李文龍， 薛東升， 劉紹勇， 瞿海斌*

(1.浙江大學(xué)藥物信息學(xué)研究所，浙江杭州310058;2.上海凱寶藥業(yè)有限公司，上海201418)

痰熱清注射液是由黃芩、熊膽粉、山羊角、金銀花、連翹五味藥材的提取物制得。具有抗病毒、抑菌、抗炎、解熱、祛痰鎮(zhèn)咳等作用，主要用于治療肺炎、早期肺癌，急慢性支氣管炎以及上呼吸道感染等疾?。?-2］，在抗擊非典和甲型流感方面藥效顯著。在痰熱清注射液的制劑過程中，總混液是將5類中藥材提取物全部混合后的一類重要的中間體，其質(zhì)量對(duì)最終產(chǎn)品的品質(zhì)有著決定性的影響，因此必須對(duì)其進(jìn)行較為嚴(yán)格的質(zhì)量控制。但總混液在整個(gè)生產(chǎn)流程中存在時(shí)間較短，而傳統(tǒng)的分析方法耗時(shí)較長(zhǎng)，難以滿足快速判別的要求，因此，有必要發(fā)展一種能夠?qū)偦煲?，特別是其兩個(gè)重要的特征參數(shù):濃度和pH值進(jìn)行快速判別的技術(shù)。文獻(xiàn)［3-4］報(bào)道利用紫外光譜結(jié)合支持向量機(jī)分類方法對(duì)清開靈注射液四混體和六混體的質(zhì)量進(jìn)行鑒別，對(duì)解決類似問題有較好的借鑒意義。本試驗(yàn)嘗試采用近紅外光譜作為工具，采用SIMCA判別分析方法，實(shí)現(xiàn)了對(duì)不同濃度和pH值的總混液的快速識(shí)別，結(jié)果滿意。

1 實(shí)驗(yàn)部分

1.1 儀器設(shè)備及數(shù)據(jù)處理軟件 Antaris MX FTNIR(Thermo Fisher公司，美國(guó))，配備手持式光纖探頭采樣裝置，RESULT 3.0光譜采集軟件。數(shù)據(jù)處理采用TQ Analyst V8.0化學(xué)計(jì)量學(xué)軟件。

1.2 實(shí)驗(yàn)設(shè)計(jì) 從痰熱清注射液生產(chǎn)線上取總混液300 mL，60℃下旋轉(zhuǎn)蒸發(fā)，濃縮至150 mL(pH值約為7.3)，置于大燒杯中，按照?qǐng)D1所設(shè)計(jì)的3種途徑，不斷加入注射用水稀釋樣品，同時(shí)不斷加入10%的NaOH溶液調(diào)高樣品的pH值，最終將樣品稀釋至600 mL，pH值調(diào)至約8.7。調(diào)制過程中，在溶液中插入pH計(jì)和近紅外透反射探頭，原位記錄溶液pH值數(shù)值變化，同時(shí)采集近紅外光譜。圖1中共有9格，每一格代表一類樣品(格內(nèi)的第1個(gè)字母描述溶液濃度，第2個(gè)字母描述溶液pH值，H，M，L分別表示高，中，低)，高濃度低pH值的樣品分別經(jīng)由1，2，3三種途徑調(diào)制為低濃度、高pH值的樣品。

圖1 9種不同類型樣品的配制方法Fig.1 The preparing method for the 9 different kinds of samples

1.3 光譜采集方法 利用Antaris MX FT-NIR光譜儀手持式光纖探頭采樣裝置的透反射模式采集光譜，將探頭插入溶液，每次稀釋溶液和加入NaOH溶液后，充分?jǐn)嚢枞芤?，測(cè)定其pH值，待pH值穩(wěn)定后采集其近紅外光譜，近紅外光譜儀的工作參數(shù)設(shè)置為:以儀器內(nèi)置背景為參比，掃描次數(shù)為64次，分辨率為8 cm－1，增益為1×，光譜掃描范圍為10 000～4 000 cm－1。每組實(shí)驗(yàn)重復(fù)3次，共得到9種不同類型的樣品共計(jì)200份，近紅外光譜疊加圖如圖2所示。

圖2 樣品的近紅外光譜圖疊加圖Fig.2 The NIR spectra of the tested samples

1.4 數(shù)據(jù)處理方法 SIMCA(Soft Independent Modeling of Class Analogy)方法是目前應(yīng)用較為廣泛的一類模式識(shí)別方法［5-10］，這種方法實(shí)質(zhì)上是主成分分析(PCA)和馬氏距離的結(jié)合應(yīng)用。它首先對(duì)樣品的光譜數(shù)據(jù)矩陣進(jìn)行PCA，目的是將數(shù)據(jù)降維，用較少的變量去解釋原來(lái)資料中的大部分變異，以消除眾多信息共存中相互重疊的信息部分。使用PCA壓縮后的光譜數(shù)據(jù)代替原始光譜數(shù)據(jù)計(jì)算馬氏距離，不僅能反映全譜數(shù)據(jù)信息，而且也能壓縮參加計(jì)算馬氏距離的變量數(shù)，并能保證矩陣不存在共線問題。該方法的具體實(shí)現(xiàn)方法可參閱文獻(xiàn)［11］。本試驗(yàn)采用TQ analyst V8.0數(shù)據(jù)處理軟件中的Discriminant analysis功能對(duì)所得樣品光譜進(jìn)行處理，這一功能先對(duì)樣品光譜進(jìn)行預(yù)處理和PCA，然后設(shè)定合適的馬氏距離閾值，判斷樣品所屬的類型。選擇所得光譜中132份樣品組成校正集，其余68份樣品作為驗(yàn)證集。利用驗(yàn)證集對(duì)模型的穩(wěn)定性進(jìn)行外部檢驗(yàn)，來(lái)評(píng)價(jià)模型對(duì)樣品預(yù)測(cè)的性能。

2 結(jié)果與討論

2.1 光譜預(yù)處理方法 所得近紅外光譜中不僅包含有效信息，還包括由于散射效應(yīng)引起的光譜偏差和噪音信號(hào)，這些干擾導(dǎo)致直接采用原始光譜建模效果不理想，因此必須對(duì)光譜進(jìn)行預(yù)處理［12］。不同的光譜預(yù)處理方法對(duì)模型預(yù)測(cè)的準(zhǔn)確度影響較大，本文比較了多元散射校正(MSC)，標(biāo)準(zhǔn)正則變換(SNV)，S-G(Savitzky-Golay filter)平滑，Nd(Norris derivative filt)平滑，1stD(1階求導(dǎo))，2ndD(2階求導(dǎo))等光譜預(yù)處理方法，以判別分析的準(zhǔn)確度為判據(jù)，不同光譜預(yù)處理方法所建模型的預(yù)測(cè)準(zhǔn)確度列于表1中，經(jīng)過比較，選用SNV+S-G+1stD組合對(duì)原始光譜進(jìn)行預(yù)處理，其中S-G平滑采用7點(diǎn)3階平滑。

表1 不同光譜預(yù)處理方法對(duì)所得模型預(yù)測(cè)準(zhǔn)確度的影響Table 1 The influence of different spectra pretreated methods to the predictive accuracy of the established models

2.2 模型建立 對(duì)預(yù)處理后的近紅外光譜進(jìn)行PCA，前兩個(gè)主成分的累積方差貢獻(xiàn)率達(dá)到93.2%，所以可以認(rèn)為樣本點(diǎn)在PC1-PC2二維平面上的投影分布可以充分表征樣本在超維空間中的分布特征。所得PC1-PC2的散點(diǎn)圖如圖3所示，由圖3可以看出，各類不同樣品的數(shù)據(jù)點(diǎn)得到聚合，界限明顯，可以將校正集中的9類樣品進(jìn)行明確分類，表明所選擇的光譜預(yù)處理方法和分類方法是有效的。圖3中位于橢圓內(nèi)的數(shù)據(jù)點(diǎn)代表正常狀態(tài)下的總混液(MM)，濃度和pH都在正常范圍內(nèi)，其余類型的數(shù)據(jù)點(diǎn)代表其他不同狀態(tài)的總混液。實(shí)驗(yàn)設(shè)計(jì)中3種調(diào)制途徑可以在圖3中得到清晰的反映。

圖3 SIMCA模型對(duì)校正集樣品的分類結(jié)果Fig.3 The classification result of the samples in the calibration set with SIMCA method

2.3 模型的驗(yàn)證 對(duì)各類樣品設(shè)定合適的馬氏距離閾值作為判別標(biāo)準(zhǔn)，利用所建的SIMCA判別分析模型對(duì)驗(yàn)證集樣品進(jìn)行判斷，驗(yàn)證集的68份樣品中，64份樣品得到了準(zhǔn)確分類，準(zhǔn)確率為94.1%。未能準(zhǔn)確分類的樣品均處于相鄰類型樣品的交界處，難以進(jìn)行明確分類。驗(yàn)證集中各類樣品的真實(shí)個(gè)數(shù)和判別分析得到的個(gè)數(shù)如圖4所示，圖4中可見，模型對(duì)正常樣品(MM)識(shí)別的準(zhǔn)確率為100%。另取實(shí)際生產(chǎn)過程中的樣品12份，采用所建模型進(jìn)行判別，判斷結(jié)果均為正常樣品(MM)，表明痰熱清注射液配液生產(chǎn)過程中總混液的質(zhì)量總體來(lái)說是較為穩(wěn)定的。

圖4 驗(yàn)證集中各類樣品的真實(shí)個(gè)數(shù)和模型判別得到的個(gè)數(shù)統(tǒng)計(jì)圖Fig.4 The actual and predicted numbers of different samples in the validation set

3 結(jié)論

近紅外光譜的吸收強(qiáng)度實(shí)質(zhì)上反映的是待測(cè)物質(zhì)中各種化學(xué)成分的含量，對(duì)于痰熱清總混液這一特定的分析對(duì)象而言，樣品的稀釋倍數(shù)和溶液的pH值變化都會(huì)引起溶液中各種成分的變化，因而可在近紅外光譜上得到反映。本試驗(yàn)提出的基于近紅外光譜的痰熱清注射液中間體的判別分析方法不僅可以快速判斷出樣品是否處于正常狀態(tài)，而且可以判斷不正常樣品的問題所在，從而能夠?qū)崿F(xiàn)樣品狀態(tài)的快速判斷，并通過及時(shí)調(diào)整稀釋倍數(shù)和NaOH溶液的加入量，確保中間體處于正常狀態(tài)，對(duì)生產(chǎn)起到一定的指導(dǎo)作用。

［1］Wu Taixiang，Yang Xunzhe，Zeng Xiaoxi，et al.Traditional Chinese medicine in the treatment of acute respiratory tract infections［J］.Respir Med，2008，102(8):1093-1098.

［2］于 強(qiáng).痰熱清注射液臨床應(yīng)用近況［J］.時(shí)珍國(guó)醫(yī)國(guó)藥，2007，18(4):990-993.

［3］朱向榮，李 娜，史新元，等.支持向量機(jī)與紫外光譜法用于鑒別清開靈注射液六混中間體［J］.光譜學(xué)與光譜分析，2008，28(7):1626-1629.

［4］朱向榮，李 娜，史新元，等.最小二乘支持向量機(jī)算法與紫外光譜法用于鑒別清開靈注射液四混中間體［J］.分析化學(xué)，2008，28(6):770-774.

［5］褚小立，袁洪福，陸婉珍.光譜結(jié)合主成分分析和模糊聚類方法的樣品聚類與識(shí)別［J］.分析化學(xué)，2000，28(4):421-427.

［6］王家俊，汪 帆，馬 玲.SIMCA分類法與PLS結(jié)合近紅外光譜應(yīng)用于卷煙紙質(zhì)量控制［J］.光譜學(xué)與光譜分析，2006，26(10):1858-1862.

［7］楊 忠，江澤慧，費(fèi)本華，等.SIMCA法判別分析木材生物腐朽的研究［J］.光譜學(xué)與光譜分析，2007，27(4):686-690.

［8］陳 斌，鄒賢勇，朱文靜.PCA結(jié)合馬氏距離法剔除近紅外異常樣品［J］.江蘇大學(xué)學(xué)報(bào):自然科學(xué)版，2008，29(4):278.

［9］Woo Y，Cho C，Kim H，et al.Classification of cultivation area of ginseng by near infrared spectroscopy and ICP-AES［J］.Microchem J，2002，73:299.

［10］Woo Y，Kim H，Ryon K，et al.Near-infrared(NIR)spectroscopy for the non-destructive and fast determination of geographical origin of Angelicae gigantis Radix［J］.J Pharm Biomed Anal，2005，36:955.

［11］陳全勝，趙杰文，張海東，等.SIMCA模式識(shí)別方法在近紅外光譜識(shí)別茶葉中的應(yīng)用［J］.食品科學(xué)，2006，27(4):186-189.

［12］褚小立，袁洪福，陸婉珍.近紅外分析中光譜預(yù)處理及波長(zhǎng)選擇方法進(jìn)展與應(yīng)用［J］.化學(xué)進(jìn)展，2004，16(4):528-542.