紫連生肌凝膠劑處方的優化

李喜香，閆治攀，韓勝男

(1.甘肅省中醫院，甘肅 蘭州 730000；2.甘肅中醫藥大學，甘肅 蘭州 730000)

玉紅油紗條是甘肅省中醫院院內制劑(甘藥制備字Z20190308000)，由黃連、紫草、白芨等中藥組成，具有活血涼血、去腐生肌、消炎止痛之功效，臨床上用于手術過程中腔道引流及因機械、燒燙等因素引起的急慢性創面愈合等，療效顯著。因此，課題組計劃將玉紅油紗條開發成以治療急慢性創傷為主的外用凝膠劑。

在制劑工藝開發過程中，處方不僅關系著臨床療效，同時對制劑理化性質及其質量具有決定性影響。目前，中藥制劑處方優化的常用方法有正交試驗、均勻試驗、響應面試驗(Box-Behnken響應面法、中心組合設計、D-最優混料設計等)，而研究者為了提高優化效率，通常會在上述方法的基礎上通過建立數學模型來進行處方配比的優化，其中中心組合設計因其信息量充分、模型擬合程度高，優化參數預測精度高的特點而被廣泛應用于制劑處方優化[1]。因此，本實驗采用中心組合設計結合遺傳神經網絡優化紫連生肌凝膠劑處方，以期為該制劑后期開發提供參考。

1 材料

1.1 儀器 HWS-24恒溫水浴鍋(上海齊欣科學儀器有限公司)；PDV旋轉黏度計(上海尼潤智能科技有限公司)；FA1004電子天平(上海良平儀器儀表有限公司)；RE-3000旋轉蒸發儀(上海亞榮生化儀器廠)。

1.2 試劑與藥物 紫連生肌提取液(批號20200601，0.5 g生藥/mL，甘肅省中醫院科研制劑中心)。泊洛沙姆407、泊洛沙姆188、聚乙二醇6000均購自湖北興銀河化工有限公司，符合藥品輔料標準。其他試劑均為分析純；水為超純水。

2 方法

2.1 凝膠劑制備 稱取適量泊洛沙姆407、泊洛沙姆188、聚乙二醇6000至燒杯中，加入500 mL去離子水，在-4 ℃冰箱中放置24 h至澄清，加入適量紫連生肌提取液，補足體積至1 000 mL，混勻，即得。

2.2 膠凝溫度測定 采用磁力攪拌法[2]。取5 mL凝膠溶液至帶有磁力攪拌子的10 mL西林瓶中，置于水浴鍋中水浴，緩慢升溫，每升高0.5 ℃迅速將西林瓶傾斜60o觀察溶液是否流動，在不流動時的溫度即為膠凝溫度，平行3份。

2.3 膠凝時間測定 參考文獻[3]報道的方法，取5 mL凝膠溶液至10 mL西林瓶中，置于37 ℃水浴鍋中水浴，并傾斜60°緩慢旋轉，同時計時至凝膠溶液不流動，計算膠凝時間，平行3份。

2.4 黏度測定 參考文獻[4]報道的方法，將30 mL凝膠溶液倒入100 mL小燒杯中，置于水浴鍋(以1 ℃/min速率升溫)中水浴，采用PDV旋轉黏度計(3號轉子)測定黏度η，當其發生突躍時結束記錄，取突躍前平均值。

2.5 中心組合設計及結果依據前期單因素試驗結果，確定處方中輔料為泊洛沙姆407、泊洛沙姆188、聚乙二醇6000，用量范圍分別為14%～20%、2%～6%、1%～3%。本實驗在此基礎上，選擇泊洛沙姆407(A)、泊洛沙姆188(B)、聚乙二醇6000(C)用量作為影響因素，膠凝溫度、膠凝黏度、凝膠黏度作為評價指標，采用中心組合設計[5]優化處方，因素水平見表1，結果見表2。

表1 因素水平Tab.1 Factors and levels

表2 試驗設計與結果Tab.2 Design and results of tests

2.6 指標權重確定

2.6.1 AHP法 參考文獻[6]報道的方法，將膠凝溫度、膠凝時間、凝膠黏度分為3個層次，并確定各評價指標優先順序為膠凝溫度>膠凝時間>凝膠黏度，構建成對比較的優先判斷矩陣，結果見表3。由此可知，膠凝溫度、膠凝時間、凝膠黏度權重系數分別為0.538 9、0.297 3、0.163 8，最大特征根(λ)為3.009 3，一致性指標(CI)為0.00 46，試驗層次為3，經查表可知隨機一致性指標(RI)為0.58，一致性比率(CR)為0.008(<0.05)，表明評價指標比較的優先判斷矩陣通過一致性檢驗，具有滿意一致性，所得各評價指標的權重系數有效。

表3 各評價指標成對比較的優先判斷矩陣Tab.3 Priority judgment matrices for pair comparison of various evaluation indices

2.6.2 CRITIC法 參考文獻[7]報道的方法，采用min-max歸一化法將表2結果進行數據標準化處理，SPSS 20.0軟件得到各評價指標的相關系數矩陣(A)，具體如下。

表4 各評價指標賦權值Tab.4 Weighted values for various evaluation indices

2.6.3 AHP-CRITIC法 參考文獻[8]報道的方法計算綜合評分W綜合ij，公式為W綜合ij=WAHP-ijWCRITIC-ij/∑(WAHP-ijWCRITIC-ij)，其中WAHP-ij、WCRITIC-ij分別為AHP、CRITIC法綜合評分，i、j=1,2,3,…,n，結果見表5。

表5 3種賦權法綜合評分Tab.5 Comprehensive scores for three weighted methods

2.7 遺傳神經網絡建立 參考文獻[9]報道的方法。采用MATLAB 2017a軟件，以泊洛沙姆407(A)、泊洛沙姆188(B)、聚乙二醇6000(C)用量為BP神經網絡輸入，AHP-CRITIC綜合評分(Z)為輸出，采用3層網絡進行建模。根據留一法，將中心組合設計中的隨機分配的12組數據作為BP神經網絡模型的訓練集，剩余3組數據作為測試集[9]，為了提高網絡性能，依次選擇1～6個隱層節點數，經過1 000次訓練后得到相應的誤差平方和，結果見表6。由此可知，當隱層節點數為5時，誤差平方和最小，故本實驗選擇輸入層×隱藏層×輸出層為3×5×1的BP遺傳神經網絡模型，進行10 000次訓練，訓練目標為均方誤差達到0.000 01，學習步長為0.05，拓撲結構見圖1，訓練曲線見圖2。

表6 BP神經網絡誤差平方和Tab.6 Error sum of squares for BP neural network

為了進一步確定所建網絡模型的模擬性能和泛化能力，將檢驗樣本的自變量輸入模型，經過模擬仿真后得到預測值，比較預測值與實際值的差別，結果見圖3，可知預測值與實際值之間誤差很小，均在±2%范圍內，表明兩者具有很高的吻合度。因此，所建立的BP神經網絡模型穩定，泛化能力較強，以綜合評分為評價指標可用于優化紫連生肌凝膠劑處方。

2.8 處方優化 在“2.7”項下BP神經網絡基礎上，以輸入與輸出之間的映射關系為遺傳算法的適應度函數，再根據訓練樣本確定各評價指標變化范圍，經過不斷的選擇、交叉、變異操作直至滿足終止條件，結果見圖4。最終，當泊洛沙姆407、泊洛沙姆188、聚乙二醇6000用量分別為 20.0%、3.8%、2.9%時，綜合評分最大預測值為93.305 5分，見圖5。

2.9 驗證試驗 按“2.8”項下優化處方進行3批驗證試驗，結果見表7。由此可知，平均綜合評分與預測值93.305 5分的相對誤差僅為1.17%，表明該處方穩定可靠。

圖1 BP神經網絡拓撲結構Fig.1 Topological structure for BP neural network

圖2 BP神經網絡訓練曲線Fig.2 Training curves for BP neural network

圖3 預測綜合評分與實際綜合評分比較Fig.3 Comparison of predicted comprehensive scores and practical comprehensive scores

圖4 遺傳算法尋優軌跡Fig.4 Optimizing trajectory for genetic algorithm

圖5 遺傳算法最優解Fig.5 Optimal solution for genetic algorithm

3 討論

課題組前期考察了泊洛沙姆407、泊洛沙姆188、卡波姆、聚乙二醇6000輔料的性質及其相互之間的影響，發現泊洛沙姆407在膠凝溫度、膠凝時間方面較其他輔料更具有優勢，同時4%泊洛沙姆188、2%聚乙二醇6000對泊洛沙姆407具有顯著影響，而卡波姆對其影響不大，故本實驗以17%泊洛沙姆407、4%泊洛沙姆188、2%聚乙二醇6000為中心組合設計的中心點。再分別采用AHP賦權法、CRITIC賦權法、AHP-CRITIC混合賦權法對各評價指標進行賦權，并計算綜合評分，發現AHP、CRITIC賦權法與AHP-CRITIC混合賦權法具有顯著的相關性，但前兩者之間呈現出負相關，并且不顯著，因此，AHP-CRITIC混合賦權法所體現的信息更全面，較單一賦權方法更合理，也更符合實際[6,8]。

反向傳播神經網絡是人工神經網絡技術中應用廣泛的模型之一，在擬合復雜的非線性關系方面具有顯著優勢，并且對輸入輸出端點數沒有顯著影響，結合遺傳算法[9-14]時適用于考察各因素之間的相互影響，使其與結果之間具有較強的離散型和非線性關系，可解決常規方法所建立的數學模型不能正確描述兩者之間關系的問題[9]。因此，本實驗采用拓撲結構為3-5-1的BP神經網絡，建立紫連生肌凝膠劑處方中各輔料質量與AHP-CRITIC綜合評分的神經網絡模型，可很好地模擬各影響因素與評價指標之間的關系，并結合遺傳算法快速得到最優組成。驗證試驗結果顯示，該條件下平均綜合評分為92.210 0分，與預測值93.305 5分接近，可為紫連生肌凝膠劑處方優化提供依據。