近紅外光譜分析技術在白芍水提過程中的在線控制研究

近紅外光譜分析技術在白芍水提過程中的在線控制研究

張慧，胡甜，臧恒昌

(山東大學藥學院，山東 濟南 250012)

摘要：采用近紅外光譜技術研究一種參枝苓口服液白芍單提過程的在線分析技術。方法在實驗室模擬生產基礎上，采用ANTARIS II近紅外光譜儀采集白芍水提中間體的近紅外光譜并采用高效液相色譜法測定樣品中芍藥苷含量，通過偏最小二乘法(PLS)擬合光譜數據與液相數據，建立了白芍水提過程中芍藥苷定量分析模型。結果研究結果顯示采用經OSC結合mean center預處理處理光譜在全光譜范圍內所建模型最佳，模型評價參數、LVs分別為0.080 5、0.968 4、0.920 6、4，模型結果良好。結論本實驗為參枝苓口服液白芍水提過程在線監控提供一種新的方法，有利于提高產品芍藥苷含量為產品穩定生產及產品質量提供保障。

關鍵詞：近紅外光譜技術；白芍水提過程；芍藥苷；定量分析；參枝苓口服液

基金項目：山東省自主創新專項國家中藥新藥“參枝苓口服液”產業化開發項目(No.2012CX20203)

作者簡介：張慧，女，研究方向：制藥工程，E-mail:huihui0561@163.com

通訊作者：臧恒昌，男，教授，碩士生導師，研究方向：多糖類藥物、藥品生產工藝優化及在線過程分析與過程控制，Tel:0531-88380268，E-mail:zanghcw@126.com

中圖分類號：R284.2文獻標識碼：A

Resarch of online control of NIRS in theRadixpaeoniaealba water extraction process

ZHANGHui,HUTian,ZANGHeng-chang

(SchoolofPharmaceuticalSciences,ShandongUniversity,Jinan250012,China)

Abstract：To study a online analysis method of Radix paeoniae alba extraction process of Shenzhiling Oral Liquid with NIRS.MethodsThe study carried on under laboratory scale,recording near infrared spectroscopy of samples by using the ANTARIS II near infrared spectrometer and HPLC method was applied for determining paeoniflorin content in the sample.In order to establish quantitative analysis model,the spectral data and liquid phase data were fit by PLS.,LVs were 0.080 5,0.968 4,0.920 6,4,respectively.ConclusionThis experiment of Radix paeoniae alba water extraction process of Shenzhiling Oral Liquid provided a new online monitoring method,and then provided protection for the stability of product and the product quality.

Key words:NIRS;Radixpaeoniaealba water extraction process;Paeoniflorin;Quantitative analysis;Shenzhiling Oral Liquid

實現生產全過程的質量控制是保證中成藥質量穩定均一的關鍵之一[1]。目前中藥生產過程缺乏有效組分濃度的在線檢測手段，而離線檢測方法難以適應生產的實時監控，這是實現中藥生產過程質量控制的難點。因此研究中藥生產過程的在線分析技術具有十分重要的意義和價值。

白芍是中藥新藥參枝苓口服液處方中的一味主要藥材，由于白芍主要成分芍藥苷含量受熱時間過長含量會大大降低，因此生產中白芍是單獨提取的，白芍水提過程是參枝苓生產過程中的一個重要環節，其主要成分芍藥苷是參枝苓口服液國標規定的指標成分之一，芍藥苷的含量一定程度上代表了產品質量。提取過程工藝參數波動大，憑經驗控制提取過程往往不能保證生產過程穩定進行，導致產品質量不穩定，為了保證產品質量穩定、降低成本、提高生產效率，迫切需要在白芍水提過程引入在線檢測分析技術，保障水提過程穩定可控的生產。

過程分析技術(PAT)是采用眾多的方法來對生產過程的可控性加以調節的技術，進而對產品質量提供可靠保障[2，3]。PAT技術涉及到分析化學、化工、自動化控制及計算機科學等多個技術領域，是由它們相互交叉組成的。PAT技術作為一個質量控制體系，其最終目的是生產出質量合格的產品，為此我們需要整合各方面的努力，深入地了解和掌握生產工藝流程，讓藥品的生產加工過程“防患于未然”。

近紅外分析技術是一種快速、準確、無損的綠色過程分析技術。近紅外光是介于可見光譜區和中紅外光譜區的電磁波[4]，美國材料檢測協會(American society for testing and materials，ASTM)將其波長范圍定義為780～2 526 nm。近紅外光譜(Near Infrared Spectroscopy，簡稱NIR)的吸收是反映C-H、O-H、N-H、S-H等含氫基團在近紅外光譜區伸縮振動的組合頻或者倍頻吸收[5]。

大多數有機物含有這些基團，這就為近紅外光譜技術廣泛應用于農產品[6]、食品[7]、制藥[8]、生物[9]、石油化工[10]、煙草[11]等領域的結構基礎。另外，近年來化學計量學和計算機科學的發展更是讓上世紀沉寂已久的近紅外光譜技術得到了重生，豐富了分析技術，具有速度快、無損、無需對樣品進行預處理、分析成本低、可以對樣品進行實時在線分析等優點，被譽為一項綠色分析技術。

NIRS能夠在線實時監測提取過程中有效物質含量的變化，對指導生產實踐具有現實意義[12]。Wu等[13]建立了一種NIRS在線監測紅參提取過程的新方法。他們設計并應用了一種光程2 mm的兩探頭式光纖流通池，以便實時在線采集光譜。建立了重要參數的偏最小二乘回歸(PLSR)模型，包括固含量、芍藥苷、苯甲酸，能夠實時在線監測提取過程中有效物質含量的變化。另外，他們采用移動窗口標準偏差法(MBSD)和相對濃度變化率(RCCR)來監測終點的到達，與傳統的以時間為依據的判斷方法相比，結果更為科學。通過在線模型提供實時數據來反饋提取狀態，提高了質量控制水平。此外，Wu等[14]還利用NIRS在線成功監測了燈盞花提取過程中黃芩素含量變化，并監測了提取終點。張愛軍等[15]對NIRS在該環節的應用做了更進一步的研究，設計出了應用于實際生產中的在線監測系統，并且成功的應用在丹參提取過程的監測中。

本研究擬研究近紅外光譜技術在參枝苓口服液白芍水提過程在線控制中的應用。具體做法是選取白芍水提過程中的芍藥苷濃度含量為考察指標，采用Antaris II 傅里葉近紅外光譜儀采集樣品光譜，高效液相色譜法(HPLC)測定樣品芍藥苷含量，利用偏最小二乘法(PLS)關聯光譜數據和HPLC數據，經光譜參數優化，最終建立芍藥苷含量的穩健的定量分析模型，為參枝苓口服液白芍水提生產過程的在線檢測和終點判斷提供一種參考方法。

1儀器與材料

1.1儀器Antaris Ⅱ傅里葉變換近紅外光譜儀(美國Thermo Fisher公司)，附件配置：透射模塊，RESULT近紅外光譜采集軟件；電腦(美國蘋果公司)；Matlab 2010a(Mathworks Inc.,USA)；Unscrambler 9.7 軟件；Agilent 1260高效液相色譜分析儀(美國安捷倫公司)；附件：DAD檢測器，四元泵，自動進樣器，柱溫箱，色譜柱：Zorbax SB-C18柱(美國安捷倫公司)；數顯攪拌自動控溫加熱套；其他玻璃器。

1.2試劑與樣品芍藥苷對照品(中國食品藥品檢定研究院，北京)；色譜純乙腈、甲醇(Merck,Germany)，超純水(自制)，磷酸等均為分析純。白芍藥材(由沃華醫藥公司于2014年5月提供)。

2方法

2.1樣品的制備為了盡量可能模擬實際生產過程，本實驗從企業收集多個批次粉碎后的藥材(粒徑0.5～1 cm，經公司專家鑒定)模擬企業實際生產條件，實驗室規模生產5批白芍水提液樣品，每批每隔一段時間取樣，每批取樣17個，共取樣85份。

2.2近紅外光譜的采集將所取得樣品取上清液于4 mm樣品管內，Antaris II近紅外光譜儀透射模塊采集近紅外光譜，光譜范圍4 000～10 000 cm-1，掃描次數32，分辨率8 cm-1，內置參比做對照。

2.3樣品HPLC分析

2.3.1標準品溶液的配制精密稱取10.4 mg芍藥苷對照品于50 mL容量瓶，加甲醇溶解并定容至刻度，加甲醇溶液定容至刻度，即得208.0 μg·mL-1的標準品儲備液。

2.3.2供試品溶液的制備精密吸取0.5 mL上述上清液于5 mL具塞試管中，準確加入4.5 mL純凈水，搖勻，過0.22 μm濾頭，供液相進樣用。

2.3.3色譜條件Agilent Zorbax SB-C18柱(4.6 × 250 mm,5 μm)；流動相：乙腈(A相)-0.1%磷酸水溶液(B相)梯度洗脫；流速為0.8 mL·min-1；檢測波長230 nm；柱溫為25 ℃；進樣量為10 μL。

2.4定量模型的建立

2.4.1樣品集的劃分本實驗采用KS分類方法，將樣品劃分為68個校正集，其余樣品作為驗證集。

2.4.3光譜區間的優化本實驗在最佳光譜轉換方式的基礎上采用iPLS波段選擇方法優化建模波段。考察了間隔變量數為500和300時所選波段模型結果，并與全光譜建模進行比較，選出最優建模波段。

2.4.4最佳主因子數的選取本實驗根據交互驗證預測殘差值-潛在變量數關系圖選擇最佳建模主因子數。

3結果

3.1HPLC分析結果樣品含量測定結果見表1。

表1　樣品含量測定結果

3.2芍藥苷PLS定量模型的建立

3.2.1原始光譜圖見圖1。

圖1　白芍水提過程近紅外原始光譜圖

3.2.2樣品集劃分信息見表2。

表2　樣品集劃分信息

由表2可知，驗證集濃度范圍包含在校正集濃度范圍內，且涵蓋了校正集的91.0%的范圍，說明樣品集劃分合理。樣品集劃分的主成分得分圖見圖2。

圖2　樣品集劃分主成分得分圖

由圖2可知，驗證集樣品均勻分布在校正集樣品中，進一步說明樣品集劃分合理。

3.2.3光譜轉化方式的選擇結果結果見表3。

綜合比較各光譜轉換方式的建模效果，最終選擇OSC,mean center作為最佳光譜轉化方式。

表3　不同轉換光譜建模結果比較表

3.2.4光譜區間優化在iPLS波段選擇方法中，分別考察了間隔變量數為500、400、300時的建模效果，選出最優建模區間，結果見表4。

表4　光譜區間優化選擇結果

由表3和4可以看出，iPLS波段選擇結果建模效果不如全光譜建模效果，因此選擇全光譜區間建模，模型見圖3。

從圖2、3可以看出模型線性良好，擬合強度滿足分析要求。

3.2.5最佳建模主因子數的選擇結果圖4為交互驗證預測殘差值-潛在變量數關系圖，根據圖4可以看出，當潛在變量數為4時，交互驗證殘差值到達最低谷，之后隨著潛在變量數的增加殘差值增大，這是由于引入的噪聲所致，因此選擇潛在變量數為4是合理且滿足分析要求的。

圖4　潛在變量數選擇圖

圖5　潛在變量數Loading圖

圖5是各潛在變量數的Loading值分布圖，前四個潛在變量數對光譜信息解釋的累計貢獻率為98.02%，對濃度值解釋累計貢獻率為96.84%，兩者數值相當而且都在95%以上，足以解釋變量信息。

3.2.6模型的建立與評價經過樣品集的劃分、光譜轉化方式的選擇、光譜區間的優化 及潛在變量數合理性的考察，最終選擇以OSC+mean center為光譜預處理方法，選擇潛在變量數為4在全光譜范圍內建立白芍水提過程芍藥苷含量變化PLS定量分析模型，模型如圖3所示，模型評價參數見表5。

表5　模型評價參數

4結論

本實驗通過模擬參枝苓口服液生產環節中白芍水提工藝，模擬生產了5批水提液，并在間隔一定時間內取樣分析。采用Antaris Ⅱ 近紅外光譜儀采集所收集樣品的近紅外光譜，采用HPLC方法測定樣品中芍藥苷等成分的含量，通過PLS線性回歸擬合光譜數據與液相數據，成功建立了白芍水提過程中芍藥苷含量的PLS定量分析模型，模型結果良好，滿足分析要求。經過以上研究，本實驗為參枝苓口服液生產過程在線監控提供一種新的方法，有利于提高產品芍藥苷含量為產品穩定生產及產品質量提供保障。

參考文獻：

[1] 王小明.我國中藥產業的現狀及發展對策[J].重慶郵電學院學報(社會科學版),2003,(15)6:50-53.

[2] 董芹,臧恒昌,劉愛華,等.過程分析技術在制藥領域的應用及對我國制藥行業的啟示[J].中國藥學雜志,2010,45(12):881-884.

[3] 王培,臧恒昌,曾英姿.藥品生產過程質量風險產生的原因及控制[J].中國藥學雜志,2011,46(13):969-972.

[4] Gao RQ,Fan SF.Principle and application of modern near-infrared analysis[J].Anal Appar,2002,3:9-12.

[5] 陸婉珍.現代近紅外光譜分析技術[M].北京:中國石化出版社,2006:2-10.

[6] Nicola? BM,Beullens K,Bobelyn E,et al.Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy:A review[J].Postharvest Biol Technol,2007,46(2):99-118.

[7] Cen H,He Y.Theory and application of near infrared reflectance spectroscopy in determination of food quality [J].Trends Food Sci Tech,2007,18(2):72-83.

[8] Quaresima V,Lepanto R,Ferrari M.The use of near infrared spectroscopy in sports[J].J Sports Med Phys Fitness,2003,43(1):1-13.

[9] Dong Q,Zang HC,Liu AH,et al.Determination of molecular weight of hyaluronic acid by near-infrared spectroscopy[J].J Pharm Biomed Anal,2010,53(3):274-278.

[10] Balabin RM,Syunyaev RZ.Petroleum resins adsorption onto quartz sand:near infrared (NIR) spectroscopy study[J].J Colloid Interface Sci,2008,318(2):167-174.

[11] He ZH,Lian WL,Wu MJ,et al.Determination of tobacco constituents with acousto-optic tunable filter-near infrared spectroscopy[J].J Near Infrared Spec,2006,14(1):45-50.

[12] Wang P,Zhang H,Yang H,et al.Rapid determination of major bioactive isoflavonoid compounds during the extraction process of kudzu (Pueraria lobata) by near infrared transmission spectroscopy[J].Spectrochim Acta A Mol Biomol Spectrosc,2015,137:1403-1408.

[13] Wu YJ,Jin Y,Li YR,et al.NIR spectroscopy as a process analytical technology (PAT) tool for on-line and real-time monitoring of an extraction process[J].Vib Spectrosc,2012,58:109.

[14] Wu Y,Jin Y,Ding H,et al.In-line monitoring of extraction process of scutellarein from Erigeron breviscapus(vant.) Hand-Mazz based on qualitative and quantitative uses of near-infrared spectroscopy[J].Spectrochim Acta A Mol Biomol Spectrosc,2011,79(5):934-939.

[15] 張愛軍,戴寧,趙國磊.丹參產業化提取中近紅外在線檢測技術的研究[J].中草藥,2010,41(2):238-240.