论文部分内容阅读
中药生产缺乏有效的过程分析方法，致使制药过程难以得到优化控制，是中药产品质量不稳定的主要原因之一。为此，本文根据近红外（NIR）光谱分析方法的特点，研究建立基于NIR光谱的中药过程分析方法，获得满意结果。 本文首先研究了NIRS分析中药制药过程的准备实验方法。 采用均匀设计和回归分析法对中药材提取工艺进行了优化研究。以黄连的回流提取为例，经回归分析建模，预测得到最佳的提取工艺参数为：以乙醇75％为提取溶媒，固液比1/10，在90℃提取2次，每次0.5h，药材粉碎成300目。所得盐酸药根碱、盐酸巴马亭和盐酸小檗碱的提取率分别为10.52、23.58和68.17mg／g药材，优于文献报道。 国内目前尚只见同时测定三七中3种皂苷的分析方法报道，本文用国产色谱柱，研究建立了反相HPLC法同时测定三七中4种皂苷的方法。三七皂苷R1、人参皂苷Rg1、Rb1和Rd的加样回收率分别为89.54、90.08、82.82与84.46％，重现性RSD分别为5.94、3.16、4.17与2.70％（n=5）。应用该法及比色法测定了不同规格和产地的三七中上述4种皂苷和三七总皂苷（PNS）的含量，总结了这些组分随产地和规格的分布规律。此外，本文还建立了用比色法测定冬虫夏草中有效成分甘露醇含量的方法，加样回收率为102.6％，重现性RSD为0.44％（n=5）。 上述准备实验方法的研究，确保了中药体系中化学成分提取工艺的先进性和含量测定的准确性，可用于中药提取和过程质量控制，并为后续建立中药制药过程的近红外光谱分析方法作好了准备。 本文系统研究了近红外分析中药的方法学。根据中药特点，阐述了适用于中药近红外分析的样本准备方法，分析了中药体系存在的非线性现象及其产生根源，鉴于线性建模方法难以仿真此类非线性关系，提出以人工神经网络方法解决该类分析问题。针对普通BP神经网络训练慢、容易陷入局部最优的缺点，发展了采用留一循环监控的改进BP-ANN计算方法，用光谱主成分作为网络输入，以消除光谱中存在的共线性，用相关光谱图和性质权重光谱图筛选得到特征光谱范围，并对网络结构进行了系统优化。甘露醇实例研究表明，BP-ANN模型所得结果优于PCR和PLSR，为后续建立发展中药近红外过程分析方法打下了方法学基础。 针对中药制药生产过程分析手段缺乏和过程质量可控性差的问题，本文研究了NIR光纤透射光谱分析方法在溶液中有效部位含量测定、中药大孔树脂纯化过程与中药材渗漉提取过程分析的应用。 用PLSR法测定乙醇溶液中三七总皂苷的浓度，RMSECV为0.159％，R2为0.9943。然后将该方法拓展到中药精制纯化过程，用光纤NIR透射光谱和PLSR法，预测了黄连生物碱在大孔树脂层析过程的洗脱曲线，总生物碱和盐酸小檗碱的相对误差分别为7.56％和8.81％。在此基础上，针对渗漉提取过程存在的一定的非线性，分别采用径向基人工神经网络（RBFN）和PLSR法建立了NIR光谱矩阵与HPLC测定值之间的相关关系。RBFN预测渗漉提取液中Rg1、Rb1与Rd浓度的RSEP分别为5.83、8.65与6.54％，结果好于PLSR浙江大学博士学位论文法。 为解决中药材和中成药里化学组分的传统化学分析方法复杂费时的缺点，本文基于BP一ANN与NIR漫反射光谱，研究建立了中药材和中成药里有效组分含量快速无损测定方法。所建方法对三七药材中4个主要有效组分Rgl、Rb:、Rd和PNs含量的相对预测误差分别为8.99、6.54、8.29与5.17%，均低于PLSR法。最优ANN模型对发酵冬虫夏草菌粉中甘露醇、甘氨酸、精氨酸和总氨基酸的相对预测误差分别为 5.36、3.01、2.49与1.28%。结果表明，所建立的BP一ANN方法可较有力地克服近红外分析中药时遇到的非线性问题，是构建中药近红外光谱定量分析预测模型的良好的非线性校正手段。 由上述研究工作建立的NIR光纤透射光谱和NIR漫反射光谱预测模型可有效地用于中药制药过程分析和中药材质量控制，具有实际应用价值。这些方法克服了传统化学分析手段复杂费时的缺点，准确简便快捷，环境友好。 本文通过上述研究，得到了从黄连药材中提取主要有效成分的最优工艺参数;建立了三七药材HPLC分析新方法;研究形成了基于NIR光纤透射光谱和NIR漫反射光谱的中药过程分析新方法。本文所获得的成果，可推广应用到中药材提取过程和制药过程分析中，为加强中药制药过程质量控制与提高中药质量分析水平，提供了新的手段和研发思路。