近红外光谱分析技术在白芍水提过程中的在线控制研究

近红外光谱分析技术在白芍水提过程中的在线控制研究

张慧，胡甜，臧恒昌

(山东大学药学院，山东 济南 250012)

摘要：采用近红外光谱技术研究一种参枝苓口服液白芍单提过程的在线分析技术。方法在实验室模拟生产基础上，采用ANTARIS II近红外光谱仪采集白芍水提中间体的近红外光谱并采用高效液相色谱法测定样品中芍药苷含量，通过偏最小二乘法(PLS)拟合光谱数据与液相数据，建立了白芍水提过程中芍药苷定量分析模型。结果研究结果显示采用经OSC结合mean center预处理处理光谱在全光谱范围内所建模型最佳，模型评价参数、LVs分别为0.080 5、0.968 4、0.920 6、4，模型结果良好。结论本实验为参枝苓口服液白芍水提过程在线监控提供一种新的方法，有利于提高产品芍药苷含量为产品稳定生产及产品质量提供保障。

关键词：近红外光谱技术；白芍水提过程；芍药苷；定量分析；参枝苓口服液

基金项目：山东省自主创新专项国家中药新药“参枝苓口服液”产业化开发项目(No.2012CX20203)

作者简介：张慧，女，研究方向：制药工程，E-mail:huihui0561@163.com

通讯作者：臧恒昌，男，教授，硕士生导师，研究方向：多糖类药物、药品生产工艺优化及在线过程分析与过程控制，Tel:0531-88380268，E-mail:zanghcw@126.com

中图分类号：R284.2文献标识码：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

实现生产全过程的质量控制是保证中成药质量稳定均一的关键之一[1]。目前中药生产过程缺乏有效组分浓度的在线检测手段，而离线检测方法难以适应生产的实时监控，这是实现中药生产过程质量控制的难点。因此研究中药生产过程的在线分析技术具有十分重要的意义和价值。

白芍是中药新药参枝苓口服液处方中的一味主要药材，由于白芍主要成分芍药苷含量受热时间过长含量会大大降低，因此生产中白芍是单独提取的，白芍水提过程是参枝苓生产过程中的一个重要环节，其主要成分芍药苷是参枝苓口服液国标规定的指标成分之一，芍药苷的含量一定程度上代表了产品质量。提取过程工艺参数波动大，凭经验控制提取过程往往不能保证生产过程稳定进行，导致产品质量不稳定，为了保证产品质量稳定、降低成本、提高生产效率，迫切需要在白芍水提过程引入在线检测分析技术，保障水提过程稳定可控的生产。

过程分析技术(PAT)是采用众多的方法来对生产过程的可控性加以调节的技术，进而对产品质量提供可靠保障[2，3]。PAT技术涉及到分析化学、化工、自动化控制及计算机科学等多个技术领域，是由它们相互交叉组成的。PAT技术作为一个质量控制体系，其最终目的是生产出质量合格的产品，为此我们需要整合各方面的努力，深入地了解和掌握生产工艺流程，让药品的生产加工过程“防患于未然”。

近红外分析技术是一种快速、准确、无损的绿色过程分析技术。近红外光是介于可见光谱区和中红外光谱区的电磁波[4]，美国材料检测协会(American society for testing and materials，ASTM)将其波长范围定义为780～2 526 nm。近红外光谱(Near Infrared Spectroscopy，简称NIR)的吸收是反映C-H、O-H、N-H、S-H等含氢基团在近红外光谱区伸缩振动的组合频或者倍频吸收[5]。

大多数有机物含有这些基团，这就为近红外光谱技术广泛应用于农产品[6]、食品[7]、制药[8]、生物[9]、石油化工[10]、烟草[11]等领域的结构基础。另外，近年来化学计量学和计算机科学的发展更是让上世纪沉寂已久的近红外光谱技术得到了重生，丰富了分析技术，具有速度快、无损、无需对样品进行预处理、分析成本低、可以对样品进行实时在线分析等优点，被誉为一项绿色分析技术。

NIRS能够在线实时监测提取过程中有效物质含量的变化，对指导生产实践具有现实意义[12]。Wu等[13]建立了一种NIRS在线监测红参提取过程的新方法。他们设计并应用了一种光程2 mm的两探头式光纤流通池，以便实时在线采集光谱。建立了重要参数的偏最小二乘回归(PLSR)模型，包括固含量、芍药苷、苯甲酸，能够实时在线监测提取过程中有效物质含量的变化。另外，他们采用移动窗口标准偏差法(MBSD)和相对浓度变化率(RCCR)来监测终点的到达，与传统的以时间为依据的判断方法相比，结果更为科学。通过在线模型提供实时数据来反馈提取状态，提高了质量控制水平。此外，Wu等[14]还利用NIRS在线成功监测了灯盏花提取过程中黄芩素含量变化，并监测了提取终点。张爱军等[15]对NIRS在该环节的应用做了更进一步的研究，设计出了应用于实际生产中的在线监测系统，并且成功的应用在丹参提取过程的监测中。

本研究拟研究近红外光谱技术在参枝苓口服液白芍水提过程在线控制中的应用。具体做法是选取白芍水提过程中的芍药苷浓度含量为考察指标，采用Antaris II 傅里叶近红外光谱仪采集样品光谱，高效液相色谱法(HPLC)测定样品芍药苷含量，利用偏最小二乘法(PLS)关联光谱数据和HPLC数据，经光谱参数优化，最终建立芍药苷含量的稳健的定量分析模型，为参枝苓口服液白芍水提生产过程的在线检测和终点判断提供一种参考方法。

1仪器与材料

1.1仪器Antaris Ⅱ傅里叶变换近红外光谱仪(美国Thermo Fisher公司)，附件配置：透射模块，RESULT近红外光谱采集软件；电脑(美国苹果公司)；Matlab 2010a(Mathworks Inc.,USA)；Unscrambler 9.7 软件；Agilent 1260高效液相色谱分析仪(美国安捷伦公司)；附件：DAD检测器，四元泵，自动进样器，柱温箱，色谱柱：Zorbax SB-C18柱(美国安捷伦公司)；数显搅拌自动控温加热套；其他玻璃器。

1.2试剂与样品芍药苷对照品(中国食品药品检定研究院，北京)；色谱纯乙腈、甲醇(Merck,Germany)，超纯水(自制)，磷酸等均为分析纯。白芍药材(由沃华医药公司于2014年5月提供)。

2方法

2.1样品的制备为了尽量可能模拟实际生产过程，本实验从企业收集多个批次粉碎后的药材(粒径0.5～1 cm，经公司专家鉴定)模拟企业实际生产条件，实验室规模生产5批白芍水提液样品，每批每隔一段时间取样，每批取样17个，共取样85份。

2.2近红外光谱的采集将所取得样品取上清液于4 mm样品管内，Antaris II近红外光谱仪透射模块采集近红外光谱，光谱范围4 000～10 000 cm-1，扫描次数32，分辨率8 cm-1，内置参比做对照。

2.3样品HPLC分析

2.3.1标准品溶液的配制精密称取10.4 mg芍药苷对照品于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的标准品储备液。

2.3.2供试品溶液的制备精密吸取0.5 mL上述上清液于5 mL具塞试管中，准确加入4.5 mL纯净水，摇匀，过0.22 μm滤头，供液相进样用。

2.3.3色谱条件Agilent Zorbax SB-C18柱(4.6 × 250 mm,5 μm)；流动相：乙腈(A相)-0.1%磷酸水溶液(B相)梯度洗脱；流速为0.8 mL·min-1；检测波长230 nm；柱温为25 ℃；进样量为10 μL。

2.4定量模型的建立

2.4.1样品集的划分本实验采用KS分类方法，将样品划分为68个校正集，其余样品作为验证集。

2.4.3光谱区间的优化本实验在最佳光谱转换方式的基础上采用iPLS波段选择方法优化建模波段。考察了间隔变量数为500和300时所选波段模型结果，并与全光谱建模进行比较，选出最优建模波段。

2.4.4最佳主因子数的选取本实验根据交互验证预测残差值-潜在变量数关系图选择最佳建模主因子数。

3结果

3.1HPLC分析结果样品含量测定结果见表1。

表1　样品含量测定结果

3.2芍药苷PLS定量模型的建立

3.2.1原始光谱图见图1。

图1　白芍水提过程近红外原始光谱图

3.2.2样品集划分信息见表2。

表2　样品集划分信息

由表2可知，验证集浓度范围包含在校正集浓度范围内，且涵盖了校正集的91.0%的范围，说明样品集划分合理。样品集划分的主成分得分图见图2。

图2　样品集划分主成分得分图

由图2可知，验证集样品均匀分布在校正集样品中，进一步说明样品集划分合理。

3.2.3光谱转化方式的选择结果结果见表3。

综合比较各光谱转换方式的建模效果，最终选择OSC,mean center作为最佳光谱转化方式。

表3　不同转换光谱建模结果比较表

3.2.4光谱区间优化在iPLS波段选择方法中，分别考察了间隔变量数为500、400、300时的建模效果，选出最优建模区间，结果见表4。

表4　光谱区间优化选择结果

由表3和4可以看出，iPLS波段选择结果建模效果不如全光谱建模效果，因此选择全光谱区间建模，模型见图3。

从图2、3可以看出模型线性良好，拟合强度满足分析要求。

3.2.5最佳建模主因子数的选择结果图4为交互验证预测残差值-潜在变量数关系图，根据图4可以看出，当潜在变量数为4时，交互验证残差值到达最低谷，之后随着潜在变量数的增加残差值增大，这是由于引入的噪声所致，因此选择潜在变量数为4是合理且满足分析要求的。

图4　潜在变量数选择图

图5　潜在变量数Loading图

图5是各潜在变量数的Loading值分布图，前四个潜在变量数对光谱信息解释的累计贡献率为98.02%，对浓度值解释累计贡献率为96.84%，两者数值相当而且都在95%以上，足以解释变量信息。

3.2.6模型的建立与评价经过样品集的划分、光谱转化方式的选择、光谱区间的优化 及潜在变量数合理性的考察，最终选择以OSC+mean center为光谱预处理方法，选择潜在变量数为4在全光谱范围内建立白芍水提过程芍药苷含量变化PLS定量分析模型，模型如图3所示，模型评价参数见表5。

表5　模型评价参数

4结论

本实验通过模拟参枝苓口服液生产环节中白芍水提工艺，模拟生产了5批水提液，并在间隔一定时间内取样分析。采用Antaris Ⅱ 近红外光谱仪采集所收集样品的近红外光谱，采用HPLC方法测定样品中芍药苷等成分的含量，通过PLS线性回归拟合光谱数据与液相数据，成功建立了白芍水提过程中芍药苷含量的PLS定量分析模型，模型结果良好，满足分析要求。经过以上研究，本实验为参枝苓口服液生产过程在线监控提供一种新的方法，有利于提高产品芍药苷含量为产品稳定生产及产品质量提供保障。

参考文献：

[1] 王小明.我国中药产业的现状及发展对策[J].重庆邮电学院学报(社会科学版),2003,(15)6:50-53.

[2] 董芹,臧恒昌,刘爱华,等.过程分析技术在制药领域的应用及对我国制药行业的启示[J].中国药学杂志,2010,45(12):881-884.

[3] 王培,臧恒昌,曾英姿.药品生产过程质量风险产生的原因及控制[J].中国药学杂志,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] 陆婉珍.现代近红外光谱分析技术[M].北京:中国石化出版社,2006:2-10.

[6] Nicolaï 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] 张爱军,戴宁,赵国磊.丹参产业化提取中近红外在线检测技术的研究[J].中草药,2010,41(2):238-240.