[发明专利]一种基于拉曼光谱检测冠心宁水提物含量的方法及应用

说明书

本发明提供了一种基于拉曼光谱检测冠心宁水提物含量的方法及应用，涉及一种中药复方制剂的含量测定方法，具体包括：通过建立拉曼光谱与冠心宁水提物含量的定量校正模型，检测冠心宁水提物的含量；还包括该方法在检测冠心宁水提物含量上的应用。此方法无需使用各种化学试剂、溶剂，无需预处理操作，测定时间短，操作简单，极大地提高了提取过程信息透明度，辅助降低了生产风险，进而提升冠心宁水提过程的质控水平和生产质量。

技术领域

本发明涉及一种中药复方制剂的含量测定方法，具体涉及一种基于拉曼光谱检测冠心宁水提物含量的方法及应用。

背景技术

目前，中药制药的质检仍多采用事后检验的方式，即对成品进行检验。这种检验方式不能及时地了解药物在生产过程中的质量属性变化，不利于药品生产过程质量控制。美国食品药物监督管理局在2004年发布的过程分析技术指南，就强调药品生产过程质量控制的重要性。因此，亟需对中药制药过程进行质量分析从而保证药物生产稳定性及生产效率，这也意味着需具备快速有效的制药过程分析技术。

光谱分析技术具备快速、准确、不破坏检测样品等优点，在制药行业得到了广泛的应用，特别是近红外光谱技术。近红外光谱是吸收光谱，是由含氢原子团伸缩振动的倍频及合频吸收产生，主要用于研究极性基团的非对称振动，容易受水峰的干扰。与近红外光谱相比，拉曼光谱是散射光谱，主要用于研究非极性基团与骨架的对称振动，拉曼光谱受水分的影响小，更适用于水相体系分析。但是，拉曼光谱在中成药生产过程检测中的应用很少报道，这与检测装置缺乏和拉曼光谱定量校正模型建模困难有关。传统的定量校正模型方法，如偏最小二乘回归法(Partial Least-Squares Regression，PLSR)和支持向量机回归法(Support Vector Regression，SVR)，需要对拉曼光谱数据进行预处理后再建模，否则模型预测效果很差，预处理的算法包括竞争性自适应重加权算法(CARS)、无信息变量消除算法(UVE)、连续投影算法(SPA)和协和区间偏最小二乘法(siPLS)等，目前将多种预处理算法融合处理拉曼光谱的鲜有报道。而随着人工智能的崛起，深度学习方法特别是卷积神经网络(Convolutional Neural Networks，CNN)，能够具有较好的模型性能。专利申请CN112964690 A提供了一种基于拉曼光谱实时监测中药配方颗粒提取过程的方法，对拉曼光谱进行多种预处理方法和特征变量提取方法的优选，通过大数据拟合拉曼光谱图信息与指标成分(甘草苷和甘草酸)含量之间的数学模型，为实现中药配方颗粒提取过程快速实时监测提供了分析方法，有利于提高中药配方颗粒产品质量，促进中药配方颗粒生产的自动化和智能化，但是却缺少将多种预处理算法融合与卷积神经网络一起用于拉曼光谱建模，模型性能相对较差。

丹参和川芎作为冠心宁片的君药和臣药，其水提过程是冠心宁片生产的首要环节，水提液的质量将直接影响最终产品的质量。丹参素、阿魏酸、迷迭香酸和丹酚酸B是冠心宁水提液的主要成分，也是冠心宁片的药效成分。目前，这些药效成分的测定通常是采用高效液相色谱法，专利申请CN 108181389 A公开了一种同时测定冠心宁片中丹酚酸B和阿魏酸含量的方法，具体为：将冠心宁片预处理制成待测样品，将待测样品注入高效液相色谱仪，在同一色谱条件下采用流动相梯度洗脱，同时测定丹酚酸B和阿魏酸的含量。然而，该方法预处理繁琐且耗时，不能满足制药生产过程快速检测的需求。

为了快速检测冠心宁水提物中的药效成分和可溶性固形物含量，确保最终产品质量的一致性，亟需建立一种可应用于快速检测冠心宁水提过程药效成分和可溶性固形物含量的检测方法。

发明内容

本发明针对现有技术存在的问题，提供了一种基于拉曼光谱检测冠心宁水提物含量的方法及应用。通过对冠心宁水提物拉曼光谱的采集、含量的测定、去除异常光谱以及建立通过大数据拟合拉曼光谱信息与冠心宁水提物含量之间的数学模型，从而可实时检测冠心宁水提物中丹参素、阿魏酸、迷迭香酸和丹酚酸B及可溶性固形物含量，操作简单、快速，无需预处理和额外的试剂、溶剂，同时搭配装置还有望实现全自动化在线检测。

为实现上述目的，本发明采用的技术方案如下：