近红外在富马酸喹硫平缓释片中间体测定中的应用

方靖　廖鑫

【摘要】 目的：利用漫反射FT-NIR法和化学计量学常用的偏最小二乘法（partial least square，PLS）建立测定富马酸喹硫平缓释片中间体含量的近红外光谱定量模型。方法：用HPLC测定结果为参考值，用积分球漫反射测定样品的近红外光谱图，建立定量模型。结果：定量模型的最佳主因子为7，校正误差均方根（RMSEC）为0.052，相关系数（Corr.Coeff）为0.998 4，预测误差均方根（RMSEP）为0.043，其NIR预测结果与HPLC法测定结果的最大相对偏差为0.11%。结论：预测模型对富马酸喹硫平缓释片中间体含量的测定是准确、无创、快捷的。

【关键词】 近红外； 富马酸喹硫平缓释片； 中间体含量

doi：10.14033/j.cnki.cfmr.2018.19.028 文献标识码 B 文章编号 1674-6805（2018）19-00-03

富马酸喹硫平缓释片作为一种不典型抗精神病的缓释制剂[1]，其中间体含量的控制直接关系到成品制剂的含量及其溶出度的质量控制。HPLC法虽然结果准确、所需样品量较少，但耗时较长，会延长其生产周期。

近红外光（near infrared，NIR）是介于可见光（VIS）和中红外光（MIR）之间的电磁波，美国试验和材料检测协会（ASTM）定义是指波长在780～2 526 nm范围内的电磁波，习惯上又将近红外区划分为近红外短波（780～1 100 nm）和近红外长波（1 100～2 526 nm）两个区域[2]。NIRS分析技术在众多分析领域中都呈现出蓬勃生机，是药物分析领域中的新兴分支，并在药物分析领域得到成功的应用，为药物的在线及实时分析提供了更严格的质量控制分析方法。《美国药典》（USP-NF，<1119>）将NIRS分析法作为补充分析方法收载[3]，《欧洲药典》（EP7.0，2.2.40）介绍了NIRS方法在药物定性方面的应用[4]，《英国药典》（BP 2012.AppendixⅡA）和《日本药局方》也将其收载[5-6]，同时国内在NIRS分析技术方面也取得了重要的进展，在2005年版、2010年版及2015版《中华人民共和国药典》已将“近红外分光光度法指导原则”收载[7-9]。近红外光谱技术是一种简单方便、分析快速、不破坏样品的新型分析技术。无需复杂的样品预处理，也不使用化学试剂，故可增加检测药品的数量、实施过程分析[10-13]。本文采用漫反射FT-NIR法直接测定富马酸喹硫平缓释片中间体含量并结合化学计量学中的偏最小二乘法（PLS），建立了快速测定其含量的方法。

1 仪器与试药

1.1 仪器

AntarisⅡ傅里叶变换近红外（FT-NIR）光谱仪，配有积分球附件（integrating sphere attachment，美国Thermo Fisher Scientific公司）。AntarisⅡ型傅里叶变换近红外光谱仪由RESULT-Integration软件包控制。Agilent 1100高效液相色谱仪。

1.2 试药

富马酸喹硫平对照品：201754（重庆制药有限责任公司，含量：99.8%）；富马酸喹硫平：R1801037（重庆制药有限责任公司）；富马酸喹硫平缓释片混合辅料：18040560（重庆制药有限责任公司）；甲醇（HPLC级）：R2AG1H（honeywell）；乙腈（HPLC级）：R1PA1H（honeywell）；磷酸氢二铵（AR）：20080826（成都科龙化工试剂）。

2 方法

2.1 混合样品的制备

将不同比例的富马酸喹硫平原料药与富马酸喹硫平缓释片混合辅料混匀，制备5个浓度的线性样品，每个浓度各12份。其中50份作为校正集样品，10份作为验证集样品。

2.2 近红外图谱采集

将原料药、混合辅料和60份样品粉末依次装于样品杯，在4 000～10 000 cm-1范围内采集其NIR光谱，分辨率为8 cm-1，扫描次数64次，环境温度控制（25±5）℃；湿度控制（55±5）%RH，积分球的镀金内壁（gold-plated inner wall of the integrating sphere）被测量，用以扣除空气中水分和二氧化碳对光谱的影响。

2.3 HPLC法

色谱条件：（来源于USP）。柱温：50 ℃；色谱柱：4.6 mm×25 cm，5 ?m packing L7或其他同类色谱柱；进样体积：30 ?l；流动相：（磷酸盐缓冲液：称取2.6 g磷酸氢二铵，加纯化水溶解并稀释至1 000 ml）将甲醇：乙腈：磷酸盐缓冲液以54∶7∶39的比例混匀，抽滤脱气即得；流速：1.3 ml/min；检测器：紫外检测器230 nm；运行时间：喹硫平色谱保留时间的2.5倍。稀释剂的配制：取500 ml乙腈，500 ml纯化水混匀。对照品溶液的配制：取富马酸喹硫平对照品约20 mg精密称定，置100 ml容量瓶中，加流动相溶解稀释至刻度（浓度为0.2 mg/ml）。样品溶液的配制：将各浓度混合粉末样品精密称定至100 ml容量瓶中，加稀释剂超声溶解，稀释至刻度，使溶液最终浓度与对照品溶液基本一致。

3 近红外模型建立及预测结果

3.1 方法学考察

3.1.1 精密度试验从验证集样品中选择序号为1-11的混合样品，测定10次光谱，用所建模型预测其含量值，测得10条光谱富马酸喹硫平含量RSD为1.2%，表明仪器精密度良好。

3.1.2 重复性试验从验证集样品中选择序号为3-6的混合样品，样品重复装填10次，进行测定，用所建模型预测其含量。结果预测值的RSD为1.6%，表明样品混合均匀，方法重复性良好。

3.2 原料藥和混合辅料近红外光谱

原料药（富马酸喹硫平）和混合辅料的近红外光谱，见图1。从图中可见，富马酸喹硫平近红外光谱在8 766.8 cm-1有一个较宽的峰，在5 970.5 cm-1、4 620.6 cm-1为两个尖锐的特征峰，低波数端有较多的特征峰，但与混合辅料的近红外特征峰重叠。混合辅料的近红外在4 000～6 000 cm-1有较多尖锐的特征峰，尤其是5 168.3 cm-1的特征峰非常尖锐，且此波数处原料近红外光谱变化较为平缓，没有明显的特征峰；同时，混合辅料近红外在6 000～7 000 cm-1是一个吸收明显的宽峰，与原料差异较大。

3.3 混合样品近红外光谱

5个浓度批次中第一个混合样品的近红外光谱，见图2。从批次1～5，混合样品中富马酸喹硫平含量越来越大，可以看出，5条光谱呈现明显的变化趋势。混合样品光谱在8 766.8 cm-1、5 970.5 cm-1、4 620.6 cm-1与含量有明显的正相关关系，而在5 168.3 cm-1、6 000～7 000 cm-1则表现出明显的负相关关系。

3.4 建模参数选择

3.4.1 建模波段选择 根据图1和图2，选择原料药近红外特征峰（8 766.8cm-1）所在波数范围（8 500～9 000 cm-1）作为第一个建模波数范围，而原料药其他2个特征峰（5 970.5 cm-1，4 620.6 cm-1）由于所在波长段附近样品变化不明显，不宜选择这2个特征峰作为建模范围。选择辅料特征峰（6 000～7 000 cm-1，5 000～5 500 cm-1）作为另外两个建模光谱区域，因为在这两个波长范围内辅料与原料药的近红外光谱图差异较大，同时在样品中变化较明显。最终选择了8 500～9 000 cm-1、6 000～7 000 cm-1、5 000～5 500 cm-1三个波数范围作为建模波段。

3.4.2 主成分因子数选择混合样品近红外光谱和含量模型中校正误差均方根（root mean square error of cross-validation，RMSECV/RMSEC）随主成分因子数变化如图3所示。从图可以看出，当主成分因子数选择7时，模型具有最小的RMSECV，故选择主成分因子数7进行模型建立，见图3。

3.5 校正模型建立

对50个校正样品的近红外光谱进行标准正态变化（standard normal variate）、7点S-G平滑（Savitzky-Golay smoothing，S-G平滑）、均值中心化（mean centering）和定标（variance scaling）4种预处理。用预处理后的混合样品近红外光谱的spectrum光谱形式和HPLC测试得到的含量参考值，用偏最小二乘法（partial least squares method，PLS）PLS建立含量校正模型。模型的校正集相关系数（Corr.Coeff）为0.998 4，校正误差均方根（RMSEC）为0.052，见图4。

3.6 预测结果

对验证集富马酸喹硫平混合样品近红外光谱用同样的预处理方法预处理后，在校正模型中进行含量预测，预测結果与HPLC法所得结果汇总情况见表1。其NIR预测结果与HPLC法测定结果的最大相对偏差为0.11%，最小为0，预测误差均方根（RMSEP）为0.043，相关系数0.999 5，其结果表明，预测均方根偏差比较低，预测结果与HPLC所得结果的对应关系见图5。从图可以看出，10个用于预测的数据基本都在模型线性趋势线上，说明此含量预测模型能较好地利用混合样品的近红外光谱预测其富马酸喹硫平的含量。

3 讨论

本文用积分球漫反射附件测定原辅料和混合样品的近红外漫反射光谱，近红外光谱通过标准正态变化、7点S-G平滑、均值中心化和定标（variance scaling） 4种预处理，选择波数范围为8 500～9 000 cm-1、6 000～7 000 cm-1、5 000～5 500 cm-1三个波数段，主成分因子数选择7，以光谱spectrum数据形式，用偏最小二乘法进行回归建模。校正误差均方根（RMSEC）为0.052，相关系数（Corr.Coeff）为0.998 4，预测误差均方根（RMSEP）为0.043，其NIR预测结果与HPLC法测定结果的最大相对偏差为0.11%，最小为0，且方法具有较好的精密度和重复性。

近红外光谱结合多元统计学方法建立样品近红外光谱-含量模型，此方法能快速、无损的对混合样品中富马酸喹硫平含量进行检测，此方法较富马酸喹硫平缓释片中间体常用的含量检测法（HPLC法）比，更加快捷、高效，若进行一步扩大建模样品量，有望将其应用于实际生产的含量中间控制，实现实时在线监测，大大提高生产效率。

参考文献

[1] Irina M，Kairi M，Fahua S，et al.Double-blind，randomizedstudy of extended release quetiapine fumarate（quetiapine XR）monotherapy in older patients with generalized anxiety disorder[J].Int J Geriatr Psych，2011，31（4）：418-428.

[2]严衍禄，赵龙莲，韩东海，等.近红外光谱分析基础与应用[M].北京：中国轻工业出版社，2005：1-5.

[3] Buchold G M，Coarfa C，Kim J，et al.The united states pharmacopeial convention. USP[M].Baltimore，DM：United Book Press，2013：714.

[4] Only E.OrganizationEuropean directorate for the quality of medicines&healthcare.; European pharmacopveia[M].7thed.No Druckerei C.H.Beck，2011：6.

[5] Miller F P，Vandome A，Mcbrewster J，et al.British pharmacopoeia commission office.British Pharmacopoeia，1932[J].The Stationery office，1977，151（1231）：1278-1279.

[6] Kyokai N K.Society of Japanese Pharmacopoeia.Japanese Pharmacopoeia[M]. 15thed.Tokyo：YakujiNippo，LTD，2006：2284-2287.

[7]國家药典委员会.中华人民共和国药典（二部）[M].北京：化学工业出版社，2005：185.

[8]国家药典委员会.中华人民共和国药典（二部）[M].北京：中国医药科技出版社，2010：208.

[9]国家药典委员会.中华人民共和国药典（四部）[M].北京：中国医药科技出版社，2015：1904.

[10] Fan Q，Wang Y，Sun P.et al.Discrimination of Ephedra plants with diffuse reflectance FT-NIRS and multivariate analysis [J].Talanta，2010，80（3）：1245-1250.

[11]杨纯，刘元坤，汪琚来，等.β-内酰胺类抗生素的近红外反射光谱分析法鉴别[J].中国工业医药杂志，2004，35（7）：419-420.

[12]张中湖，张敬贤，朱斌，等注射用青霉素钠品质参数的近红外漫反射光谱法测定[J].中国工业医药杂志，2003，34（7）：345-347.

[13] Sorensen L K.Application of reflectance near infrared spectroscopy for bread analyses[J].Food Chem，2009，113（4）：1318-1322.

（收稿日期：2018-05-08）