近紅外在富馬酸喹硫平緩釋片中間體測定中的應用

方靖　廖鑫

【摘要】 目的：利用漫反射FT-NIR法和化學計量學常用的偏最小二乘法（partial least square，PLS）建立測定富馬酸喹硫平緩釋片中間體含量的近紅外光譜定量模型。方法：用HPLC測定結果為參考值，用積分球漫反射測定樣品的近紅外光譜圖，建立定量模型。結果：定量模型的最佳主因子為7，校正誤差均方根（RMSEC）為0.052，相關系數（Corr.Coeff）為0.998 4，預測誤差均方根（RMSEP）為0.043，其NIR預測結果與HPLC法測定結果的最大相對偏差為0.11%。結論：預測模型對富馬酸喹硫平緩釋片中間體含量的測定是準確、無創、快捷的。

【關鍵詞】 近紅外； 富馬酸喹硫平緩釋片； 中間體含量

doi：10.14033/j.cnki.cfmr.2018.19.028 文獻標識碼 B 文章編號 1674-6805（2018）19-00-03

富馬酸喹硫平緩釋片作為一種不典型抗精神病的緩釋制劑[1]，其中間體含量的控制直接關系到成品制劑的含量及其溶出度的質量控制。HPLC法雖然結果準確、所需樣品量較少，但耗時較長，會延長其生產周期。

近紅外光（near infrared，NIR）是介于可見光（VIS）和中紅外光（MIR）之間的電磁波，美國試驗和材料檢測協會（ASTM）定義是指波長在780～2 526 nm范圍內的電磁波，習慣上又將近紅外區劃分為近紅外短波（780～1 100 nm）和近紅外長波（1 100～2 526 nm）兩個區域[2]。NIRS分析技術在眾多分析領域中都呈現出蓬勃生機，是藥物分析領域中的新興分支，并在藥物分析領域得到成功的應用，為藥物的在線及實時分析提供了更嚴格的質量控制分析方法。《美國藥典》（USP-NF，<1119>）將NIRS分析法作為補充分析方法收載[3]，《歐洲藥典》（EP7.0，2.2.40）介紹了NIRS方法在藥物定性方面的應用[4]，《英國藥典》（BP 2012.AppendixⅡA）和《日本藥局方》也將其收載[5-6]，同時國內在NIRS分析技術方面也取得了重要的進展，在2005年版、2010年版及2015版《中華人民共和國藥典》已將“近紅外分光光度法指導原則”收載[7-9]。近紅外光譜技術是一種簡單方便、分析快速、不破壞樣品的新型分析技術。無需復雜的樣品預處理，也不使用化學試劑，故可增加檢測藥品的數量、實施過程分析[10-13]。本文采用漫反射FT-NIR法直接測定富馬酸喹硫平緩釋片中間體含量并結合化學計量學中的偏最小二乘法（PLS），建立了快速測定其含量的方法。

1 儀器與試藥

1.1 儀器

AntarisⅡ傅里葉變換近紅外（FT-NIR）光譜儀，配有積分球附件（integrating sphere attachment，美國Thermo Fisher Scientific公司）。AntarisⅡ型傅里葉變換近紅外光譜儀由RESULT-Integration軟件包控制。Agilent 1100高效液相色譜儀。

1.2 試藥

富馬酸喹硫平對照品：201754（重慶制藥有限責任公司，含量：99.8%）；富馬酸喹硫平：R1801037（重慶制藥有限責任公司）；富馬酸喹硫平緩釋片混合輔料：18040560（重慶制藥有限責任公司）；甲醇（HPLC級）：R2AG1H（honeywell）；乙腈（HPLC級）：R1PA1H（honeywell）；磷酸氫二銨（AR）：20080826（成都科龍化工試劑）。

2 方法

2.1 混合樣品的制備

將不同比例的富馬酸喹硫平原料藥與富馬酸喹硫平緩釋片混合輔料混勻，制備5個濃度的線性樣品，每個濃度各12份。其中50份作為校正集樣品，10份作為驗證集樣品。

2.2 近紅外圖譜采集

將原料藥、混合輔料和60份樣品粉末依次裝于樣品杯，在4 000～10 000 cm-1范圍內采集其NIR光譜，分辨率為8 cm-1，掃描次數64次，環境溫度控制（25±5）℃；濕度控制（55±5）%RH，積分球的鍍金內壁（gold-plated inner wall of the integrating sphere）被測量，用以扣除空氣中水分和二氧化碳對光譜的影響。

2.3 HPLC法

色譜條件：（來源于USP）。柱溫：50 ℃；色譜柱：4.6 mm×25 cm，5 ?m packing L7或其他同類色譜柱；進樣體積：30 ?l；流動相：（磷酸鹽緩沖液：稱取2.6 g磷酸氫二銨，加純化水溶解并稀釋至1 000 ml）將甲醇：乙腈：磷酸鹽緩沖液以54∶7∶39的比例混勻，抽濾脫氣即得；流速：1.3 ml/min；檢測器：紫外檢測器230 nm；運行時間：喹硫平色譜保留時間的2.5倍。稀釋劑的配制：取500 ml乙腈，500 ml純化水混勻。對照品溶液的配制：取富馬酸喹硫平對照品約20 mg精密稱定，置100 ml容量瓶中，加流動相溶解稀釋至刻度（濃度為0.2 mg/ml）。樣品溶液的配制：將各濃度混合粉末樣品精密稱定至100 ml容量瓶中，加稀釋劑超聲溶解，稀釋至刻度，使溶液最終濃度與對照品溶液基本一致。

3 近紅外模型建立及預測結果

3.1 方法學考察

3.1.1 精密度試驗從驗證集樣品中選擇序號為1-11的混合樣品，測定10次光譜，用所建模型預測其含量值，測得10條光譜富馬酸喹硫平含量RSD為1.2%，表明儀器精密度良好。

3.1.2 重復性試驗從驗證集樣品中選擇序號為3-6的混合樣品，樣品重復裝填10次，進行測定，用所建模型預測其含量。結果預測值的RSD為1.6%，表明樣品混合均勻，方法重復性良好。

3.2 原料藥和混合輔料近紅外光譜

原料藥（富馬酸喹硫平）和混合輔料的近紅外光譜，見圖1。從圖中可見，富馬酸喹硫平近紅外光譜在8 766.8 cm-1有一個較寬的峰，在5 970.5 cm-1、4 620.6 cm-1為兩個尖銳的特征峰，低波數端有較多的特征峰，但與混合輔料的近紅外特征峰重疊。混合輔料的近紅外在4 000～6 000 cm-1有較多尖銳的特征峰，尤其是5 168.3 cm-1的特征峰非常尖銳，且此波數處原料近紅外光譜變化較為平緩，沒有明顯的特征峰；同時，混合輔料近紅外在6 000～7 000 cm-1是一個吸收明顯的寬峰，與原料差異較大。

3.3 混合樣品近紅外光譜

5個濃度批次中第一個混合樣品的近紅外光譜，見圖2。從批次1～5，混合樣品中富馬酸喹硫平含量越來越大，可以看出，5條光譜呈現明顯的變化趨勢。混合樣品光譜在8 766.8 cm-1、5 970.5 cm-1、4 620.6 cm-1與含量有明顯的正相關關系，而在5 168.3 cm-1、6 000～7 000 cm-1則表現出明顯的負相關關系。

3.4 建模參數選擇

3.4.1 建模波段選擇 根據圖1和圖2，選擇原料藥近紅外特征峰（8 766.8cm-1）所在波數范圍（8 500～9 000 cm-1）作為第一個建模波數范圍，而原料藥其他2個特征峰（5 970.5 cm-1，4 620.6 cm-1）由于所在波長段附近樣品變化不明顯，不宜選擇這2個特征峰作為建模范圍。選擇輔料特征峰（6 000～7 000 cm-1，5 000～5 500 cm-1）作為另外兩個建模光譜區域，因為在這兩個波長范圍內輔料與原料藥的近紅外光譜圖差異較大，同時在樣品中變化較明顯。最終選擇了8 500～9 000 cm-1、6 000～7 000 cm-1、5 000～5 500 cm-1三個波數范圍作為建模波段。

3.4.2 主成分因子數選擇混合樣品近紅外光譜和含量模型中校正誤差均方根（root mean square error of cross-validation，RMSECV/RMSEC）隨主成分因子數變化如圖3所示。從圖可以看出，當主成分因子數選擇7時，模型具有最小的RMSECV，故選擇主成分因子數7進行模型建立，見圖3。

3.5 校正模型建立

對50個校正樣品的近紅外光譜進行標準正態變化（standard normal variate）、7點S-G平滑（Savitzky-Golay smoothing，S-G平滑）、均值中心化（mean centering）和定標（variance scaling）4種預處理。用預處理后的混合樣品近紅外光譜的spectrum光譜形式和HPLC測試得到的含量參考值，用偏最小二乘法（partial least squares method，PLS）PLS建立含量校正模型。模型的校正集相關系數（Corr.Coeff）為0.998 4，校正誤差均方根（RMSEC）為0.052，見圖4。

3.6 預測結果

對驗證集富馬酸喹硫平混合樣品近紅外光譜用同樣的預處理方法預處理后，在校正模型中進行含量預測，預測結果與HPLC法所得結果匯總情況見表1。其NIR預測結果與HPLC法測定結果的最大相對偏差為0.11%，最小為0，預測誤差均方根（RMSEP）為0.043，相關系數0.999 5，其結果表明，預測均方根偏差比較低，預測結果與HPLC所得結果的對應關系見圖5。從圖可以看出，10個用于預測的數據基本都在模型線性趨勢線上，說明此含量預測模型能較好地利用混合樣品的近紅外光譜預測其富馬酸喹硫平的含量。

3 討論

本文用積分球漫反射附件測定原輔料和混合樣品的近紅外漫反射光譜，近紅外光譜通過標準正態變化、7點S-G平滑、均值中心化和定標（variance scaling） 4種預處理，選擇波數范圍為8 500～9 000 cm-1、6 000～7 000 cm-1、5 000～5 500 cm-1三個波數段，主成分因子數選擇7，以光譜spectrum數據形式，用偏最小二乘法進行回歸建模。校正誤差均方根（RMSEC）為0.052，相關系數（Corr.Coeff）為0.998 4，預測誤差均方根（RMSEP）為0.043，其NIR預測結果與HPLC法測定結果的最大相對偏差為0.11%，最小為0，且方法具有較好的精密度和重復性。

近紅外光譜結合多元統計學方法建立樣品近紅外光譜-含量模型，此方法能快速、無損的對混合樣品中富馬酸喹硫平含量進行檢測，此方法較富馬酸喹硫平緩釋片中間體常用的含量檢測法（HPLC法）比，更加快捷、高效，若進行一步擴大建模樣品量，有望將其應用于實際生產的含量中間控制，實現實時在線監測，大大提高生產效率。

參考文獻

[1] Irina M，Kairi M，Fahua S，et al.Double-blind，randomizedstudy of extended release quetiapine fumarate（quetiapine XR）monotherapy in older patients with generalized anxiety disorder[J].Int J Geriatr Psych，2011，31（4）：418-428.

[2]嚴衍祿，趙龍蓮，韓東海，等.近紅外光譜分析基礎與應用[M].北京：中國輕工業出版社，2005：1-5.

[3] Buchold G M，Coarfa C，Kim J，et al.The united states pharmacopeial convention. USP[M].Baltimore，DM：United Book Press，2013：714.

[4] Only E.OrganizationEuropean directorate for the quality of medicines&healthcare.; European pharmacopveia[M].7thed.No Druckerei C.H.Beck，2011：6.

[5] Miller F P，Vandome A，Mcbrewster J，et al.British pharmacopoeia commission office.British Pharmacopoeia，1932[J].The Stationery office，1977，151（1231）：1278-1279.

[6] Kyokai N K.Society of Japanese Pharmacopoeia.Japanese Pharmacopoeia[M]. 15thed.Tokyo：YakujiNippo，LTD，2006：2284-2287.

[7]國家藥典委員會.中華人民共和國藥典（二部）[M].北京：化學工業出版社，2005：185.

[8]國家藥典委員會.中華人民共和國藥典（二部）[M].北京：中國醫藥科技出版社，2010：208.

[9]國家藥典委員會.中華人民共和國藥典（四部）[M].北京：中國醫藥科技出版社，2015：1904.

[10] Fan Q，Wang Y，Sun P.et al.Discrimination of Ephedra plants with diffuse reflectance FT-NIRS and multivariate analysis [J].Talanta，2010，80（3）：1245-1250.

[11]楊純，劉元坤，汪琚來，等.β-內酰胺類抗生素的近紅外反射光譜分析法鑒別[J].中國工業醫藥雜志，2004，35（7）：419-420.

[12]張中湖，張敬賢，朱斌，等注射用青霉素鈉品質參數的近紅外漫反射光譜法測定[J].中國工業醫藥雜志，2003，34（7）：345-347.

[13] Sorensen L K.Application of reflectance near infrared spectroscopy for bread analyses[J].Food Chem，2009，113（4）：1318-1322.

（收稿日期：2018-05-08）