注射用阿奇霉素近红外定量模型的建立

邵志凌 朱 江

(1.中国铁路武汉局集团有限公司 武汉 430000；2.随州市公共检验检测中心 随州 441300)

近红外光谱分析具有不破坏样品[1]、样品可多次利用，并可对样品实现在线质量检测和成分分析等优点，是快速分析技术之一，目前广泛应用于各个领域。近红外漫反射光谱谱区范围为700～1100nm，它是利用有机化合物的-OH、-CH、-NH 的倍频振动在此区域产生吸收光谱。由于近红外漫反射区的吸收峰强度通常较弱，因此适合于主要成分的常量分析[2～3]。化学计量学方法可提取复杂而谱峰重叠的光谱信息，其中偏最小二乘法(PLS)是最普遍使用的定量分析方法，该方法可有效地除去噪声，解决光谱共线问题，有效地提取光谱信息[4～5]。本文研究了近红外漫反射光谱同偏最小二乘法(PLS)相结合定量分析注射用阿奇霉素。

1 仪器和试剂

MATRIX-F型近红外分光光度计，配备OPUS软件(德国Bruker公司)；注射用阿奇霉素是规格为0.25g和0.125g两个，均符合药品标准的上市销售商品；其他试剂均分析纯。

2 方法和结果

2.1 样品测定

由实验室提供2018年基本药物专项检查品种注射用阿奇霉素的留样，并附带每批质量报告[6]。每批样品含量测定结果见表1。

表1 14批样品含量测定结果统计表

2.2 NIR光谱采集

取注射用阿奇霉素，用近红外光谱仪的光纤探头对准光滑平整的片面测定。光谱测定条件为：在4000～12000cm-1间扫描，分辨率为8cm-1。每个样品重复测定6次，取平均光谱用于建模。

2.3 光谱预处理

由于仪器、样品背景和其他因素的影响，近红外光谱分析中经常出现谱图的偏移或漂移现象，如果不加处理，会直接影响建立模型的质量和未知样品预测结果的准确性。因此，对光谱的预处理是十分必要的，常用的光谱预处理方法为导数处理。偏最小二乘法利用主成分分析将吸光度矩阵和浓度矩阵先分别分解为特征向量和载荷向量，然后用偏最小二乘法在这些稳变量之间建立相互关系，从而得到吸光度矩阵与浓度矩阵之间的数学校正模型。用交互校验法确定最佳主成分数，详细原理与算法见文献[2,5]。采用OPUS5.0软件包(德国BUREKE公司)，评价定量分析结果的误差采用校正集样本的标准偏差SEC和预测集样本的标准偏差 SEP[2]:

其中c预是PLS预报的浓度值；c参是依据国家药典测得的浓度值(mg/mg)；n为样本数；m为独立变量数(在此为1)。

2.4 光谱区间的选择

为了优化光谱范围，确定最佳的光谱区间，选定了不同的光谱区间。通过比较不同PLS数学校正模型对注射用阿奇霉素含量的预测值和参考值的线性回归方程和相对偏差(SEC和SEP)，可以确定出最佳区间为9599.7～8793.6 cm-1、7999.1～6394.6cm-1、4801.8～3999.5cm-1。

2.5 基于PLS法建立定量分析模型

在14个样本中按照样本组分含量均匀分布为原则，把14个样本中构成校正集。基于2.3和2.4项的研究，对14批样品的平均光谱以多元散射校正法(MSC法)消除漂移，或经一阶导+矢量归一处理，9点平滑等预处理方法，排除光谱中的杂散信号的干扰来优化模型。优化模型所采用的预处理方法分析情况统计，见表2。

表2 优化模型所采用的预处理方法分析情况统计

由表2可知，采用预处理方法：最大-最小矢量归一化，能有效的降低杂散信号干扰，同时保留了更多的有效信息。将9批建模样品采用内部交叉验证和将9批建模样品(随机选择10%作为校正组)进行外部交叉验证的结果较好，因此采用最大-最小矢量归一化的预处理方法来建立注射用阿奇霉素定量模型。采用最大-最小矢量归一化后建立的模型，进行内、外部交叉验证的结果见图1～2。

图1 内部交叉验证结果

图2 外部交叉验证结果

2.6 模型的评价

在OPUS 5.0软件中，取2.5建立的模型，对实验室检验的验证集样本预测含量。结果比对通过近红外建立的定量模型对注射用阿奇霉素含量的预测和真实值的平均误差小于3%，说明模型能有效地预测注射用阿奇霉素的含量。

3 结论

PLS法同近红外漫反射漫反射光谱法结合，无损非破坏定量分析注射用阿奇霉素药品是可行的，同常规测定方法相比，速度快而简便。一阶导数和二阶导数处理方法都能在一定程度上降低误差，但用最大-最小矢量归一化处理光谱后的PLS数学校正模型最好。同时，通过采用选取有利波段，提高了定量分析的精度，具有可行性，在应用中有参考价值。