近紅外光譜法無損快速鑒別頭孢類原料藥

李臣貴， 胡育筑

(1.中國藥科大學分析化學教研室，江蘇南京210009;2.藥物質量與安全預警教育部重點實驗室，江蘇 南京210009)

近紅外(NIR)光譜是指波長介于780～2 500 nm(12 000～4 000 cm－1)的電磁波譜，對物質的穿透能力較強。其用于測試分析時，所測樣品無需預處理，且不需消耗化學試劑，對環境無污染，具有非破壞、快速及環保等特點［1］，在環境保護［2，3］、農業［4］、醫藥［5，6］、煙草［7，8］等領域中有著廣泛的應用。

頭孢類抗生素是對冠頭孢菌生成的天然頭孢菌

［接受日期］2010-05-13素再行半合成而得到的一類抗生素，具有抗菌譜廣、副作用小、抗菌作用強等優點，深受臨床醫生的青睞［9］。目前，頭孢類藥物的檢測主要采用液相色譜與紅外光譜相結合的方法，該方法準確度高、可靠性強，但存在檢測周期長、所用化學試劑污染環境及易破壞樣品等缺陷。本文采用NIR光譜與化學計量學相結合的方法，建立了頭孢類藥物的NIR識別模型，可無需化學試劑和復雜的樣品前處理而快速方便地實現對頭孢類藥物的無損鑒別分析。

1 儀器與試藥

Matrix-F型傅立葉變換近紅外光譜儀(德國Bruker公司)，配有IN26-1型采樣光纖、銦鎵砷(In-GaAs)檢測器和OPUS6.5光譜分析軟件;XP205型電子分析天平(瑞士梅特勒－托利多公司);YC-D207型超聲波加濕器(北京亞都室內環?？萍加邢薰?。

頭孢類原料藥樣品，共8個品種104批次，包括頭孢氨芐(TBANB)14批、頭孢呋辛酯(TBFXZH)12批、頭孢克洛(TBKL)12批、頭孢硫脒(TBLM)14批、頭孢曲松鈉(TBQSNa)12批、頭孢他定(TBTD) 14批、頭孢他美酯(TBTMZH)13批和頭孢西丁鈉(TBXDNa)13批，均由揚子江藥業集團提供，2006～2009年生產。每個品種隨機抽取5批用于檢驗，剩余樣品用于建模。

2 方法

不破壞樣品包裝，用光纖探頭直接抵住聚乙烯包裝袋，采集樣品NIR漫反射光譜。采集條件:掃描范圍為12 000～4 000 cm－1，分辨率為8 cm－1，掃描累積次數為32次。

3 結果與討論

3.1 建模譜段的選擇

按“方法”項下采集空白包裝袋和頭孢類原料藥樣品的NIR漫反射光譜圖(見圖1)。由圖1a可見，空白包裝袋在9 500 cm－1波數以上和4 500 cm－1波數以下處吸收值(A)較大;而由圖1b可見，頭孢類原料藥的特征吸收峰主要在9 200 cm－1波數以下。故選擇波數9 200～4 500 cm－1處作為NIR建模譜段。

圖1 空白包裝袋和頭孢類原料藥的NIR譜圖Figure 1 NIR spectrum of polyethylene package and cephalosporins

3.2 光譜預處理方法的選擇

頭孢類原料藥多為白色結晶性粉末，樣品性質比較均一，其對NIR光譜的影響主要來源于顆粒不均勻而產生的光散射。研究表明，矢量歸一化法可較好地消除粒徑不均勻對光譜的影響，而導數光譜能夠消除基線漂移，提高重疊峰的分辨率［10］。因此，分別采用矢量歸一化(VN)、一階導數+矢量歸一化(1FD+VN)和二階導數+矢量歸一化(2FD+VN)等方法預處理樣品光譜，并對其中導數光譜進行9點平滑處理，結果見圖2。

由圖2可見，經預處理的樣品光譜消除了基線漂移，降低了背景及噪聲干擾，增加了重疊峰的分辨率，提高了信噪比，增強了光譜特征。

圖2 預處理后的樣品NIR譜圖Figure 2 The pre-processed NIR spectrum of the samples

3.3 異常光譜的檢出

采用單個光譜和平均光譜間的馬氏距離與限定值進行比較，檢出異常光譜。限定值計算公式為:

其中，Rank為階數即主成分維數，M為建模樣品數，Factor為因子數(2～10，因頭孢類原料藥性質比較均一，故本文選擇2)。若光譜與平均光譜間的距離大于限定值，則被認定是異常光譜，不參與建模，反之亦然。由此，對參與建模的光譜進行篩選。結果發現TBQSNa中有一光譜與平均光譜間的距離大于限定值，故剔除，采用剩余光譜建模。

3.4 模型的建立及優化

對譜圖進行預處理并檢出異常光譜后，結合NIR分析軟件建立樣品的NIR鑒別模型，建模結果見表1。

由表1可見，僅經VN處理后，部分樣品譜圖間分辨率小于2，而經1FD+VN和2FD+VN處理后，所有樣品譜圖分辨率均大于2。且因求導級數增高會增加計算量，降低譜圖的信噪比，故優選1FD+VN預處理方法建立頭孢類原料藥的 NIR鑒別模型。

3.5 模型的適用性檢驗

3.5.1 準確性 模型建立后，需要用外部驗證的方法對模型進行檢驗，進一步確定模型的準確性。利用未參加建模的獨立驗證集進行檢驗，取8種頭孢類原料藥各5批次樣品采集其NIR光譜并帶入已建立的模型檢驗，各樣品光譜驗證的匹配值見表2。

表1 建模結果Table1 Themodeling result

由表2可見，所有樣品光譜驗證的匹配值均小于模型中對應組的閾值，各樣品均能被準確判定，證明所建模型的準確性良好。

3.5.2 專屬性 取譜圖分辨率最小的兩種樣品TBANB和TBXDNa，分別以不同的比例混合，采集其光譜帶入模型檢驗，結果見表3。

表3 專屬性驗證匹配值Table3 Thematch values of specificity test

由表3可見，當TBANB中TBXDNa的比例超過5%或者TBXDNa中TBANB的比例超過8%時即可被檢出，證明所建模型的專屬性良好。

3.5.3 耐用性 為檢驗當環境改變時模型的適用能力，取模型中閾值最大的樣品TBXDNa，分別在不同的溫度、濕度條件下，由不同的操作人員采集其光譜并帶入模型檢驗，并以匹配值的相對標準偏差(RSD)判斷模型的耐用性，結果測得RSD為0.9% (n=9)，證明所建模型的耐用性良好。

［1］ 陸婉珍，袁洪福，徐廣通，等.現代近紅外光譜分析技術［M］.北京:中國石化出版社，2000.

［2］ 徐京萍，張柏，李方，等.基于MODIS數據的太湖藻華水體識別模式［J］.湖泊科學，2008，20(2):191-195.

［3］ Frost R L，Reddy B.J，Wain D L，et al.Identification of the rosasite group minerals—An application of near infrared spectroscopy［J］.Spectrochim Acta A，2007，66(4/ 5):1075-1081.

［4］ Wilkinsona M，Wana Y，Tosia P，et al.Identification and genetic mapping of variant forms of puroindoline b expressed in developing wheat grain［J］.J Cereal Sci，2008，48(3):722-728.

［5］ 曹槐，路帆，李虹，等.不同來路海洛因近紅外光譜的支持向量機模式識別［J］.計算機與應用化學，2009，26(3):287-291.

［6］ Chong X M，Hu C Q，Feng Y C，et al.Construction of a universalmodel for non-invasive identification of cephalosporins for injection using near-infrared diffuse reflectance spectroscopy［J］.Vibrational Spectroscopy，2009，49(2): 196-203.

［7］ 束茹欣，王國東，張建平，等.國產烤煙煙葉的NIRS模式識別［J］.煙草科技，2006(8):12-15.

［8］ 謝娟，羅建群，姚鶴鳴，等.基于NIR和化學指標的國產烤煙煙葉產地、部位模式識別［J］.煙草科技，2008 (7):42-44.

［9］ 戴德銀，盧海波，趙俊.頭孢菌素的分類、藥效及臨床應用［J］.現代臨床醫學，2007，3(1):81-84.

［10］嚴衍祿.近紅外光譜分析基礎與應用［M］.北京:輕工業出版社，2005.