CN104865322A

CN104865322A - 一种栀子萃取液浓缩过程快速检测方法

Info

Publication number: CN104865322A
Application number: CN201510177437.7A
Authority: CN
Inventors: 刘雪松; 陶玲艳; 金叶; 陈勇; 吴永江; 萧伟; 王振中; 毕宇安
Original assignee: Jiangsu Kanion Pharmaceutical Co Ltd; Zhejiang University ZJU
Current assignee: Jiangsu Kanion Pharmaceutical Co Ltd; Zhejiang University ZJU
Priority date: 2015-04-15
Filing date: 2015-04-15
Publication date: 2015-08-26

Abstract

本发明提供一种栀子萃取液浓缩过程快速检测方法，通过采集热毒宁注射液大生产中不同批次的栀子萃取液浓缩液样本，测定栀子萃取液浓缩液中的关键指标，包括固含量和栀子苷的浓度，采集栀子萃取液浓缩液样本的近红外光谱图，选择合适的光谱预处理方法和建模波段，分别采用偏最小二乘法和前向人工神经网络法，建立固含量和栀子苷浓度的近红外定量校正模型，并采用各模型评价指标考察模型性能，将验证集数据导入已建的校正模型，评价模型的预测能力。本发明引入近红外光谱技术作为栀子萃取液浓缩过程的检测方法，可快速检测栀子萃取液浓缩过程中固含量和栀子苷的浓度变化，所建立的分析方法满足快速、有效的实际生产要求，具有广阔的应用前景。

Description

一种栀子萃取液浓缩过程快速检测方法

技术领域

本发明属于近红外快速检测领域，具体涉及一种栀子萃取液浓缩过程快速检测方法。

背景技术

热毒宁注射液主要成分为金银花,青蒿和栀子,对于流行性感冒,急性上呼吸道感染,急性支气管炎,呼吸内科等具有显著疗效。萃取后浓缩过程是热毒宁生产的关键工序之一，直接关系到热毒宁中各组分含量的变化。目前，萃取后浓缩工艺的质量控制主要依靠经验和传统质量分析方法，耗时费力，故研究发展热毒宁栀子萃取液浓缩过程中关键质控指标的快速无损测定方法，有助于解决热毒宁生产过程中关键控制指标的质量控制问题，对于中药工业技术进步和产品质量升级具有重大现实意义。

近年来兴起的近红外光谱技术，作为过程分析技术的重要代表,具有检测速度快，样品处理简单且无耗损等优点，具有广阔的应用前景。近红外光谱技术在石油，烟草，药品等领域的应用也取得了良好进展。特别是近几十年来随着化学计量学的不断发展，近红外光谱在过程分析中的应用愈加广泛。

发明内容

本发明的目的在于提供一种栀子萃取液浓缩过程快速检测方法。应用该方法建立的模型能够快速准确的测定热毒宁注射液生产中栀子萃取液浓缩液中固含量和栀子苷浓度。

本发明的目的是通过以下技术方案实现的：

1.采集热毒宁注射液大生产中不同批次的栀子萃取液浓缩过程样品

栀子萃取液浓缩过程中控制温度≦70℃，每批药液量500~600kg，每批回收正丁醇约2吨，用时8~9小时，间隔20~40 min取样，最后1小时间隔5~10 min取样，每次取样约10 mL，每批样本16~38个。6个批次，127个样本。所有样本均从单效浓缩罐同一取样口采集。

2.关键指标的测定

分别用高效液相色谱法、烘干称重法，测定栀子萃取液浓缩过程样品中的栀子苷浓度和固含量。

（1）高效液相色谱法测定栀子萃取液浓缩样品中的栀子苷浓度：

将栀子萃取液的浓缩样品精密吸取1 mL至100 mL量瓶中，加入50%甲醇溶解，并稀释至刻度，摇匀后再精密吸取1 mL至10 mL量瓶中，加入50%甲醇溶解，并稀释至刻度，摇匀后用0.45μm 有机滤膜滤过所得液，即为分析进样。液相色谱条件：色谱柱：Kromasil C18 (4.6×250 mm, 5μm)；流动相：乙腈（A）-0.2%冰醋酸溶液（B），按乙腈：0.2%冰醋酸=12:88（v:v）的比例等度洗脱；检测波长：237 nm；流速：1 mL/min；柱温：30 ℃。

（2）烘干称重法测定栀子萃取液浓缩样品中的固含量：

将栀子萃取液浓缩样品静置24 h，量取3 mL上清液至已烘干至恒重的扁形瓶（两次烘干后重量差距小于5 mg，计为X₀），称重（X₁），置105 ℃烘箱中烘干，至两次称重重量差距小于5 mg，计为X₂。

则固含量（%）=（X₂-X₀）/（X₁-X₀）×100%。

3.近红外光谱数据采集

将栀子萃取液浓缩样本水浴加热至70℃后精密量取1ml栀子萃取液浓缩样本，置于Nicolet ANTARISII近红外光谱仪配套U形小管中，采用透射法采集近红外光谱，扫描次数为32，分辨率为4 cm^-1，光纤透射式探头光程2 mm，以空气为参比，扫描光谱范围为4500~12000 cm^-1。

4. 分别采用偏最小二乘法和前向人工神经网络法建立栀子萃取液浓缩过程中各质控指标的近红外定量模型，当相关系数值接近于1，校正集误差均方根和验证集误差均方根较小且相互接近时，说明模型的预测能力较高、稳定性好。此外，当相对预测偏差值小于10%时认为模型具有较好的预测能力，可用于指标的定量控制。

采用Nicolet ANTARISII近红外光谱仪美国尼高利公司配套的Result TQ Analyst 8.0数据处理软件，在建立校正模型之前，由于基线漂移和噪音干扰等因素，首先对光谱进行预处理和波段选择。分别采用偏最小二乘法（PLS）和前向人工神经网络法（BP-ANN）建立近红外数据与固含量，近红外数据与栀子苷浓度这两个质控指标的定量校正模型，并通过各模型评价指标考察模型性能。将验证集数据导入已建的校正模型，通过模型性能评价指标判断模型的稳定性和预测能力。

具体地，在上述步骤（4）中，栀子苷浓度定量校正模型的预处理方法选择二阶导数与Savitsky-Golay滤波平滑预处理，分别用于消除基线漂移及噪音等。根据波长与光谱信息的相关度最后采用6013~4793 cm^-1波段建立栀子苷浓度的定量校正模型；固含量模型的预处理方法包括一阶导数与Norris平滑，波段选取为5769~5677 cm^-1和5893~5831 cm^-1。利用偏最小二乘法和前向人工神经网络方法建立的定量校正模型，模型评价指标包括：相关系数（R）、校正集误差均方根（RMSEC）、验证集误差均方根（RMSEP）和外部验证的主要参数相对预测偏差（RSEP）。当相关系数值接近于1，校正集误差均方根和验证集误差均方根较小且相互接近时，说明模型的预测能力较高、稳定性好。此外，当相对预测偏差值小于10%时认为模型具有较好的预测能力，可用于指标的定量控制。

本发明的另一个目的是提供所述方法在栀子萃取液浓缩过程快速检测中应用。

本发明将近红外光谱技术结合偏最小二乘法和前向人工神经网络算法，应用于热毒宁注射液中栀子萃取液浓缩过程中关键指标的测定。本方法实现简单，模型预测能力强，稳定性高，具有很强的外推、泛化能力。

附图说明

图1是栀子萃取液浓缩过程中栀子苷浓度的变化趋势。

图2是栀子萃取液浓缩过程中固含量的变化趋势。

图3是栀子萃取液浓缩过程中的原始近红外光谱。

图4是近红外光谱各波段的相关系数图。

图5是采用偏最小二乘法建模所得栀子萃取液浓缩过程栀子苷浓度预测值与实际测定趋势对照图。

图6是采用偏最小二乘法建模所得栀子萃取浓缩过程固含量预测值与实际测定趋势对照图。

图7是采用前向人工神经网络法建模所得栀子萃取液浓缩过程栀子苷浓度预测值与实际测定趋势对照图。

图8是采用前向人工神经网络法建模所得栀子萃取液浓缩过程固含量预测值与实际测定趋势对照图。

具体实施方式

本发明结合附图和实施例作进一步的说明。

实施例1：采用偏最小二乘法建立固含量和栀子苷浓度的近红外定量分析模型

1.栀子萃取液浓缩液样品收集

2.关键指标的测定

（1）栀子苷浓度测定

色谱条件：色谱柱：Kromasil C18 (4.6×250 mm, 5μm)；流动相：乙腈（A）- 0.2%冰醋酸溶液（B），按乙腈：0.2%冰醋酸=12:88的比例等度洗脱；检测波长：237 nm；流速：1 mL/min；柱温：30 ℃。

浓缩样品精密吸取1 mL至100 mL量瓶中,加50%甲醇溶解,并稀释至刻度,摇匀。再精密吸取1 mL至10 mL量瓶中,加50%甲醇溶解,并稀释至刻度,摇匀,用0.45μm 有机滤膜滤过,即得分析进样。

栀子萃取液浓缩过程栀子苷浓度的变化趋势见图1。

（2）固含量测定

栀子萃取液浓缩液静置24 h，量取3 mL上清液至已烘干至恒重的扁形瓶（两次烘干后重量差距小于5 mg，计为X₀），称重（X₁），置烘箱105 ℃中烘干，至两次称重重量差距小于5 mg，计为X₂。则固含量（%）=（X₂-X₀）/（X₁-X₀）×100%。

栀子萃取液浓缩过程固含量的变化趋势见图2。

3.近红外光谱数据采集

使用ANTARIS傅立叶变换近红外光谱仪（美国Thermo Nicolet 公司）采集栀子萃取液浓缩液样品的近红外透射光谱图，波段范围为4500~12000 cm^-1，扫描次数为32次，分辨率为4 cm^-1。以空气为参比。

栀子萃取液浓缩过程中采集到的原始近红外光谱见图3。

4.偏最小二乘法定量模型的建立

建模波段选择和光谱预处理

由于栀子萃取浓缩为回收正丁醇，含有羟基，极性很强，结合近红外光谱各波段相关系数图，最终选取较优波段6013~4793 cm^-1为栀子苷定量模型的建模波段，固含量模型则选取光谱相关系数大于0.8，信息较为集中的5769~5677 cm^-1和5893~5831 cm^-1波段。近红外光谱各波段相关系数图见图4。

为有效消除基线偏移，减少峰与峰之间的重叠并使有效信息显现出来，常采用导数处理方法，而为了降低导数计算引进的噪音，降低信噪比，则采用平滑方法降低高频随机噪声。因此，对于栀子苷浓度模型的建立，本发明将二阶导数法和S-G平滑滤波结合使用对光谱数据进行预处理；对于固含量的校正模型，则采用一阶导数与Norris平滑预处理。随机选取14个样本作为验证集预测，其余113个样本作为校正集

表1为栀子苷和固含量的近红外模型建模结果参数。从表1可以看出，栀子苷和固含量的偏最小二乘法建立的近红外模型线性良好，相关系数均大于0.90，校正集误差均方根RMSEC和验证集误差均方根RMSEP较接近，说明所建立的近红外定量模型效果较优，预测能力较好且稳健性佳。

5. 偏最小乘法定量校正模型的验证

将偏最小二乘法建立的近红外定量校正模型分别用于预测对应模型中14个验证集样品的栀子苷浓度和固含量。栀子苷浓度实测值和近红外预测值的比较见图5，固含量的实测值和近红外预测值的比较见图6，可以看出栀子苷和固含量实测值与近红外预测值十分接近。栀子苷和固含量定量模型的RSEP值分别为7.09%和5.59%，均控制在8%以内，符合实际生产精度要求，说明偏最小二乘法建立的定量校正模型可以用于栀子萃取液浓缩过程的栀子苷浓度和固含量预测，并达到一定的预测准确精度。

实施例2：采用前向人工神经网络法建立固含量和栀子苷浓度的近红外定量分析模型

1. 前向人工神经网络法定量模型的建立

同上所述，完成栀子萃取液浓缩样本的关键指标测定和光谱扫描后，随机选取16个样本作为验证集预测，剩余111个样本作为校正集，对于栀子苷浓度和固含量，选取特定波段（栀子苷浓度定量模型在6013~4793 cm^-1波段内，固含量定量模型在5769~5677 cm^-1与5893~5831 cm^-1波段内），对校正集样品的光谱数据进行相应的预处理（栀子苷浓度定量校正模型为二阶导数法和S-G平滑滤波结合，固含量定量校正模型为一阶导数与Norris平滑）后，采用前向人工神经网络法分别建立栀子苷和固含量的近红外定量校正模型。

表2为栀子苷浓度和固含量的近红外模型建模结果参数。从表2可以看出，采用前向人工神经网络法建立的栀子苷浓度和固含量近红外模型均线性良好，相关系数均大于0.90，校正集误差均方根RMSEC和验证集误差均方根RMSEP较小，且相互非常接近，说明所建立的近红外定量模型预测效果和模型稳定性都表现良好。

1. 前向人工神经网络法定量模型的验证

将前向人工神经网络法建立的近红外定量校正模型分别用于预测对应模型中16个验证集样品的栀子苷浓度和固含量。栀子苷浓度实测值和近红外预测值的比较见图7，固含量的实测值和近红外预测值的比较见图8，可以看出栀子苷和固含量实测值与近红外预测值非常接近。栀子苷浓度和固含量定量模型的RSEP值分别为9.03%和6.68%， RSEP均小于10%，满足实际生产精度要求，说明人工神经网络法建立的定量校正模型可以用于栀子萃取液浓缩过程的栀子苷浓度和固含量预测，并达到一定的预测准确精度。

由上述表1和表2所得建模参数可知，在选取相同的预处理和建模波段条件下，偏最小二乘法和前向人工神经网络算法所得到模型校正集相关系数都大于0.9；两种算法所得的栀子苷定量模型和固含量定量模型中，校正集误差均方根和验证集误差均方根都较为接近；对于相对预测偏差值，虽然都控制在10%以内，但由最小偏二乘法建立的栀子苷和固含量模型都对应地优于由前向人工神经网络法建立的模型。表明对于栀子萃取液浓缩过程的近红外快速检测中，偏最小二乘模型具有更好的预测能力。

Claims

1.一种栀子萃取液浓缩过程快速检测方法，其特征在于，通过以下步骤实现：

（1）采集热毒宁注射液大生产中不同批次的栀子萃取液浓缩过程样本；

（2）测定栀子萃取液浓缩过程样本的固含量和栀子苷浓度；

（3）采集栀子萃取液浓缩过程样本的近红外透射光谱图；

（4）分别采用偏最小二乘法和前向人工神经网络法建立栀子萃取液浓缩过程中各质控指标的近红外定量模型；当相关系数值接近于1，校正集误差均方根和验证集误差均方根较小且相互接近时，说明模型的预测能力较高、稳定性好，当相对预测偏差值小于10%时认为模型具有较好的预测能力，可用于指标的定量控制。

2.根据权利1要求所述的一种栀子萃取液浓缩过程快速检测方法，其特征在于：步骤（1）所述为在热毒宁注射液大生产中，栀子萃取液浓缩过程中控制温度≦70℃，每批药液量为500~600kg，每批回收正丁醇约2吨，用时8~9小时，间隔20~40 min取样，最后1小时间隔5~10 min取样，每次取样约10 mL，所有样本均从单效浓缩罐同一取样口采集。

3.根据权利1要求所述的一种栀子萃取液浓缩过程快速检测方法，其特征在于：步骤（2）所述的高效液相色谱法测定栀子苷浓度的预处理方法为：浓缩样品精密吸取1 mL至100 mL量瓶中,加50%甲醇溶解，并稀释至刻度,摇匀，再精密吸取1 mL至10 mL量瓶中,加50%甲醇溶解,并稀释至刻度,摇匀,用0.45 μm有机滤膜滤过，即得；步骤(2)所述的烘干称重法测定固含量方法为：栀子萃取液浓缩液静置24 h后,量取3 mL上清液至已烘干至恒重的扁形瓶（X₀）,加入栀子萃取液浓缩液后称重为（X₁）,置烘箱105 ℃条件下烘干，至两次称重重量差距小于5 mg,计为X₂，固含量计算公式为（%）=（X₂-X₀）/（X₁-X₀）×100%。

4.根据权利1要求所述的一种栀子萃取液浓缩过程快速检测方法，其特征在于：步骤（3）中将栀子萃取液浓缩样本水浴加热至70℃后精密量取1ml至Nicolet ANTARISII近红外光谱仪配套U形小管中，采用透射法采集近红外光谱，扫描次数为32，分辨率为4 cm^-1，通过3次重复装样扫描后求平均得到该样品的最终光谱图。

5.根据权利1要求所述的一种栀子萃取液浓缩过程快速检测方法，其特征在于：步骤（4）中光谱预处理条件为栀子苷浓度模型采用二阶导数与S-G滤波平滑光谱预处理；固含量模型采用一阶导数+Norris平滑光谱预处理；栀子苷模型建模波段为6013~4793 cm^-1，固含量模型建模波段为5769~5677 cm^-1和5893~5831 cm^-1。

6.权利要求1所述方法在栀子萃取液浓缩过程快速检测中应用。