论文部分内容阅读
目的:玉屏风颗粒源于元代《丹溪心法》中治疗表虚自汗的经世名方玉屏风散,由黄芪、麸炒白术、防风组成,比例为3:1:1,出自我国《药典》,具有益气,固表,止汗的作用。用于表虚不固,自汗恶风,或体虚易感风邪者。现行《中国药典》对成品的含量控制仅仅只有黄芪甲苷含量要求,控制方式较依赖于经验,过于单一粗略,难于有效控制产品的质量均一性。而中成药的生产过程较长,涵盖了饮片的炮制、提取、纯化、浓缩和干燥等过程。基于“产品质量是生产出来的而不是检验出来的”这一理念,本文采用近红外光谱技术(NIRS),以玉屏风颗粒的生产过程中原料、提取、浓缩、纯化等单元生产环节为研究对象,分别开展过程分析技术(PAT),建立其生产各环节关键参数的在线分析方法。方法与结果:1.原料药材:以黄芪、麸炒白术、防风饮片为研究对象,采用NIRS,对其关键指标进行检测,建立对应指标的定量校正模型。分别采集黄芪、麸炒白术、防风的近红外光谱,并与对应光谱的黄芪甲苷、毛蕊异黄酮葡萄糖苷、水分和浸出物的测定值作为黄芪各定量模型参考值;与对应光谱的白术内酯Ⅰ、Ⅱ、Ⅲ、水分和浸出物的测定值作为麸炒白术各定量模型参考值;与对应光谱的升麻素苷、5-O-甲基维斯阿米醇苷、水分和浸出物的测定值作为防风各定量模型参考值。采用偏最小二乘法(PLS),分别建立近红外光谱与各参考值之间的黄芪、麸炒白术、防风校正模型。上述黄芪四个指标成分定量模型的校正集误差均方根(RMSEC)分别为0.0009、0.0017、0.1652和0.0989,验证集误差均方根(RMSEP)分别为0.0035、0.0053、0.5079和1.9324,交叉验证误差均方根(RMSECV)分别为0.0136、0.0169、0.5997和1.8855,外部验证的平均相对误差为4.7884%、6.0676%、5.5145%和4.3282%,平均预测回收率为98.5412%、99.2693%、99.9093%和99.4802%;麸炒白术五个指标成分定量模型的RMSEC分别为0.0004、0.0135、0.0008、0.0038和0.1069,RMSEP分别为0.0011、0.0020、0.0034、0.3761和2.5496,RMSECV分别为0.0025、0.0068、0.0066、0.4338和3.2295,外部验证的平均相对误差分别为3.1318%、4.1726%、5.9978%、4.4176%和4.6803%,平均预测回收率为99.5424%、100.7832%、99.0433%、101.2042%和 100.6877%;防风四个指标成分定量模型的RMSEC分别为0.0024、0.0146、0.0535和 1.1679,RMSEP分别为0.0161、0.0199、0.3643和 1.9385,RMSECV分别为0.0483、0.0491、0.4643和2.4399,外部验证的平均相对误差分别为4.7988%、5.5656%、3.2855%和3.9401%,平均预测回收率为99.2986%、97.7339%、100.7682%和101.7017%。结果表明所建立的快速检测模型预测性能及稳健性良好,可对未知样品的指标成分进行准确地预测。2.提取过程:在批生产过程中,分别采集提取过程一煎和二煎各煎煮时段的近红外光谱,并与对应光谱的黄芪甲苷、毛蕊异黄酮葡萄糖苷、升麻素苷、5-O-甲基维斯阿米醇苷含量的高效液相测定值及水溶性固形物含量测定值作为参考值,采用PLS,分别建立近红外光谱与各参考值之间的一煎和二煎各定量校正模型,并对煎煮过程进行实时在线分析。结果表明,提取一煎上述五个指标成分定量模型的RMSEC分别为0.9918、0.1300、1.0264、0.8916 和 0.0854,RMSEP 分别为 6.2058、3.5959、1.2502、2.5413 和 0.2717,RMSECV 分别为 10.0839、4.0502、1.6115、2.4527 和 0.2416,外部验证的平均相对误差为3.3340%、9.3259%、2.5202%、4.1416%和4.5968%,平均预测回收率为 100.7327%、98.2921%、101.0712%、100.4552%和 99.4051%;提取二煎上述五个指标成分定量模型的RMSEC分别为0.2562、0.6010、0.4040、0.4767和0.0543,RMSEP 分别为 2.9030、2.2954、0.9326、0.5921 和 0.0976,RMSECV 分别为 4.9536、2.1291、0.6984、0.7182 和 0.0738,外部验证的平均相对误差为 3.4086%、9.0048%、8.8475%、4.2056%和 3.6789%,平均预测回收率为 98.0126%、101.7987%、100.8958%、99.9519%和100.8363%,反映了所建模型的预测值与参考值相关性较好。表明所建立的快速检测模型的预测值与参考值相关性较好。可对提取过程所述指标成分的含量进行快速分析,实时判断提取终点。3.浓缩过程:在批生产过程中,分别采集提取液浓缩过程各浓缩时段的近红外光谱,并与对应光谱的黄芪甲苷、毛蕊异黄酮葡萄糖苷、升麻素苷、5-O-甲基维斯阿米醇苷及水溶性固形物含量测定值作为参考值,采用PLS,建立近红外光谱与各指标成分之间的定量校正模型,结果表明,其浓缩过程上述五个指标成分定量模型的RMSEC分别为 42.7356、1.0480、8.7493、9.6163 和 0.3808,RMSEP 分别为 49.1555、16.6522、9.1288、14.3518 和 0.6401,RMSECV 分别为 47.5662、13.4423、9.0260、11.3966 和0.4545,外部验证的平均相对误差为 6.4969%、5.7905%、4.0077%、5.1613%和 2.0454%,平均预测回收率为 97.1718%、97.6891%、98.4347%、100.9666%和 99.2337%,表明所建立的快速检测模型的预测值与参考值相关性较好,可对浓缩过程所述指标成分的含量进行快速分析,实时判断浓缩终点。4.回收乙醇过程:采用NIRS建立该过程指标成分的快速测定方法。在批生产过程中,分别采集醇沉后药液各回收乙醇时段的近红外光谱,并与对应光谱的黄芪甲苷、毛蕊异黄酮葡萄糖苷、升麻素苷、5-O-甲基维斯阿米醇苷及固形物含量测定值作为参考值,采用PLS,建立近红外光谱与各指标成分之间的定量校正模型,结果表明,乙醇回收过程上述五个指标成分定量模型的RMSEC分别为305.7171、14.1776、4.4597、21.8566 和 0.4389,RMSEP 分别为 113.2885、33.9860、19.8235、19.3801 和 0.6990,RMSECV 分别为 328.3481、32.7833、16.6875、24.3149 和 0.5854,外部验证的平均相对误差为4.1833%、3.9477%、3.4657%、3.1334%和1.7926%,平均预测回收率为100.3899%、98.9782%、101.3089%、100.3900%和 98.8310%。结果显示本法能够从复杂的化学体系(水-乙醇)中快速、准确、实时跟踪该过程中指标成分含量的变化,可用于该过程的质量监控并扩大了 NIRS的适用范围。5.水沉浓缩过程:以玉屏风颗粒的水沉浓缩过程为研究对象,采用NIRS,在批生产过程中,分别采集水沉后药液浓缩过程各浓缩时段的近红外光谱,并与对应光谱的黄芪甲苷、毛蕊异黄酮葡萄糖苷、升麻素苷、5-O-甲基维斯阿米醇苷及水溶性固形物含量测定值作为参考值,采用PLS,建立近红外光谱与各参考值之间的定量校正模型,结果表明,水沉浓缩过程上述五个指标成分定量模型的RMSEC分别为85.7351、26.3945、25.7538、20.7521 和 0.4891,RMSEP 分别为 140.1708、36.2870、27.3635、14.3267 和 0.6300,RMSECV 分别为 90.2267、34.2638、28.4675、22.5481 和 0.5340,外部验证的平均相对误差为6.0481%、3.4501%、2.2955%、1.1435%和1.0691%,平均预测回收率为 101.1136%、101.0076%、100.0116%、100.3307%和 99.6087%,结果表明所建立的快速检测模型的预测值与参考值相关性较好,可对水沉浓缩过程所述指标成分的含量进行快速分析,实时分析指标成分含量。结论:NIRS可以用于玉屏风颗粒制备过程中饮片、提取、浓缩、纯化及干燥过程的在线质量控制,采用该技术可保证最终产品质量的均一稳定。其方法也可为同类型品种的质量控制的标准化及生产过程的规范化提供示范。