近紅外光譜分析技術(shù)用于兩類輔料的鑒別分析與羥丙甲纖維素質(zhì)量分析研究.pdf

1、藥用輔料在藥品中占據(jù)很大的質(zhì)量比例，是藥品中的重要組成部分之一，在制劑中主要用作填充劑、粘合劑、崩解劑、載體材料等。藥用輔料的加入有利于原料藥加工成藥品，提高藥品的穩(wěn)定性和病人的順應性，改善藥品貯藏時的安全性與有效性。因此，藥用輔料的質(zhì)量是影響藥品質(zhì)量的關(guān)鍵因素。在藥品生產(chǎn)過程中，首先要對藥用輔料進行質(zhì)量檢測，以確保其質(zhì)量符合投料要求。2010版藥品生產(chǎn)質(zhì)量管理規(guī)范已經(jīng)明確規(guī)定，要采取核對或檢驗等措施，確認每一包裝內(nèi)的原輔料正確無誤。這

2、就對藥品生產(chǎn)企業(yè)提出了更高要求，需要采用一種快速、準確的分析方法來滿足需要。近紅外光譜分析技術(shù)(Near Infrared Spectroscopy，NIRS)以其快速、方便、不破壞樣品等優(yōu)勢成為藥品生產(chǎn)過程中原輔料的質(zhì)量分析的一種重要工具。
　　本研究主要采NIRS快速鑒別藥品生產(chǎn)過程中常用的兩大類藥用輔料，即淀粉類與纖維素類藥用輔料。以羥丙甲纖維素(Hydroxypropyl methylcellulose，HPMC)為特征輔

3、料，鑒別不同生產(chǎn)廠家、不同粘度的HPMC，并對HPMC的關(guān)鍵質(zhì)量指標進行定量分析。為藥品生產(chǎn)過程中藥用原輔料的快速質(zhì)量分析提供理論基礎。
　　本研究具體內(nèi)容如下:
　　(1)基于NIRS的淀粉類、纖維素類藥用輔料的定性分析
　　本研究以藥物制劑生產(chǎn)中常用的淀粉類、纖維素類藥用輔料為研究對象，分別采用AntarisⅡ傅里葉變換近紅外光譜儀與Micro NIR1700微型近紅外光譜儀建立淀粉類、纖維素類輔料的定性判別模型。

4、本研究首先采用主成分分析(Principal Component Analysis，PCA)對淀粉類與纖維素類這兩大類輔料進行聚類分析，然后再單獨對每一大類輔料進行PCA分析，分析過程中，對于用PCA無法聚類的輔料，采用偏最小二乘判別分析(Partial least squares discriminantanalysis，PLS-DA)方法進一步分析，最終實現(xiàn)輔料的鑒別。Micro NIR1700微型近紅外光譜儀雖然采集的數(shù)據(jù)點較少，

5、但是光譜數(shù)據(jù)涵蓋了樣本的基本信息，分析結(jié)果準確度也較高，可以滿足生產(chǎn)的需要。
　　(2) NIRS用于不同生產(chǎn)廠家的HPMC以及不同HPMC粘度的定性鑒別分析研究
　　本實驗研究主要采用NIRS光纖漫反射模塊對不同生產(chǎn)廠家的HPMC以及不同HPMC粘度進行鑒別分析，為藥品質(zhì)量穩(wěn)定性與一致性提供快速分析方法。在鑒別不同生產(chǎn)廠家的HPMC時，分別采用線性模式識別方法PLS-DA與非線性模式識別方法支持向量機判別分析(Suppor

6、t vector machine discriminateanalysis，SVM-DA)建立定性分析模型，并比較這兩種模型結(jié)果，結(jié)果表明SVM-DA所建模型結(jié)果較好，校正集識別率與拒絕率均達到0.90以上，驗證集的均達到1.00，模型的預測能力也較高。在鑒別不同粘度的HPMC時，分別采用無監(jiān)督的模式識別方法K最鄰近法(K nearest neighbor, KNN)與有監(jiān)督的模式識別方法PLS-DA建立定性分析模型。研究結(jié)果表明PLS

7、-DA方法所建定性分析模型的識別率與拒絕率均優(yōu)于KNN方法，達到0.95以上。因此可以采用光纖探頭實現(xiàn)不同生產(chǎn)廠家、不同HPMC粘度的快速鑒別分析。
　　(3) NIRS用于HPMC中羥丙氧基與甲氧基的定量分析研究
　　本實驗研究采用NIRS對HPMC分子上兩種取代基羥丙氧基與甲氧基進行含量測定。首先用氣相色譜法測定HPMC中羥丙氧基與甲氧基的含量，作為參考值;其次采集HPMC的近紅外光譜，建立羥丙氧基、甲氧基含量與近紅外光

8、譜關(guān)聯(lián)的偏最小二乘回歸(Partial least squares，PLS)模型。在建立定量分析模型時，采用不同的預處理方法、不同的波段選擇方法優(yōu)化PLS模型，以建立最佳的定量分析模型。羥丙氧基含量的PLS模型結(jié)果為Rc、Rp、RMSEC、RMSEP分別為0.997、0.983、0.0799、0.132;甲氧基含量的PLS模型結(jié)果為Rc、Rp、RMSEC、RMSEP值分別為0.980、0.973、0.671、0.771。研究結(jié)果表明模型