采用傅里叶变换红外光谱技术, 获得蒸制过程中附子红外光谱及二维相关谱（Tow-dimensional correlation, 2D-COS）, 研究附子炮制过程特征。 分别比较原始红外光谱、 二阶导数谱及二维相关谱, 结果表明红外原始光谱图十分相似, 结合二阶导数光谱分析1　63487 cm-1为羰基峰; 1　60318, 1　57158, 1　48509和1　41308 cm-1为苯环的骨架振动峰, 85141和75924 cm-1 为苯环C—H键的振动峰; 1　15373, 　1　08184和1　02135 cm-1为生物碱中酯键和醇羟基的特征峰。 二维相关谱结果揭示附子在炮制过程中发生的2个过程时序段, 分别为2～3和8～9　h。 研究数据有助于临床根据适应证选择适宜的煎煮时间, 避免煎煮不足导致中毒或煎煮太过影响疗效。

以氘代氯仿为溶剂,以中药化学标准品厚朴酚为载体,采用二维相关光谱(Tow-dimensional correlation spectroscopy,2D-COS)技术,采集近红外光谱(near infrared spectroscopy,NIR),由氘代氯仿纯溶剂与厚朴酚原始光谱的二维相关同步谱可知,厚朴酚在1 365~1　455,1　600~1　720,2　000~2　181和2　275~2　465 nm处有特征吸收,其中1　440 nm为酚基O—H伸缩振动基频的一级倍频谱带,1 679 nm为芳基C—H及与芳基相连的甲基C—H伸缩振动一级倍频谱带,2 117,2 304,2 339和2 370 nm为芳基C—H伸缩振动、弯曲振动和变形振动的组合频,2 445 nm为芳基相连的甲基C—H弯曲振动基频二级倍频谱带,这些波段为厚朴酚的特征归属.以藿香正气口服液复杂体系为载体,以厚朴酚光谱解析的特征波段与间隔偏最小二乘(interval partial least squares,iPLS)和组合间隔偏最小二乘(synergy interval partial least squares,SiPLS)筛选的特征波段分别建立偏最小二乘(partial least squares,PLS)定量模型,模型的决定系数R2cal 和R2pre均大于0.99,校正均方根误差(root mean of square error of calibration,RMSEC),交叉验证均方根误差(root mean of square error of cross validation,RMSECV)和预测均方根误差(root mean of square error of prediction,RMSEP)均较小.结果表明,2D-COS技术解析厚朴酚所得波段建立的定量模型与iPLS和SiPLS波段筛选的模型均相对稳定,这使定量模型的波段选择更具有解释性.该研究为中药化学成分NIR光谱解析特征波段的归属提供方法参考,同时为NIR建模波段筛选提供借鉴和指导.

研究药物领域中近红外成像检测参数对高光谱数据质量的影响, 建立检测参数优化方法。 以扑尔敏片剂为研究对象, 采用近红外化学成像技术, 考察光谱分辨率、 空间分辨率、 扫描次数和扫描高度等因素, 采用L9 (34) 正交表设计, 优化近红外成像检测参数; 采用二值化图像法和像元统计法对高光谱数据进行定量分析, 测定扑尔敏片剂表面马来酸氯苯那敏含量。 以高效液相色谱法作为参考方法, 精密测定片剂中马来酸氯苯那敏含量。 两种方法测定的含量差值绝对值为考察指标, 优化最佳检测条件。 结果表明, 扑尔敏片剂的高光谱数据最佳检测条件: 空间分辨率25 μm×25 μm, 扫描高度-5340(Z值, 精确聚焦), 光谱分辨率16 cm-1, 扫描次数16次。 该研究首次优化近红外成像扫描高度参数对高光谱数据质量的影响, 优化近红外成像扫描高度等检测参数可用于指导扑尔敏片及其他药物近红外成像数据采集和方法建立。

采集六一散混合过程中样品近红外光谱, 建立甘草酸含量近红外(NIR)偏最小二乘(PLS)定量模型。 结果校正集相关系数rcal=0.998 5, RMSEC=0.044 0 mg·g-1, 预测集rval=0.947 4, RMSEP=0.124 mg·g-1, 表明近红外光谱法可作为六一散混合过程中甘草酸含量的快速测定方法。 在定量模型建立的基础上, 设计验证试验, 采用由Liao等提出的基于蒙特卡罗仿真的方法, 估计β-容度-γ-置信容许区间, 并计算NIR定量分析不确定度, 绘制不确定度轮廓。 结果表明甘草酸含量高于1.56 mg·g-1时, 测量不确定度在可接受范围(λ=±20%)内, 表明所建不确定度评估方法可有效评价不同浓度水平下的甘草酸含量NIR定量模型的准确性和可靠性, 可为其他中药NIR定量分析方法的不确定度评估提供借鉴。

中药生产过程具有多单元复杂性特点, 制剂生产的各个环节均会影响中药产品的最终质量, 在线近红外光谱技术具有快速、 无损和不污染环境等优势, 能够作为一种快速评价中药生产过程中关键质量属性的分析技术。 以院校相关研究为切入点, 系统阐述了在线近红外光谱技术在中药生产过程分析与控制方面的应用, 并结合院校中药生产在线近红外光谱分析平台搭建为例, 以此为依据阐明中药在线近红外光谱分析技术应用的可行性。 进而, 从企业应用角度出发, 较为全面的综述了目前国内大多数应用在线近红外光谱技术的中药生产企业的研究成果及其中药产品。 按照中药产品的两大剂型(液体制剂与固体制剂)进行分类, 以液体制剂不同生产环节(提取、 浓缩及醇沉等)为区分点, 以固体制剂不同成品剂型(片剂、 胶囊剂及膏剂等)为区分点, 分别对近10年来中药生产过程中在线近红外应用进行系统综述, 阐明中药生产全过程在线近红外技术应用的可靠性, 为中药生产现代化提供有效的技术支撑。

近红外光谱(near infrared spectroscopy, NIR)作为目前中药关键质量属性快速评价热门技术, 广泛应用于提取、 浓缩、 醇沉、 纯化等中药生产过程质量控制领域。 由于谱带严重重叠, 谱峰较宽, 吸收信号弱等特征, NIR需采用化学计量学建立模型。当前, 光谱解析是NIR分析的研究热点, 结合作者的研究成果, 率先综述国内外NIR光谱解析的研究进展及主要方法。 其中包括: 物质吸收的光谱差异对特征信号提取的主成分分析法; 光谱波段筛选, 寻找物质特征吸收波段, 解析物质结构与特征波段关系的偏最小二乘法; 针对扰动(温度、 浓度、 压力等)引起的光谱变化, 通过同步、 异步光谱相关峰对光谱进行分析, 解析引起光谱变化的特征基团的二维相关光谱法; 用量子力学方法对物质结构的能量变化进行计算, 解析分子能量变化与光谱变化关系的密度泛函理论法。 最后, 结合实例, 考虑中药组分复杂性特点, 从单一药效指标成分出发, 采用氘代DMSO技术指认不同浓度的绿原酸NIR吸收特征, 验证金银花提取过程中在线NIR模型绿原酸成分变量筛选的可靠性, 阐明间隔偏最小二乘法筛选的特征波段与绿原酸光谱特征吸收的一致性, 建立了一种中药NIR关键质量属性的光谱解析策略, 为中药NIR关键质量属性快速准确评价提供支撑。

近红外(NIR)定量分析通常涉及多个组分, 采用遗传算法和自适应建模策略, 建立了能够对多组分同时定量的多目标最小二乘支持向量机(LS-SVM), 并将其应用于玉米中四个组分和连翘中两个活性成分的NIR分析。 结果表明多目标遗传算法配合自适应建模策略可保证优化收敛于全局最优解。 所建玉米多目标LS-SVM模型明显优于PLS1和PLS2模型; 连翘多目标LS-SVM模型与PLS模型均可取得较好的校正和预测效果。 两组数据中, 径向基神经网络(RBFNN)模型均出现过拟合现象。 多目标LS-SVM和单目标LS-SVM性能相近, 但多目标LS-SVM建模运行一次即可得到结果, 在NIR多组分定量分析中具有潜在应用优势。

选取a, b, c和d四种类型近红外光谱仪, 分别采用透射模式测定清开灵注射液近红外光谱, 以高效液相色谱法测定值作为参考值, 建立不同仪器类型清开灵注射液中黄芩苷偏最小二乘(PLS)和间隔偏最小二乘(iPLS)定量模型, 并计算模型的多变量检测限(MDL)。 四种仪器的PLS模型决定系数(R2)和预测均方差(SEP)分别为0.976 2和230.4 μg·mL-1(a), 0.956 1和246.4 μg·mL-1(b), 0.966 2和264.4 μg·mL-1(c), 0.998 5和71.5 μg·mL-1(d), 其中d型仪器较其他三种类型能获得更好的模型性能。 经iPLS变量筛选后, a和b两种类型仪器得到的iPLS模型R2pre和SEP分别为0.977 1和218.4 μg·mL-1, 0.975 4和219.4 μg·mL-1, 相较其PLS模型预测性能未见明显提高; c和d未筛选出变量。 不同仪器的MDL(Δ0.05, 0.05)均低于250 μg·mL-1, 其中c和d型MDL分别低至58和2.9 μg·mL-1。 表明不同类型仪器定量预测性能和MDL不同。 创新性采用多变量检测限理论探讨了不同类型近红外仪器的检测性能, 这一方法具有可行性。 在实际应用中应根据研究载体的特征选择合适的仪器类型, 以确保定量准确性。

采用便携式近红外光谱仪采集枸杞子表面不同部位的近红外漫反射光谱, 结合多类支持向量机算法对枸杞子产地进行快速无损辨识。 以识别率为评价指标进行光谱预处理方法的选择, 为了消除样本划分偏性对结果的影响, 本研究通过重复划分样本集多次建模与预测, 利用识别率的统计结果考察各个光谱采集部位的建模结果。 实验结果表明, 原始数据经二阶导数加SG平滑处理后, 所建模型具有良好的产地预测性能。 除了枸杞子顶端部位外, 其他部位模型的稳定性及准确性均较好, 其外部验证识别率的中位数与平均值均大于97%。 这表明利用枸杞子样品表面近红外光谱可实现产地的准确鉴别, 便携式近红外光谱技术可作为中药材流通环节中的有效监控手段。