AOTF近红外光谱技术测定药物原料的化学成分.docxVIP

采用AOTF近红外光谱技术测定药物原料的化学成分蔡绍松董海平陈雷孟祥龙（济南金宏利实业有限公司，济南市洪楼西路39号250100）关键词声光可调；近红外光谱；抗生素；偏最小二乘法摘要本文尝试应用AOTF近红外光谱技术对药物中抗生素粉末的湿度和纯度进行快速定量分析，研究结果表明，采用BrimroseAOTF近红外光谱仪和校正集模型测定原始粉状抗生素的纯度和湿度是可行的。中图分类号：文献标识码：A 文章编号：Keywords：AOTF；NIRS；Antibiotics；PLSmethodAbstract作者简介：蔡绍松（1971-）金宏利公司总工程师，主要从事AOTF近红外仪器的技术推广和应用，E-mail:jinhongli2001@126.com 电话：0531言对医药原料进行定性和定量分析的一些传统方法单调乏味，占用大量时间，需要宝贵的人力、物力和大量时间来测定原料的成分。BrimroseAOTF近红外光谱仪提供了快速、精确的方法，确定相同的参数只需要较少的时间和劳动，即可得出非常精确的检测结果，使其成为传统化学分析仪器的的良好替代产品。1实验部分1.1仪器条件和样品仪器：美国BRIMROSE公司产的Luminar2000型近红外光谱仪，主要部件包括：光学部分、控制部分、电源适配器。软件包括SNAP!光谱处理软件和CAMO化学计量学软件。扫描参数设置：光谱范围1200～2200nm，波长增量2.0nm，平均次数200，测样方式为漫反射。1．2实验方法提供了30个固态粉状原料抗生素样品，样品中给出了纯度和湿度参考值。采用Brimrose1AOTF-NIRLuminar2000近红外光谱仪收集30个样品的光谱数据。将光纤束漫反射探头安装在分析仪上，在1200nm-2200nm的波长范围内扫描光谱数据，每个样品收集200个扫描结果并将这些结果平均为一个光谱，每个样品数据获取的时间约为20秒。光谱以透过率模式收集，然后处理为吸收光谱和一阶微分光谱。采用获取的光谱数据和参考数据建立化学计量学模型。1．3数据处理对光谱数据的处理：光谱经过一阶微分（9点光滑），然后转换为UNS数据格式，最后导入CAMO化学计量学软件TheUnscrambler，利用样品的纯度和湿度的基础性质数据和光谱数据建立校正模型。2.结果与分析2．1光谱图1、粉状抗生素30个样品的原始透过光谱图2、粉状抗生素30个样品的原始光谱处理为吸收光谱的一阶微分光谱图3、1870nm-2160nm光谱范围30个样品的一阶微分光谱2从图2、图3中的光谱数据可以清楚地看出，噪音是非常少的。水分在约1450nm-1950nm处吸收，一阶微分光谱显示这些波长区域的峰值。湿度内容的变化而导致的光谱数据的变化能够在这一区域显示出来。2．2回归和建模图4、采用PCA分析法样品的得分图主成分分析法用于确定样品的质量差别,经常与PLS（偏最小二乘法）结合来确定除了使用PLS定量分析过的参数差别外，样品中是否还有其他差别。此处所采用的PCA分析法就是这种情况的范例。得分图清楚地将样品分为三个组，样品中有一些差别，原因可能是不同的提供者或不同的粒径。如果使用的样品组足够大的话，化学计量学分析法就非常好，足以消除这些差别，并且集中于所研究的参数差别上。使用从多个提供者或不同粒径的样品中获取的数据点的模型，可消除由提供者或粒径产生的光谱差别，并且只集中于因纯度或湿度不同而产生的光谱数据的差别。图5、原始粉状抗生素30个样品的纯度PLS1回归模型3反映原始粉状抗生素中光谱数据和纯度之间相互关系的PLS1回归模型的结果非常好。使用了4个主成分，预测标准偏差（SEP）相当于0.1，鉴于样品组样品数量少、数据范围窄，SEP=0.1是非常好的一个结果。过去的经验已经表明，使用有100个或更多样品的样品组将会建立更精确、更完善的模型。使用带有其他偏差（如不同提供者和不同粒径）的更大的样品组也会建立更完善的模型。图6、原始粉状抗生素30个样品湿度变化图样品湿度的精确模型是无法建立的。其原因是多方面的。样品中湿度的范围是12.5%-13.5%，对于只有30个点的数据组来说，这是一个非常小的范围。纯度的范围也是很小的，采用精确的参考方法来确定实际纯度值，从而使精确的模型得以建立起来。使用KarlFischer方法确定参考湿度值，这一方法的精确度是0.2%。样品湿度的范围仅为参考方法误差的5倍，这使得建立精确的模型非常困难，因为不可能建立一个比参考方法更精确的模型。另一个潜在的问题是，样品存储6个月，这可能引起湿度变化。有三种方式改进校正集的结果：（1）光谱数据采集后直接获取参考数据；（2）使用更精确的参考方法；（3）扩大校正集的范围。以前的经验已经表明：Brimrose光谱仪能够精确地预测湿度