痰熱清注射液質量關鍵影響因素辨識方法初探

李文龍+潘建超+薛東升+劉紹勇+瞿海斌

[摘要]為辨識痰熱清注射液配液過程中影響最終產品質量的關鍵因素，采集了24個實際生產批次中5種中藥提取物的近紅外漫反射光譜，記錄了配液過程中的31個操作參數，作為自變量；記錄最終產品的總含固量和燈檢合格率，作為因變量。采用偏最小二乘回歸方法建立了定量校正模型，得到自變量和因變量之間的相關系數。所得總含固量和燈檢合格率定量校正模型的校正相關系數分別為0911 9，0873 8，交叉驗證的相關系數分別為0724 2，0795 0。根據相關系數篩選出4個與總含固量相關性較強的因素，8個與燈檢合格率相關性較強的因素，并結合生產經驗，對這些因素的實際意義進行了分析。該文所建方法對配液過程中影響痰熱清注射液最終產品的因素進行了初步辨識，結果合理，可推廣應用于解決類似問題。

[關鍵詞]近紅外光譜； 痰熱清注射液； 配液過程； 影響因素分析； 過程分析技術

[Abstract]To recognize the key influential factors during the liquid preparation process of Tanreqing injection， the near infrared（NIR） spectra of the raw materials and the operating parameters of 24 batches of physical manufacturing were recorded as independent variables， and the total soluble solids contents and the light inspection acceptance rate of the final products were collected as dependent variables The calibration models were developed using the partial leastsquare regression （PLSR） method， and the correlation coefficients between the independent variables and the dependent variables were calculated For the quantitative models， the correlation coefficients for the calibration and inner cross validation of total soluble solids contents and the light inspection acceptance rate reached 0911 9， 0724 2 and 0873 8， 0795 9， respectively Using the correlation coefficients diagrams， several key influence factors were preliminarily determined， and the physical significance were analyzed combined with production experience This work demonstrated that NIR spectroscopy with PLSR algorithm could be used for the key influential factors recognization during the liquid preparation process of Tanreqing injection and can be popularized to solve similar problems

[Key words]near infrared spectroscopy； Tanreqing injection； liquid preparation process； key influential factors recognization； process analytical technology

痰熱清注射液是由熊膽粉、山羊角、黃芩、連翹、金銀花5種藥材制得，主治風溫肺熱病屬痰熱阻肺癥，主要用于治療急性支氣管炎、慢性支氣管炎急性發作以及上呼吸道感染[13]，2009年衛生部公布的《甲型H1N1流感診療方案（2009試行版第三版）》中，痰熱清注射液被列為重癥與危重癥辯證治療方案治療藥物，療效顯著。痰熱清注射液的生產過程中，先將以上5種藥材分別進行提取或水解、分離、純化，制成純度較高的提取物，然后采用提取物進行配液，制得注射液成品。配液過程環節較多，操作復雜，是影響痰熱清注射液質量的關鍵過程，筆者實驗室以近紅外（near infrared， NIR）光譜為主要的技術工具，對這一過程所用的提取物質量及過程監控方法進行了系統研究[49]，發現提取物質量和配液過程直接影響成品質量，需要進行更為深入的研究。

痰熱清注射液成品的總含固量和燈檢合格率是2個重要的質量指標，關系到產品的質量一致性和經濟效益，但配液過程中影響這2個指標的關鍵影響因素卻不夠清晰，有待進行明確辨識，以便實施精確控制。Henriksen H C等[10]通過試驗設計的方法分別研究了原料與過程變量對紙漿和奶酪產品質量的影響，采用近紅外光譜的主成分得分值反映原料信息，結合蒸煮配方、蒸煮時間和切片質量等工藝參數，預測了紙漿的卡伯值；Jrgensen K等[11]則采用傅里葉變化中紅外（FTIR）光譜的主成分得分值反映原料信息，結合蛋白質含量、凝乳時間、發酵劑添加，凝固物切割等工藝參數，對干酪粉（一種表征產量損失的參數）進行預測。類似方法對于中藥產品質量參數的預測及其影響因素辨識具有一定的借鑒意義。但由于痰熱清注射液配液過程操作步驟多、時間長、成本高，很難通過試驗設計和實驗室模擬的方法獲取數據，而實際的批生產記錄中則記錄了較多的工藝參數數據，具有信息挖掘的加之。本文采集了24個批次的配液過程數據，包括5種提取物的NIR漫反射光譜和配液過程中的多項工藝參數，將各種提取物光譜的關鍵主成分得分值與各項工藝參數進行歸一化處理后，建立回歸模型，對痰熱清注射液成品的總含固量和燈檢合格率進行預測，初步辨識出了影響這2個質量參數的主要因素。

1材料

Antaris Ⅱ型傅立葉變換型近紅外光譜儀（Antaris Ⅱ FTNIR，Thermo fisher公司，USA），配有積分球漫反射光譜采集配件和TQ analyst （V80， Thermo fisher公司，USA）數據分析軟件。PHSJ3F型實驗室pH計（上海儀電科學儀器股份有限公司）；全自動異物燈檢機（衛材株式會社，日本）； ME104型電子天平（MettlerToledo公司，瑞士）。

痰熱清注射液24個實際生產批次所用的熊膽粉、山羊角、黃芩、連翹、金銀花提取物取樣，每個批次采集10 g樣品，用于光譜采集。

2方法

21樣品光譜采集采集24個批次所用到的5種提取物的樣品，利用Antaris Ⅱ型傅立葉變換型近紅外光譜儀采集樣品的NIR漫反射光譜。儀器采用積分球漫反射配件采集光譜，以儀器內置背景為參比，樣品光譜采集溫度控制在25 ℃，波數4 000～1萬 cm-1 ，掃描次數64次，分辨率4 cm-1。5種提取物樣品的代表性NIR漫反射光譜見圖1。

22相關生產工藝參數采集各批次所用各種提取物的質量、各種提取物單獨配液及總混時的脫色時間和溫度、靜置時間和保溫溫度、NaOH用量及配液后的pH、丙二醇及活性炭用量、三級濾芯老化程度、超濾時藥液壓力及溫度等，共31種。由于痰熱清注射液屬于中藥保護品種，部分工藝涉及保密，此處對其具體生產過程不作詳細描述。

23痰熱清注射液成品的質量分析24個批次的痰熱清注射液成品的總含固量采用干燥失重法測得[12]，成品采用全自動異物燈檢機進行檢查，燈檢合格率數據由上海凱寶藥業股份有限公司質量部根據實際的燈檢結果數據進行統計分析而得。

24數據處理方法包括NIR漫反射光譜數據的主成分分析（principal component analysis， PCA）、工藝參數的標準化和偏最小二乘回歸（partial least squares regression， PLSR）方法。分別采用TQ analyst （V80， Thermo fisher公司，USA）、Minitab （V14， Minitab公司，美國）和The Unscrambler （V75， CAMO公司，挪威）軟件進行數據處理。

3結果與討論

31中藥提取物原料光譜的主成分分析中藥提取物物質基礎復雜，采用單一或某些化學成分的含量難以充分反映提取物的綜合信息，而NIR光譜信息豐富，不僅能夠反映樣品的組成信息，而且能夠反映樣品的物理狀態，近年來被廣泛應用于中藥提取物的質量控制上[1315]。但NIR光譜變量之間信號重疊現象較為嚴重，數據的相關性較強，不利于進行直接分析，需要進行一定的數據處理。本文利用TQ Analyst數據處理軟件對黃芩、熊膽粉、山羊角、金銀花、連翹5種中藥提取物NIR漫反射光譜進行主成分分析。進行主成分分析之前，根據前期研究經驗，選用多元散射校正（multiplicative scatter correction， MSC），SavitzkyGolay平滑和一階導數對樣品光譜數據進行預處理，SavitzkyGolay平滑選用7點3階數據平滑。目的在于消除散射效應，以及樣品背景顏色和其他因素常導致的光譜位移或漂移[5]。進行主成分分析后，分別提取各種提取物光譜的前5個主成分得分值作為自變量。對于這5種中藥提取物而言，前5個主成分都反映了95%以上的光譜變化信息，可代替原始光譜對提取物原料進行表征。

32數據標準化本項研究采集了痰熱清注射液配液過程中所用到的31種工藝操作參數，這些參數無論是數值，還是單位都有很大的不同，為了保證這些過程變量具有可比性，在建模之前需對其進行標準化處理。標準化處理的目的是消除不同量綱的參數對建模過程產生的影響，標準化處理采用Minitab數據處理軟件進行，方法是對各變量扣除平均值后除以該變量對應的標準偏差，經過標準化處理后的數據用于建立模型。

33回歸模型的建立與驗證利用The Unscrambler數據處理軟件建立PLSR模型，以5種中藥提取物NIR漫反射光譜的主成分得分值和過程工藝參數變量作為輸入變量，以產品的總含固量和燈檢合格率作為輸出變量，建立定量回歸模型。由于本文僅采用了24個批次的生產過程數據，樣本量相對較少，因此以留一法交叉驗證（leaveoneout cross validation， LOOCV）結果對模型進行評價，該方法每次將1個樣本作為測試樣本，而其他樣本作為訓練集樣本，多次循環，直至每個樣品都被預測1次，統計預測結果，得到相應的統計值，該方法比較適用于樣本量較小時對模型性能進行評價[1618]。以總含固量和燈檢合格率回歸模型為例，將中藥提取物NIR漫反射光譜的主成分得分值和過程工藝參數變量進行標準化處理后，采用偏最小二乘方法進行降維，之后分別采用前9個和4個潛變量（latent variables， LVs）建立模型，模型的校正相關系數（Rc）分別為0911 9，0873 8，交叉驗證的相關系數（Rcv）分別為0724 2，0795 0；校正集預測偏差（root mean square of calibration， RMSEC）分別為151%，014%，交叉驗證預測偏差（root mean square error of cross validation， RMSECV）分別為162%，019%。痰熱清注射液總含固量和燈檢合格率2種質量指標真實值與模型預測值的相關圖見圖2。

不同于基于試驗設計的實驗室模擬試驗，本文所用數據來自實際生產，因此無論是提取物質量（某些不同配液批次所用到的提取物為同一批次），還是實際操作參數，變化均較小；而且由于痰熱清注射液配液過程受提取物原料和諸多過程變量和偶然因素的影響，有些工藝參數無法進行準確、實時地記錄。同時，實際生產批次的產品質量波動較小，不利于得到理想的建模效果，因此模型預測的精度不能達到很高，但可清晰地觀察到產品質量與所考察的因素之間存在明顯的相關性。

34痰熱清注射液各質量參數的影響因素分析分別計算各種變量與總含固量和燈檢合格率之間的皮爾遜相關系數（Pearson correlation coefficient），繪制輸入變量與輸出變量的相關系數圖，見圖3，可以發現，總含固量受第10，27，34，46變量影響較大，這4個變量分別對應著熊膽粉提取物NIR漫反射光譜的第5個主成分、黃芩提取物配液過程中NaOH的用量、山羊角單配液的二次脫色溫度和總混液的脫色溫度。說明總含固量受熊膽粉提取物質量的影響，具體影響方式尚不清晰；黃芩配液過程中NaOH的用量是影響固含量一個重要因素，推測原因，可能是由于黃芩提取物中的主要成分為黃芩苷，而黃芩苷在堿性條件下溶解性能較好，如果pH達不到所需的范圍，則會出現溶解不充分的現象，導致存在難溶性顆粒，因此NaOH的用量會影響到最終產品的總含固量；山羊角提取物單配液的脫色是利用活性炭吸附后過濾，以除去山羊角提取物中的難溶性雜質，由于山羊角提取物來自動物藥材，大分子雜質相對其他幾種提取物較多，因此只有山羊角提取物的單配過程需要進行2次脫色，而活性炭的吸附性能受溫度影響較大，因此，最終的固含量也會受山羊角單配液的2次脫色溫度的影響；同理，總混液的脫色溫度也是影響產品總含固量的一個重要因素。

燈檢合格率主要取決于成品中可見異物的含量，可見異物是導致中藥注射劑不良反應的重要因素之一，燈檢不合格的產品必須報廢。由于原料因素，痰熱清注射液生產成本較高，燈檢合格率是影響產品經濟效益的一個重要因素，也是關乎產品安全性的一個重要指標，因此是廠方最為關注的問題[19]。研究發現，該項指標受第9，21，32，37，40，42，50，56輸入變量的影響較大，這8個輸入變量分別對應著熊膽粉提取物NIR漫反射光譜的第4個主成分、連翹提取物NIR漫反射光譜的第1個主成分、山羊角配液過程中NaOH的用量、連翹提取物的用量、金銀花與連翹提取物混合溶液的pH、熊膽粉

提取物的用量、總混液超濾溫度和最終產品的pH。表明痰熱清注射液中可見異物主要來自熊膽粉提取物和連翹提取物，與金銀花和山羊角提取物也存在一定的關系，但與黃芩提取物無顯著相關，這是因為黃芩提取物中黃芩苷含量大都在95%以上純度較高，而其他幾種提取物純度相對較低，成分較為復雜，難以進行較為嚴格的控制；可見異物受多個pH調節操作步驟的影響，pH不同，中藥提取物中各種物質的溶解效果也不同；超濾時藥液的溫度也是一個重要影響因素，這是因為超濾膜的過濾性能受溫度影響顯著，同時溫度不同，各種物質的溶解性能也不同。

以痰熱清注射液灌封前的pH這一工藝參數為例，在24批生產記錄中，其波動情況見圖4，pH在826±013。由于pH是影響各種化學成分溶解度的主要因素，因此也是導致可見異物含量出現波動的重要因素，因此，如果能在工藝許可的條件下，對最終pH進行一次調節，進一步縮小最終產品pH的波動范圍，則對于提高產品的批次一致性和減少可見異物，都將具有一定的意義。

綜上所述，為了確保痰熱清注射液產品中總含固量穩定和盡可能減少可見異物，提高痰熱清注射液的燈檢合格率，需要針對涉及到的中藥提取物進

行更為嚴格的質量控制；同時采取一定措施，重點控制影響較大的工藝參數，確保其穩定。這也是本研究的工業意義所在。當然，限于本文所采用的樣品量，以上影響因素對最終產品質量的影響方式及其定量關系，仍有待進一步研究。

4結論

本文研究利用5種中藥提取物原料的NIR漫反射光譜數據結合痰熱清注射液配液過程的31個工藝參數建立了痰熱清注射液成品品質參數的預測模型，通過因果分析排查了關鍵的工藝參數，初步辨識了痰熱清注射液總含固量和燈檢合格率2個主要質量參數的關鍵影響因素。所得結果提示配液過程的操作者在操作過程中，必須針對這些關鍵因素進行更為嚴格的控制，以確保最終產品的各項品質參數達標、穩定，提高產品的安全性和質量一致性。該方法需要對生產現場的原始數據進行準確記錄，為使模型更為穩健，預測效果更為理想，因果關系更為明確，需要進行長期的數據積累，并探索更為高效的數據挖掘技術。但本研究結果表明，可以利用該方法對影響產品質量的關鍵工藝參數進行初步辨識，從而更具針對性地對痰熱清注射液配液過程實施精準控制。鑒于其他中藥制劑，尤其是中藥注射劑的生產也存在類似的共性問題，因此，本文所提出的方法也可為其他中藥注射液品種的相關研究提供參考。

[參考文獻]

[1]謝鵬揚，謝雁鳴，王連心，等 注冊登記研究在痰熱清注射液適應病證及用藥特征分析中的應用[J] 中國中藥雜志，2014， 39（18）： 3571

[2]Wu T， Yang X， Zeng X， et al Traditional Chinese medicine in the treatment of acute respiratory tract infections[J] Respir Med， 2008， 102： 1093

[3]Lv Y， Li D， Liu X， et al Clinical observation on Tanreqing injection curing 158 suffers of windheat cough[J] Acta Chin Med Pharm， 2008， 36： 20

[4]Li W， Xing L， Fang L， et al Application of near infrared spectroscopy for rapid analysis of intermediates of Tanreqing injection [J] J Pharm Biomed Anal， 2010， 53（3）： 350

[5]李文龍，徐金鐘，劉紹勇，等 近紅外漫反射光譜法測定5種中藥提取物中水分含量的研究[J] 藥物分析雜志， 2009， 29 （10）：1602

[6]李文龍，劉紹勇，薛東升，等 近紅外漫反射光譜法快速測定熊膽粉提取物中熊去氧膽酸和鵝去氧膽酸的含量[J] 中國藥學雜志， 2010， 45（19）：1500

[7]李文龍，薛東升，劉紹勇，等 近紅外光譜法用于痰熱清注射液總混中間體的快速判別[J]中成藥，2010， 12（32）：112

[8]Li W， Wang Y， Qu H， et al Near infrared spectroscopy as a tool for the rapid analysis of the Honeysuckle extracts [J] Vib Spectrosc， 2012， 62：159

[9]Li W， Han H， Cheng Z， et al A feasibility research on the monitoring of traditional Chinese medicine production process using NIRbased multivariate process trajectories[J] Sens Actuators B Chem， 2016， 231：313

[10]Henriksen H C， Ns T， Rdbotten R， et al Simultaneous modelling of process variables and raw material properties as measured by NIR： a case study from cellulose production [J] Chemometr Intell Lab， 2005， 77（1/2）： 238

[11]Jrgensen K， Ns T A design and analysis strategy for situations with uncontrolled raw material variation[J] J Chemometr， 2004， 18（2）： 45

[12]中國藥典二部[S] 2010

[13]邵平，王鈞，王星麗，等 近紅外漫反射光譜技術快速無損識別靈芝和云芝提取物研究[J] 核農學報，2015， 29（3）：499

[14]Huck C， Abel G， Popp M， et al Comparative analysis of naphthodianthrone and phloroglucine derivatives in St John′s Wort extracts by near infrared spectroscopy， highperformance liquid chromatography and capillary electrophoresis[J] Anal Chim Acta， 2006， 580 （2）： 223

[15]李文良，彌宏，竇英，等 近紅外漫反射光譜法對蛇床子SFE萃取產物的質量監控[J] 吉林大學學報：理學版，2006， 44（4）： 645

[16]Chan C， Chu C， Mok D， et al Analysis of berberine and total alkaloid content in Cortex Phellodendri by near infrared spectroscopy （NIRS） compared with highperformance liquid chromatography coupled with ultravisible spectrometric detection [J] Anal Chim Acta， 2007， 592： 121

[17]Geladi P， Kowalski B Partial leastsquares regression： a tutorial[J] Anal Chim Acta， 1986， 185：1

[18]Slaughter D， Barrett D， Boersig M Nondestructive determination of soluble solids in tomatoes using near infrared spectroscopy[J] J Food Sci， 1996， 61：695

[19]譚樂俊，王萌，朱彥 中藥注射劑的不良反應研究進展[J] 中國中藥雜志，2014， 39（20）： 3889

[責任編輯孔晶晶]