目的应用衰减全反射中红外光谱(mid-infrared spectroscopy,MIRS)技术建立桂枝茯苓胶囊(Guizhi Fuling Capsules,GFC)浓缩过程中没食子酸、芍药苷、苯甲酸、苯甲酰芍药苷及挥发油桂皮醛和肉桂酸的定量分析模型,实现GFC浓缩过程的质量控制。方法以HPLC检测值为参照,采集GFC浓缩过程的MIRS,结合偏最小二乘(partial least square,PLS)法分别建立6种指标性成分的定量模型。结果没食子酸、芍药苷、苯甲酸、肉桂酸、苯甲酰芍药苷及桂皮醛的校正集相关系数(rcal)分别为0.992、0.977、0.986、0.985、0.974、0.980,验证集相关系数(rpre)分别为0.985、0.961、0.988、0.993、0.978、0.975,校正均方根误差(corrected root mean square errors,RMSEC)分别为0.132、0.771、0.042、0.044、0.075、0.185,预测相对偏差(relative standard error of prediction,RSEP)和相对误差均小于10%。结论MIRS技术具有快速方便、结果可靠的优点,可以应用于GFC浓缩过程中挥发油桂皮醛和肉桂酸及其他指标性成分的测定,为GFC浓缩过程的在线监控提供了一种新方法。
目的基于近红外光谱(near infrared spectrum,NIRS)技术,建立一种快速预测大株红景天片(Rhodiola grandiflora Tablets,RGT)素片硬度的方法。方法采集共600个生产样本与自制样本的NIRS,通过比较不同光谱预处理方法与不同特征变量筛选条件下模型的优劣,建立偏最小二乘(partial least-square,PLS)算法模型,另采集120个样本的NIRS对模型进行外部验证,预测RGT素片硬度。结果建立的素片硬度PLS模型中,无预处理的光谱采用全波段建模的模型效果最佳,预测模型的校正集相关系数(correlation coefficient of training set,R_(cal))与验证集相关系数(correlation coefficient of verification set,R_(pre))分别为0.9719与0.9887,相关性良好,预测均方根误差(root mean square error of prediction,RMSEP)为2.03 N,性能偏差比(ratio of performance to deviation,RPD)为6.68,预测相对偏差(relative standard to deviation,RSEP)为4.24%,模型内部验证的平均相对预测误差为2.82%,外部验证的平均相对预测误差为4.59%,均<5%,对不合格素片的检出率高达97.33%。结论NIRS分析技术结合PLS算法建立的RGT素片硬度预测模型具有良好的模型性能与预测能力,为RGT素片硬度的无损检测提供了一种新方法。
目的基于UPLC-Q-TOF-MS/MS技术和网络药理学探讨麻杏止哮颗粒治疗哮喘的有效成分和作用机制。方法通过UPLC-Q-TOF-MS/MS技术及中药系统药理学数据库与分析平台(TCMSP)数据库筛选麻杏止哮颗粒的活性成分和相关靶点;利用Disgenet、Genecards数据库检索哮喘疾病靶点,利用韦恩图绘制平台获取共有靶点,并将信息导入Cytoscope3.9.1软件和STRING在线分析平台,进行网络拓扑学分析,构建药物关键活性成分-关键靶点网络和药物-有效成分-核心靶点网络;基于核心靶点通过DAVID数据库进行基因本体(gene ontology,GO)和京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes,KEGG)富集分析。结果结合质谱分析与数据库筛选得到药物活性成分24个,药物靶点147个,疾病靶点1483个,共同靶点106个,关键活性成分23个;经蛋白质相互作用分析及网络拓扑分析后,获取核心靶点10个,分别是肿瘤坏死因子、白细胞介素-6、细胞肿瘤抗原p53、白细胞介素-1β、血管内皮生长因子A、表皮生长因子受体、分裂原活化蛋白激酶3、半胱氨酸蛋白酶3、基质金属蛋白酶9、纤连蛋白1,药物有效成分5个,包括槲皮素、异鼠李素、汉黄芩素、柚皮素、儿茶素;GO富集到基因功能69个,KEGG富集到基因通路70条,分析结果表明,麻杏止哮颗粒治疗哮喘的作用机制是通过调节晚期糖基化终末化产物-晚期糖基化终末产物受体信号通路在糖尿病并发症中的作用、分裂原活化蛋白激酶信号通路、白细胞介素-17信号通路、磷脂酰肌醇3激酶-蛋白激酶B信号通路、人类巨细胞病毒感染通路等来发挥治疗哮喘的作用。结论初步揭示了麻杏止哮颗粒治疗哮喘的有效成分和作用机制,为麻杏止哮颗粒药效物质基础研究奠定基础,为质量控制提供参考依据。
目的应用近红外光谱(near-infrared reflectance spectroscopy,NIRS)与中红外光谱(mid-infrared reflectance spectroscopy,MIRS)技术,对热毒宁注射液(Reduning Injection,RI)制剂过程的投料和二次热处理工序中6种质控指标进行快速检测,提高制剂过程的质量控制水平。方法利用NIRS透射技术与MIRS衰减全反射技术,结合偏最小二乘法(partial least squares,PLS),经过光谱预处理方法的优选以及波段筛选,分别建立绿原酸、新绿原酸、隐绿原酸、栀子苷、断氧化马钱子苷和固含量的快速预测模型,以校正集相关系数(rcal)、验证集相关系数(rpre)、校正均方根误差(root mean square error of calibration,RMSEC)、交叉验证均方根误差(root mean square error of cross validation,RMSECV)、预测相对误差(relative standard error of prediction,RSEP)为评价指标,评价模型性能。结果NIRS预测模型的6个质控指标的RMSEC和RMSECV均小于0.3,RSEP小于4.0%;MIRS预测模型的6个质控指标的RMSEC和RMSECV均小于0.4,RSEP均小于5.0%,建立的PLS模型具有模型性能好、预测精度高的优点。结论NIRS及MIRS分析技术,均可用于RI投料和二次热处理工序中6种质控指标的快速检测,模型RSEP在5%以内,方法操作简单,结果可靠。
暂无评论