文摘
近红外光谱(NIRS)技术广泛用于快速、无损分析的固体样品。同时分析的方法对乙酰氨基酚和咖啡因的两个组件粉混合了通过使用化学计量与近红外光谱(NIRS)。方法开发进行样本包含了80年,90年,100年,110年,120%的活性药物成分,和近红外光谱(NIRS)光谱准备粉混合记录和分析为了发展模型的预测药物的内容。许多校准模型应用为了执行定量测定药物含量的粉,并选择适当的许多因素(主成分)被证明是非常重要的对于一个请最优化标定。一旦开发的方法,他们验证真实,精度和准确性。通过检测方法获得的结果是高效液相色谱法所得结果与参考方法相比,并没有发现显著差异。因此,近红外光谱化学计量方法被证明是一个合适的工具,预测混合粉的化学性质和活性药物成分的同时测定。
1。介绍
近红外光谱(NIRS)仍然是一个强大的分析工具分析了种类繁多的样品从石化、食品、农业、制药行业(1]。在过去的十年中,它经历了一个显著增加定量药物测试。定量分析策略关于药品,如高效液相色谱法、GC,紫外分光光度法,通常需要溶解样品,分离,并确定它们的成分,是破坏性的。与传统分析方法相比,近红外光谱(NIRS)已经被证明是一个更通用的和快速增长的分析工具不仅在医药科学,而且在这个行业。该技术的主要优点是侵入性和非破坏性,无需样品制备,大量的分子可以被量化,很快是由于频谱的高频收购(2]。
近年来,检测方法是在制药领域开始变得流行。NIRS需要最优化的分析数据,以便用作定量技术。最优化方法等三种线性回归建模方法,主成分回归(PCR),偏最小二乘(PLS) (3),或一个基于人工神经网络的非线性回归模型(安)4,5(使用)6,7]。测定浓度的化合物在医药领域使用近红外光谱法、PCR和PLS模型集中使用(6- - - - - -8]。
为了提高病人的依从性,两个或两个以上的活性化合物的组合在同一商业准备可以使用。平板电脑的制造过程包含两个或两个以上的活性化合物,这样我们固定剂量组合平板电脑,涉及以下单位操作:分散、造粒、混合、压片,和涂料。每个单元操作可能会有巨大的影响最终产品的质量。例如,混合粉是制造固定剂量组合的基本单元操作,因为不充分的混合过程进行最终产品质量差,因为低混合均匀性是至关重要的,确保符合每剂量联合(含量均匀度9]。NIRS分析,制药工业的一个重要目标是直接评价粉混合,在混合过程中在线,在线,或行测试2,10]。
扑热息痛(N-acetyl-p-aminophenol、对乙酰氨基酚)是一个历史悠久的物质,是世界上最广泛使用的药物之一。对阿司匹林敏感患者,这是一个noncarcinogenic和有效的替代和接受是一个合适的药物缓解疼痛和发热的成人和儿童(11]。由于密集的用于治疗目的,快速为其确定方法在质量控制是非常重要的。在最后几年,许多方法扑热息痛决心已报告,如色谱、spectrofluorimetric, chemiluminiscent,光谱和电化学技术12]。
咖啡因(3 7-dihydro-1 3 7-trimethyl-1H-purine-2 6-dione)是一种黄嘌呤生物碱N-methyl导数是广泛分布在自然产品,广泛用于饮料。其消费有很多生理效应,如胃酸分泌,利尿,刺激中枢神经系统(13]。它是与非甾体类anti-inflamatory药物结合使用止痛剂配方中或在偏头痛治疗结合麦角胺。特殊的文献揭示了咖啡因分析的各种方法,包括光谱光度测量的(14,15和色谱16)的。这些方法通常是昂贵,费时和复杂。
高效液相色谱方法广泛用于粉末混合均匀性评价,由于良好的选择性、专一性和线性范围。然而,这种技术需要样品制备和分析物的色谱分离,所以需要时间,因此只能离线完成。监测的混合均匀性的混合步骤平板电脑生产被认为是帕特的一个重要目标的概念,可以做只有通过直接分析。一旦校准和验证,检测方法似乎是最好的分析选择,由于分析时间短和低成本分析与高效液相色谱分析方法。
在本文中,我们探索了化学计量的应用近红外光谱(NIRS)对乙酰氨基酚和咖啡因的定量分析,在粉混合压片,同时预测其浓度,没有任何处理的样品。
2。材料和方法
2.1。材料
所有的原料粉末包括扑热息痛(Novacyl、法国)和无水咖啡因(德国巴斯夫)作为活性化合物和乳糖(Meggle、德国),玉米淀粉(火箭、法国),胶体硅dioxide-Aerosil(德国罗姆制药聚合物),polyvinyl-pyrrolidone(德国巴斯夫),滑石(IMERYS Luzenac,法国),硬脂酸镁(联盟Derivan年代。,西班牙),辅料是医药级。
2.2。样品制备
医药行业经常使用湿法造粒为了好的粘性粉末转换成密集和圆形颗粒。的颗粒是由激烈的混合wet-powdered活性化合物组成的混合物,一些辅料、粘合剂。这个操作的总体目的是获取和改善最终产品的特点,如更好的流动性和压缩性。其他福利得到使用湿法造粒;最终产品中的药物的分布,以及平板电脑的溶解性质可能改善。
校准和验证目的,混合粉为平板电脑准备如表所示1。
对乙酰氨基酚、咖啡因、乳糖、一些玉米淀粉和PVP(以前溶解在4.8毫升蒸馏水)涨跌互现。潮湿的混合物是通过筛子。这是在室温下晾干,直到第二天;加权时,剩余的辅料添加量调整根据加权混合。粉末混合是通过800年μ米筛。
混合成分设计的平板电脑重量大约620毫克和300毫克的活性成分扑热息痛(48.38%,w / w)和30毫克咖啡因(4.84%,w / w)。这个配方将进一步考虑活动内容制定100%。
2.3。实验设计模型发展
一套校准建成使用全因子实验设计与两个因素和两个水平,使用Modde 11.0软件(Umetrics、瑞典)来构建和分析实验计划。校正集包含两个组件中的每个样本(对乙酰氨基酚、咖啡因);每个组件是在五个浓度水平(80、90、100、110和120%报理论)。校正集样本的构成提出了一个完整的阶乘矩阵的实验计划,在桌子上2。
2.4。记录的近红外光谱
使用傅里叶变换近红外光谱的粉末混合记录近红外线分析仪(美国热电子科学Antaris II)反射率抽样配置,配备了一个铟砷化镓(InGaAs)检测器。自粉样品不均匀,设备配备了一个系统的旋转样品测量,以便获得光谱代表样本,确保测量结果的再现性。每个反射光谱被记录使用OMNIC软件(美国Termo科学)通过集成32扫描,在11000 - 4000厘米的范围−1,解决8厘米−1。
2.5。高效液相色谱法作为参考方法
从每个集合的NIR光谱后粉混合,高效液相色谱法(HPLC)分析供参考。加权粉末样品溶解在甲醇,25毫升容量瓶中。在超声波浴瓶是振实(超音速的T700,德国),直到完全溶解。5毫升被转移到一个使离心管,离心(σ- 18、缝匠肌、德国)5分钟在5000 rpm。一毫升的上层清液是用移液器吸取到一个10毫升容量瓶稀释与water-acetonitrile卷(75:25,v / v)。
另外,10毫克的扑热息痛和10毫克的咖啡因精确加权(使用0,1毫克分析天平)到一个10毫升容量瓶,和相同的操作如上所述进行了准备校准曲线的标准溶液。
样品被分析通过高效液相色谱法与紫外检测。高效液相色谱系统1100系列模型(美国安捷伦科技)由二元泵,一个autosampler,列恒温器和紫外检测器。进行分离双子座C18(100×3.00毫米;3μ米列,流动相组成的醋酸buffer-acetonitrile (88: 12, v / v)和0.7毫升的流量最小−1。检测了在245 nm扑热息痛(保留时间为1.9分钟)和275 nm咖啡因(保留时间为2.9分钟)。校准曲线用于对乙酰氨基酚和咖啡因的决心在40 - 200的范围μ克毫升−1和4—μ克毫升−1,分别。
2.6。数据处理
多元校正模型的NIR光谱记录以前处理使用几种建立方法:一阶导数、二阶导数,标准正态变量(SNV)乘法散射校正(MSC),直线减法(SLS),最小准则规范化(MMN),为了构建校准模型。偏最小二乘(PLS)回归使用多元分析作品进行量化软件(力量光学、德国)。
这个软件允许验证最优化多元校正的“全交叉验证。”这个过程,迭代校准进行依次通过删除每个标准的训练集,然后预测排除样品和校准(17]。
2.7。方法验证
一次校准预计发达国家和有利的预测,他们必须验证接受常规使用。独立的外部验证所需的样本集。必须确定有几个验证参数,为了符合国际协调会议的建议(我)和与其他指南:准确性、精密度(重复性、中间精密度)、线性和范围的应用程序。根据提出的战略执行验证休伯特et al ., (18,19作者对近红外光谱方法[]和改编的10,22,23]。
验证近红外光谱方法对乙酰氨基酚和咖啡因的检测进行了考虑90%,100%和110%活性化合物含量(配方N7, N13, N23)。四个复制准备每个配方,在三个不同的日子,结果36-sample验证集。为了看哪个最适合的模型,线性度和准确性概要文件也进行了计算和比较,考虑我Q2指南的要求。
3所示。结果与讨论
开发最优化多元校正模型方法计算所得数据的校准参数后的近红外光谱分析校正集。要做到这一点,各种光谱预处理方法结合选择不同的光谱区域,可以使用不同的回归分析方法。整个频谱并选择特定的光谱区域包含强吸收带结合不同预处理方法的单一光谱标准正态变量(SNV),一阶导数(FD)乘法散射校正(MSC),直线减法(SLS),最小最大归一化(MMN),或结合(FD + SNV、FD + MSC和FD + SLS)构建一个校准模型进行测试。一旦校准模型已经被开发出来,预测能力测试在开发过程中使用的测试样品。
3.1。光谱调查
的近红外反射光谱校准设置呈现在图1。粉末混合的校准模型建成后记录三个每个配方的光谱。总的来说,84光谱被记录和分析。近红外光谱的混合粉含有化学和物理信息,所以必须开发健壮的校准模型。因此,预处理方法和波长选择范围应该仔细选择提取的化学信息主要是与API浓度(9]。光谱范围的波长小于4000厘米−1,辐射到达探测器的数量减少,背景噪音高,因此它被淘汰的分析。消除这些光谱区域是由其他研究人员也发现类似的结果(20.,21]。因此,扑热息痛试验模型发展了利用光谱区域9000 - 4000厘米−1。的咖啡因,光谱区域选择模型开发和未来分析6200 - 4100厘米−1。
3.2。活性化合物的模型开发和验证
许多校准模型应用为了执行定量测定药物含量的粉。选择适当数量的因素(主成分)请最优化标定是非常重要的。获得的实验数据的许多因素校准必须选择,这样避免“过拟合。有不同的方法提出为了选择最优数量的因素(22,23]。预测均方根误差(RMSEP)被用作诊断测试来评估模型的预测能力。评价预测模型也由策划根据估计浓度已知的浓度。一个良好的相关系数R2实际浓度与估计值之间获得了研究组件的优化模型,说明模型的预测能力。RMSEP和R2值获得扑热息痛展示在表的优化模型3咖啡因在表4。
如果请算法用于方法的发展,众所周知,光谱数据预处理的方法和数量的因素(组件)是至关重要的参数。选择最优数量的因素是使用Haaland和托马斯的标准执行24- - - - - -26]。
如表所示3基于预处理的方法导致模型更好的预测能力。为RMSECV没有预处理的方法显示高值,比较的预处理方法。扑热息痛,模型基于光谱范围9000 - 4000厘米−1显示良好的预测能力在使用3 - 6请因素。作者选择了模型d (SNV)显示低RMSECV和良好R2。对咖啡因,选中的光谱范围是6200 - 4100厘米−1,最低RMSEP和最好的R2为模型得到c (SLS)可以看到表吗3。
验证近红外光谱方法对乙酰氨基酚和咖啡因的检测进行了考虑90%,100%和110%活性化合物含量(配方N7, N13, N23)。线性概要文件,见图2,代表测量浓度与对乙酰氨基酚和咖啡因的理论浓度,分别显示出良好的相关系数和斜率,证实了该模型的线性。
(一)
(b)
的β期望公差范围包括在±5%验收范围。基于表中提供的数据3和图3模型,我们得出的结论是,d是最适合扑热息痛和模型c是最适合咖啡因试验,在粉混合压片。基于我Q2和EMA指南,我们验证以下特点:线性,纯真,精度和准确性,如表所示4。
(一)
(b)
的精度评估的方法通过计算两个参数:重复性精度和中间三个浓度水平。所有参数都满意值浓度水平。最好的恢复了扑热息痛含量100%,而最佳中间精密度得到110%扑热息痛的内容。至于咖啡因,最好的结果的精度均获得90%的活性化合物。在准确度方面,β期望公差范围是完全包含在±5%验收范围的物质,因此可以得出结论,该模型将为结果提供足够的精度对乙酰氨基酚和咖啡因的化验,无论粉末混合的活动内容是在浓度范围内的研究。
数据显示在数字2,3和表4,NIR-chemometric方法使用模型为扑热息痛和模型c d咖啡因有令人满意的精度和线性度。它可以得出结论,提出NIR-chemometric方法适用于对乙酰氨基酚和咖啡因化验粉混合43.55 - -53.23%的浓度范围内对乙酰氨基酚和咖啡因的4.35 - -5.32。
3.3。应用程序的方法
一旦近红外光谱方法测定对乙酰氨基酚和咖啡因的验证,他们申请活动内容确定六个控制粉混合含有48.39% w / w扑热息痛和4.84% w / w咖啡因。参考高效液相色谱方法也使用相同的活动内容分析的样本。近红外光谱方法获得的结果与获得的值引用比较高效液相色谱方法,根据活动内容恢复,如表所示5。
可以看到,经济复苏非常相似的两种方法。同时,学生的t以及被用来比较两个方法。结果没有任何统计学差异()之间的近红外光谱和高效液相色谱法预测的结果作为参考方法。
4所示。结论
使用化学计量在近红外光谱(NIRS)探索两个组件的无损定量分析粉混合。建立同时测定这两个组件使用光谱预处理化学计量和请多元校正。模型验证真实,精度和准确性,活动内容的90年,100年,110%的对乙酰氨基酚和咖啡因。良好的统计指标。此外,它证明了提出的方法适用于活性药物成分的决心,作为与高效液相色谱法获得的结果是相似的,用作参考方法。
考虑到提出了工作成果,近红外光谱化学计量方法被证明是一个合适的工具,预测混合粉的化学浓度在制备对乙酰氨基酚和咖啡因的固定剂量组合平板电脑。这些方法可以用于在线,在线,或行监控混合均匀的混合生产过程的步骤平板电脑,用相当大的节省了时间和金钱相比,高效液相色谱分析。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项工作是由罗马尼亚民族权力机构的资助科学研究和创新,CNCS-UEFISCDI,项目没有。pn - iii - p2 - 2.1 - bg - 2016 - 0201。