基于近红外分析技术快速测定盐酸氨溴索口服液的含量

王小亮，杨静，梁亚伟，林芳

陕西省食品药品检验研究院，陕西 西安 710065

盐酸氨溴索是临床上广泛应用的祛痰药物，具有疗效肯定、毒副作用小的优点。其作用机制是通过增加呼吸道浆液的分泌，同时抑制黏液的分泌并裂解黏蛋白中的多糖纤维，从而稀释痰液促进痰液排出［1-3］。目前的使用剂型包括：片剂（普通片、缓释片、分散片、口崩片等），胶囊（普通胶囊、缓释胶囊），口服液和气雾剂等。其中，盐酸氨溴索口服液避免了片剂和胶囊带来的吞咽问题，其应用前景日益宽广。

公开报道的盐酸氨溴索近红外鉴别方法主要集中在盐酸氨溴索片剂的定量分析［4］、快速识别检测［5］、注射用盐酸氨溴索的近红外一致性检验模型建立等［6］，针对盐酸氨溴索口服液的近红外定性鉴别或定量分析还未见相关文献。

本研究基于盐酸氨溴索口服液样本近红外漫反射光谱，进行其定量预测模型建模，实现了对盐酸氨溴索口服液的快速检验。

1 仪器及试药

Matrix-F 近红外光谱仪（德国Bruker 公司），配有1.5 m 长固体光纤探头；铟镓砷（InGaAs）检测器；OPUS5.5 光谱分析软件（德国Bruker 公司）；BP211D电子分析天平（德国赛多利斯公司）；MATLAB R2010 商业数学软件（美国MathWorks 公司）。

陕西省食品药品检验研究院国家评价性抽验样品，包含22 个厂家共计123 批次盐酸氨溴索口服液样品，共两种规格，分别为0.3 g/100 mL 和0.6 g/100 mL。

2 方法

2.1 含量测定

按照《中国药典》2020 年版二部，采用高效液相色谱法测定盐酸氨溴索口服液的含量，123 批样品含量测定结果以mg/mL 表示，其中标示含量为0.3 g/100 mL 的样品有91 批，含量分布在2.87～3.12 mg/mL 范围内；标示含量为0.6 g/100 mL 的样品有32 批，含量分布在5.77～6.20 mg/mL 范围内，见图1。

图1 所有样本的含量分布

在进行含量预测模型建模时，选取100 批次样品为训练集，剩余的23 批次样品为预测集，训练集和预测集样品的前两个主成分分布见图2，训练集和预测集样本均匀分布，均可以表征样本的有效信息。

图2 样本的前两个主成分分布图

2.2 近红外光谱测定及预处理

采用透反射测量方式，以固体光纤探头配合1号液体附件直接测量采集样品近红外（NIR）图谱。光谱扫描范围为12 000～4 000 cm-1，分辨率8 cm-1，扫描次数64 次，每批样品测定3 次，使用平均光谱建模。最终获得的样本光谱见图3。

图3 经平均后的近红外建模光谱

2.3 支持向量回归

支持向量回归算法是支持向量机在回归问题上的应用，支持向量机在近红外快速检验领域已经得到了广泛应用，包括将其分类和回归算法应用于食品和药品的产地鉴别、掺伪定性分析、含量预测等［7-10］。

2.4 预测性能评价

采用绝对百分比均值误差mAPE（mean absolute percentage error）和均方根误差RMSE（root mean square error）对模型的预测性能进行评价，MAPE表征模型预测相对误差的均值，RMSE 表征模型预测误差的标准差，MAPE 和RMSE 越小，表征模型的预测精度越高。MAPE 和RMSE 计算方法如下：

式中，yk表示第k个样本的真实值，表示第k个样本的预测值，n为样本数。

3 结果

3.1 光谱范围和预处理方法的选择

液体样品选择光谱范围应避开溶剂吸收峰，而纯水的O-H 伸缩振动在6 950 cm-1的一级倍频和5 155 cm-1合频吸收峰较强，且谱带较宽，而其中的活性成分的吸收较弱，建模时应避开。同时，应避开边缘效应，小于10 000 cm-1或大于4 250 cm-1一般不选。故最终选择的光谱范围为6 100～5 400 cm-1和8 200～7 400 cm-1。

光谱预处理可以有效剔除对建模精度提高无贡献甚至降低建模精度的无用信息，不同光谱预处理方法对应的模型预测精度对比见表1，多元散射校正预处理对应的MAPE 值和RMSE 值均为四种预处理方法中的最优值，因此，建模选用经过多元散射校正后的光谱数据。

表1 不同光谱预处理方法对应的模型预测精度

图4 经多元散射校正预处理后的样本光谱

3.2 核函数的选择

支持向量回归中合适的核函数不但可以获得更好的预测效果，还可以在一定程度上消除不平衡样本的消极影响。常用的核函数包括线性核函数、径向基核函数、多项式核函数和反曲核函数。选取不同核函数所建立的定量预测模型的预测精度见表2，采用径向基核函数所建立的预测模型可以获得最优预测结果。

表2 不同核函数对应的模型预测精度

3.3 回归模型参数的选择

回归模型的参数选择主要是对惩罚因子c 和核函数参数g 的优化。采用蚁群算法进行模型参数c和g 的优化，设定初始蚁群规模为80，最大迭代代数为100，c 和g 的优化区间为［0.001,10］，最终获得的RMSE 随迭代代数的变化曲线见图5，最优的c 和g 分别为6.561 1 和1.100 4，对应的RMSE为0.133 36。

图5 回归模型参数优化结果

3.4 定量预测模型的建立

根据光谱预处理、核函数和参数c、g 的选择结果，最终确定的定量预测模型建模参数选取见表3。

表3 定量预测模型建模参数

所建立的定量预测模型对训练集样本的含量预测结果及相关性见图6，最大绝对误差为0.17 mg/mL，预测均方根误差RMSE 为0.149 3 mg/mL，预测值和真实值的相关系数达到了0.996 5，说明预测值和真实值显著相关。

图6 训练集样本含量预测结果及相关性：A.含量预测；B.相关性

同样，图7 给出了预测集样本的含量预测结果及相关性，最大绝对误差为0.20 mg/mL，预测均方根误差RMSE 为0.152 0 mg/mL，相关系数为0.994 7，详细结果见表4。

表4 预测集样本含量预测值与真实值

图7 预测集样本含量预测结果及相关性：A.含量预测；B.相关性

4 讨论

本研究基于盐酸氨溴索口服液样本近红外漫反射光谱，进行其定量预测模型建模，实现了对盐酸氨溴索口服液的快速检验。选取多元散射校正预处理方法，核函数为径向基核函数时，所建立模型的预测精度最高。对训练集和预测集样本的最大预测误差分别为0.17 mg/mL 和0.20 mg/mL，相关系数分别为0.996 5 和0.994 7。所建立的定量模型建模方法，具有过程简单、预测准确的特点，拓展了近红外快速检验和定量预测的新途径。