[發明專利]近紅外光譜法檢測半固體制劑中微生物數量和藥物含量在審
| 申請號: | 201410044548.6 | 申請日: | 2014-01-22 |
| 公開(公告)號: | CN104792686A | 公開(公告)日: | 2015-07-22 |
| 發明(設計)人: | 范琦;吳阮琦;王以武;董艷虹;陳楊;李娟 | 申請(專利權)人: | 重慶醫科大學 |
| 主分類號: | G01N15/10 | 分類號: | G01N15/10;G01N21/3563;G01N21/359 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 400016 重慶*** | 國省代碼: | 重慶;85 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 紅外 光譜 檢測 固體 制劑 微生物 數量 藥物 含量 | ||
1.傅里葉變換近紅外光譜法快速檢測藥物半固體制劑中微生物數量和藥物含量的方法,其特征在于利用近紅外分析技術測定樣品的近紅外光譜,應用化學計量學技術對所測光譜進行處理,并依據處理后得到的光譜數據和樣品中待測項目的參考值用化學計量學技術分別建立半固體制劑中微生物數量和藥物含量的校正模型,應用所建校正模型實現對未知半固體制劑樣品中微生物數量和藥物含量的快速預測,具體包括以下步驟:
(1)收集或制備半固體制劑樣品,并記錄樣品中微生物數量及藥物含量參考值的信息;
(2)篩選最優的光譜測量參數值,使用傅里葉變換近紅外光譜儀測量樣品的傅里葉變換近紅外透反射光譜;
(3)根據待測項目,將樣品合理地分為校正集和預測集;
(4)選擇最優的光譜前處理方法;
(5)篩選最優的建模光譜范圍;
(6)異常值的診斷和剔除;
(7)用化學計量學技術將校正集樣品光譜與其相應檢測項目的參考值相關聯,分別建立預測微生物數量和藥物含量的校正模型;
(8)評價所建校正模型的性能;
(9)應用所建校正模型預測未知樣品中的微生物數量和藥物含量。
2.如權利要求1所述的方法,其特征在于:藥物半固體制劑是指藥物(原料藥)與基質(輔料)通過混合制成的形態介于固體和液體之間的外用藥物制劑,包括軟膏劑、乳膏劑、糊劑和凝膠劑等劑型。
3.如權利要求1所述的方法,其特征在于:微生物數量是指單位質量藥物制劑中存在或可能存在的、《中國藥典》(2010年版)二部制劑通則項下規定檢查的微生物種類中一種或多種微生物的數量;藥物含量是指藥物制劑所含療效成分的標示量百分數或單位質量藥物制劑所含療效成分的質量。
4.如權利要求1所述的方法,其特征在于:所述步驟(1)中的半固體制劑樣品應具有代表性,且校正集樣品的微生物數量和藥物含量均應呈現一定的梯度;樣品中微生物數量參考值的測定方法可為標準加入法、平皿法或濾膜過濾法;藥物含量參考值的測定方法可為標準加入法或該藥品質量標準規定的方法。
5.如權利要求1所述的方法,其特征在于:所述步驟(2)中傅里葉變換近紅外透反射光譜測量所用儀器為傅里葉變換近紅外光譜儀,配有粘性液體測量附件(包含3個不同規格的樣品夾)和積分球附件;光譜測量參數中的分辨率可為2cm-1、4cm-1、8cm-1或16cm-1,掃描次數可為32、64或128,樣品夾規格可為0.5mm、1.0mm或2.0mm。樣品近紅外透反射光譜的測定方法為:將樣品從最小包裝中取出適量,置于無菌透明塑料自封袋中,用樣品夾將裝有樣品的無菌透明塑料自封袋固定于積分球的檢測窗上,并使其覆蓋光斑,操作中避免袋子外部的污染及皺褶;然后以選定的光譜測量參數值測定樣品的傅里葉變換近紅外透反射光譜。
6.如權利要求1所述的方法,其特征在于:所述步驟(4)中近紅外光譜前處理方法可為未處理、多元散射校正(MSC)、標準正則變換(SNV)、一階導數(FD)、二階導數(SD)、Savitzky-Golay平滑、Norris平滑、均值中心化(MC)、方差定標(VS)中的一種或多種。
7.如權利要求1所述的方法,其特征在于:所述步驟(5)中建模光譜范圍可由建模軟件自動篩選或根據被分析物的近紅外特征吸收對自動篩選的范圍進行人為優化。
8.如權利要求1所述的方法,其特征在于:所述步驟(7)中微生物數量的校正模型包括用于識別樣品是否染菌的定性模型和用于測定染菌樣品中微生物數量的定量模型;定性模型的用途類比于《中國藥典》(2010年版)二部制劑通則項下的“無菌檢查”項,所用的建模方法可為但不限于判別分析法(DA)和人工神經網絡法(ANN);定量模型的用途類比于《中國藥典》(2010年版)二部制劑通則項下的“微生物限度檢查”項,所用的建模方法可為但不限于人工神經網絡法(ANN)和偏最小二乘法(PLS)。所述步驟(7)中藥物含量的校正模型為用于測定樣品中藥物含量的定量模型,其用途類比于《中國藥典》(2010年版)二部各論中的“含量測定”項,所用的建模方法可為但不限于偏最小二乘法(PLS)和人工神經網絡法(ANN)。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于重慶醫科大學,未經重慶醫科大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201410044548.6/1.html,轉載請聲明來源鉆瓜專利網。





