目的:本研究旨在利用近红外光谱法建立一种快速检测正天丸素丸中水分含量的方法。方法:通过近红外光谱仪对正天丸素丸样品进行扫描,对光谱数据进行预处理和波段选择,并结合偏最小二乘法(partial least squares, PLS)建立了水分含量的快速无损检测模型。结果:研究显示,所建立的模型具有良好的性能,决定系数R达到0.97543,交叉验证均方根差值为0.64069。通过对验证集样品进行预测并进行统计分析,发现预测值与真实值之间无显著差异(P > 0.05)。结论:所建立的模型具有高准确度,适用于正天丸素丸中水分的快速检测,为相关领域提供了一种可行的分析方法。 Objective: The aim of this study was to establish a rapid method for the determination of moisture content in zhengtian pills using near-infrared spectroscopy. Methods: The samples of Zhengtianwan Suwan were scanned by near-infrared spectroscopy, the spectral data were preprocessed and the waveband selection was performed, and a model for the rapid nondestructive detection of moisture content was established by combining with the partial least squares (PLS) method. Results: The study showed that the established model has good performance with a coefficient of determination R of 0.97543 and a cross-validated root mean square difference value of 0.64069. By predicting the samples from the validation set and statistically analysing the results, it was found that there was no significant difference between the predicted values and the true values (P>0.05). Conclusion: The established model has high accuracy and is suitable for the rapid detection of moisture in zhengtian pills, which provides a feasible analytical method for related fields.
目的:本研究旨在利用近红外光谱法建立一种快速检测正天丸素丸中水分含量的方法。方法:通过近红外光谱仪对正天丸素丸样品进行扫描,对光谱数据进行预处理和波段选择,并结合偏最小二乘法(partial least squares, PLS)建立了水分含量的快速无损检测模型。结果:研究显示,所建立的模型具有良好的性能,决定系数R达到0.97543,交叉验证均方根差值为0.64069。通过对验证集样品进行预测并进行统计分析,发现预测值与真实值之间无显著差异(P > 0.05)。结论:所建立的模型具有高准确度,适用于正天丸素丸中水分的快速检测,为相关领域提供了一种可行的分析方法。
正天丸,水分,近红外光谱技术,过程质量控制,偏最小二乘法
Hongliang Lyu, Yuanhong Huang, Ting Zhang, Yong Zhang, Xiaofang Huang, Fasen Zhang, Bilian Yu, Zhongwen Chen
China Resources Sanjiu Medical & Pharmaceutical Co. Ltd., Shenzhen Guangdong
Received: Jan. 4th, 2024; accepted: Jan. 10th, 2024; published: Feb. 22nd, 2024
Objective: The aim of this study was to establish a rapid method for the determination of moisture content in zhengtian pills using near-infrared spectroscopy. Methods: The samples of Zhengtianwan Suwan were scanned by near-infrared spectroscopy, the spectral data were preprocessed and the waveband selection was performed, and a model for the rapid nondestructive detection of moisture content was established by combining with the partial least squares (PLS) method. Results: The study showed that the established model has good performance with a coefficient of determination R of 0.97543 and a cross-validated root mean square difference value of 0.64069. By predicting the samples from the validation set and statistically analysing the results, it was found that there was no significant difference between the predicted values and the true values (P>0.05). Conclusion: The established model has high accuracy and is suitable for the rapid detection of moisture in zhengtian pills, which provides a feasible analytical method for related fields.
Keywords:Zhengtian Pills, Moisture, Near Infrared Spectroscopy, Process Quality Control, Partial Least Squares Method
Copyright © 2024 by author(s) and beplay安卓登录
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).
http://creativecommons.org/licenses/by/4.0/
正天丸是一种中药制剂,具有疏风活血、养血平肝、通络止痛等功效 [
近红外光谱分析技术(Near-Infrared Spectroscopy, NIR)是一种先进的光谱分析技术,基于近红外光波段的光谱信息,具有广泛的应用领域。近红外光谱的原理基于物质对近红外光的吸收特性。物质中的化学键振动和分子的转动会对这一波段的光产生特定的吸收峰,形成独特的光谱图谱。近红外光谱仪通过测量样品在这一波段的反射、透射或吸收光谱,可以获得关于样品组成、结构和性质的信息。近红外光谱属于分子振动的倍频和合频光谱,具有丰富的信息量。现代近红外光谱分析主要用于快速、批量、无损地分析复杂样品,其相关技术正在迅速发展。在现代近红外光谱分析的重要应用领域中,对于复杂天然样品的无损分析,漫反射光谱技术则显得尤为重要 [
近红外光谱分析技术具有显著的优势。首先,其非破坏性的特点使得样品在分析过程中不需要化学处理,保持了样品的完整性 [
正天丸素丸(华润三九医药股份有限公司);MicroNIR PAT-U近红外光谱仪(北京格致同德科技有限公司);FD240电热鼓风干燥箱(德国宾得公司);XS205DU型电子天平(梅特勒–托利多公司)。
正天丸素丸光谱采集预处理:正天丸素丸在卧式流化床二次干燥期间,随机均匀间隔取样5~8个样品,一次取样30 g;共取样10批。
光谱采集条件:采集正天丸素丸的漫反射光谱,光谱扫描次数为100次,扫描范围908 nm~1650 nm,积分时间8.3 ms;实验采用空气为参比进行光谱采集分析,原始光谱如图1所示。
图1. 正天丸素丸近红外原始光谱
检测条件:将所取的正天丸素丸粉碎,取2 g粉碎后的正天丸素丸放入已干燥的扁形瓶中,精确称重。随后,在100~105℃的温度下,打开瓶盖进行5小时的干燥处理,然后关闭瓶盖,将瓶子移到干燥器中,冷却30分钟。再次进行精密称定后,在相同温度下再进行1小时的干燥处理。随后,再次冷却和称重,确保连续两次称重的差异不超过5毫克。根据减少的重量计算供试品中的水分含量(%)。
在采集了正天丸素丸的近红外光谱图后,我们利用VIAVI公司MicroNIRTMPro数据分析软件中的偏最小二乘法建立了光谱与水分含量之间的校正模型。在建模之前,首先需要从原始光谱中筛选出适宜的波段,以便快速提取有效信息,缩短建模时间并减少计算量。由于仪器背景或环境可能对近红外光谱产生影响,因此我们还需要对样品光谱进行适当的预处理,如平滑和微分等。
使用留一交叉验证法(Leave-One-Out Cross Validation, LOOCV),以交互验证误差均方根(Root Mean Square Error of Cross Validation, RMSECV)作为指标,通过预测残差平方和确定最佳因子数。我们考察了校正集样本和验证集样本的预测误差,分别用校正集误差均方根(RMSEC)和验证集误差均方根(RMSEP)进行评估。此外,使用模型相关系数(Correlation Coefficient, R)来判断模型的性能。建立的模型相关系数越接近1,说明样品实测值与模型预测值越接近,证明了建立的校正模型稳定性好,预测能力强。当RMSEC和RMSEP值越小且彼此接近时(一般在10%以内),表明模型具有良好的稳健性。此外,RSEC和RSEP也是评价模型性能的关键指标,它们越小且越接近,说明模型的稳健性良好,对未知样品的预测能力强。
根据2.3项下的方法,测定了正天丸素丸中水分的含量,正天丸素丸干燥过程水分差异大,其范围在3.62%至17.16%之间。由于水分含量对于正天丸素丸的质量和效果具有重要影响,因此在将正天丸素丸投入下一生产环节之前,有必要进行快速测定水分含量,以筛选出符合质量标准的样品,确保投入包衣工序的正天丸制剂具有安全、有效的特性。这项措施有助于维护产品质量,提高制剂的稳定性和可控性,确保最终产品的药效和安全性。
在近红外光谱采集过程中,光谱基线漂移可能由于外部环境、正天丸素丸本身温度、空气以及仪器性能的变化引起。这种漂移会对校正结果造成干扰,因此在建模前需要对原始光谱进行光谱预处理,以提高模型的预测精度。光谱预处理的目的是消除或减弱光谱中的干扰因素,使其更符合建模的要求。MicroNIRTMPro数据分析软件中常用的光谱预处理方法有:一阶导数(1st)、二阶导数(2nd)、去趋势化(detrend)、矢量归一化(SNV)等。
正天丸素丸水分含量模型通过一阶导数进行光谱预处理处理后建立PLS模型,参数结果如表1所示。SEC值为0.57236,表示建立的模型对于已有数据的拟合程度,即模型对于校正集中的样本的预测误差的平均水平。较低的SEC值表示模型在校正数据上有较好的拟合。SEP值为0.64069,代表模型在新样本上的预测误差的平均水平。较低的SEP值表明模型在新样本上的预测性能较好。R2V值为0.97543,表示模型对于验证集中的样本的拟合程度。R2V越接近1,说明模型在验证集上的解释方差越高,即模型对未知样本的预测效果越好。R2C值为0.96982,表示模型对于校正集中的样本的拟合程度。R2C越接近1,说明模型在校正集上的解释方差越高,即模型对已有样本的拟合效果越好。
综合来看,该模型在校正集和验证集上都表现得很好,具有较高的拟合程度和预测性能。这意味着该模型可以可靠地用于水分含量的预测,且对于未知样本的预测效果也较为准确。
建模方法 | PLS–交叉验证-留一法 | |||
---|---|---|---|---|
指标 | SEC | SEP | R V 2 | R C 2 |
水分 | 0.57236 | 0.64069 | 0.97543 | 0.96982 |
表1. 正天丸素丸含量模型参数
比较发现,正天丸素丸水分含量模型通过一阶导数进行光谱预处理处理后得到的模型有较低的RMSEC值,且相关系数R值更接近1,模型效果见图2。
图2. 正天丸素丸水分模型示意图
本研究成功建立了正天丸素丸水分含量的近红外快速分析方法。采用偏最小二乘法(PLS)建立的水分含量定量校正模型表现出良好的性能,相关系数R为0.97543,RMSEP为0.64069,符合定量分析的标准,具有高度的可靠性和准确性,能够在相对较短的时间内通过采集近红外光谱对正天丸素丸的水分含量进行准确测定。相较于传统的烘干法,该方法具有简便、快速、无损的优势,为正天丸素丸生产环节中水分含量的检测提供了一种高效且可靠的方法。
吕洪亮,黄元红,张 挺,张 勇,黄晓芳,张发森,余碧莲,陈忠文. 基于近红外光谱结合化学计量学的正天丸素丸中水分的检测研究Study on the Detection of Moisture in SuWan of Zhengtian Pills Based on Near Infrared Spectroscopy Combined with Chemometrics[J]. 药物化学, 2024, 12(01): 27-32. https://doi.org/10.12677/HJMCe.2024.121005
https://doi.org/10.1111/j.1526-4610.2011.01913.x
https://doi.org/10.1111/j.1526-4610.2011.01908.x
https://doi.org/10.1016/S0140-6736(19)32504-8
https://doi.org/10.13703/j.0255-2930.20230520-k0001, 2024-01-04.
https://doi.org/10.13684/j.cnki.spkj.2023.11.015