（近）紅外光譜法在藥物分析中基礎(chǔ)及的應(yīng)用的研究

《（近）紅外光譜法在藥物分析中基礎(chǔ)及的應(yīng)用的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作。除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示謝意。本人承擔(dān)本聲明的法律責(zé)任。學(xué)位論文作者簽名：名芬久t日期：—憎鏟月留日學(xué)位論文版權(quán)使用授權(quán)聲明本人完全了解第二軍醫(yī)大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，第二軍醫(yī)大學(xué)有權(quán)保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)第二軍醫(yī)大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮

2、印或掃描等復(fù)制手段保存、匯編學(xué)位論文。(保密的學(xué)位論文在解密后適用本授權(quán)書(shū))學(xué)位論文作者簽名：蕁蕩L日期：—噌年J月括日別醛鈕問(wèn)日期：∥年j、與咖(近)紅外光譜法在藥物分析申的基礎(chǔ)與應(yīng)用研究摘要近紅外光譜(NearInfraredSpectroscopy，簡(jiǎn)稱NIRS)是反映分子中C．H、N．H、O．H基團(tuán)基頻振動(dòng)的倍頻吸收與合頻吸收。近紅外光譜分析技術(shù)具有分析速度快、無(wú)損、樣品不需預(yù)處理、無(wú)浪費(fèi)、無(wú)污染、可同時(shí)測(cè)定多種成分和指標(biāo)及實(shí)時(shí)監(jiān)控等眾多優(yōu)勢(shì)。隨著化學(xué)計(jì)量學(xué)的發(fā)展近紅外光譜分析法也得到了極大的促進(jìn)和發(fā)展，在農(nóng)業(yè)、化工、食品等領(lǐng)域得到了越來(lái)越廣泛

3、的應(yīng)用。近紅外光譜分析法的主要運(yùn)用方式：建立模型一驗(yàn)證模型一應(yīng)用模型一維護(hù)模型?！敖！狈绞接泻芏鄳?yīng)用上的優(yōu)勢(shì)，但是也有許多限制條件，如要有大量的樣品來(lái)建立“校正樣品集”，用標(biāo)準(zhǔn)方法測(cè)定樣品物化性質(zhì)等。當(dāng)“建?！钡臈l件不能滿足時(shí)，就不能采用傳統(tǒng)意義上的“建?！狈绞竭M(jìn)行樣品分析。第一部分新建了一種無(wú)需“校正集”的近紅外光譜定量方法。從待測(cè)化合物與混合物各一張近紅外光譜入手，根據(jù)曲線之間相似性比較的原理提出“相似區(qū)間最小值法”，即通過(guò)求導(dǎo)、差譜、相似性計(jì)算等手段篩選出混合物與待測(cè)化合物吸收最相似的區(qū)間，然后進(jìn)行統(tǒng)計(jì)意義上的定量分析。樣品有兩部分：(1)近紅

4、外光譜來(lái)自于W．Windig課題組，選取三個(gè)組分：1二氯甲烷；2二氯丙烷；3丙酮。用三個(gè)組分的原始光譜模擬三個(gè)混合物作為模擬樣品；選取三個(gè)實(shí)際樣品作為待測(cè)樣品；(2)選用六種溶劑，分成兩組，分別是：丙酮、乙腈、乙醚為一組，環(huán)己烷、石油醚、氯仿為一組。六種溶劑按一定比例用近紅外光譜儀自帶的OPUS軟件數(shù)字模擬樣品。樣品(1)的平均回收率為100．9％，RSD=6．1％(n=9)。樣品(2)除乙醚組分較差外，其它組分平均回收率為93．5％，RsD=5．6％(n=5)。相似區(qū)間最小值法不需“校正集”，可得到較滿意的定量分析結(jié)果，為近紅外定量分析技術(shù)提供了一種

5、新的可能，具有良好的應(yīng)用前景。第二部分作為無(wú)校正集方法的一種延續(xù)，將這種思路用于課題組創(chuàng)建的局部直線篩選法(LSLS)的改進(jìn)，從而拓展至紅外光譜應(yīng)用于中藥摻雜化學(xué)藥物分析。局部直線篩選法是根據(jù)待檢中藥與摻雜化合物光譜特征的差異性，在單張化合物紅外光譜與單張中藥紅外光譜的基礎(chǔ)上，對(duì)中藥中是否添加化學(xué)合成藥進(jìn)行定性和定量分析的一種新方法。雖然局部直線篩選法能夠獲得一部分比較合理的結(jié)果，仍存在一定的錯(cuò)判、漏判和可疑結(jié)果。針對(duì)以上的問(wèn)題，本文通過(guò)以下幾種措施：(1)插值處理，在不增加儀器噪音的情況下能夠合理增加光譜的密度；(2)二階導(dǎo)數(shù)法，一種常見(jiàn)的，效果非常

6、好的光譜預(yù)處理方法，它不僅能夠去除空白噪音和基線分離等干擾因素，還能夠使光譜的信息特征細(xì)節(jié)化，放大化。經(jīng)過(guò)二階導(dǎo)數(shù)法處理過(guò)的光譜具有加和性和線性等數(shù)學(xué)特征；(3)計(jì)算區(qū)域的改變，由3點(diǎn)擴(kuò)展到7點(diǎn)，這樣計(jì)算區(qū)域能夠代②第二軍醫(yī)大學(xué)碩士學(xué)位黻表整個(gè)峰的特征和表現(xiàn)出整個(gè)化合物特征。這些改進(jìn)措施使得改進(jìn)后LSLS算法(命名為M--LSLS算法)更加的準(zhǔn)確和穩(wěn)定。算法以5個(gè)化合物(西布曲明、氛氟拉明、西地那非、洛伐他定和甲基多巴)和40個(gè)中藥樣品為分析對(duì)象，以LC—MS的分析結(jié)果為驗(yàn)證依據(jù)。M．LSLS算法的正確判斷率由改進(jìn)前的30上升到36，24個(gè)陰性樣品中假

7、陰性率由5下降到l，16個(gè)陽(yáng)性樣品中假陽(yáng)性率由5下降到3。經(jīng)過(guò)改進(jìn)之后的M．LSLS算法更加適合于做為一種鑒別檢測(cè)中藥中是否添加了可疑化學(xué)合成藥的初步篩選手段。第三部分采用近紅外光譜建模方式對(duì)替加氟(FT．207)微乳制劑進(jìn)行定量分析。卵磷脂、乙醇、超純水與異丙基豆蔻酸酯(口M滯4成空白微乳，卵磷脂、乙醇、超純水與IPM，加入一定量的FT．207，得FT．207含藥微乳?？瞻孜⑷榈男Ｕ匠虆?shù)R2(％)：水，99．59；卵磷脂，99．26；乙醇，98．83；口M，99．91。RMSECV(P)：水，0．424；卵磷脂，0．794；乙醇，0．820；IP

8、M，0．490。FT．207含藥微乳的校正方程參數(shù)R2(％)：水，99．75；卵磷脂，98．3