原始图谱进行必要的预处理之后，就会在处理过的图谱中显示出各个样品的不同，这种不同与化学值(称量值)是一一对应的。

3．3 在建立模型的时候，本文将黄芩作为一个整体这是一种新的尝试。按不同的比例投入黄芩，不再测定指标成分黄芩苷的含量，而是将黄芩整体的投入量直接作为基础值。因此训练集测定值与真实值之间的相关图呈非常好的线性关系。虽然样品的含量不是分散的而是等比例增加的，但预测结果令人满意，说明模型的建立还是成功的。如果可以将投药量的密度进一步的减小，建立的模型可能会更好，这种新的尝试值得进一步研究。

4 结论

本试验将复方蚌毒灵散剂中“黄芩整体”当作一种指标，采用PLC法建立近红外光谱方模型，内部交叉验证RMSECV=0．963，R2=99．77，确定最佳主成分数为4。近红外光谱法测得值与真实值之间的绝对误差在±1%之间，基本上可以分出5% ～70%的样品。通过预测值结果可以看出，样品近红外光谱与黄芩药材之间存在一定的相关性，因此将该方法用于黄芩原药材占有量的测定基本可行，在扩大标准样品集的数量后，有望获得结果更可靠的数学模型。如果模型能够建立就可以很方便地监督投药量是否合乎处方，监督是否减少了贵重药材的投药量。

利用近红外光谱技术对中药复方中单味药材“整体定量”的初步研究。尝试了将整体药材作为指标性成分，建立了快速定量检测处方中某种药材占有量的新方法。在建立模型的时候，不再测定它们单一指标成分含量，按不同的比例将黄芩的投入量整体直接作为基础值。因此训练集测定值与真实值之间的相关图呈非常好的线性关系，预测结果令人满意，说明模型的建立还是成功的。进一步可以将投药量的密度进一步的减小，建立的模型可能会更好，这种新的尝试值得进一步研究。

［1］程斌．高效薄层扫描法测定小柴胡冲剂中黄芩苷含量［J］．药学实践杂志，2001，19(4):224

［2］张玲莉，彭燕，吕翼．高效液相色谱法测定一清颗粒中黄芩苷的含量［J］．中国药师，2003，6(10):628

［3］罗世江，唐冰．高效液相色谱法测定四通感冒茶中黄芩苷的含量［J］．淮海医药，2003，21(4):333

［4］ Dreassi E，Ceramelli G．Analyst，1996，121(2):219(Control of pharm．)．

［5］ Plugge W，Vandervlies C J．pharm，Biomed Anal，1996，14(8-10):891．

［6］ Krisch J D，Drennen J K．Pharmaceutical Research．，1996，13 (2):234．

［7］ Blanco M，Coello J．Anal．Chim〔J〕．Acta，1994，298(2):183．

［8］中国兽药典委员会．中华人民共和国兽药典(二部)［M］，北京:中国农业出版社．2010:641．

R284

0529-6005(2017)06-0102-03

2016-09-27

河南省教育厅自然科学基金资助项目(2008A230010)