趙冰,劉杰,董海玲,許秀華,張帥華,趙曉輝,江玉娟,程合麗,臧恒昌

(1.山東大學藥學院,山東 濟南 250012;2.山東明仁福瑞達制藥股份有限公司,山東 濟南 250104)

隨著社會工作節(jié)奏的加快,頸椎病的發(fā)病率越來越高,而且趨于年輕化,其中神經根型頸椎病在頸椎病中最為常見。頸椎病的發(fā)生嚴重影響著人們的身體健康,因此對于頸椎病的治療研究也在不斷加快[1-2]。頸痛顆粒作為目前應用較多的治療性藥物受到了人們的廣泛關注,它是由三七、川芎、延胡索、羌活、白芍、威靈仙、葛根七味藥材組成的中藥顆粒,具有活血化瘀、祛風止痛、通絡止痛的作用[3-4]。流化床制粒方法是集混合、制粒、干燥于一體的一步制粒方法,該方法制備的顆粒具有粒度均勻、流動性好等多種優(yōu)點,流化床制粒方式已經應用于越來越多的中藥顆粒制備過程中[5-7]。在頸痛顆粒的生產過程中,水分作為關鍵質量屬性影響著顆粒的最終質量,離線的水分測定方式十分煩瑣復雜,而且不能對流化床制粒過程進行實時監(jiān)測,因此急需一種快速的水分在線監(jiān)測方式對流化床制粒過程水分變化進行實時監(jiān)測,從而提高頸痛顆粒的質量控制水平。

近紅外光譜分析技術(near-infrared spectroscopy,NIRS)作為一種快速無損的檢測技術,已經廣泛用于制藥行業(yè)中藥品的生產過程研究與分析[8-10]。張大瑋等[11]利用近紅外光譜分析技術對養(yǎng)血清腦顆粒的流化床制粒過程進行實時監(jiān)控,建立了養(yǎng)血清腦顆粒流化床制粒過程水分、堆密度等的近紅外定量預測模型。馬卉等[12]基于近紅外光譜分析技術建立了藍芩口服液中多味藥材的快速水分含量測定模型,周燕等[13]則基于延胡索配方顆粒水分,配方藥物含量建立了近紅外定量分析模型。本文則針對頸痛顆粒的流化床制粒過程,利用近紅外光譜分析技術對制粒過程進行實時監(jiān)測,利用多種預處理方法建立了水分的偏最小二乘(PLS)定量分析模型,實現(xiàn)了對水分含量的實時監(jiān)測與分析,為頸痛顆粒的質量提高提供了數(shù)據(jù)支持。

1 儀器與材料

1.1 儀器流化床FBG-1500(重慶瀚威迪科技有限公司);微型近紅外光譜儀Micro NIR PAT-U(VIAVI);分析天平XSR105(美國梅特勒-托利多公司);鹵素快速水分測定儀HE53 Moisture Analyzer(美國梅特勒-托利多公司)。

1.2 材料頸痛顆粒(山東明仁福瑞達制藥股份有限公司)。

2 方法

2.1 流化床制粒過程取樣共制備6個批次的頸痛顆粒,每個制粒批次開始前先預熱流化床0.5 h,使流化床處在一個比較穩(wěn)定的狀態(tài)下制粒。流化床制粒有混合、制粒、干燥3個階段,在混合末端,噴液前取第一個樣品;制粒過程中間隔15 min取樣;干燥過程中隔10 min取樣;每次取樣約20 g,將取得的樣品放入同等規(guī)格的50 mL離心管中,即刻用封口膜密封保存。

2.2 顆粒水分含量參考值的測定測定采用鹵素快速水分測定儀測定水分含量。制粒后取樣,立刻稱取約3 g樣品,平鋪于樣品盤,設定 105 ℃下干燥15 min,水分儀能夠持續(xù)測量并即時顯示樣品丟失的水的質量分數(shù),干燥程序完成后,最終測定的水分含量值被鎖定顯示。

2.3 近紅外光譜的在線采集對流化床生產設備的視窗進行改造,改造后的裝置如圖1所示。制粒過程中,將Micro NIR PAT-U近紅外光譜儀插入流化床腔體中,采用漫反射模式進行光譜的采集。放入近紅外探頭之前,先采集聚四氟乙烯白板作為背景光譜,調節(jié)積分時間為9.1 ms,波長范圍為908.1～1 676.0 nm,每張光譜的掃描次數(shù)為100次。采譜貫穿整個流化床制粒過程,每6 s采集一次光譜。

3 結果與討論

3.1 原始光譜圖頸痛顆粒制粒干燥過程水分含量的原始光譜如圖2所示。本次研究對象為水分,在1 450 nm(OH基團的一級倍頻)附近出現(xiàn)了極強吸收峰,該處是水分子中OH的特征吸收峰,體現(xiàn)了水的信息。由于近紅外光譜信息重疊嚴重,因此需要采用化學計量學方法提取光譜中的有效信息。

圖2 水分含量的原始光譜圖

3.2 異常值剔除本試驗采用基于馬氏距離的PCA來判別所有樣本光譜數(shù)據(jù)和一級數(shù)據(jù)的異常值。圖3為基于馬氏距離的在線近紅外光譜PCA得分圖,置信區(qū)間為95%。從圖3中可以看出,89個樣本中,序號為1、2、21、22、23、39、74的樣本在置信區(qū)間外,為異常樣本,同時通過觀察SNV消除基線漂移后的光譜(見圖4)可以發(fā)現(xiàn), 50號樣本同樣存在異常,異常樣本的存在會影響模型的準確性。因此將其去除,得到81個正常樣本,用于校正集和驗證集的劃分。

圖3 近紅外光譜的PCA得分圖

圖4 經SNV處理的近紅外光譜圖

3.3 校驗集劃分本研究將樣品按照3∶1的比例劃分為校正集樣品和驗證集樣品(60∶21),劃分的方法采用的是Kennard-Stone(K-S)方法,K-S方法是基于變量之間的歐氏距離,在特征空間中均勻選取樣本的方法。從表1中可以知道,校正集的水分含量范圍在3.05%～6.76%之間而驗證集的水分含量范圍為3.44%～6.45%,水分的最小值和最大值均在校正集范圍內。驗證集均勻分布在校正集范圍內,沒有出現(xiàn)聚集現(xiàn)象,說明校驗集劃分合理,可以用于水分含量近紅外模型的分析與建立。

表1 校正集和驗證集的水分含量結果

表2 水分含量的 PLS模型不同預處理方法選擇結果

3.4 水分含量近紅外模型的建立與評價

圖5 水分含量的測量值和預測值對比圖

3.4.2 模型評價為了更好地評價模型的穩(wěn)定性,本試驗以第6批作為外部測試集以驗證模型的準確性。試驗結果如圖6及表3所示,從表中可知該批次的平均相對誤差為3.0%。同時采用配對t檢驗對測試集的水分測定值和近紅外光譜分析技術預測值之間有無顯著性差別進行分析。表4為t檢驗統(tǒng)計結果,兩組數(shù)據(jù)的平均值和標準差十分接近,在 95%置信限下,t(18,0.05)=2.11,P=0.121>0.05,說明兩種方法得到的結果沒有顯著性差異,即近紅外光譜分析技術可用于頸痛顆粒流化床制粒干燥過程顆粒含水量的在線監(jiān)測。

表3 水分含量的第6批外部評價結果

表4 水分含量的第6批外部測試集配對t檢驗結果

圖6 水分含量的外部測試集模型預測結果

4 討論

為了驗證其模型的準確性和魯棒性,利用第6批樣品進行外部驗證,水分的平均相對誤差為3.0%,說明了開發(fā)的近紅外光譜模型可以替代水分測定儀,用于實時、快速、準確地進行頸痛顆粒流化床制粒過程中水分的測定。本研究為近紅外光譜分析技術用于頸痛顆粒流化床制粒生產過程中水分含量的在線實時監(jiān)測提供了可行性指導,通過該方法可以實現(xiàn)簡單、快速、準確的實時監(jiān)測,從而為保障生產過程工藝參數(shù)的穩(wěn)定性以及判斷干燥終點提供了數(shù)據(jù)支持與指導。