徐敏　張磊　岳洪水　龐洪偉　葉正良　丁黎

[摘要]將近紅外光譜分析技術(shù)與多變量數(shù)據(jù)分析技術(shù)相結(jié)合，建立注射用益氣復(fù)脈（凍干）組方藥材五味子提取過程的在線監(jiān)測方法。采用生產(chǎn)上5個正常批次建立了五味子提取過程的多變量統(tǒng)計過程控制（multivariate statistical process control， MSPC）模型，并利用PC scores，DModX和Hotelling T2 3種控制圖對2個測試批次進(jìn)行監(jiān)測。結(jié)果顯示，MSPC模型對提取過程具有良好的監(jiān)測性能。將所建立的MSPC模型應(yīng)用到實際生產(chǎn)中，能夠有效地實現(xiàn)對五味子提取過程的在線監(jiān)測，并實時反映生產(chǎn)過程中物料屬性的變化。該文建立的監(jiān)測方法為過程分析技術(shù)在中藥注射劑生產(chǎn)過程質(zhì)量控制領(lǐng)域的應(yīng)用提供了參考。

[關(guān)鍵詞]多變量統(tǒng)計過程控制； 近紅外光譜分析技術(shù)； 五味子提取過程； 注射用益氣復(fù)脈（凍干）

[Abstract]To establish an online monitoring method for extraction process of Schisandrae Chinensis Fructus， the formula medicinal material of Yiqi Fumai lyophilized injection by combining near infrared spectroscopy with multivariable data analysis technology The multivariate statistical process control （MSPC） model was established based on 5 normal batches in production and 2 test batches were monitored by PC scores， DModX and Hotelling T2 control charts The results showed that MSPC model had a good monitoring ability for the extraction process The application of the MSPC model to actual production process could effectively achieve online monitoring for extraction process of Schisandrae Chinensis Fructus， and can reflect the change of material properties in the production process in real time This established process monitoring method could provide reference for the application of process analysis technology in the process quality control of traditional Chinese medicine injections.

[Key words]multivariate statistical process control； near infrared spectroscopy （NIR）； extraction process of Schisandrae Chinensis Fructus； Yiqi Fumai lyophilized injection

注射用益氣復(fù)脈（凍干）是基于傳統(tǒng)中藥古方生脈散發(fā)展起來的一種新型凍干粉針制劑，由紅參、麥冬、五味子3種藥材組成，具有益氣復(fù)脈，養(yǎng)陰生津的功效。其生產(chǎn)制造過程分為2個階段，首先將3種藥材單獨加工成提取物（即原料藥），再將提取物經(jīng)過混合、配制、超濾、冷凍干燥等一系列工序制得最終產(chǎn)品。五味子作為其組方藥材之一，具有收斂固濕、補腎寧心的功效[12]。五味子提取物的生產(chǎn)過程包括提取、濃縮、醇沉、過濾等多步工序，其中水煎煮回流提取是獲得提取物的關(guān)鍵工藝單元，其工藝控制水平將直接影響提取液中有效成分的含量和質(zhì)量一致性。五味子水提過程中涉及的參數(shù)眾多，原料藥材的質(zhì)量、提取溫度和提取時間的變化等都會對中間體以及產(chǎn)品質(zhì)量產(chǎn)生影響。然而，現(xiàn)行生產(chǎn)中主要依靠工藝參數(shù)管理和質(zhì)量標(biāo)準(zhǔn)指標(biāo)分析，缺乏快速分析方法，無法實時獲得提取過程中物料屬性的變化，對提取過程中出現(xiàn)的情況不能及時作出響應(yīng)。因此，亟需建立一種在線監(jiān)測方法，對其進(jìn)行更為嚴(yán)格的控制。

近紅外光譜技術(shù)作為一種在線分析工具，由于其無損、高效等特點，已經(jīng)應(yīng)用于制藥領(lǐng)域的各個方面[35]。各個國家藥品管理部門也相繼出臺了一系列與近紅外應(yīng)用相關(guān)的指導(dǎo)文件，如2012年歐洲醫(yī)藥管理局頒布的《歐盟制藥工業(yè)近紅外光譜技術(shù)應(yīng)用、申報和變更資料要求指南（草案）》對近紅外光譜分析方法的開發(fā)、驗證、維護(hù)和應(yīng)用等提出了一系列指導(dǎo)原則，進(jìn)一步規(guī)范了近紅外光譜技術(shù)在制藥領(lǐng)域的應(yīng)用[6]。近年來，隨著中藥現(xiàn)代化的大力推進(jìn)，近紅外光譜技術(shù)在中藥制藥工業(yè)也得到了迅速發(fā)展。

從近紅外光譜技術(shù)在中藥制藥過程監(jiān)測的運用情況來看，主要是通過建立定量校正模型，在線監(jiān)測過程中少數(shù)幾個有效成分的含量[79]。但中藥體系復(fù)雜，生產(chǎn)過程受諸多因素影響，僅通過對個別指標(biāo)的監(jiān)測無法全面反映過程的運行狀態(tài)；而且，采用近紅外光譜技術(shù)對中藥制藥過程進(jìn)行在線測量時，得到的是大量復(fù)雜的光譜信息，如何從上述釆集到的信息中提取出與生產(chǎn)過程和物料屬性相關(guān)的數(shù)據(jù)，實現(xiàn)對工藝單元過程的快速監(jiān)測，還需要借助有效的過程數(shù)據(jù)分析技術(shù)。隨著統(tǒng)計科學(xué)、化學(xué)計量學(xué)、計算機技術(shù)等多門學(xué)科的發(fā)展，多變量統(tǒng)計過程控制（MSPC）方法得到重視。目前，該方法已經(jīng)被引入到中藥制藥的過程監(jiān)測中，并取得了部分成果。黃紅霞等[10]將該技術(shù)應(yīng)用于丹參注射液醇沉過程的在線監(jiān)控，所建MSPC模型能準(zhǔn)確區(qū)分正常批次和人為設(shè)定的異常批次；程志偉等[11]建立了痰熱清注射液生產(chǎn)過程中熊膽粉提取物配液過程的MSPC模型，并對測試集批次進(jìn)行了在線監(jiān)控；陳厚柳等[12]利用在線采集的可見光近紅外光譜結(jié)合MSPC技術(shù)建立了銀杏葉提取物柱色譜洗脫過程的在線監(jiān)測模型；陳國權(quán)等[13]以感冒靈顆粒醇沉液的濃縮過程為研究對象，建立了基于過程光譜數(shù)據(jù)的定性MSPC監(jiān)控模型，并對模型的性能進(jìn)行了考察。endprint

注射用益氣復(fù)脈（凍干）制備工藝復(fù)雜，生產(chǎn)周期長，僅通過成品檢驗只能保證產(chǎn)品質(zhì)量滿足現(xiàn)有法定標(biāo)準(zhǔn)，無法進(jìn)一步提高產(chǎn)品質(zhì)量。目前針對該產(chǎn)品的質(zhì)量控制方法研究還不夠深入，且未出現(xiàn)將MSPC技術(shù)應(yīng)用于其生產(chǎn)過程的相關(guān)報道，所以本文以注射用益氣復(fù)脈（凍干）組方藥材五味子提取過程為研究對象，將近紅外光譜分析技術(shù)與多變量數(shù)據(jù)分析技術(shù)相結(jié)合，建立提取過程的MSPC模型，并探討所建模型在提取過程在線監(jiān)測中的應(yīng)用，從而確保提取過程平穩(wěn)可控。

1材料

MATRIXF型傅里葉變換近紅外光譜儀（德國BRUKER公司）。

五味子藥材（遼寧鑫泰藥業(yè)有限公司生產(chǎn)）。

2方法

21五味子提取過程樣收集

所有數(shù)據(jù)均采集于注射用益氣復(fù)脈（凍干）商業(yè)批次生產(chǎn)過程。在注射用益氣復(fù)脈（凍干）生產(chǎn)工藝中，五味子單獨加水回流提取，煎煮3次得到水提取液，一煎60 min，二煎45 min，三煎30 min。

采用近紅外光譜技術(shù)監(jiān)測五味子提取工序，水提過程每1 min采集1次近紅外光譜。共進(jìn)行7批次實驗，其中前5個批次用于MSPC模型的建立，后2個批次用于過程監(jiān)測。

22NIR光譜采集

在室溫環(huán)境下，以內(nèi)部空氣作為參比，采用透射模式采集光譜，光程為2 mm，分辨率為8 cm-1，掃描范圍12 000～4 000 cm-1，掃描次數(shù)32次。采集裝置見圖1。

23數(shù)據(jù)處理與軟件

本研究采用SIMCAP+130軟件（美國Umetrics公司）進(jìn)行數(shù)據(jù)分析。

MSPC是將多變量數(shù)據(jù)分析理論和傳統(tǒng)單變量統(tǒng)計過程控制方法相結(jié)合，對采集到的NIR光譜數(shù)據(jù)進(jìn)行整合，將大量高度相關(guān)的過程變量投影到由少數(shù)潛變量定義的低維空間，并通過過程運行軌跡，用正常批次所建立的統(tǒng)計模型來判斷生產(chǎn)上的批次是否處于正常波動范圍以及及時檢測異常狀況，以實現(xiàn)對生產(chǎn)過程的質(zhì)量監(jiān)測。

在建立MSPC模型時，常采用的過程控制圖有PC scores，Hotelling T2和SPE等。其中主成分得分是將高維變量空間進(jìn)行降維處理轉(zhuǎn)換到低維主成分空間。Hotelling T2統(tǒng)計量是所有主成分的歸一化得分共同累加得到的，可以達(dá)到同時監(jiān)測多個主成分的目的，其主要反映采樣點偏離模型中心的程度，是對模型內(nèi)部數(shù)據(jù)變化的一種測度。第n個采樣點的Hotelling T2統(tǒng)計量計算公式如下[14]。

T2n=（tn-） λ-1（tn-）T（1）

其中，tn（1×A）是采樣點Xn的A個主成分得分構(gòu)成的向量，是由每個主成分在所有采樣點上的得分均值構(gòu)成的向量，λ是由A個主成分對應(yīng)的特征值組成的對角矩陣。

在SIMCAP+130軟件中以DModX（Distance to the Model X）統(tǒng)計量代替SPE進(jìn)行分析，其主要反映每個采樣點到模型的距離，是對模型外部數(shù)據(jù)變化的一種測度。第n個采樣點的DModX統(tǒng)計量計算公式如下[15]。

DModXn=eneTn/（K-A）=∑kk=1（xnk-nk）2/（K-A）

其中，en是采樣點Xn殘差項，xnk是采樣點Xn第k個變量的觀測值，nk是采樣點Xn第k個變量的預(yù)測值。

3結(jié)果與討論

31MSPC模型建立

311提取過程近紅外光譜分析五味子提取過程（正常操作批次）的原始近紅外光譜圖見圖2。4 500～4 000 cm-1波段吸收雜亂，主要為光纖吸收，應(yīng)予以去除，12 000～9 000 cm-1包含大量冗余信息，目標(biāo)信息較少，也應(yīng)予以去除。所以，最后選擇波段范圍為9 000～4 500 cm-1進(jìn)行建模。為了消除光譜中的干擾信息，選擇矢量歸一化、SavitzkyGolay和一階導(dǎo)數(shù)組合的方法對光譜進(jìn)行預(yù)處理。

312三維光譜分解五味子提取過程的NIR光譜數(shù)據(jù)可以表示為一個三維矩陣X（I×J×K），其中I為批次，J為光譜變量，K為時間。在建立MSPC模型之前，需要將三維的數(shù)據(jù)展開成二維，在MSPC模型中有2種展開方式，即按批次展開和按變量展開。本研究中保留光譜變量的方向，采用多向主成分分析的方法將批次變量和時間變量結(jié)合在一起，展開后的二維矩陣X（K×IJ）中每一列代表的是一個光譜變量在所有批次每一個時間點上的信息，可以對批次生產(chǎn)過程中所有時間點進(jìn)行監(jiān)測[14]，見圖3。

313監(jiān)測模型建立采用5批NOC批次的一煎、二煎和三煎全部過程光譜數(shù)據(jù)作為訓(xùn)練集，首先將訓(xùn)練集數(shù)據(jù)矩陣按照變量展開方式展開為二維矩陣，再采用PLS法建立MSPC模型。所建模型的PC scores，DModX和Hotelling T2控制圖見圖4，可用于生產(chǎn)中對提取批次的實時監(jiān)測。

圖4a為提取過程的主成分得分圖，采用±3SD作為控制圖的上下限，表示每一批次樣本在PC1上的得分隨時間變化的趨勢。得分控制圖可以直觀的反映整個提取過程的光譜變化情況。從圖中可以看出各批次得分軌跡都處于控制限內(nèi)且相互重疊，說明批次間具有良好的一致性和質(zhì)量穩(wěn)定性。

圖4b為提取過程的DModX控制圖，采用±3SD作為控制圖的上下限。DModX統(tǒng)計量主要用來監(jiān)測輸入的數(shù)據(jù)結(jié)構(gòu)是否發(fā)生了變化[1617]，當(dāng)DModX值超出統(tǒng)計限時，表明樣本不能用已建立的模型來描述。從圖中可以看出，5個批次的得分均處在控制限內(nèi)，表明在不同批次的提取過程中光譜波動情況保持一致。

圖4c為Hotelling T2控制圖，采用95%為控制限。Hotelling T2統(tǒng)計量表主要用來考察模型內(nèi)部變量的波動是否異常[1819]。若某個時間點的樣本值超出控制限，說明該樣本在模型內(nèi)部的投影變化較大，即該時間點樣本中多個相互關(guān)聯(lián)的組分含量有了較大的變化。根據(jù)圖中可以看出5個批次的得分隨時間變化的趨勢基本一致且處于控制限內(nèi)，表明不同批次的提取過程藥液中組分含量未發(fā)生明顯變化。endprint

32模型應(yīng)用

在實際應(yīng)用中，每個被監(jiān)測變量的信息都在DModX統(tǒng)計量中得到了反映，當(dāng)DModX值超限時，說明輸入的過程變量之間的相關(guān)關(guān)系發(fā)生了改變，

a主成分得分控制圖；bDModX控制圖；cHotelling T2控制圖（圖5同）。

且與統(tǒng)計模型所代表的正常運行狀態(tài)的相關(guān)關(guān)系相差較大。而Hotelling T2統(tǒng)計量主要是在變量相互關(guān)系結(jié)構(gòu)未發(fā)生變化的前提下監(jiān)測系統(tǒng)工作點的變化，超出統(tǒng)計限的Hotelling T2值說明該點的生產(chǎn)運行狀態(tài)發(fā)生了改變。

將Hotelling T2和DModX相互結(jié)合，用于生產(chǎn)過程的監(jiān)測。當(dāng)批次的統(tǒng)計量在控制限內(nèi)時，認(rèn)為批次是正常范圍內(nèi)的波動；當(dāng)批次的任一統(tǒng)計量超出控制限時，說明這個批次出現(xiàn)異常狀況。

將批次6和批次7（五味子提取商業(yè)生產(chǎn)批次）的一煎、二煎和三煎全部過程光譜作為測試批次，來驗證所建MSPC模型的監(jiān)測能力，批次6和批次7的PC scores，DModX和Hotelling T2控制圖見圖5。在PC scores控制圖中，2個批次得分軌跡基本保持一致，在DModX和Hotelling T2控制圖中，2個批次過程光譜數(shù)據(jù)均落在控制限內(nèi)，說明這2個批次在提取過程中均未出現(xiàn)異常情況。

33討論

在中藥制藥過程中，變量數(shù)目繁雜且存在較高的相關(guān)性，很難通過對個別變量的單獨控制來實現(xiàn)提高產(chǎn)品質(zhì)量的目的。目前在生產(chǎn)中，五味子提取過程的開始和結(jié)束都由提取溫度和提取時間控制，且固定不變。在主要依靠固定參數(shù)控制生產(chǎn)過程的模式下，無法對各種過程參數(shù)和質(zhì)量參數(shù)進(jìn)行實時監(jiān)測與記錄，容易引起批次之間質(zhì)量的不穩(wěn)定。基于近紅外光譜技術(shù)的MSPC方法可以直接獲得分析對象的整體信息，并從中提取出關(guān)鍵的過程光譜數(shù)據(jù)，建立正常提取狀態(tài)下的模型，對提取過程質(zhì)量的穩(wěn)定性進(jìn)行在線監(jiān)測和分析。由于實驗中所有批次樣本均來自于商業(yè)生產(chǎn)，在收集數(shù)據(jù)的過程中未出現(xiàn)異常狀況，所以本文在此基礎(chǔ)上論述了所建模型在提取過程中的應(yīng)用。

現(xiàn)今，藥品質(zhì)量控制的國際主流技術(shù)理念已經(jīng)從“質(zhì)量源于生產(chǎn)”（quality by production，QbP）模式邁入“質(zhì)量源于設(shè)計”（quality by design，QbD）時代，以事前控制的方式保障藥品質(zhì)量。通過透徹分析制藥過程，識別質(zhì)量風(fēng)險因素，建立過程控制模型，生產(chǎn)出質(zhì)量可靠的藥品[20]。中藥工業(yè)作為我國醫(yī)藥領(lǐng)域中具有國際競爭力并擁有自主知識產(chǎn)權(quán)的朝陽工業(yè)，其產(chǎn)品安全性、有效性和質(zhì)量可控性成為人們關(guān)注的焦點。近年來，不斷有研究者將QbD 理念引入到中藥質(zhì)量控制技術(shù)領(lǐng)域中，提出中藥生產(chǎn)全過程質(zhì)量控制策略并對其開展相關(guān)研究[21]。目前，近紅外光譜等分析檢測方法和以過程建模為核心的過程分析技術(shù)已經(jīng)廣泛應(yīng)用于中藥制藥領(lǐng)域的質(zhì)量控制，且取得了巨大的發(fā)展。但是，我國中藥制藥過程質(zhì)量控制技術(shù)整體水平仍比較落后，大部分產(chǎn)品的生產(chǎn)過程缺乏有效管控，中藥生產(chǎn)依舊面臨制藥過程數(shù)據(jù)未合理采集利用，工藝參數(shù)與藥品質(zhì)量關(guān)系不清，關(guān)鍵質(zhì)控點不明等諸多挑戰(zhàn)和難題。為了進(jìn)一步提升中藥產(chǎn)品的質(zhì)量，使其得到國際的認(rèn)可，必須創(chuàng)新發(fā)展中藥生產(chǎn)全程質(zhì)量控制技術(shù)，綜合利用在線檢測、自動控制及統(tǒng)計過程控制等技術(shù)建立符合中藥生產(chǎn)特點的全程質(zhì)量控制體系，實現(xiàn)中藥工業(yè)的轉(zhuǎn)型升級，促進(jìn)中藥產(chǎn)業(yè)的健康持續(xù)發(fā)展。

4結(jié)論

五味子提取工藝環(huán)節(jié)流程較長，生產(chǎn)過程中不穩(wěn)定因素多，目前缺乏有效的在線檢測手段，無法即時反饋過程數(shù)據(jù)，對生產(chǎn)過程進(jìn)行調(diào)控。本文基于近紅外光譜分析技術(shù)和多變量數(shù)據(jù)分析技術(shù)，建立的MSPC模型可以對提取全過程進(jìn)行監(jiān)測，實時反映物料的質(zhì)量信息和生產(chǎn)過程的變動情況，通過主成分得分、Hotelling T2和DModX 這3種控制圖可以對過程進(jìn)行異常診斷，有利于分析異常狀況出現(xiàn)的原因，為工藝參數(shù)的調(diào)整和優(yōu)化提供了科學(xué)依據(jù)，進(jìn)一步確保生產(chǎn)出質(zhì)量穩(wěn)定、均一的產(chǎn)品。

[參考文獻(xiàn)]

[1]韓曉萍，李德坤，周大錚，等.近紅外光譜法測定注射用益氣復(fù)脈（凍干）中的10種人參皂苷[J].中國中藥雜志，2011，36（12）：1603.

[2]仲懌，潘萬芳，朱捷強，等.基于近紅外光譜的五味子提取過程在線檢測方法研究[J].藥學(xué)與臨床研究，2014，22（4）：332.

[3]J Luypaert，D L Massart，Y Vander Heyden.Nearinfrared spectroscopy applications in pharmaceutical analysis[J].Talanta，2007，72（3）：865.

[4]Marzena Jamrógiewicz.Application of the nearinfrared spectroscopy in the pharmaceutical technology[J].J Pharma Biomed Anal，2012，66：1.

[5]C De Bleye，PF Chavez，J Mantanus，et al.Critical review of nearinfrared spectroscopic methods validations in pharmaceutical applications[J].J Pharma Biomed Anal，2012，69：125.

[6]喬延江，杜敏，史新元，等.歐盟制藥工業(yè)近紅外光譜技術(shù)應(yīng)用、申報和變更資料要求指南（草案）[J].世界科學(xué)技術(shù)——中醫(yī)藥現(xiàn)代化，2012，14（4）：1933.

[7]Zhang C，Su J H.Application of near infrared spectroscopy to the analysis and fast quality assessment of traditional Chinese medicinal products [J].Acta Pharm Sin B，2014，4（3）：182.endprint

[8]Yang Yue，Wang Lei，Wu Yongjiang，et al.Online monitoring of extraction process of Flos Lonicerae Japonicae using near infrared spectroscopy combined with synergy interval PLS and genetic algorithm[J].Spectrochim Acta A Mol Biomol Spectrosc，2017，182：73.

[9]Li Wenlong，Han Haifan，Cheng Zhiwei，et al.A feasibility research on the monitoring of traditional Chinese medicine production process using NIRbased multivariate process trajectories[J].Sensor Actuator B Chem，2016，231：313.

[10]Huang H，Qu H.Inline monitoring of alcohol precipitation by nearinfrared spectroscopy in conjunction with multivariate batch modeling[J].Anal Chim Acta，2011，707：47.

[11]程志偉.近紅外光譜技術(shù)在熊膽粉制藥過程質(zhì)量控制中的應(yīng)用[D].杭州：浙江大學(xué)，2013.

[12]陳厚柳.銀杏葉提取和層析過程在線質(zhì)量控制方法研究[D].杭州：浙江大學(xué)，2015.

[13]陳國權(quán).近紅外光譜技術(shù)在感冒靈顆粒生產(chǎn)過程質(zhì)量控制中的應(yīng)用研究[D]. 杭州：浙江大學(xué)，2017.

[14]王毅，馬翔，溫亞東，等.近紅外光譜與多元統(tǒng)計方法用于生產(chǎn)過程實時分析[J].光譜學(xué)與光譜分析，2013，33（5）：1226.

[15]李文龍，瞿海斌.基于近紅外光譜技術(shù)的“過程軌跡”用于中藥制藥過程監(jiān)控的研究進(jìn)展[J].中國中藥雜志，2016，41（19）：3506.

[16]Xiong Haoshu，Gong Xingchu，Qu Haibin.Monitoring batchtobatch reproducibility of liquidliquid extraction process using inline nearinfrared spectroscopy combined with multivariate analysis[J].J Pharma Biomed Anal，2012，70：178.

[17]Huang Hongxia，Qu Haibin.Inline monitoring of alcohol precipitation by nearinfrared spectroscopy in conjunction with multivariate batch modeling[J]. Anal Chim Acta，2011，707（1/2）：47.

[18]吳莎，劉啟安，吳建雄，等.統(tǒng)計過程控制結(jié)合近紅外光譜在梔子中間體純化工藝過程批放行中的應(yīng)用研究[J].中草藥，2015，46（14）：2062.

[19]Jin Ye，Wu Zengzeng，Liu Xuesong，et al.Near infrared spectroscopy in combination with chemometrics as a process analytical technology（PAT） tool for on line quantitative monitoring of alcohol precipitation[J].J Pharm Biomed Anal，2013，77：32.

[20]李振皓，錢忠直，程翼宇.基于大數(shù)據(jù)科技的中藥質(zhì)量控制技術(shù)創(chuàng)新戰(zhàn)略[J]. 中國中藥雜志，2015，40（17）：3374.

[21]瞿海斌，程翼宇，王躍生.論加速建立現(xiàn)代化中藥制造工業(yè)的若干制藥工程技術(shù)問題[J].中國中藥雜志，2003，28（10）：904.

[責(zé)任編輯孔晶晶]endprint