近红外漫反射光谱法定性定量分析头孢拉定胶囊-仪器谱

1、近红外漫反射光谱法定量分析头孢拉定胶囊潘颖1沈漪1项竞佐1刘全21 上海市药品检验所抗生素室，上海 2002332 美国 Thermo Nicolet 仪器公司上海代表处，上海200031摘要目的： 采用近红外（ NIR ）漫反射光谱法对不同生产厂家的头孢拉定胶囊进行快速定量分析。方法：按头孢拉定胶囊配方组成配制含主药头孢拉定浓度范围从5.01% 91.24%的 30 个实验室样品， 并收集来源于 7 个厂家的49 批工业样品，采集其NIR 光谱。采用偏最小二乘回归法建立NIR 光谱信息与样品组成间的定量分析模型，将其用于对验证样品进行预测分析，并对该方法的加样回收率进行考察。结果： 定量分析

2、模型对 21 验证样品的的预测均方差RMSEP 为 1.35%，预测值与真值的相关系数R 为 0.9968，加样平均回收率为 99.7%，RSD 为 0.7%（ n=6）。结论： 用近红外漫反射光谱法对头孢拉定胶囊进行定量分析的方法简便快速，结果准确可靠，可推广用于工业现场的实时在线检测。关键词近红外漫反射光谱法头孢拉定胶囊偏最小二乘回归定量分析Quantitative Analysis ofCefradine Capsule byNear-infrared SpectroscopyPan Ying1, Shen Yi1, Xiang Jingzuo1, Liu Quan2(1. Shangh

3、ai Institute for Drug Control, Shanghai200233)(2. Thermo Nicolet Corporation Shanghai Representative Office, Shanghai200031)AbstractObjectiveTodeterminetheprincipalcomponent incefradinecapsule bynear-infrared(NIR)spectroscopy. Method 30 samples with a concentration range from 5.01% to 91.24% for cef

4、radine were preparedin laboratory and 49 industry samples from 7 different factories were collected. Then their NIR spectra werecollected on an Antaris FT-NIR analyzer. Partial least square regression (PLSR) algorithm was used to build thecalibration model between the concentration of 59 calibration

5、 samples and their NIR spectra. At last, the modelwas validated by the other 20 validation samples. The recovery of the method has also been examined. Result Theroot mean square error of prediction (RMSEP) was 1.35%. The correlation coefficient between the true value andprediction value was 0.9968.

6、The average recovery was 99.7% (RSD 0.67%, n=6).Conclusion The results showthat the presented method is convenient, fast and has a good performance and can be applied to on-line detection inindustrial process.Key words Near -Infrared Spectroscopy; Cefradine capsules; Partial least square regression

7、(PLSR); Quantitativeanalysis近红外（ near-infrared ，NIR ）光谱技术是一种快速、无损分析方法，其光谱波长范围是780 2500nm（ 11000 4000cm-1），主要谱峰为有机物分子C-H 、N-H 和 O-H 等含氢基团的倍频与合频振动吸收所产生，光谱特性稳定， 非常适合于药品原辅料及制剂的定性定量分析1-5 。近几年来，得益于化学计量学、电子计算机及软件的发展，尤其是基于多变量数据分析的化学计量学的发展，使得NIR 光谱中的大量信息能够被解释，这一技术因此而得到了广泛的应用。与传统的化学分析方法相比，NIR 光谱技术具有分析迅速、操作简便等

8、优点，它无需预处理即可测定多种状态的样品，如粉末、 完整片剂及胶囊、 完整的生物组织、浆液、混悬液等6 。头孢拉定为第一代头孢菌素，主要作用于革兰氏阳性菌包括耐青霉素金葡菌，临床主要治疗敏感细菌所致的呼吸道感染、生殖泌尿系统感染、软组织感染等7。头孢拉定胶囊临床应用广泛， 目前国内也有很多厂家生产。各个生产厂家的产品质量参差不齐，更有不法之徒销售假药、 劣药。现行的中国药典检测方法为高效液相色谱法，该方法需进行复杂的样品制备和预处理工作，分析时间较长，难以适用于工业现场的实时在线分析。本文以某一厂家的头孢拉定胶囊处方组成配制了30 个实验室样品，并收集了来源于7个厂家的 50 批工业样品， 分

9、别采集其 NIR 漫反射光谱。比较研究分别以主成分回归 （ Principle component regression， PCR）法和偏最小二乘回归（ Partial least squares regression，PLSR ）法建立定量分析模型， 然后将此模型用于对验证样品含量进行预测， 并考察该方法的加样回收率。结果证明， 该方法结果准确可靠， 可大大缩短定量检测的时间， 达到快速分析的效果，可推广用于工业现场的实时在线分析。1 实验1.1仪器与试药Antaris 傅立叶变换NIR 光谱仪 （美国 Thermo Nicolet 公司），配有积分球漫反射采样系统， Result 操作软件

10、， TQ Analyst 6.2 光谱分析软件；头孢拉定原料（纯度95.6%），辅料硬脂酸镁、滑石粉、乳糖为药用规格。1.2样品准备实验室样品配制：按某一厂家头孢拉定胶囊处方组成配制含主药头孢拉定浓度范围从5.01% 91.24%的 30 个实验室样品。工业样品收集：头孢拉定胶囊样品共49 批来源于7 个厂家，它们分别是中美上海施贵宝制药有限公司 16 批、上海天平药厂 3 批、上海衡山药业有限公司3 批、上海新亚药业有限公司 15 批、上海五洲药厂 3 批、上海美优制药厂 2 批及香港澳美制药厂7 批 。1.3 NIR 光谱测量将胶囊粉末倒入同规格样品瓶中，利用积分球漫反射采样系统及Resu

11、lt 操作软件测量其 NIR 光谱。 光谱采集条件：以仪器内置背景为参比，波数范围10000 4000 cm-1，扫描次数 40 次，分辨率 8 cm-1 。图 1 为 7 个不同厂家的样品及一个实验室样品的原始NIR 光谱图。0.80上海衡山药业有限公司上海天平药厂0.70实验室配制样品)0.60上海新亚药业有限公司R/香港澳美制药厂1(g0.50上海美优制药厂oL上海五洲药厂0.40中美上海施贵宝制药有限公司0.300.201000090008000700060005000Wavenumbers (cm-1)图 1 来源于 7 个不同厂家的样品的原始NIR 漫反射光谱图Fig. 1 Ori

12、ginal NIR spectra of 7 samples from different factories2 方法与结果2.1 光谱预处理方法NIR 光谱采集过程中，由于样品颗粒大小、均匀性、仪器状态等因素的影响，往往会导致光谱基线产生偏移或漂移，因此建模前原始光谱需经过预处理。最常用的预处理方法为将原始光谱做导数处理8 。原始光谱经导数处理，一方面可以消除基线偏移，另一方面可放大光谱信号， 但是由于此时噪声信号也被放大，因此在对原始光谱求导之前，一般需对其进行平滑处理。图 2 为样品的原始NIR 光谱经 Norris derivative 滤波和二阶导数处理后的光谱图，从图中可以看出，原

13、始光谱经导数处理后，可消除基线偏移，扣除本底吸收，从而更能体现样品的光谱特征。0.00050.0003)0.0001R/1(go-0.0001L-0.0003-0.0005-0.00071000090008000700060005000Wavenumbers (cm-1)图 2来源于 7 个不同厂家的样品的二阶导数光谱Fig. 1 Second derivative spectra of 7 samples from different factories2.27 个厂家样品 NIR 光谱的主成分分析实验中所用到的7 个厂家样品的原始光谱经前述预处理后，对其进行主成分分析（ Principal

14、 Component Analysis ，PCA ），其中前两个主成分反映了94.48% 的信息。 以第二主成分得分对第一主成分得分作图，如图 3 所示。 总体看来， 8 个厂家的样品NIR 信息在主成分空间上的分布具有比较明显的差异，基于此， 我们可以建立定性判别模型，以对各厂家样品进行判别分析。由于本实验中样品数量较少，因此，没有进行这一工作，但是，基于NIR光谱的定性分析方法却具有良好的应用前景。图 3 样品在前两个主成分中的得分分布构成的主成分空间中的分布中美上海施贵宝制药有限公司；香港澳美制药厂；上海五洲药厂；上海新亚药业有限公司； 上海衡山药业有限公司；上海天平药厂；上海美优制药厂

15、Fig.3Plot of scores for the first and second PC of the 50 samples from 7 different factories2.3定量分析模型的建立分别从30 个实验室样品和50 个工业样品中随机选取21 个和39 个样品组成校正集， 用于建立定量分析模型，其余20 个样品当作验证样品组成验证集，用于验证模型的预测效果。以校正集样品的交叉验证均方差(RMSECV)及其相对偏差（RSECV ）为指标优化建模参数，以对验证集样品的预测均方差（RMSEP ）及其相对偏差(RSEP) 考察模型的预测准确性，RMSECV 、 RSECV 、 R

16、MSEP 和 RSEP 的计算方法分别如下式：?2(CiCi )RMSECV1n?2(CiCi )RMSEPm，?Ci )2(Ci100RSECV RSEP(%)Ci2?是 NIR 预测值， C 是平均值， n 是校正集样式中： Ci 是标准化学方法测得的值， Ci品数， m 为验证集样品数。本文中所有的数据处理均在TQ Analyst6.2 软件中进行。2.3.1 建模方法的比较目前， NIR 光谱定量分析中，最为常用的两种建模方法是PCR 和 PLSR 。PCR 法是先对光谱数据矩阵进行正交分解，提取主成分信息， 然后在样品的浓度矩阵与主成分得分矩阵间建立回归模型。 与 PCR 不同的是，

17、 PLSR 在对光谱数据矩阵进行正交分解时，引入了样品浓度的信息， 因此，它所提取出来的主成分信息与样品浓度间具有更好的相关性，因此 PLSR较 PCR 建立的模型的性能一般会更好。本文以软件推荐使用的波数范围（6173.3 4068.9cm-1）和二阶导数光谱，分别以PLSR 和 PCR 法建立了校正模型，结果如表1。表 1 PLSR 和 PCR 法建立的校正模型的比较Table 1 Comparison of the calibration model established by PLSR and PCR建模方法RMSECVRSECVRMSEPRSEPPLSR2.853.721.321.

18、74PCR4.696.134.055.35由表 1 可以看出，用PLSR 所建的模型得到的各个参数均优于用PCR 所建的模型。因此本文选定以PLSR 建立最终的定量分析模型。2.3.2 光谱范围的选择在确定了采用PLSR 方法建立定量分析模型后，本文根据二阶导数光谱图不同谱区的光谱信息，选择了波数范围分别6173.3-4068.9cm -1 、7541.6-4068.9 cm -1、9032.9-4068.9 cm -1 的3 个不同谱区，对比了这三个谱区与仪器推荐使用的谱区（4180.9- 4084.5， 4377.6- 4223.3 ，4805.7- 4713.2），结果见表 2。表 2光

19、谱范围对分析模型的影响Table 2 Influence of NIR spectra wavenumber ranges on calibration model序号光谱范围（ cm-1 ）RMSECVRSECVRMSEPRSEP16173.3-4068.92.853.721.321.7427541.6-4068.92.853.721.522.0139032.9-4068.92.733.571.511.9944180.9- 4084.5,4377.6- 4223.3,4805.7- 4713.25.166.734.836.37从表 2 可以看出，综合各项指标， 本文拟选定6173.3 - 4

20、068.9 cm -1 波段为建模光谱范围。2.4验证样品的预测分析用前面所建立的定量校正模型对验证集中20 个样品进行预测，预测值与真值的相关图谱见图 4。从图中可见，20 个验证样品的NIR 预测值能够很好地逼近实际值，相关系数R达到了 0.9968， RMSEP 、RSEP 分别为 1.35%、 1.74%。RMSEP=1.35RSEP=1.74%R=0.9968图 5校正集样品与验证样品真实值与预测值相关图Fig.5Scatter plots showing correlation between actual value and predicted value on the cali

21、brated model表 3 中列出了验证集中分别来源于7 个厂家的12 个样品主药含量的NIR预测值与真值及其偏差。从中可以看出，各个厂家的真实值与预测值都比较接近，其相对偏差最大的为1.93%，最小的为0.20%，均小于定量分析允许的误差。由此可见，所建的模型能够准确地测定这 7 个厂家的样品。表 3 7 个厂家 12 个头孢拉定胶囊样品中主药含量真实值与预测值的比较Table 3 Comparison between actual value and predicted value on the calibrated model样品来源真实值预测值相对偏差样品来源真实值预测值相对偏差（

22、%）（ %）上海新亚药业84.1886.270.64中美上海施贵宝82.7082.360.2086.0484.950.6481.6082.450.52有限公司制药有限公司84.1186.191.2283.7082.140.94香港澳美制药厂70.7573.531.93上海衡山药业89.7889.400.2170.1571.040.62上海五洲药厂78.9978.520.30上海天平药厂83.1282.130.60上海美优制药厂83.6881.131.552.5 加样回收率测定任意选取中美上海施贵宝制药有限公司提供的一批样品，加入头孢拉定原料适量，混合均匀后采集其近红外光谱。用前述的模型对其含量

23、进行预测分析，以测试加样回收率，所得的结果如表 4。加样回收率范围为98.58% 100.34% ，平均回收率为99.7%，RSD 为 0.7%。表 4 加样回收率实验结果Table 4 Result of recovery test编号样品浓度（ %）测得浓度（）回收率（）189.5689.58100.02289.5989.5799.98389.6988.4298.58489.5889.88100.34589.6489.75100.12689.5088.5998.98平均99.7RSD （n=6）0.73 结论本文建立了快速测定头孢拉定胶囊中主药含量的NIR 漫反射光谱分析方法，结果表明，该

24、方法准确可靠，加样回收率也良好。NIR光谱分析是一种二次分析方法，它的适用性和推广能力与校正集中样品的代表性具有很大关系。 因此，定量分析模型的建立对校正集样品化学组成的分布范围有一定要求，但实际上， 工业上收集到的制剂样品化学组成范围往往都很小，为此，本文采用了工业样品和实验室配置样品相结合的方法，以扩大校正集样品化学组成的分布范围，取得了良好效果。在本文的实验中还发现，NIR 光谱分析技术除了可用于对样品进行快速、无损地定量分析外，它在定性分析方面也具有良好的应用前景。参考文献1John D.Kirsch ， James K.Drennen. Determinationoffilm-coatedtablet parameters bynear-infraredspectroscopy J.JPharm Biomed Anal,1995(13)1273-12812 Xiangji Zhou ，Patricia Hines ， Matthew W.Borer. Moisture determination in hygroscopic drug substances by near-infrared spectroscopy J. J Pharm Biomed Anal,1998(17)219-2253 A.Ca