水提干法制粒的中药配方颗粒溶化性与粉体物理属性相关性研究

汪盛华，秦春娟，安双凤，闫 明,*，徐芳芳，张书嘉，章晨峰，王团结,，王振中,，肖 伟,*

1.南京中医药大学，江苏 南京 210023

2.江苏康缘药业股份有限公司，江苏 连云港 222001

3.中药制药过程新技术国家重点实验室，江苏 连云港 222001

中药配方颗粒是指由净制合格的单味饮片经提取精制后，干燥、制粒而成的颗粒[1]，相较于中药饮片而言，具有易于服用、体积小、携带方便等特点，因此也受到患者的广泛认可[2]。从国家首次提出中药配方颗粒试点工作开始，到2021年2月国家药品监督管理局等多部门宣布关于终止中药配方颗粒试点工作，时间间隔已近30年；伴随国家相关法规制度的出台与完善，中药配方颗粒在质量控制方面得到快速发展[3-5]。虽国家大力扶持中药配方颗粒的发展，但与此同时在质量控制方面仍然面临诸多问题与挑战[6]。例如在实际大生产过程中，因中间体物料属性差异导致生产工序上出现析出、焦屑等溶化性问题，影响最终产品质量。

溶化性是颗粒剂考察的重要指标，也是反映质量属性的外在体现。本研究从中药粉体物料属性角度，探讨水提工艺下干法制粒的中药配方颗粒溶化性的影响机制，运用SeDeM 专家系统[7-10]及粉体学属性对中间体粉末与颗粒进行综合表征[11-12]。采用二维矩阵热图与系统聚类分析（hierachical cluster analysis，HCA）对各品种物性参数间相似性进行评价与归类分析，并通过运用多元统计分析方法偏最小二乘回归（partial least squares regression method，PLS）与主成分分析（principal component analysis，PCA）建立物料粉体学属性与颗粒溶化率之间的相关模型，初步筛选出关键物料属性（critical material attributes，CMAs），为后期相关品种工艺改进提供参考。中药物料属性复杂，理化性质较多，单一变量分析不能很好地呈现各指标间的相互关系，且无法对全部信息进行综合分析，而PCA 和PLS 可以克服单变量分析方法的缺陷，实现对多变量多因素的全面分析与判别[13-14]。PCA 是一种基于数学降维思维，将原来变量重新组合成几个能反映尽可能多变量信息的综合变量的统计方法[15-16]。PLS 是建立在自变量的潜变量关于因变量的潜变量矩阵上的线性回归模型，可以实现多种数据分析的综合运用[17-18]。本研究中从提取工艺角度出发，以水提条件下干法制粒得到的60 种中药配方颗粒为研究对象，结合2种多元统计方法对收集到的60 种中药配方颗粒混合粉与对应颗粒进行模型关联分析，以建立起中药配方颗粒中间体粉体学与颗粒溶化性相互关系，从物料本身属性阐明水提工艺下中药配方颗粒质量影响机制。

1 仪器与材料

Mettler Toledo 204 型万分之一电子天平，梅特勒-托利多；Bettersize 2600 型激光粒度分布仪、BT1001 型智能粉体特性测试仪，丹东百特仪器有限公司；50 mm×30 mm 玻璃量瓶，东方科教仪器产；MYP11-2 型磁力搅拌器，上海梅颖浦仪器仪表制造有限公司；HWS26 型电热恒温水浴锅、DHG-9145A型电热鼓风干燥箱、LHS-250HC-II型恒温恒湿箱，上海一恒科学仪器有限公司。

生产真实世界中对水提工艺下的中药配方颗粒制粒前一步混合粉及干法制粒所得颗粒进行收集，60 种中间体物料信息见表1，所有物料均购自江苏康缘药业股份有限公司。

表1 60 种中药配方颗粒品名与批号Table 1 Name and batch number of 60 kinds of TCM formula granules

2 方法与结果

2.1 粉体与颗粒质量属性表征方法

2.1.1 松装密度（Da） 采用智能粉体特性测试仪测定。待各元件组装及参数设置（进料速度4 mg/s，进料时间300 s）后，把空的100 mL 量杯放在天平上进行称定质量，将待测粉末加入振动筛中，启动进料待样品充满量杯并溢出后停止，用刮板将量杯口刮平后取出称定质量，计算Da，平行测定3 次。

2.1.2 振实密度（Dc） 使用智能粉体特性测试仪固定体积法测定。按照提示组装相应组件并完成参数设置后，称定空的100 mL 量杯后，将空杯与100 mL 延长筒连接，向量筒里加入样品后启动振实，经250 Hz、1250 次振动后取下延长筒，用刮板将杯口刮平后称定质量，计算Dc，平行测定3 次。

2.1.3 豪斯纳比（IH） 由Dc与Da计算得到，计算公式如下[12,19]。

IH＝Dc/Da

2.1.4 卡尔指数（IC） 由Da与Dc计算而得，公式如下[12,19]。

IC＝(Dc－Da)/Dc

2.1.5 颗粒间孔隙率（Ie） 由Da与Dc计算而得，公式如下[12,19]。

Ie＝(Dc－Da)/(DcDa)

2.1.6 休止角（α） 采用智能粉体特性测试仪固定底面积法测定。按照提示组装好各元件及设置参数（进料速度4 mg/s，进料时间200 s）后，向振动筛中加入样品，启动振动，直至下落粉末在平台形成对称圆锥体且平台周围都有粉体落下，停止测定休止角，平行测定3 次。

2.1.7 粒径（D10、D50、D60、D90）与比表面积（specific surface area，SSA）、均匀性（uniformity，UN） 使用激光粒度分布仪进行测试。取适量待测粉末置于激光粒度仪干法进样器中，以空气为分散媒介，分别测定累积粒度分布数达到10%、50%、60%、90%时所对应的粒径D10、D50、D60、D90及SSA、UN。

2.1.8 粒径分布范围（width）与分布宽度（span）由粒径D10、D50、D90计算而得，公式如下[12,19]。

width＝D90－D10

span＝(D90－D10)/D50

2.1.9 粒径＜50 µm 百分比（Pf） 采用激光粒度分布仪，加入适量待测粉末样品于干法进样器中，以空气为介质，计算Pf。

2.1.10 相对均齐度指数（Iθ） 使用激光粒度分布仪，以空气为介质，将粉末样品加入干法进料斗中，测定粉末的粒度分布，计算每个粒径范围内待测粉末所占的百分比。分别选取粒径355、212、100、50µm 4 个粒径节点的粉末进行计算，公式如下[12,19]。

Iθ＝Fm/[100＋(dm－dm－1)Fm－1＋(dm＋1－dm)Fm＋1＋(dmdm－2)Fm－2＋(dm＋2－dm)Fm＋2…(dm＋n－dm)Fm＋n]

n为所确定的粒径范围个数，Fm代表粉末粒径在多数范围的质量百分比，Fm－1为多数粒径范围下一层筛子截留粉末的质量百分比，Fm+1为多数粒径范围上一层筛子截留粉末的质量百分比，dm为多数粒径范围的粉末平均值，dm－1为多数粒径范围下一层筛子截留粉末平均粒径，dm+1为多数粒径范围上一层筛子截留粉末的平均粒径

2.1.11 吸湿性（H） 取洗净干燥后的具塞称量瓶，敞口置于事先设置好的恒温恒湿箱［温度（25±2）℃，湿度（75±2）%）］中平衡12 h，盖上盖子，取出称定质量（M1），加入约1 g 待测粉末于瓶中称定质量（M2），并平铺于称量瓶底部。将称量瓶继续敞口于恒温恒湿箱中，24 h 后盖好称量瓶瓶盖，精密称定质量（M3），计算公式如下。

H＝(M3－M2)/(M2－M1)

2.1.12 含水量（HR） 取干燥恒定质量过的具塞称量瓶（M4），向瓶中加入约2 g 待测粉末称定（M5），并平铺于瓶底，置于105 ℃鼓风干燥箱中先恒定质量5 h 后取出放置室温称定质量，再放回干燥箱中恒定质量1 h，取出，放置室温称定质量（M6），计算公式如下。

HR＝(M5－M6)/(M5－M4)

晶体管上的源/漏极开路缺陷可以被抽象成晶体管与电源或地之间的开路电阻,R1表示P1与VDD之间的开路电阻,R2表示P2与VDD之间的开路电阻,R3表示N3与VSS之间的开路电阻,R4表示N4与VSS之间的开路电阻。基于低电压8T SRAM结构,电阻R1、R2、R3、R4的依次注入,每次只添加一个附加电阻,阻值由小到大变化,同时观察电路输出状态,直到单元读写发生错误,并记录最小可检测电阻,如表1所示。

2.1.13 颗粒溶化性 参考《中国药典》2020年版[20]三部0104 颗粒剂溶化性测定方法：称取约10 g 颗粒样品（M7）于250 mL 烧杯中，加入200 mL 热水［（75±2）℃］搅拌5 min，趁热滤过，将滤液转移置已恒定质量的蒸发皿（M8）上蒸干，放入105 ℃干燥箱干燥至恒定质量，取出放入干燥器中放凉后称定质量（M9），计算溶化率（dissolution rate，DR），计算公式如下。

DR＝(M9－M8)/M7

2.2 数据分析方法

采用GraphPad Prism 软件（Version 8.0，美国GraphPad Software 公司）对各品种物性指标间相似性进行数据分析，并绘制二维相关系数矩阵热点图。运用SPSS Statistics 软件（Version 24.0，美国IBM公司）对各品种粉体学测定数据进行标准化，结合SIMCA 软件（Version 14.1，瑞典MKS Umetrics 公司）建立HCA、PCA-PLS 相关性模型预测分析。

2.3 各品种间物性指标的相关性分析

以60 个中药配方颗粒制粒前一步混合粉及颗粒为研究对象，各粉体学指标测得的数据见表2。同时以各品种的18 个物性指标构建物料属性相关性热点图（图1）分析，以科学评价各品种在物理属性上的相关性。热点图（图1）中各品种在同一指标上颜色越深或者色差一致，说明品种在该物性指标上相似性越高，反之，若各品种在某一指标上色差越大，表明在该指标上品种间相关性越差。结果显示，各品种在Da、Dc、IH、Ie、IC、HR、Iθ 及D10、UN、span 上存在较高相似性，在a及D50、D60、D90、Pf、SSA、width 上存在差异，各品种间物性指标相关系数为-0.951～1.000，其物性指标间的相关性需做进一步分析。

图1 各品种中药配方颗粒间物性指标相关性热点图Fig.1 Hot spot map of correlation of physical properties index between various TCM formula granules

表2 60 个品种18 个物性指标测定数据Table 2 Determination data of 18 physical properties of 60 varieties

续表2

2.4 粉体物料属性的多元统计分析

基于上述各品种物性指标间相关性分析，以18个参数表征数据做进一步HCA，通过离差平方和法（Ward）计算类间相关系数，对60 个中药配方颗粒进行分类（图2）。结果显示，60 种中药配方颗粒按粉体学属性可归为5 类，其中CYHS、THF、YHS、MBH 与BH 中药配方颗粒聚为一类，HQ、MHJ、JG、ZBJT、GL、HY、SDH、MPPY、CXF、JSZ、HH 及MSBP12 种配方颗粒为一类，ZSZ、FF、JDG、DZ、DG、HS、CBCH、ZL、XD、YZ、HHP、HHH、MZC、YCH、YDZ、SW 与XKC 17 种配方颗粒为一类，FCZQ、HSW、SG、ZGC、YYDH 与JCR 6种配方颗粒为一类，WM、XF、CP、HJT、QH、DFZ、ZZGG、WY、SZ、SD、KS、TFL、JHQ、HB、XJ、QP、DZY、MHD、HZ 与ZJF 20 种配方颗粒聚集为一类，说明各品种物性参数存在一定的差异。物料属性除了受粉体参数相互间的影响外，本身所含的化学成分也可能引起物性的差异，值得进一步深入研究。采用PCA 对60 批粉体物料的18 个变量进行分析，提取到的特征信息见表3。其中主成分1（PC1）方差贡献率达53.87%，主成分2（PC2）与主成分3（PC3）方差贡献率分别为15.62%、10.33%，累积贡献率为79.82%，选取3 个主成分构建PCA模型，PCA 得分图见图3。结果表明各品种批次信息并不会对物料属性产生影响，2 种模型结果一致，其粉体学数据可做进一步模型分析。

图3 各品种配方颗粒生产真实世界物料属性PCA 得分图Fig.3 PCA score chart of material properties in real world production of various TCM formula granules

表3 数学模型的PCATable 3 PCA of mathematical model

图2 60 种中药配方颗粒物理属性的HCA 树状分析Fig.2 HCA tree analysis of physical properties of 60 kinds of TCM formula granules

2.5 各物性指标间的相关性分析

以60 个品种测得的18 个物性参数进行指标间相关性系数分析，其相关系数P值见表4，并绘制其二维矩阵热点图（图4），图中以白色为基线，颜色越红或越绿，说明指标间相关性越高，颜色越浅，其相关性越弱。从结果可以看出，Da、Ie、IC、IH、D10、D50与α呈显著相关（P＜0.05）；Dc、Ie、IC、IH、D10、D50、D60、D90、SSA、Iθ、width、Pf 与Da有显著相关（P＜0.05）；Ie、IC、IH、D10、D50、D60、D90、SSA、Iθ、width、Pf 与Dc呈显著相关（P＜0.05）；IC、IH、D10、D50、D60、D90、SSA、Iθ、width、Pf 与Ie呈显著相关（P＜0.05）；IH、D10、D50、D60、D90、SSA、Iθ、width、Pf 与IC 呈显著相关（P＜0.05）；D10、D50、D60、D90、SSA、Iθ、width、Pf 与IH 显著相关（P＜0.05）；D50、D60、D90、UN、SSA、span、Iθ、width、Pf 与D10显著相关（P＜0.05）；D60、D90、SSA、Iθ、width、Pf 与D50显著相关（P＜0.05）；D90、SSA、Iθ、width、Pf 与D60显著相关（P＜0.05）；SSA、Iθ、width、Pf 与D90显著相关（P＜0.05）；Iθ、span、width、Pf 与SSA；width、Pf与Iθ 呈显著相关（P＜0.05）。同时发现，某些粉体属性可以对多个指标产生影响，如粒径D10、D50、D60、D90、Pf、width 与Iθ 可以对粉体可压性属性造成影响，也反映出物料粉体性质之间存在一定的关联性及动态性，其中不同粒径分布大小之间相关性更加显著。

图4 18 个物性指标间相关矩阵热点图Fig.4 Hot spot diagram of correlation matrix among 18 physical property indexes

表4 指标间相关性系数P 值Table 4 P value of correlation coefficient between indicators

2.6 中药配方颗粒溶化性CMAs 的筛选

以各品种18 个物性参数进行标准化处理后作为自变量，颗粒DR 为因变量构建PLS-DA 关键物料属性辨识模型。同时以交叉验证决定系数（Q2）、校正决定系数（R2X）与预测决定系数（R2Y）作为模型性能指标，三者的值越接近于1，说明建立的模型预测和校正性能越好。结果显示，Q2＝0.991，R2X＝0.973，R2Y＝0.994，计算后得到的模型相对预测误差为7.70%＜10%，说明该模型预测性能较好。各品种粉体学性质对颗粒溶化性的响应值（variable importance for the projection，VIP）见图5，由图可知，对颗粒溶化性影响较为显著（VIP 值大于1，说明自变量对因变量影响显著）的有α、IH、IC、H、Pf、HR、span、UN、Dc、SSA、Da与Ie。α、IH 反映粉末的流动性；IC 与Ie反映粉末的可压性；Da、Dc均表征的是粉末的堆积性；H与HR 反映其稳定性；故在中药配方颗粒生产过程中可以通过控制粉体的流动性、堆积性、稳定性和表面形态等指标达到改善颗粒的溶化性。

图5 模型的VIP 值分布Fig.5 VIP distribution of PLS model

图6 模型的相关系数Fig.6 Correlation coefficient of PLS model

以方差膨胀因子（variance inflation factor，VIF）为评价指标，对12 个pCMAs 进一步做变量共线性分析，结果见表5。其中VIF 小于10 表明存在弱共线性，介于10～100 则存在较强的共线性[21-22]。可以看到α、HR、H与SSA 的VIF 值均小于10，说明这4 个变量存在较弱共线性。

表5 模型变量的VIF 值Table 5 VIF value of model variable

综上分析结果，VIF＜10 且VIP＞1 的变量为α、HR、H与SSA，同时4 个变量的回归系数均为正，对颗粒溶化性影响较显著，故可将其作为CMAs，提示在实际生产过程中可以从这4 个物理属性指标来控制水提条件下干法制粒的中药配方颗粒溶化性问题。

3 讨论

随着国家对中药配方颗粒相关法规的推进与出台，配方颗粒的质量控制标准也已经由“一企一规”转为国家与企业共同制定，大大加快了中药配方颗粒生产应用进程[5]。目前，对中药质量一致性评价包含化学成分与生物效应的一致性评估[23-24]，中药配方颗粒作为传统汤剂的衍生物，化学成分的含量及品种评价不足以评价两者的一致性，因为其药效活性不仅受化学成分含量与种类影响，还有不同化合物间的相态影响[25-26]。研究发现，在当归补血汤不同体系中，物料表面性质可作为其质量控制和制备工艺的参考指标[27]。这也提示在中药配方颗粒质量控制方面应关注中间体物料的物理属性影响，挖掘更多理化参数，以提高产品质量。

本实验从提取工艺角度出发，以水提条件下的60 种中药配方颗粒的混合粉与干法制粒所得颗粒为研究对象，通过对各品种粉体物料属性进行相关性分析与评价，初步筛选出α、HR、H与SSA 为影响水提工艺下干法制粒的中药配方颗粒溶化性关键物料属性。中药配方颗粒以单味药材入药，不同药材中所含成分存在差异，本实验物料中以水溶性成分为主。从分析结果来看，水溶性成分的粉体学属性中α、HR、H与SSA 是影响干法制粒所得配方颗粒溶化性的关键因素。针对不同提取工艺下所得粉体物料对颗粒溶化性影响的机制探索将是今后研究方向，同时同一提取条件下的粉体物料对不同制粒方式的中药配方颗粒溶化性影响也值得进一步探讨。本研究基于中药配方颗粒中间体粉体学性质，采用二维相关性矩阵热图对品种间与指标间相似性进行分析，结合多元统计分析方法初步建立粉体物料属性与颗粒溶化性关联模型。研究中收集的样本数据远远小于大生产数据，后期将进一步增大样本量，以提高模型相关预测性能，为提升中药配方颗粒质量和生产提供参考与借鉴。

利益冲突所有作者均声明不存在利益冲突