CN104062260B

CN104062260B - 一种含有柚皮苷中药生产过程中的近红外在线检测方法

Info

Publication number: CN104062260B
Application number: CN201410277277.9A
Authority: CN
Inventors: 孙冬梅; 王洛临; 毕晓黎; 陈玉兴; 李智勇
Original assignee: GUANGDONG RESEARCH INSTITUTE OF TRADITIONAL CHINESE MEDICINE MANUFACTURING TECHNOLOGY
Current assignee: GUANGDONG TRADITIONAL CHINESE MEDICINE ENGINEERING TECHNOLOGY INSTITUTE
Priority date: 2014-06-19
Filing date: 2014-06-19
Publication date: 2016-08-17
Anticipated expiration: 2034-06-19
Also published as: CN104062260A

Abstract

本发明提供一种含有柚皮苷中药生产过程中的近红外在线检测方法，其包括如下步骤：收集含有柚皮苷中药生产过程中的样品并采集其近红外光谱；利用现有技术测定样品中的柚皮苷含量；根据所述样品的近红外光谱和现有技术测得的柚皮苷含量通过化学计量学软件建立检测模型，所述检测模型的建立选取近红外光谱的光谱范围为1100～2300nm；采集待测样品，利用所述检测模型测定柚皮苷含量及图谱相似度。本发明提供的含有柚皮苷中药生产过程中的近红外在线检测方法，可有效解决含有柚皮苷中药生产过程中质量分析方法效率低，原料浪费过多的问题。

Description

一种含有柚皮苷中药生产过程中的近红外在线检测方法

技术领域

本发明属于中药提取及制剂技术领域，具体涉及一种含有柚皮苷中药生产过程中的近红外在线检测方法。

背景技术

中药复方制剂的生产是一个复杂制造工艺过程，生产过程中不同原料基原、各种工艺参数的变化均可导致最终的产品质量不稳定。生产过程中的质量控制主要依靠经验和传统质量分析方法，缺乏有效的指标性成分含量实时监测手段。实际生产中提取时间往往是固定的，基本不考虑原料药材质量差异和工况波动导致的提取终点提前或滞后，易造成不同批次提取液质量的不稳定，导致中药药品批次间的质量差异，以及能源、时间的浪费，药材利用率的降低等。近红外光谱分析技术(near infrared spectroscopy，NIRS)具有分析速度快、对样品无损害、无化学污染等显著优点，近年来在医药领域广泛应用于原料(原料药的主要活性成分、结晶状态、粒径、旋光性和密度，鉴别中药材的真伪、产地和品质分级)、加工过程(混合均匀性、干燥过程水分、注射用产品灭菌、膜衣厚度、粒径、溶出度、药物中微生物定性定量监测)和最终产品(主要成分、硬度、包装材料的鉴定、稳定性、真伪鉴定)等。

目前含有柚皮苷中药生产过程中缺乏活性成分含量快速无损测定方法，不能解决关键工艺环节的质量控制问题，导致难以从产品的源头上解决银蓝调脂胶囊工艺和成分的稳定性、可靠性问题。

发明内容

本发明所要解决的技术问题在于克服现有技术的缺陷，提供一种含有柚皮苷中药生产过程中的近红外在线检测方法。

本发明提供一种含有柚皮苷中药生产过程中的近红外在线检测方法，其包括如下步骤：

收集含有柚皮苷中药生产过程中的样品并采集其近红外光谱；

利用现有技术测定样品中的柚皮苷含量；

根据所述样品的近红外光谱和现有技术测得的柚皮苷含量建立检测模型，所述检测模型包括定量模型和定性模型，所述定量模型通过偏最小二乘法建立，选取红外光谱的光谱范围为1100～2300nm，所述定性模型通过TQ Analyst中图谱相似度技术建立，选取红外光谱的光谱范围为1100～2500nm；

采集待测样品，利用所述检测模型测定柚皮苷含量。

本发明提供的含有柚皮苷中药生产过程中的近红外在线检测方法可有效解决含有柚皮苷中药生产过程中质量分析方法效率低，原料浪费过多的问题。收集不同时间点提取过程的提取液、浓缩过程中的浓缩液、醇沉过程中的醇沉液、混料过程中的混合粉末，运用近红外光谱仪分别扫描采集的样品近红外光谱；采用已知方法测定其质量指标含量，并以此作为参考值，通过化学计量学软件对近红外光谱数据进行预处理，建立各生产过程的近红外光谱在线检测模型，通过扫描各生产过程待测样品的近红外光谱，再经过计算机提取特征光谱图输入到定量或定性模型，即可预测待测样品的质量指标含量或物料的均匀度。整个过程时间短、速度快、准确度高，能够实现实时在线检测，有利于含有柚皮苷中药生产的全过程控制，降低生产运行成本，提高含有柚皮苷中药的产品质量稳定性。随着对PLS方法的深入研究和应用,通过特定方法筛选特征波长或波长区间能得到更好的定量校正模型。波长选择一方面可以简化模型,更主要的是由于不相关或非线性变量的剔除,可以得到预测能力强、稳健性好的校正模型。

附图说明

图1是本发明实施例含有柚皮苷中药生产过程的流程图；

图2是本发明实施例含有柚皮苷中药生产过程中的近红外在线检测模型建立流程图示意图；

图3是本发明实施例1银蓝调脂胶囊提取一煎过程样品柚皮苷含量分布图；

图4是本发明实施例1银蓝调脂胶囊提取二煎过程样品柚皮苷含量分布图；

图5是本发明实施例1银蓝调脂胶囊浓缩过程样品柚皮苷含量分布图；

图6是本发明实施例1银蓝调脂胶囊回收乙醇过程样品柚皮苷含量分布图；

图7是本发明实施例1银蓝调脂胶囊物料混合过程样品近红外光谱相似度随混合时间分布图；

图8是本发明实施例1银蓝调脂胶囊提取一煎过程样品的近红外光谱叠加图；

图9是本发明实施例1银蓝调脂胶囊提取二煎过程样品的近红外光谱叠加图；

图10是本发明实施例1银蓝调脂胶囊浓缩过程样品的近红外光谱叠加图；

图11是本发明实施例1银蓝调脂胶囊回收乙醇过程样品的近红外光谱叠加图；

图12是本发明实施例1银蓝调脂胶囊提取一煎样品的柚皮苷含量预测值与实测值之间的相关图；

图13是本发明实施例1银蓝调脂胶囊提取二煎样品的柚皮苷含量预测值与实测值之间的相关图；

图14是本发明实施例1银蓝调脂胶囊浓缩过程样品的柚皮苷含量预测值与实测值之间的相关图；

图15是本发明实施例1银蓝调脂胶囊回收乙醇过程样品的柚皮苷含量预测值与实测值之间的相关图；

图16是本发明实施例1银蓝调脂胶囊物料混合过程样品各扫描时间点近红外光谱标准偏差叠加图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供一种含有柚皮苷中药生产过程中的近红外在线检测方法，其包括如下步骤：

S01：收集含有柚皮苷中药生产过程中的样品并采集其近红外光谱；

S02：利用现有技术测定样品中的柚皮苷含量；

S03：根据所述样品的近红外光谱和现有技术测得的柚皮苷含量建立检测模型，所述检测模型包括定量模型和定性模型，所述定量模型通过偏最小二乘法建立，选取红外光谱的光谱范围为1100～2300nm，所述定性模型通过TQAnalyst中图谱相似度技术建立，选取红外光谱的光谱范围为1100～2500nm；

S04：采集待测样品，利用所述检测模型测定柚皮苷含量。

步骤S01中，将秒表时间与电脑时间调成一致，当工艺过程开始时开启软件自动连续采集光谱；取样时，以有效样品流出时，取样阀阀门开启时间记录为起始时间，以阀门关闭时间为终止时间，此时间段为取样时间；取得的样品对应光谱为此时间段内连续采集得到的光谱。优选地，在工艺过程的每个步骤都进行样品采集。以银蓝调脂胶囊为例，银蓝调脂胶囊的生产工艺如图1所示。所述银蓝调脂胶囊的生产过程中样品采集是收集含有柚皮苷中药生产过程中不同时间点的提取液、浓缩液、乙醇回收液和混料样品。所述不同时间点的提取液是指银蓝调脂胶囊第一次、第二次煎煮提取过程中各时间点的提取液；不同时间点的浓缩液是指银蓝调脂胶囊浓缩过程中各时间点的浓缩液；不同时间点的乙醇回收液是指银蓝调脂胶囊醇沉液回收乙醇过程中各时间点的回收液；不同时间点的混料是指银蓝调脂胶囊混料过程中各时间点的混料。

步骤S02具体为，现有技术测定样品中的柚皮苷含量柚皮苷含量优选采用高效液相色谱法测定，色谱柱：Aglient Extend-C18，4.6×250mm、5μm柱；以甲醇-醋酸-水(35:4:61)为流动相；检测波长：283nm；流速：1.0mL/min；柱温：25℃。对照品溶液的制备：取柚皮苷对照品适量，精密称定，加甲醇制成每1mL含柚皮苷61μg的溶液，即得。含有柚皮苷中药生产过程中的样品取适量加水稀释至含有柚皮苷约19.68～98.40mg/L。分别精密吸取对照品溶液和稀释后的溶液各10μL，注入液相色谱仪进行测定，得柚皮苷的含量。

步骤S03中，通过偏最小二乘法(PLS)建立定量模型。建模参数：样品以原始NIRS光谱，建模波段为1100～2300nm。为避免出现“过拟合”现象，需要对主成分数进行合理选择。在具体的建模过程中，优选对采集得到的近红外光谱作预处理。常规的预处理方法比如多元散射校正(MSC)、标准正交变量变换(SNV)、一阶微分、二阶微分、S-G平滑和Norris导数滤波平滑等均可使用，也可不作预处理。对于常规含有柚皮苷中药生产过程往往分为提取、浓缩、回收乙醇、物料混合过程。每个生产过程都建立定量或定性模型。如银蓝调脂胶囊生产过程中，第一次煎煮提取过程柚皮苷定量模型的参数：波谱范围1100～2300nm，原始光谱无处理，主成分数10，剔除异常点；第二次煎煮提取过程柚皮苷定量模型的参数：波谱范围1100～2300nm，原始光谱以一阶导数和Norris平滑进行预处理，主成分数4，剔除异常点；浓缩过程柚皮苷定量模型的参数：波谱范围1100～2300nm，原始光谱以二阶导数和SG平滑进行预处理，主成分数11，剔除异常点；回收乙醇过程柚皮苷定量模型的参数：波谱范围1100～2300nm，原始光谱以多元散射校正进行预处理，主成分数10，剔除异常点。混料过程定性模型的建立:应用TQ Analyst中图谱相似度技术(Similarity match)建立定性模型。建模参数：样品NIRS光谱以一阶导数和Norris平滑进行预处理，建模波段1000～2500nm。

本发明实施例利用近红外光谱技术结合化学计量学软件，建立含有柚皮苷中药各生产过程(提取、浓缩、回收乙醇、物料混合过程)中在线快速柚皮苷定量或定性检测模型，以此提高生产过程中质量检测效率，最终保证含有柚皮苷中药产品质量的稳定性。

以下结合具体实施例对本发明的具体实现进行详细描述。

实施例1：

本实施例所选用的近红外光谱仪是美国Brimrose公司Luminar3060声光可调在线近红外光谱仪(编号1112-SP-10979)，主要部件包括：光学部分、控制部分、675透反射探头、DN25流体测样器、光纤等部分组成。仪器所用检测器为InGaAs。本实施例中银蓝调脂胶囊生产过程中提取、浓缩、醇沉、回收乙醇设备为广州白云山汉方现代药业有限公司自动化设备。物料混合过程采用Nicolet6700傅立叶变换红外光谱仪(美国Thermo Nicolet公司)，配有积分球漫反射采样***和Omnic信号采集软件。本实施例还涉及Agilent1200高效液相色谱仪，Mettler XS205DU型电子分析天平(瑞士)。本实施例的数据处理软件为CAMO Unscrambler9.7和TQ Analyst8.0软件。

本实施例使用的柚皮苷对照品(批号：110722-200610)购于中国药品生物制品检定所；甲醇为色谱纯，液相用水为蒸馏水，其余试剂均为分析纯。

方法与结果

取样及近红外光谱的采集

本发明实施例以银蓝调脂胶囊生产过程中的近红外在线检测为例。银蓝调脂胶囊主要由化橘红、银杏叶、绞股蓝和蜂胶组成，具有补脾益气、活血化瘀、燥湿化痰的功效，主要用于治疗气虚痰瘀阻痹型高脂血症。研究表明，银蓝调脂胶囊中黄酮类成分之一柚皮苷在降血脂、镇静、抗氧化、抗肿瘤、抗真菌、抗动脉粥样硬化、解痉、镇痛、调节血糖等方面具有较强的生物活性。

银蓝调脂胶囊生产过程按照图1的流程进行生产。将秒表时间与电脑时间调成一致，当工艺过程开始时开启软件自动连续采集光谱；取样时，以有效样品流出时，取样阀阀门开启时间记录为起始时间，以阀门关闭时间为终止时间，此时间段为取样时间；取得的样品对应光谱为此时间段内连续采集得到的光谱。

提取一煎过程中共采集到153份样品，挑选具有代表性的样品137份组成校正集，其余16份样品组成验证集。提取二煎过程中共采集到163份样品，挑选具有代表性的样品147份组成校正集，其余16份样品组成验证集。浓缩过程中共采集到129份样品，挑选具有代表性的样品116份组成校正集，其余13份样品组成验证集。回收乙醇过程中共采集到102份样品，挑选具有代表性的样品92份组成校正集，其余10份样品组成验证集。物料混合过程每隔1min扫描1次，共扫描16次。实施例中提取一煎、二煎、浓缩、回收乙醇、物料混合过程样品的近红外光谱叠加见图3～图7。

HPLC测定银蓝调脂胶囊各生产过程中样品的柚皮苷含量

色谱条件

色谱柱：Aglient Extend-C18，4.6mm×250mm、5μm柱；以甲醇-醋酸-水(35:4:61)为流动相；检测波长：283nm；流速：1.0mL/min；柱温：25℃；

对照品溶液的制备

取柚皮苷对照品适量，精密称定，加甲醇制成每1mL含柚皮苷61μg的溶液，即得；

供试品溶液的制备

取银蓝调脂胶囊各个生产过程样品适量置于25mL容量瓶中，加蒸馏水至刻度，即得。

测定法

分别精密吸取对照品溶液和供试品溶液各10μL，注入液相色谱仪进行测定，得柚皮苷的含量。

实施例中提取一煎、二煎、浓缩、回收乙醇过程样品柚皮苷的含量分布图，见图8～图11。

模型的建立

提取一煎柚皮苷定量模型的建立

应用PLS法建立定量模型。建模参数：样品以原始NIRS光谱，建模波段1100～2300nm，主成分数10，剔除异常点，经交叉验证得提取一煎柚皮苷定量模型r_C＝0.9919，RMSEC＝2.5396；r_P＝0.9565，RMSEP＝5.8424；模型预测值与实测值之间的相关图见图12。

提取二煎柚皮苷定量模型的建立

应用PLS法建立定量模型。建模参数：样品以原始NIRS光谱，建模波段1100～2300nm，主成分数4，剔除异常点，经交叉验证得提取二煎柚皮苷定量模型r_C＝0.9747，RMSEC＝0.9522；r_P＝0.9421，RMSEP＝1.4290；模型预测值与实测值之间的相关图见图13。

浓缩过程柚皮苷定量模型的建立

应用PLS法建立定量模型。建模参数：样品NIRS光谱以二阶导数+SG平滑进行预处理，建模波段1100～2300nm，主成分数11，剔除异常点。经交叉验证得浓缩过程柚皮苷定量模型r_C＝0.9995，RMSEC＝9.8837；r_P＝0.9918，RMSEP＝39.6042；模型预测值与实测值之间的相关图见图14。

回收乙醇过程柚皮苷定量模型的建立

应用PLS法建立定量模型。建模参数：样品NIRS光谱MSC进行预处理，建模波段为1100～2300nm，主成分数9，剔除异常点。经交叉验证得回收乙醇过程柚皮苷定量模型r_C＝0.9942，RMSEC＝70.6075；r_P＝0.9891，RMSEP＝97.3434；模型预测值与实测值之间的相关图见图15。

物料混合过程定性模型的建立

应用TQ Analyst8.0中图谱相似度技术(Similarity match)建立定性模型。建模参数：样品NIRS光谱以一阶导数+Norris平滑进行预处理，建模波段1000～2500nm。物料混合过程每分钟不同取样点图谱标准偏差叠加图见图16。

根据上述所建立的校正模型，将验证集样品的近红外光谱数据导入模型中，即可快速预测柚皮苷含量。结果表明，NIRS预测值与HPLC实测值之间的偏差较小，所建模型的预测能力较好，见表1。

表1 银蓝调脂胶囊生产过程近红外模型的验证

表2 银蓝调脂胶囊物料混合过程

由表1、表2中的实验结果可见，所建立的含有柚皮苷中药生产过程中的近红外在线检测方法简便、快速、准确，灵敏度高，精密度、稳定性好。近红外预测模型建立成功后，可以快速准确地测定未知样品柚皮苷的含量，尤其适用于银蓝调脂胶囊各生产过程的快速质量检测，从而提高银蓝调脂胶囊质量的稳定性，保证其临床疗效。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims

1.一种含有柚皮苷中药生产过程中的近红外在线检测方法，其特征在于，包括如下步骤：

收集含有柚皮苷中药生产过程中的样品并采集其近红外光谱，所述含有柚皮苷中药生产过程包括提取、浓缩、回收乙醇、物料混合过程；

利用现有技术测定样品中的柚皮苷含量；

根据所述样品的近红外光谱和现有技术测得的柚皮苷含量建立检测模型，所述检测模型包括定量模型和定性模型，所述定量模型通过偏最小二乘法建立，选取红外光谱的光谱范围为1100～2300nm，所述定性模型通过TQ Analyst软件中的图谱相似度技术建立，选取红外光谱的光谱范围为1100～2500nm；

采集待测样品，利用所述检测模型测定柚皮苷含量；

其中，所述含有柚皮苷中药为银蓝调脂胶囊；

所述银蓝调脂胶囊的生产过程中样品采集是收集含有柚皮苷中药生产过程中不同时间点的提取液、浓缩液、乙醇回收液和混料样品；

所述不同时间点的提取液是指银蓝调脂胶囊第一次、第二次煎煮提取过程中各时间点的提取液；不同时间点的浓缩液是指银蓝调脂胶囊浓缩过程中各时间点的浓缩液；不同时间点的乙醇回收液是指银蓝调脂胶囊醇沉液回收乙醇过程中各时间点的回收液；不同时间点的混料是指银蓝调脂胶囊混料过程中各时间点的混料；

所述第一次煎煮提取过程柚皮苷定量模型的参数：波谱范围1100～2300nm，原始光谱无处理，主成分数10，剔除异常点；所述第二次煎煮提取过程柚皮苷定量模型的参数：波谱范围1100～2300nm，原始光谱以一阶导数和Norris平滑进行预处理，主成分数4，剔除异常点；所述浓缩过程柚皮苷定量模型的参数：波谱范围1100～2300nm，原始光谱以二阶导数和SG平滑进行预处理，主成分数11，剔除异常点；所述回收乙醇过程柚皮苷定量模型的参数：波谱范围1100～2300nm，原始光谱以多元散射校正进行预处理，主成分数10，剔除异常点；所述混料过程定性模型的参数：波谱范围1000～2500nm，原始光谱以一阶导数和Norris平滑进行预处理。

2.根据权利要求1所述的含有柚皮苷中药生产过程中的近红外在线检测方法，其特征在于，所述现有技术为高效液相色谱法。

3.根据权利要求1所述的含有柚皮苷中药生产过程中的近红外在线检测方法，其特征在于，所述收集的含有柚皮苷中药生产过程中的样品分为校正集和验证集，分别建立校正集和现有技术测定样品中的柚皮苷含量之间的对应关系，再利用验证集样品对检测模型进行验证，优化含有柚皮苷中药生产过程中的检测模型。

4.根据权利要求1～3任一所述的含有柚皮苷中药生产过程中的近红外在线检测方法在中药质量监控中的应用。