您的位置:首页 >> 技术支持 >> 技术专题 >> 红外仪分析技术在药品快速分析系统介绍三大重点

技术专题

红外仪分析技术在药品快速分析系统介绍三大重点

发布日期:2014-07-08 点击:1977
 1、两步识别保证鉴别模型的准确性
提高鉴别模型的正确率是建立红外鉴别模型的核心。在建模过程中,我们遇到两类问题:第一类问题,模型的分辨能力不够,使对一些红外谱图差异较小的物质不能被正确识别。如注射用阿莫西林钠与注射用阿莫西林钠/克拉维酸钾(5:1)制剂,在全谱(4000~12000cm-¹)范围内比较,二者的红外光说非常相似,采用全谱识别时,二者不能相互识别;但利用局部特征谱段(如4100~4800cm-¹)识别,二者的差异显现。
第二类问题,阈值无法彼此兼顾,使得一些原本具有差异的红外图谱错误识别。如对罗红霉素片的鉴别,由于国内18家生产企业的工艺、处方不同,使得在大环内酯抗生素(包括红霉素、琥乙红霉素、依托红霉素、罗红霉素、克拉霉素、阿奇霉素、乙酰螺旋霉素、麦迪霉素、麦白霉素、吉他霉素、、乙酰吉他霉素)片剂鉴别模型中,罗红霉素片的鉴别阈值(0.72)偏大;导致在验证中300张维生素C片的红外光谱(维生素C片平均光谱与罗红霉素片平均光谱间的距离为0.68)有281张被错误的识别为罗红霉素片。
  为解决上述问题,我们确定了以下建模思路:(1)结构相近的同系物药物放在一组进行识别,如对抗感染药物,按其化学结构分为头孢菌素类、青霉素类、大环内酯类、氨基糖苷类等,再根据其制剂(粉针剂、胶襄剂、片剂)的形式,分别建立鉴别型。(2)采用两步鉴别的方案。第一步识别模型,利用同第物药物红外图谱的差异(必要时利用相对较窄的特征谱段),主要解决模型中同系物之间的相互识别问题;第二步确证模型,利用较宽的说段,解决可能与模型外品种的混淆问题,提高鉴别模型的准确性。
2、阈值调整保证鉴别模型的稳健性
建立定性模型时,我们以样品光谱与该品种平均光谱的距离(Hit)表征光谱的差异,并以Hit值为指标进行聚类分析,进而实现对样吕的识别。常用的距离表示方法有欧氏距离法和马氏距离法。欧氏距离法计算距离时,只能给出样品与平均光谱的吻合程度,即相对距离,不能反映一类样品的分布情况;而马氏距离法在计算距离时,根据样品的分布情况在不同方向上给出不同的权重。在二维坐标上中,由欧氏距离法划定的边界圆形,而由马氏距离法划定的边界通常为椭圆形。只有当样品在平均光谱周围呈完全随机分布时,欧氏的距离法与马氏距离法划定的边界才相生合。我们在特定矢量空间中,对Hit值的分布规律进行了探讨,证明Hit值的分布基本呈正态分布;不同工艺的相同产品的NIR图谱的差异越大,其分布越宽。如在注射B-内酰按类抗生素鉴别模型中,15个企业33批注射用头孢哌酮钠,594张图谱的Hit值呈下态分布;而在大环内酯类抗生素片剂鉴别模型中,300张红霉素片的图谱的Hit值虽然偏态分布,但可作为正态分布处理。由于Hit值的分布基本呈正态分布,理论上90%的样品的Hit值应分布在MD+1.65Sdeu(MD 为样品光谱距离平均光谱的平均距离,Sdeu为其标准偏差)范围内,95%的样品的Hit值应分布在MD+2Sdeu范围内,99%的样品的Hit值应分布在MD+3Sdeu范围内。因此实验中可根据统计规律对阈值进行调整,保证模型至少对95%的样品能够识别。
  对于多企业不同工艺生产品种,由于收集到的样品可能不均衡,使得样本的各种差异的权重不同。如39批注射用头孢唑林钠,在建模谱段进行聚类分析,所有样品可以分为6组,第1组包括15批,第2组包括8批,第3级包括1批,第4级包括3批,第5组包括9批,第6组包括3批,筹备组组样品的物理特性(结晶度、粒度)不同。如果用全部样吕求其每一亚类的平均光谱,再利用求得的平均光谱构建该样品的平均光谱,以调整收集样本不均匀所造成的平均光谱的偏差。对注射用头孢唑林钠样品,比较两种方法构建的平均光谱的差异:由所有样品Hit值的概率密度分布图可见,平均光谱调整后样本更趋于正态分布,且Hit值的标准偏差变小,即样品的分布更为均匀。
3、已建立的模型
从2004年12月至今,我们已经建成了各种定性模型约150个,可对约300余种药物进行鉴别。涉及抗感染药物(抗生素)、消化系统药物、心血管药物、呼吸系统药物等常用基本药物。并已经完成了建立通用性定量模型的可行性探讨,建立了10余种定量模型。26种头孢菌素粉针剂定性模型的结构。

Copyright © 2020 深圳市天友利标准光源有限公司. All Rights Reserved.       粤ICP备08127874号       XML地图       深圳市市场监督管理局企业主体身份公示

在线客服 联系方式 二维码

服务热线

0755-26508999

扫一扫,关注我们