產(chǎn)品分類
-
實驗室儀器
按功能分
- 提供實驗環(huán)境的設(shè)備
- 分離樣品并處理設(shè)備
- 對樣品前處理的設(shè)備
- 處理實驗器材的設(shè)備
- 保存實驗樣品用設(shè)備
- 1. 冰箱
- 2. 保鮮柜
- 3. 傳感器
- 4. 低壓電氣
- 5. 工業(yè)自動化
- 6. 化學(xué)品儲存
- 7. 控濕柜
- 8. 冷藏柜
- 9. 冷凍箱
- 10. 循環(huán)烘箱
- 11. 液氮罐
- 12. 工業(yè)型液氮罐
- 13. 液氮容器配件
- 14. 油桶柜
- 15. 貯存箱
- 1. 搗碎機
- 2. 超聲波清洗器
- 3. 干燥箱
- 4. 滅菌器\消毒設(shè)備
- 5. 清洗機
- 1. 蛋類分析儀
- 2. 粉碎機
- 3. 谷物分析儀
- 4. 混勻儀
- 5. 攪拌器
- 6. 馬弗爐
- 7. 樣品制備設(shè)備
- 8. 破碎、研磨、均質(zhì)儀器
- 9. 消解
- 計量儀器
- 培養(yǎng)孵育設(shè)備
- 基礎(chǔ)通用設(shè)備
- 通用分析儀器
- 樣品結(jié)果分析
- 1. CO2培養(yǎng)箱
- 2. 動物細(xì)胞培養(yǎng)罐
- 3. 封口用
- 4. 發(fā)芽箱
- 5. 孵育器
- 6. 發(fā)酵罐
- 7. 恒溫槽、低溫槽
- 8. 恒溫恒濕
- 9. 培養(yǎng)箱
- 10. 培養(yǎng)架
- 11. 人工氣候箱
- 12. 水浴、油浴、金屬浴
- 13. 搖床
- 14. 厭氧微需氧細(xì)胞培養(yǎng)設(shè)備
- 1. 邊臺
- 2. 刨冰機
- 3. 電熱板
- 4. 輻射檢測
- 5. 干燥箱
- 6. 瓶口分配器
- 7. 水質(zhì)分析類
- 8. 水質(zhì)采樣器
- 9. 實驗臺
- 10. 溫、濕、氣壓、風(fēng)速、聲音、粉塵類
- 11. 穩(wěn)壓電源(UPS)
- 12. 文件柜
- 13. 移液器
- 14. 制造水、純水、超純水設(shè)備
- 15. 制冰機
- 16. 中央臺
- 17. 真空干燥箱
- 1. 比色計
- 2. 測厚儀
- 3. 光度計
- 4. 光譜儀
- 5. 光化學(xué)反應(yīng)儀
- 6. 電參數(shù)分析儀
- 7. 檢驗分析類儀器
- 8. 瀝青檢測
- 9. 酶標(biāo)儀洗板機
- 10. 凝膠凈化系統(tǒng)
- 11. 氣質(zhì)聯(lián)用儀
- 12. 氣體發(fā)生裝置
- 13. 水份測定儀
- 14. 色譜類
- 15. 水質(zhì)分析、電化學(xué)儀
- 16. 石油、化工產(chǎn)品分析儀
- 17. 實驗室管理軟件
- 18. 同位素檢測
- 19. 透視設(shè)備
- 20. 旋光儀
- 21. 濁度計
- 22. 折光儀
- 顯微鏡
- 電化學(xué)分析類
- 其他
- 1. 電源
- 2. 光照組培架
- 3. 戶外檢測儀器
- 4. 戶外分析儀器
- 5. IVF工作站配套儀器
- 6. 空氣探測儀器
- 7. 科研氣象站
- 8. 空調(diào)
- 9. 冷卻器
- 10. 配件
- 11. 其他
- 12. 溶液
- 13. 軟件
- 14. 水質(zhì)分析、電化學(xué)儀
- 15. 實驗室系統(tǒng)
- 16. 試劑
- 17. 現(xiàn)場儀表
按專業(yè)實驗室分- 化學(xué)合成
- 乳品類檢測專用儀器
- 細(xì)胞工程類
- 種子檢測專用儀器
- 病理設(shè)備
- 1. 乳品類檢測專用儀器
- 1. 細(xì)胞分析儀
- 2. 細(xì)胞培養(yǎng)用品
- 3. 細(xì)胞融合、雜交
- 1. 種子檢測專用儀器
- 層析設(shè)備
- 動物實驗設(shè)備
- 糧油檢測
- 生物類基礎(chǔ)儀器
- 植物土壤檢測
- 1. 動物呼吸機
- 2. 動物固定器
- 3. 仿生消化系統(tǒng)
- 1. 電泳(電源)儀、電泳槽
- 2. 分子雜交
- 3. 基因工程
- 4. PCR儀
- 5. 紫外儀、凝膠成像系統(tǒng)
- 藥物檢測分析
- 地質(zhì)
- 紡織
- 分析儀器
- 農(nóng)產(chǎn)品質(zhì)量監(jiān)測
- 1. 臭氧濃度分析儀
- 2. 電化學(xué)分析
- 3. 煤質(zhì)分析儀系列
- 4. 石油儀器
- 5. 成分分析儀
- 6. 植物分析儀系統(tǒng)
- 水產(chǎn)品質(zhì)量安全
- 水產(chǎn)技術(shù)推廣
- 水生動物防疫
- 食品檢測實驗室
- 疾病預(yù)防控制中心
- 1. 計數(shù)儀
- 2. 水產(chǎn)品質(zhì)安監(jiān)測
- 3. 水產(chǎn)品檢測試紙
- 4. 水產(chǎn)品檢測藥品
- 1. 快速檢測試劑盒
- 2. 肉類檢測儀器
- 3. 食品安全快速分析儀
- 4. 食品安全檢測箱
- 5. 食品檢測儀器配套設(shè)備
- 6. 食品安全檢測儀器
- 7. 三十合一食品安全檢測儀
- 8. 相關(guān)配置、配件
- 供水、水文監(jiān)測
-
暫無數(shù)據(jù),詳情請致電:18819137158 謝謝!
-
暫無數(shù)據(jù),詳情請致電:18819137158 謝謝!
-
暫無數(shù)據(jù),詳情請致電:18819137158 謝謝!
-
暫無數(shù)據(jù),詳情請致電:18819137158 謝謝!
-
暫無數(shù)據(jù),詳情請致電:18819137158 謝謝!
-
暫無數(shù)據(jù),詳情請致電:18819137158 謝謝!
熱銷品牌 - 工業(yè)儀器
- 戶外儀器
- 環(huán)境監(jiān)測
- 便攜式儀器
- 在線式儀器
近紅外光譜法在藥物分析中的應(yīng)用
[2013/4/8]
近年來,由于巨型計算機與化學(xué)統(tǒng)計學(xué)軟件的發(fā)展,特別是化學(xué)計量學(xué)的深入研究和廣泛應(yīng)用,使其成為發(fā)展最快、最引人注目的光譜技術(shù)。而且由于該技術(shù)方便快速,無需對樣品進(jìn)行預(yù)處理,適用于在線分析等特點,在藥物分析領(lǐng)域中正不斷得到重視與應(yīng)用。
近紅外(NearInfrared,NIR)光譜的波長范圍是780~2526nm(12820~3959cm-1),通常又將此波長范圍劃分為近紅外短波區(qū)(780~1100nm)和近紅外長波區(qū)(1100~2526nm)。由于該區(qū)域主要是O-H,N-H,C-H,S-H等含氫基團(tuán)振動光譜的倍頻及合頻吸收,譜帶寬,重疊較嚴(yán)重,而且吸收信號弱,信息解析復(fù)雜,所以雖然該譜區(qū)發(fā)現(xiàn)較早,但分析價值一直未能得到足夠的重視。
1近紅外光譜的測量
根據(jù)NIR光譜的獲得方式,通常有透射(Transmittance)和漫反射(DiffuseReflectance)兩種[2]。
透射測定法的定量關(guān)系遵從Lambert-Beer定律,主要適用于液體樣品,其正常的工作波長范圍是850~1050nm[3]。浙江大學(xué)的史月華等人用該原理,在93%~97.4%的濃度范圍內(nèi)利用維生素E在6061~5246cm-1處的近紅外吸收峰面積積分值和其濃度關(guān)系建立回歸方程,對已知濃度的樣品進(jìn)行預(yù)測,誤差及相對誤差均在0.79%~0.9%內(nèi)[4,5]。
漫反射測定法是對固體樣品進(jìn)行近紅外測定常用的方法。當(dāng)光源垂直于樣品的表面,有一部分漫反射光會向各個方向散射,將檢測器放在與垂直光成45o角的位置測定散射光強的方法稱為漫反射法。漫反射光強度A與反射率R的關(guān)系為式中,R1為反射光強,R0為完全不吸收的表面反射光強。國內(nèi)已有人先后用漫反射技術(shù)測定了精氨酸阿司匹林[6]、安乃近[7]、蘆丁和維生素E[8]等的含量,并且用反射光譜法對磺胺噻唑[9]進(jìn)行質(zhì)量評價。
以透射和漫反射為測試基礎(chǔ),為適應(yīng)不同物質(zhì)在不同狀態(tài)時直接測定其近紅外光譜,90年代以來光纖技術(shù)在NIR中得到了廣泛應(yīng)用。光纖不僅可方便的傳輸光譜信號,各式各樣的光纖探頭還極大地方便了NIR進(jìn)行各類快速在線分析。
2近紅外光譜技術(shù)在藥物分析中的應(yīng)用
2.1應(yīng)用范圍
近紅外光譜法在藥物分析領(lǐng)域中的應(yīng)用范圍相當(dāng)廣泛,它不僅適用于藥物的多種不同狀態(tài)如原料[10]、完整的片劑、膠囊與液體等制劑[11],還可用于不同類型的藥品,如蛋白質(zhì)[12]、中草藥[13]、抗生素[14]等藥物的分析。NIR更適用于對原料藥純度、包裝材料等的分析與檢測以及生產(chǎn)工藝的監(jiān)控[15,16];利用不同的光纖探頭可實現(xiàn)生產(chǎn)工藝的在線連續(xù)分析監(jiān)控[17,18,19,20,21]。
2.2定性、定量分析
現(xiàn)代近紅外光譜技術(shù)不是通過觀察供試品譜圖特征或測量供試品譜圖參數(shù)直接進(jìn)行定性或定量分析,而是首先通過測定樣品校正集的光譜、組成或性質(zhì)數(shù)據(jù)(組成或性質(zhì)數(shù)據(jù)需通過其它認(rèn)可的標(biāo)準(zhǔn)方法測定),采用合適的化學(xué)計量學(xué)方法建立校正模型,再通過建立的校正模型與未知樣品進(jìn)行比較,實現(xiàn)定性或定量分析。
2.2.1定性分析
近紅外光譜譜帶較寬,特征性不強,因此很少像其它光譜(如紫外光譜和紅外光譜)那樣用于化合物基團(tuán)的識別及結(jié)構(gòu)的鑒定。近紅外光譜的定性分析一般是用于確定分析樣品在已知樣品集中的位置[22]。常用的方法包括:
(1)判別分析法:判別分析是經(jīng)典的定性識別方法,其基本思路是相同樣品在不同波長下具有相近的光譜吸收,這種光譜間的比較可以是原始光譜,也可以是經(jīng)過處理的光譜。
(2)主成分分析(PrincipalComponentAnalysisPCA)法:利用PCA方法將多波長下的光譜數(shù)據(jù)壓縮到有限的幾個因子空間內(nèi),再通過樣品在各因子空間的得分確定其歸屬類別,但PCA對樣本與校正集間的確切位置缺乏定量的解釋。任玉林等采用此方法研究了去痛片[23]的近紅外漫反射光譜,總結(jié)出對標(biāo)化后的數(shù)據(jù)進(jìn)行主成分分析可減小顆粒大小的變化所產(chǎn)生的散射影響,并且用第二主成分得分對第一主成分作圖可以將合格樣品與不合格樣品區(qū)分開來。其缺點是當(dāng)真藥與劣藥的含量相當(dāng)接近時此法容易分錯[24]。
(3)馬氏距離(MahalanobisDistanceMD)法:該方法的核心是通過多波長下的光譜距離定量描述出測量樣本離校正集樣本的位置,因而在光譜匹配異常點檢測和模型外推方面都很有用。但應(yīng)用該方法時,波長位置的選擇非常重要,波長點過少,光譜得不到合理的描述;波長點過多,計算量大,為此,徐廣通提出將PCA與馬氏距離相結(jié)合解決模型的適用性判斷,可以充分利用PCA對大量光譜數(shù)據(jù)進(jìn)行降維處理,也較好地解決了馬氏距離計算時波長點的選擇問題,避免了大量光譜數(shù)據(jù)直接進(jìn)行馬氏距離計算出現(xiàn)的共線性或計算量大等問題,且克服了采用PCA自身進(jìn)行判斷界限不易量化的問題[25]。
2.2.2定量分析
近紅外光譜測量時一般不需對樣品進(jìn)行預(yù)處理,但測定的光譜可能受到各種干擾因素的影響。利用單一波長下獲得的光譜數(shù)據(jù)很難獲得準(zhǔn)確的定量分析結(jié)果。NIR光譜結(jié)構(gòu)復(fù)雜,譜圖重疊較多,所以在進(jìn)行定量分析時,一般采用多波長下獲得的數(shù)據(jù)并進(jìn)行一定的數(shù)據(jù)處理才能獲得準(zhǔn)確可靠的分析結(jié)果。常用方法如下:
(1)主成分回歸(PrincipalComponentRegression,PCR):原理與PCA相同。吉林大學(xué)的任玉林等在此方面進(jìn)行了深入研究[26]。PCR在解釋光譜數(shù)據(jù)時起著重要作用,從主成分權(quán)重圖中能夠確定主成分與哪個組份有關(guān),但確切而全面地解釋每個主成分代表什么迄今仍是最難解決的問題。
(2)偏最小二乘法(PartialLeastSquarePLS):該法是一種全光譜分析方法,充分利用多個波長下的有用信息,無需刻意的選擇波長,并能濾去原始數(shù)據(jù)噪音,提高信噪比,解決交互影響的非線性問題,很合適在NIR中使用[27]。實驗證明,PLS法同近紅外漫反射光譜法結(jié)合,直接分析固態(tài)粉末藥品磺胺甲基異唑[28]、安體舒通[29]、安乃近[30]、磺胺脒[31]是可行的,同其它方法相比具有速度快、簡便、且不破壞樣品的優(yōu)點。
(3)人工神經(jīng)網(wǎng)絡(luò)法(ArtificialNeuralNetworksANN):近年來興起的ANN法研究,根據(jù)樣品各組分的光譜數(shù)據(jù)建立人工神經(jīng)網(wǎng)絡(luò)模型,預(yù)測未知樣品并討論影響網(wǎng)絡(luò)的各參數(shù)。采用ANN法對阿司匹林[32]、撲熱息痛[33]、美的康[34]等藥物定量分析的結(jié)果表明,ANN法的最大優(yōu)點是其抗干擾、抗噪音及強大的非線性轉(zhuǎn)換能力,對于某些特殊情況ANN會得到更小的校正誤差和預(yù)測誤差,并且它的預(yù)示結(jié)果要稍優(yōu)于PLS(t檢驗無顯著差異)。這可能是由于ANN法具有更強的非線性處理能力所致。
此外還有多元線性回歸(MultipleLinearRegressionMLR)、拓?fù)?TopologyTP)等方法也在近紅外光譜分析中得到應(yīng)用。
3問題與展望
盡管NIR在藥物分析領(lǐng)域顯現(xiàn)出勃勃生機,但目前它還存在一定的弱點。首先,它是一種間接的相對分析技術(shù),通過收集大量具有代表性的標(biāo)準(zhǔn)樣品,通過嚴(yán)格細(xì)致的化學(xué)分析測出必要的數(shù)據(jù),再通過計算機建立數(shù)學(xué)模型,預(yù)測未知樣品的結(jié)果。而模型的建立需耗用大量的人力、物力和財力;其次,由于NIR譜區(qū)為分子倍頻與合頻的振動光譜,信號弱,譜峰重疊嚴(yán)重,所以目前還僅能用于常量分析,被測定組分的量一般應(yīng)大于樣品重量的0.1%;此外,在進(jìn)行近紅外光譜分析時,應(yīng)考慮樣品的特征、分析實驗的設(shè)計及數(shù)據(jù)處理等多方面的問題,才能取得正確的分析結(jié)果,建立可靠的校正模型是近紅外光譜成功的關(guān)鍵,而合理的實驗設(shè)計和恰當(dāng)?shù)姆治瞿P蛣t是建立校正模型的關(guān)鍵[35]。
NIR光譜分析的最大特點是操作簡便、快速,可不破壞樣品進(jìn)行原位、在線測量;測量信號又可以遠(yuǎn)距離傳輸和分析;特別是與計算機技術(shù)和光導(dǎo)纖維技術(shù)相結(jié)合,采用NIR透射、散射、漫反射光譜學(xué)檢測方法,可以不使用化學(xué)試劑,不必進(jìn)行預(yù)處理,可直接對顆粒狀、固體狀、糊狀、不透明的樣品進(jìn)行分析。這些特點正逐漸被制藥界所認(rèn)識,并顯示出極大潛力,在制藥工作和質(zhì)量控制分析中具有廣闊的應(yīng)用前景。此外,NIR用于生產(chǎn)過程中的含量與水分分析也表現(xiàn)出獨特的魅力[36]。目前NIR已成為AOAC(AssociationofOfficialAnalyticalChemists)一種標(biāo)準(zhǔn)分析方法應(yīng)用于藥品檢測中[37]。儀器生產(chǎn)商和藥物分析專家的合作開發(fā)已使FDA、歐洲和加拿大藥物管理局正式研究用近紅外光譜分析技術(shù)取代繁瑣費時的常規(guī)分析方法的可行性,部分測試項目已被FDA批準(zhǔn)為標(biāo)準(zhǔn)方法。USP(UnitedStatesPharmacopia第25版)最近已在附錄中增補近紅外分析方法[38]。
國內(nèi),在SDA(StateDrugAdministration)的支持下,我所正在探索藥品監(jiān)督檢驗執(zhí)法過程中采用NIR進(jìn)行快速鑒別及定量分析的可行性。結(jié)合全國抽驗工作,對NIR模型的準(zhǔn)確性及模型傳遞的誤差進(jìn)行系統(tǒng)評價,這項工作的開展對打擊假劣藥品具有重要意義。
近紅外(NearInfrared,NIR)光譜的波長范圍是780~2526nm(12820~3959cm-1),通常又將此波長范圍劃分為近紅外短波區(qū)(780~1100nm)和近紅外長波區(qū)(1100~2526nm)。由于該區(qū)域主要是O-H,N-H,C-H,S-H等含氫基團(tuán)振動光譜的倍頻及合頻吸收,譜帶寬,重疊較嚴(yán)重,而且吸收信號弱,信息解析復(fù)雜,所以雖然該譜區(qū)發(fā)現(xiàn)較早,但分析價值一直未能得到足夠的重視。
1近紅外光譜的測量
根據(jù)NIR光譜的獲得方式,通常有透射(Transmittance)和漫反射(DiffuseReflectance)兩種[2]。
透射測定法的定量關(guān)系遵從Lambert-Beer定律,主要適用于液體樣品,其正常的工作波長范圍是850~1050nm[3]。浙江大學(xué)的史月華等人用該原理,在93%~97.4%的濃度范圍內(nèi)利用維生素E在6061~5246cm-1處的近紅外吸收峰面積積分值和其濃度關(guān)系建立回歸方程,對已知濃度的樣品進(jìn)行預(yù)測,誤差及相對誤差均在0.79%~0.9%內(nèi)[4,5]。
漫反射測定法是對固體樣品進(jìn)行近紅外測定常用的方法。當(dāng)光源垂直于樣品的表面,有一部分漫反射光會向各個方向散射,將檢測器放在與垂直光成45o角的位置測定散射光強的方法稱為漫反射法。漫反射光強度A與反射率R的關(guān)系為式中,R1為反射光強,R0為完全不吸收的表面反射光強。國內(nèi)已有人先后用漫反射技術(shù)測定了精氨酸阿司匹林[6]、安乃近[7]、蘆丁和維生素E[8]等的含量,并且用反射光譜法對磺胺噻唑[9]進(jìn)行質(zhì)量評價。
以透射和漫反射為測試基礎(chǔ),為適應(yīng)不同物質(zhì)在不同狀態(tài)時直接測定其近紅外光譜,90年代以來光纖技術(shù)在NIR中得到了廣泛應(yīng)用。光纖不僅可方便的傳輸光譜信號,各式各樣的光纖探頭還極大地方便了NIR進(jìn)行各類快速在線分析。
2近紅外光譜技術(shù)在藥物分析中的應(yīng)用
2.1應(yīng)用范圍
近紅外光譜法在藥物分析領(lǐng)域中的應(yīng)用范圍相當(dāng)廣泛,它不僅適用于藥物的多種不同狀態(tài)如原料[10]、完整的片劑、膠囊與液體等制劑[11],還可用于不同類型的藥品,如蛋白質(zhì)[12]、中草藥[13]、抗生素[14]等藥物的分析。NIR更適用于對原料藥純度、包裝材料等的分析與檢測以及生產(chǎn)工藝的監(jiān)控[15,16];利用不同的光纖探頭可實現(xiàn)生產(chǎn)工藝的在線連續(xù)分析監(jiān)控[17,18,19,20,21]。
2.2定性、定量分析
現(xiàn)代近紅外光譜技術(shù)不是通過觀察供試品譜圖特征或測量供試品譜圖參數(shù)直接進(jìn)行定性或定量分析,而是首先通過測定樣品校正集的光譜、組成或性質(zhì)數(shù)據(jù)(組成或性質(zhì)數(shù)據(jù)需通過其它認(rèn)可的標(biāo)準(zhǔn)方法測定),采用合適的化學(xué)計量學(xué)方法建立校正模型,再通過建立的校正模型與未知樣品進(jìn)行比較,實現(xiàn)定性或定量分析。
2.2.1定性分析
近紅外光譜譜帶較寬,特征性不強,因此很少像其它光譜(如紫外光譜和紅外光譜)那樣用于化合物基團(tuán)的識別及結(jié)構(gòu)的鑒定。近紅外光譜的定性分析一般是用于確定分析樣品在已知樣品集中的位置[22]。常用的方法包括:
(1)判別分析法:判別分析是經(jīng)典的定性識別方法,其基本思路是相同樣品在不同波長下具有相近的光譜吸收,這種光譜間的比較可以是原始光譜,也可以是經(jīng)過處理的光譜。
(2)主成分分析(PrincipalComponentAnalysisPCA)法:利用PCA方法將多波長下的光譜數(shù)據(jù)壓縮到有限的幾個因子空間內(nèi),再通過樣品在各因子空間的得分確定其歸屬類別,但PCA對樣本與校正集間的確切位置缺乏定量的解釋。任玉林等采用此方法研究了去痛片[23]的近紅外漫反射光譜,總結(jié)出對標(biāo)化后的數(shù)據(jù)進(jìn)行主成分分析可減小顆粒大小的變化所產(chǎn)生的散射影響,并且用第二主成分得分對第一主成分作圖可以將合格樣品與不合格樣品區(qū)分開來。其缺點是當(dāng)真藥與劣藥的含量相當(dāng)接近時此法容易分錯[24]。
(3)馬氏距離(MahalanobisDistanceMD)法:該方法的核心是通過多波長下的光譜距離定量描述出測量樣本離校正集樣本的位置,因而在光譜匹配異常點檢測和模型外推方面都很有用。但應(yīng)用該方法時,波長位置的選擇非常重要,波長點過少,光譜得不到合理的描述;波長點過多,計算量大,為此,徐廣通提出將PCA與馬氏距離相結(jié)合解決模型的適用性判斷,可以充分利用PCA對大量光譜數(shù)據(jù)進(jìn)行降維處理,也較好地解決了馬氏距離計算時波長點的選擇問題,避免了大量光譜數(shù)據(jù)直接進(jìn)行馬氏距離計算出現(xiàn)的共線性或計算量大等問題,且克服了采用PCA自身進(jìn)行判斷界限不易量化的問題[25]。
2.2.2定量分析
近紅外光譜測量時一般不需對樣品進(jìn)行預(yù)處理,但測定的光譜可能受到各種干擾因素的影響。利用單一波長下獲得的光譜數(shù)據(jù)很難獲得準(zhǔn)確的定量分析結(jié)果。NIR光譜結(jié)構(gòu)復(fù)雜,譜圖重疊較多,所以在進(jìn)行定量分析時,一般采用多波長下獲得的數(shù)據(jù)并進(jìn)行一定的數(shù)據(jù)處理才能獲得準(zhǔn)確可靠的分析結(jié)果。常用方法如下:
(1)主成分回歸(PrincipalComponentRegression,PCR):原理與PCA相同。吉林大學(xué)的任玉林等在此方面進(jìn)行了深入研究[26]。PCR在解釋光譜數(shù)據(jù)時起著重要作用,從主成分權(quán)重圖中能夠確定主成分與哪個組份有關(guān),但確切而全面地解釋每個主成分代表什么迄今仍是最難解決的問題。
(2)偏最小二乘法(PartialLeastSquarePLS):該法是一種全光譜分析方法,充分利用多個波長下的有用信息,無需刻意的選擇波長,并能濾去原始數(shù)據(jù)噪音,提高信噪比,解決交互影響的非線性問題,很合適在NIR中使用[27]。實驗證明,PLS法同近紅外漫反射光譜法結(jié)合,直接分析固態(tài)粉末藥品磺胺甲基異唑[28]、安體舒通[29]、安乃近[30]、磺胺脒[31]是可行的,同其它方法相比具有速度快、簡便、且不破壞樣品的優(yōu)點。
(3)人工神經(jīng)網(wǎng)絡(luò)法(ArtificialNeuralNetworksANN):近年來興起的ANN法研究,根據(jù)樣品各組分的光譜數(shù)據(jù)建立人工神經(jīng)網(wǎng)絡(luò)模型,預(yù)測未知樣品并討論影響網(wǎng)絡(luò)的各參數(shù)。采用ANN法對阿司匹林[32]、撲熱息痛[33]、美的康[34]等藥物定量分析的結(jié)果表明,ANN法的最大優(yōu)點是其抗干擾、抗噪音及強大的非線性轉(zhuǎn)換能力,對于某些特殊情況ANN會得到更小的校正誤差和預(yù)測誤差,并且它的預(yù)示結(jié)果要稍優(yōu)于PLS(t檢驗無顯著差異)。這可能是由于ANN法具有更強的非線性處理能力所致。
此外還有多元線性回歸(MultipleLinearRegressionMLR)、拓?fù)?TopologyTP)等方法也在近紅外光譜分析中得到應(yīng)用。
3問題與展望
盡管NIR在藥物分析領(lǐng)域顯現(xiàn)出勃勃生機,但目前它還存在一定的弱點。首先,它是一種間接的相對分析技術(shù),通過收集大量具有代表性的標(biāo)準(zhǔn)樣品,通過嚴(yán)格細(xì)致的化學(xué)分析測出必要的數(shù)據(jù),再通過計算機建立數(shù)學(xué)模型,預(yù)測未知樣品的結(jié)果。而模型的建立需耗用大量的人力、物力和財力;其次,由于NIR譜區(qū)為分子倍頻與合頻的振動光譜,信號弱,譜峰重疊嚴(yán)重,所以目前還僅能用于常量分析,被測定組分的量一般應(yīng)大于樣品重量的0.1%;此外,在進(jìn)行近紅外光譜分析時,應(yīng)考慮樣品的特征、分析實驗的設(shè)計及數(shù)據(jù)處理等多方面的問題,才能取得正確的分析結(jié)果,建立可靠的校正模型是近紅外光譜成功的關(guān)鍵,而合理的實驗設(shè)計和恰當(dāng)?shù)姆治瞿P蛣t是建立校正模型的關(guān)鍵[35]。
NIR光譜分析的最大特點是操作簡便、快速,可不破壞樣品進(jìn)行原位、在線測量;測量信號又可以遠(yuǎn)距離傳輸和分析;特別是與計算機技術(shù)和光導(dǎo)纖維技術(shù)相結(jié)合,采用NIR透射、散射、漫反射光譜學(xué)檢測方法,可以不使用化學(xué)試劑,不必進(jìn)行預(yù)處理,可直接對顆粒狀、固體狀、糊狀、不透明的樣品進(jìn)行分析。這些特點正逐漸被制藥界所認(rèn)識,并顯示出極大潛力,在制藥工作和質(zhì)量控制分析中具有廣闊的應(yīng)用前景。此外,NIR用于生產(chǎn)過程中的含量與水分分析也表現(xiàn)出獨特的魅力[36]。目前NIR已成為AOAC(AssociationofOfficialAnalyticalChemists)一種標(biāo)準(zhǔn)分析方法應(yīng)用于藥品檢測中[37]。儀器生產(chǎn)商和藥物分析專家的合作開發(fā)已使FDA、歐洲和加拿大藥物管理局正式研究用近紅外光譜分析技術(shù)取代繁瑣費時的常規(guī)分析方法的可行性,部分測試項目已被FDA批準(zhǔn)為標(biāo)準(zhǔn)方法。USP(UnitedStatesPharmacopia第25版)最近已在附錄中增補近紅外分析方法[38]。
國內(nèi),在SDA(StateDrugAdministration)的支持下,我所正在探索藥品監(jiān)督檢驗執(zhí)法過程中采用NIR進(jìn)行快速鑒別及定量分析的可行性。結(jié)合全國抽驗工作,對NIR模型的準(zhǔn)確性及模型傳遞的誤差進(jìn)行系統(tǒng)評價,這項工作的開展對打擊假劣藥品具有重要意義。