System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于中药质量检测分析,具体涉及一种基于拉曼光谱技术和化学计量学的达原饮制剂拉曼光谱模型的构建及其在达原饮制剂全过程质量控制中的应用。
技术介绍
1、达原饮质量控制方法一般是选定指标成份或文献报道的有效成分进行质量评价,如以hplc或ms的方法对某一种药材或多中药材的成份定性或定量,均为以处方中部分物质作为指标开展质量评价,而中药组成复杂,部分成份作为指标来评价质量具有一定的局限性。
2、中成药达原饮颗粒将达原饮处方制备成颗粒剂,便于服用,颗粒剂的制备工艺过程涉及提取,浓缩,制粒等多个工艺流程,按照药典规定,现阶段的质量控制仅对制备完成后的颗粒剂进行定性鉴别,采用薄层色谱的方法对处方中的特征成份进行定性,薄层色谱方法需1-2天时间的进行样本前处理和检验。当采用相同或相似有效成分的假劣药替代使用时,无法进行区分鉴别。此外,现阶段并没有针对达原饮颗粒制备过程的质量控制的检验方法,无论是薄层色谱,还是hplc等方法,因单个样品的检验全过程耗时长,影响生产进度,无法实现全过程动态质量控制。
3、近年来,光谱技术已经广泛应用于中药质量控制,拉曼光谱技术具有无损、快速、不受水的信号干扰等优点。周群等[拉曼光谱法快速鉴别黄芩中药材[j].光散射学报,2002,(03):166-168.]采用拉曼光谱技术对黄芩进行区分鉴别;殷文俊等[cn112964690b]采用拉曼光谱技术实时监测甘草配方颗粒的提取过程。现有模型是针对单一药材进行区分鉴别,或是针对中药配方颗粒中的少量几个明确指标成份进行定性或定量,针对指标成分
技术实现思路
1、针对现有技术的不足,本专利技术采用拉曼光谱技术结合化学计量学建立达原饮制剂的快速、高效、动态的全过程质量控制及实时监测方法:
2、一种中成药制剂拉曼光谱模型的构建方法:
3、(1)采集拉曼光谱:采集不同检测条件下不同工艺流程的样品的拉曼光谱原始图谱;
4、(2)光谱的预处理:对所述原始图谱进行预处理;
5、(3)建立光谱归类模型:使用pls-da对不同类别的数据进行归类,通过建立组学数据与样本类别之间的关系模型,实现对样本类别的鉴别;所述pls-da即偏最小二乘判别分析。
6、通过调整拉曼光谱仪的扫描时间、激光强度,对每个类别的样本在多个检测条件下检测,收集不同检测条件下的多个拉曼光谱图,作为原始图谱。
7、所述预处理方法为归一化,savizkg-golag平滑,一阶微分,标准正态变量中的一种或多种。
8、所述一阶微分使用savitsky-golay卷积一阶求导用于计算数据的一阶导数(即一阶微分),savitsky-golay卷积一阶求导的公式如下:
9、dx[n]=y[n]-x[n]
10、x[n]为样本数据序列,dx[n]为求导结果,其中n是索引。构建卷积核矩阵h形式如下:
11、
12、其中矩阵每个元素都是多项式的系数;将卷积矩阵h应用于数据序列x[n],得到新的序列y[n]:
13、y[n]=h·x[n]
14、所述归一化的公式如下:
15、
16、其中x′为归一化后的数据,x为原始数据,min和max分别为原始数据中的最小值和最大值。
17、优选地,结合pls-da分类模型,根据分类结果从准确度、相关系数、决定系数三个方面选定预处理方法为一阶微分。
18、进一步地,
19、偏最小二乘判别分析(pls-da)利用偏最小二乘(pls)算法将样本光谱矩阵x和类别矩阵y分别进行正交分解,对光谱x矩阵进行分解得到得分矩阵t:
20、x=tpt+e
21、对类别矩阵y矩阵也进行正交分解,得到得分矩阵u:
22、y=uqu+f
23、其中t和u分别为x和y的得分矩阵,p和q为x、y的载荷矩阵,pt和qt表示p和q的转换矩阵,e和f为误差矩阵;
24、在预测时首先根据载荷矩阵p求出未知样品光谱矩阵xtext的得分,然后计算出回归的类别信息矩阵ytext,根据ytext与不同类别的接近程度确定样本属于哪一类,从而实现对制备工艺不同环节样本的判别。
25、通过交叉验证来评估模型的预测准确性;在交叉验证过程中,数据集被分为多个部分,抽出一部分作为测试集,其余部分用于训练模型,通过多次重复这个过程,可以计算出一个综合的q2值,q2值越高,模型预测能力越强;
26、使用多重确定系数(r2)衡量模型的拟合能力,r2值越高,模型的拟合能力越好;
27、q2计算公式:
28、
29、r2计算公式:
30、
31、其中,yi是第i个样本的测定值,是使用除了第i个观测值之外的所有其他观测值构建的模型对第i个观测值的预测值,是模型对第i个样本的预测值,y是所有测定值的平均值,n是样本总数。
32、所述中成药制剂为达原饮颗粒。
33、一种根据上述方法构建的拉曼光谱模型在达原饮制剂全过程质量控制中的应用。
34、所述达原饮制剂为达原饮颗粒。
35、本专利技术检测方法的有益效果:
36、(1)应用拉曼光谱技术结合化学计量学,针对达原饮颗粒全工艺流程的不同工艺步骤的样本,建立了适用于达原饮颗粒的快速、准确的鉴别分类的分析方法。
37、(2)当提取步骤过程中有部分药材缺失时,模型能区分出阴性样本,可以在实际质量控制中实现制备全过程的鉴别,相对于传统的薄层色谱法,更加快速、简便、准确。
本文档来自技高网...【技术保护点】
1.一种中成药制剂拉曼光谱模型的构建方法,其特征在于:
2.根据权利要求1所述的方法,其特征在于:通过调整拉曼光谱仪的扫描时间、激光强度,对每个类别的样本在多个检测条件下检测,收集不同检测条件下的多个拉曼光谱图,作为拉曼光谱原始图谱。
3.根据权利要求1所述的方法,其特征在于:所述预处理方法为归一化,Savizkg-Golag平滑,一阶微分,标准正态变量中的一种或多种。
4.根据权利要求3所述的方法,其特征在于:
5.根据权利要求3所述的方法,其特征在于:结合PLS-DA分类模型,根据分类结果从准确度、相关系数、决定系数三个方面选定预处理方法为一阶微分。
6.根据权利要求1所述的方法,其特征在于:PLS-DA利用PLS算法将样本光谱矩阵X和类别矩阵Y分别进行正交分解,对光谱矩阵X进行分解得到得分矩阵T:
7.根据权利要求6所述的方法,其特征在于:通过交叉验证来评估模型的预测准确性;在交叉验证过程中,数据集抽出一部分作为测试集,其余部分用于训练模型,通过多次重复这个过程,计算出一个综合的Q2值,Q2值越高,模型
8.根据权利要求1所述的方法,其特征在于:所述中成药制剂为达原饮颗粒。
9.一种根据权利要求1-8任一项构建的拉曼光谱模型在达原饮制剂全过程质量控制中的应用。
10.根据权利要求9所述的应用,其特征在于:所述达原饮制剂为达原饮颗粒。
...【技术特征摘要】
1.一种中成药制剂拉曼光谱模型的构建方法,其特征在于:
2.根据权利要求1所述的方法,其特征在于:通过调整拉曼光谱仪的扫描时间、激光强度,对每个类别的样本在多个检测条件下检测,收集不同检测条件下的多个拉曼光谱图,作为拉曼光谱原始图谱。
3.根据权利要求1所述的方法,其特征在于:所述预处理方法为归一化,savizkg-golag平滑,一阶微分,标准正态变量中的一种或多种。
4.根据权利要求3所述的方法,其特征在于:
5.根据权利要求3所述的方法,其特征在于:结合pls-da分类模型,根据分类结果从准确度、相关系数、决定系数三个方面选定预处理方法为一阶微分。
6.根据权利要求1...
【专利技术属性】
技术研发人员:黄雨婷,黄琪,蒋跃平,刘韶,
申请(专利权)人:中南大学湘雅医院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。