近红外光谱法快速测定金银花-糊精混合粉末中辅料糊精的含量

律 涛，薛 忠，刘 彦，李 程，刘睿思

(河北医科大学药学院，河北 石家庄 050017)

近红外光谱法快速测定金银花-糊精混合粉末中辅料糊精的含量

律 涛*，薛 忠#，刘 彦，李 程，刘睿思

(河北医科大学药学院，河北 石家庄 050017)

目的：建立快速测定金银花-糊精混合粉末中辅料糊精含量的近红外光谱法。方法：取糊精、金银花喷干粉，按不同比例混合均匀。通过Kennard-Stone算法划分样本集，采用偏最小二乘法建立金银花-糊精混合粉末中糊精含量的定量分析模型。采用外部验证试验进行外部样品预测和方法的验证。结果：金银花-糊精混合粉末近红外定量模型的交叉验证误差均方根、预测集误差均方根、模型性能指数分别为0.695 0%、0.540 1%、24.75。本方法所得金银花-糊精混合粉末中糊精含量的预测值和实际值基本一致。结论：本研究建立的模型可较准确地预测金银花-糊精混合粉末中糊精的含量，并为其他辅料的近红外定量测定提供依据。

金银花； 糊精； 近红外光谱法； 偏最小二乘法

金银花，性甘寒气芳香，具有疏风解热、清解血毒的功效，用于各种热性病的治疗[1]。金银花在粉碎制粒的过程中，易吸湿，黏性较强，故需添加药用辅料进行制备。药物制剂中活性成分外的所有物质统称为药用辅料，其为惰性物质，主要用于药物制剂的赋形，可保持或增强药物稳定性，提高生物利用度。而如何准确测定药用辅料含量、保证药用辅料和有效成分混合均匀，是药品制备和质量控制中需要关注的问题[2-3]。近红外光谱(near infrared spectroscopy，NIRS)为快速无损、绿色环保的过程分析技术[4]，在中药分析中应用广泛[5-7]。本研究采用NIRS技术检测金银花-糊精混合粉末，通过偏最小二乘回归(partial least-squares regression，PLS)定量模型建立金银花喷干粉中糊精含量理论值、预测值的联系，定量分析金银花-糊精混合粉末中的糊精含量；通过设计外部验证试验预测其他金银花-糊精混合粉末中糊精的含量，验证本方法的真实性和精密度。

1 材料

1.1仪器

Antaris傅里叶变换NIRS仪(美国Thermo Fisher公司)；Sartorius BS 124电子天平(德国Sartorius公司)；XW-80A蜗旋仪(海门市其林贝尔仪器制造有限公司)。

1.2药品与试剂

糊精(北京康仁堂药业有限公司，批号：14070114062)，金银花喷干粉(北京康仁堂药业有限公司，批号：GY1300009)。

2 方法与结果

2.1样品的制备

精密称取适量糊精粉末和金银花喷干粉，按照糊精在混合物中的含量为1%、2%、3%……50%共50个浓度水平进行混合，每个样品总质量5.000 g，每个浓度水平平行制备2个样品，共得到100份不同金银花-糊精混合粉末。

2.2NIRS采集

采用NIRS仪采集100份样品的原始NIRS。由于样品为固体粉末，因此采用积分球漫反射法采集光谱。扫描范围为4 000～10 000 cm-1，分辨率为8 cm-1，扫描次数64次。取64次扫描光谱结果的平均值得到该样品原始NIRS，采用NIRS仪自带的TQ analyst软件导出数据，见图1。

2.3定量模型的建立

2.3.1 样本划分：采用Kennard-Stone算法将“2.2”中100个原始NIRS样本以2 ∶1的比例划分[8]，得到校正集66个样品和验证集34个样品。

图1 金银花-糊精混合粉末的近红外原始光谱图Fig 1 Original near infrared spectrogram of the honeysuckle- dextrin powder

表1 各预处理方法建模结果比较Tab 1 Comparison of modeling results of different pretreatment methods

2.3.3 最佳潜变量因子选取：采取原始NIRS信息建立PLS模型，绘制模型预测性能随潜变量因子变化的曲线图，见图2。由留一交叉验证法得到最优潜变量因子，结果显示，RMSEC、RMSECV及累积预测残差平方和(predicted residual sum of squares，PRESS)在潜变量因子数为7时基本不再变化，因此，最优潜变量因子数为7。此时建立预测值和理论值的PLS回归模型，PLS模型校正集与验证集相关关系见图3。

2.4外部验证试验样品含量的预测及方法学考察

2.4.1 外部验证试验样品含量的预测：采用“3×5×3”型析因试验设计样品的NIRS定量分析，即在外部验证试验中考虑重复次数、浓度水平和条件的影响[16]。重复次数可评估分析方法的重复性；浓度水平的设置决定定量分析浓度范围，不同浓度水平下的NIRS定量分析样品中糊精含量的准确度不同；条件表示不同的测量时间、操作人员等影响因素对NIRS定量分析方法的影响。外部验证试验共设置了5个浓度水平，分别为1%、3%、5%、7%、10%，按照“2.1”项下方法制备，每个浓度水平9个样品；分为3 d测量，每日测3个样品，共得到45个外部验证集样品，采用“2.3”项下建立的PLS模型进行含量预测，见表2。

图2 各潜变量因子下的模型性能Fig 2 Performance indices under different latent variables factors

图3 校正集与预测集相关关系Fig 3 Correlation between calibration set and prediction set

2.4.2 方法学考察：根据预测结果，计算NIRS定量分析结果的真实性和精密度。(1)真实性，为系统误差，即样品中糊精含量的质量称定数值与NIRS分析的预测值之间的接近程度。各浓度水平真实性用相对偏差表示。本研究结果显示，样品中糊精含量浓度在1%、3%、5%时的真实性较差，表明本方法在浓度水平较低时系统误差较大，准确度较低，见表2。(2)精密度，为随机误差，表示一系列样品中糊精含量的NIRS预测值之间的接近程度。其中，重复性表示相同条件下获得的一系列测量结果之间的一致程度；中间精密度表示同一实验室内不同设备、不同时间或不同操作者得到的测量数据间的一致程度。本研究结果显示，随着样品中糊精含量的降低，本方法的精密度增加，当样品中糊精含量为1%、3%时，本方法的精密度较差，表明本方法在浓度较低时定量分析糊精含量的准确度较低，见表2。

表2 外部验证试验样品含量的预测及方法学考察Tab 2 Prediction of the content of validation sample in external verification and its methodology inspection

3 讨论

本研究通过采集金银花-糊精混合粉末的NIRS，采用偏最小二乘法建立定量分析模型，并通过光谱预处理和优化最佳潜变量得到最佳定量模型。本研究建立金银花-糊精近红外定量模型的RMSEP为 0.540 1%，模型性能指数为24.75，表明模型预测效果良好。通过外部验证试验预测样品含量，比较糊精含量预测值与实际值，结果表明，在样品中糊精含量较低(1%、3%、5%)时，由于称质量误差及NIRS采集等误差较大，NIRS分析方法的精密度、准确度较低，可能与糊精的NIRS吸收与金银花喷干粉相近而导致NIRS响应分别率不高有关，具体原因有待进一步研究探讨。样品中糊精含量较高(7%、10%)时，本方法的真实性和精密度都较高。

综上所述，NIRS法可快速检测金银花-糊精混合粉末中糊精的含量，为糊精含量的NIRS在线检测提供技术支持，为金银花喷干粉的质量控制及其他辅料的近红外定量测定提供依据。

[1]国家药典委员会.中华人民共和国药典：一部[S].2015年版.北京：中国医药科技出版社，2015：221.

[2]万文标，姜红.近红外光谱分析及其在药物原辅料分析中的应用[J].医药导报，2012，31(4)：465-470.

[3]聂黎行，王钢力，李志猛，等.近红外光谱法在中药辅料质量控制中的应用[J].中国中药杂志，2009，34(17)：2185-2188.

[4]陆婉珍.现代近红外光谱分析技术[M].2版.北京：中国石化出版社，2007：31.

[5]郝敏，白雁，谢彩侠，等.近红外光谱法快速测定不同连翘饮片中连翘酯苷A的含量[J].中国实验方剂学杂志，2016，22(8)：78-82.

[6]丁海樱，金叶，刘雪松，等.中药粉末混合过程近红外在线检测研究[J].中国药学杂志.2013，48(14)：1151-1156.

[7]时博，谢惠英，雷敬卫，等.近红外光谱法在知母和黄柏饮片水分分析中的应用[J].中华中医药学刊，2017，35(3)：669-672.

[8]杜晨朝，吴志生，赵娜，等.基于两类误差检测理论金银花提取过程的MEMS-NIR在线分析建模方法研究[J].中国中药杂志，2016，41(19)：3563-3568.

[9]周学秋，朱雨杰，刘旭，等.现代傅里叶变换近红外光谱仪器技术及其应用[J].现代仪器与医疗，2002，8(4)：29-33.

[10] 陆婉珍，袁洪福，徐广通，等.现代近红外光谱分析技术[M].北京：中国石化出版社，2000：146-148.

[11] 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[J].化学进展，2004，16(4)：528-542.

[12] 吴静珠，王一鸣，张小超，等.样品状态与装样条件对近红外光谱测定的影响研究[J].现代科学仪器，2006，1：69-71.

[13] 尼珍，胡昌勤，冯芳.近红外光谱分析中光谱预处理方法的作用及其发展[J].药物分析杂志，2008，28(5)：824-829.

[14] De Bleye C，Chavez PF，Mantanus J，et al.Critical review of near-infrared spectroscopic methods validations in pharmaceutical applications[J].J Pharm Biomed Anal，2012，69：125-132.

[15] 陈美君，陈鸿平，丁龙，等.陈皮中3种黄酮成分近红外定量分析模型的建立[J].时珍国医国药，2016，27(7)：1614-1619.

[16] 徐冰，薛忠，罗赣，等.基于β-容度容忍区间的血塞通注射液近红外定量分析不确定度评估[J].中草药，2015，46(6)：832-839.

ApplicationofNearInfraredSpectroscopyonRapidDeterminationoftheContentofDextrininHoneysuckle-DextrinPowder

LYU Tao, XUE Zhong, LIU Yan, LI Cheng, LIU Ruisi

(School of Pharmacy, Hebei Medical University, Hebei Shijiazhuang 050017, China)

OBJECTIVE: To establish near infrared spectroscopy(NIRS)for rapid determination of the content of dextrin in honeysuckle-dextrin powder. METHODS: Dextrin powder and honeysuckle spray powder were fetched and mixed evenly in different proportions. Sample sets were divided with Kennard-Stone, partial least squares was adopted to establish the quantitative analysis model of the content of dextrin in the honeysuckle- dextrin powder. External verification test was used for the prediction of external specimen and verification of the methods. RESULTS: The root-mean-square error of cross validation, root-mean-square error of prediction set and model performance index of quantitative NIRS model of honeysuckle-dextrin powder were respectively 0.695 0%, 0.540 1% and 24.75. The predicted value of the content of dextrin in honeysuckle-dextrin powder was basically consistent with the actual value in the NIRS. CONCLUSIONS: The model established in this study can accurately predict the content of dextrin in the honeysuckle-dextrin powder, and provide references for the NIRS quantitative determination of other accessories.

Honeysuckle; Dextrin; Near infrared spectroscopy; Partial least squares

R927.2

A

1672-2124(2017)09-1228-04

DOI 10.14009/j.issn.1672-2124.2017.09.029

*实验师，硕士。研究方向：化学药物合成工艺。E-mail：578405341@qq.com

#通信作者：助理实验师，硕士。研究方向：药物质量控制。E-mail：13223404308@163.com

2017-03-31)