（近）紅外光譜法在藥物分析中的基礎與應用研究.pdf

1、近紅外光譜(Near Infrarea Spectroscopy,簡稱NIRS)是反映分子中C-H、N-H、O-H基團基頻振動的倍頻吸收與合頻吸收。近紅外光譜分析技術具有分析速度快、無損、樣品不需預處理、無浪費、無污染、可同時測定多種成分和指標及實時監(jiān)控等眾多優(yōu)勢。隨著化學計量學的發(fā)展近紅外光譜分析法也得到了極大的促進和發(fā)展,在農業(yè)、化工、食品等領域得到了越來越廣泛的應用。近紅外光譜分析法的主要運用方式：建立模型-驗證模型-應用模型-維

2、護模型?！敖！狈绞接泻芏鄳蒙系膬?yōu)勢,但是也有許多限制條件,如要有大量的樣品來建立“校正樣品集”,用標準方法測定樣品物化性質等。當“建模”的條件不能滿足時,就不能采用傳統(tǒng)意義上的“建?！狈绞竭M行樣品分析。 第一部分新建了一種無需“校正集”的近紅外光譜定量方法。從待測化合物與混合物各一張近紅外光譜入手,根據曲線之間相似性比較的原理提出“相似區(qū)間最小值法”,即通過求導、差譜、相似性計算等手段篩選出混合物與待測化合物吸收最相似的區(qū)間

3、,然后進行統(tǒng)計意義上的定量分析。樣品有兩部分：(1)近紅外光譜來自于W.Windig課題組,選取三個組分：1二氯甲烷；2二氯丙烷；3丙酮。用三個組分的原始光譜模擬三個混合物作為模擬樣品；選取三個實際樣品作為待測樣品；(2)選用六種溶劑,分成兩組,分別是：丙酮、乙腈、乙醚為一組,環(huán)已烷、石油醚、氯仿為-組。六種溶劑按一定比例用近紅外光譜儀自帶的OPUS軟件數字模擬樣品。樣品(1)的平均回收率為100.9％,RSD=6.1％(n=9)。樣品

4、(2)除乙醚組分較差外,其它組分平均回收率為93.5％,RSD=5.6％(n=5)。相似區(qū)間最小值法不需“校正集”,可得到較滿意的定量分析結果,為近紅外定量分析技術提供了一種新的可能,具有良好的應用前景。 第二部分作為無校正集方法的一種延續(xù),將這種思路用于課題組創(chuàng)建的局部直線篩選法(LSLS)的改進,從而拓展至紅外光譜應用于中藥摻雜化學藥物分析。局部直線篩選法是根據待檢中藥與摻雜化合物光譜特征的差異性,在單張化合物紅外光譜與單張

5、中藥紅外光譜的基礎上,對中藥中是否添加化學合成藥進行定性和定量分析的一種新方法。雖然局部直線篩選法能夠獲得一部分比較合理的結果,仍存在一定的錯判、漏判和可疑結果。針對以上的問題,本文通過以下幾種措施：(1)插值處理,在不增加儀器噪音的情況下能夠合理增加光譜的密度；(2)二階導數法,一種常見的,效果非常好的光譜預處理方法,它不僅能夠去除空白噪音和基線分離等干擾因素,還能夠使光譜的信息特征細節(jié)化,放大化。經過二階導數法處理過的光譜具有加和性

6、和線性等數學特征；(3)計算區(qū)域的改變,由3點擴展到7點,這樣計算區(qū)域能夠代表整個峰的特征和表現出整個化合物特征。這些改進措施使得改進后LSLS算法(命名為M-LSLS算法)更加的準確和穩(wěn)定。算法以5個化合物(西布曲明、氛氟拉明、西地那非、洛伐他定和甲基多巴)和40個中藥樣品為分析對象,以LC-MS的分析結果為驗證依據。M-LSLS算法的正確判斷率由改進前的30上升到36,24個陰性樣品中假陰性率由5下降到1,16個陽性樣品中假陽性率由

7、5下降到3。經過改進之后的M-LSLS算法更加適合于做為一種鑒別檢測中藥中是否添加了可疑化學合成藥的初步篩選手段。 第三部分采用近紅外光譜建模方式對替加氟(FT-207)微乳制劑進行定量分析。卵磷脂、乙醇、超純水與異丙基豆蔻酸酯(IPM)制成空白微乳,卵磷脂、乙醇、超純水與IPM,加入一定量的FT-207,得FT-207含藥微乳?？瞻孜⑷榈男Ｕ匠虆礡2(％)：水,99.59;卵磷脂,99.26;乙醇,98.83;IPM,99

8、.91。RMSECV(P)：水,0.424;卵磷脂,0.794;乙醇,0.820;IPM,0.490。FT-207含藥微乳的校正方程參數R2(％)：水,99.75;卵磷脂,98.37;乙醇,98.97;IPM,99.93;FT-207,75.74。RMSECV(P)：水,0.359;卵磷脂,1.107;乙醇,0.767;IPM,0.426;FT-207,2.43E-5?；厥章示?5％～105％之內。建模方式是近紅外光譜應用的經典方式,