[發(fā)明專利]利用近紅外光譜法快速檢測氣滯胃痛顆粒的制備過程的方法及應用

在審

• 申請?zhí)枺?/td>: 201610997258.2
• 申請日: 2016-11-11
• 公開（公告）號: CN107036997A
• 公開（公告）日: 2017-08-11
• 發(fā)明（設計）人: 孟憲生;何曉霞;潘英;韓凌;包永睿;王帥;李天嬌;樊佳新
• 申請（專利權）人: 遼寧華潤本溪三藥有限公司
• 主分類號: G01N21/3577
• 分類號: G01N21/3577;G01N21/359;G01N30/02
• 代理公司: 北京三聚陽光知識產(chǎn)權代理有限公司11250
• 代理人: 張倩倩

1.一種利用近紅外光譜法快速檢測氣滯胃痛顆粒的制備過程的方法，其特征在于，

包括如下氣滯胃痛顆粒的水提取過程的檢測和/或氣滯胃痛顆粒的提取揮發(fā)油過程的檢測和/或氣滯胃痛顆粒的提取液濃縮過程的檢測：

A、氣滯胃痛顆粒的水提取過程的檢測

包括如下芍藥苷的含量測定和/或固含量測定的步驟:

a、芍藥苷的含量測定包括以下步驟：

(1)取已知芍藥苷含量的氣滯胃痛顆粒的水提取液，備用；

(2)將所述氣滯胃痛顆粒的水提取液進行近紅外光譜掃描，采集所述氣滯胃痛顆粒的水提取液的近紅外光譜；

(3)選取5448.8～6102.7cm^-1和6201～6501cm^-1特征波段下的光譜信息，應用化學計量學軟件與所述已知芍藥苷含量的氣滯胃痛顆粒的水提取液的芍藥苷含量進行關聯(lián)，采用偏最小二乘法建立近紅外光譜與標準含量之間的定量校準模型；

(4)按照所述步驟(2)的方法對未知氣滯胃痛顆粒的水提取液樣品進行近紅外光譜掃描，并選取5448.8～6102.7cm^-1和6201～6501cm^-1特征波段下的光譜信息，導入建立的定量校準模型獲得所述未知氣滯胃痛顆粒的水提取液樣品的芍藥苷含量值；

b、固含量測定包括以下步驟：

(1)取已知固含量的氣滯胃痛顆粒的水提取液，備用；

(2)將所述氣滯胃痛顆粒的水提取液進行近紅外光譜掃描，采集所述氣滯胃痛顆粒的水提取液的近紅外光譜；

(3)選取6201～5701cm^-1和7170～7300cm^-1特征波段下的光譜信息，應用化學計量學軟件與所述已知固含量的氣滯胃痛顆粒的水提取液的固含量進行關聯(lián)，采用偏最小二乘法建立近紅外光譜與標準含量之間的定量校準模型；

(4)按照所述步驟(2)的方法對未知氣滯胃痛顆粒的水提取液樣品進行近紅外光譜掃描，并選取6201～5701cm^-1和7170～7300cm^-1特征波段下的光譜信息，導入建立的定量校準模型獲得所述未知氣滯胃痛顆粒的水提取液樣品的固含量值；

B、氣滯胃痛顆粒的提取揮發(fā)油過程的檢測

包括如下柚皮苷的含量測定、新橙皮苷的含量測定和/或固含量測定的步驟:

a、柚皮苷的含量測定包括以下步驟：

(1)取已知柚皮苷含量的氣滯胃痛顆粒的提取揮發(fā)油過程的提取液，備用；

(2)將所述氣滯胃痛顆粒的提取揮發(fā)油過程的提取液進行近紅外光譜掃描，采集所述氣滯胃痛顆粒的提取揮發(fā)油過程的提取液的近紅外光譜；

(3)選取5500～6100cm^-1特征波段下的光譜信息，應用化學計量學軟件與所述已知柚皮苷含量的氣滯胃痛顆粒的提取揮發(fā)油過程的提取液的柚皮苷含量進行關聯(lián)，采用偏最小二乘法建立近紅外光譜與標準含量之間的定量校準模型；

(4)按照所述步驟(2)的方法對未知氣滯胃痛顆粒的提取揮發(fā)油過程的提取液樣品進行近紅外光譜掃描，并選取5500～6100cm^-1特征波段下的光譜信息，導入建立的定量校準模型獲得所述未知氣滯胃痛顆粒的提取揮發(fā)油過程的提取液樣品的柚皮苷含量值；

b、新橙皮苷的含量測定包括以下步驟：

(1)取已知新橙皮苷含量的氣滯胃痛顆粒的提取揮發(fā)油過程的提取液，備用；

(2)將所述氣滯胃痛顆粒的提取揮發(fā)油過程的提取液進行近紅外光譜掃描，采集所述氣滯胃痛顆粒的提取揮發(fā)油過程的提取液的近紅外光譜；

(3)選取7170～7270cm^-1和5500～6100cm^-1特征波段下的光譜信息，應用化學計量學軟件與所述已知新橙皮苷含量的氣滯胃痛顆粒的提取揮發(fā)油過程的提取液的新橙皮苷含量進行關聯(lián)，采用偏最小二乘法建立近紅外光譜與標準含量之間的定量校準模型；

(4)按照所述步驟(2)的方法對未知氣滯胃痛顆粒的提取揮發(fā)油過程的提取液樣品進行近紅外光譜掃描，并選取7170～7270cm^-1和5500～6100cm^-1特征波段下的光譜信息，導入建立的定量校準模型獲得所述未知氣滯胃痛顆粒的提取揮發(fā)油過程的提取液樣品的新橙皮苷含量值；

c、固含量測定包括以下步驟：

(1)取已知固含量的氣滯胃痛顆粒的提取揮發(fā)油過程的提取液，備用；

(2)將所述氣滯胃痛顆粒的提取揮發(fā)油過程的提取液進行近紅外光譜掃描，采集所述氣滯胃痛顆粒的提取揮發(fā)油過程的提取液的近紅外光譜；

(3)選取5600～6000cm^-1特征波段下的光譜信息，應用化學計量學軟件與所述已知固含量的氣滯胃痛顆粒的提取揮發(fā)油過程的提取液的固含量進行關聯(lián)，采用偏最小二乘法建立近紅外光譜與標準含量之間的定量校準模型；

(4)按照所述步驟(2)的方法對未知氣滯胃痛顆粒的提取揮發(fā)油過程的提取液樣品進行近紅外光譜掃描，并選取5600～6000cm^-1特征波段下的光譜信息，導入建立的定量校準模型獲得所述未知氣滯胃痛顆粒的提取揮發(fā)油過程的提取液樣品的固含量值；

C、氣滯胃痛顆粒的提取液濃縮過程的檢測

包括如下芍藥苷的含量測定、相對密度和/或固含量測定的步驟:

a、芍藥苷的含量測定包括以下步驟：

(1)取已知芍藥苷含量的氣滯胃痛顆粒的濃縮提取液，備用；

(2)將所述氣滯胃痛顆粒的濃縮提取液進行近紅外光譜掃描，采集所述氣滯胃痛顆粒的濃縮提取液的近紅外光譜；

(3)選取5449.8～6101.7cm^-1和5149.01～5442.13cm^-1特征波段下的光譜信息，應用化學計量學軟件與所述已知芍藥苷含量的氣滯胃痛顆粒的濃縮提取液的芍藥苷含量進行關聯(lián)，采用偏最小二乘法建立近紅外光譜與標準含量之間的定量校準模型；

(4)按照所述步驟(2)的方法對未知氣滯胃痛顆粒的濃縮提取液樣品進行近紅外光譜掃描，并選取5449.8～6101.7cm^-1和5149.01～5442.13cm^-1特征波段下的光譜信息，導入建立的定量校準模型獲得所述未知氣滯胃痛顆粒的濃縮提取液樣品的芍藥苷含量值；

b、相對密度測定包括以下步驟：

(1)取已知相對密度的氣滯胃痛顆粒的濃縮提取液，備用；

(2)將所述氣滯胃痛顆粒的濃縮提取液進行近紅外光譜掃描，采集所述氣滯胃痛顆粒的濃縮提取液的近紅外光譜；

(3)選取5469.13～7143.04cm^-1和5149.01～5442.13cm^-1特征波段下的光譜信息，應用化學計量學軟件與所述已知相對密度的氣滯胃痛顆粒的濃縮提取液的相對密度進行關聯(lián)，采用偏最小二乘法建立近紅外光譜與標準含量之間的定量校準模型；

(4)按照所述步驟(2)的方法對未知氣滯胃痛顆粒的濃縮提取液樣品進行近紅外光譜掃描，并選取5469.13～7143.04cm^-1和5149.01～5442.13cm^-1特征波段下的光譜信息，導入建立的定量校準模型獲得所述未知氣滯胃痛顆粒的濃縮提取液樣品的相對密度值；

c、固含量測定包括以下步驟：

(1)取已知固含量的氣滯胃痛顆粒的濃縮提取液，備用；

(2)將所述氣滯胃痛顆粒的濃縮提取液進行近紅外光譜掃描，采集所述氣滯胃痛顆粒的濃縮提取液的近紅外光譜；

(3)選取5469.13～7143.04cm^-1特征波段下的光譜信息，應用化學計量學軟件與所述已知固含量的氣滯胃痛顆粒的濃縮提取液的固含量進行關聯(lián)，采用偏最小二乘法建立近紅外光譜與標準含量之間的定量校準模型；

(4)按照所述步驟(2)的方法對未知氣滯胃痛顆粒的濃縮提取液樣品進行近紅外光譜掃描，并選取5469.13～7143.04cm^-1特征波段下的光譜信息，導入建立的定量校準模型獲得所述未知氣滯胃痛顆粒的濃縮提取液樣品的固含量值。