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组成比例

本发明专利技术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，以甘草配方颗粒为例，涉及以拉曼光谱技术进行甘草配方颗粒提取过程中甘草苷和甘草酸含量预测方法，实施步骤包括甘草配方颗粒提取过程的取样、拉曼光谱采集过程、液相分析过程和含量预测模型的建立；本发明专利技术通过一种拉曼光谱技术实时采集中药配方颗粒在提取过程中的拉曼谱图信息，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。

【技术实现步骤摘要】
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
本专利技术属于中药分析和智能制造领域，涉及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。
技术介绍
中药配方颗粒是以优质的中药饮片为原料，采用先进工艺，经过提取、浓缩、干燥、制粒等工序精制而成的供医生临床配方使用的单味中药浓缩颗粒。中药配方颗粒在医院应用率飞速增长，与中药饮片、中成药共同服务于中医临床，其经济效益、社会效益均具有极大潜力。同时也对其质量提出了更高的要求，通过跟踪配方颗粒生产过程中有效成分含量的变化，全面加强配方颗粒生产过程中每一道中间体的质量控制势在必行。提取过程是中药配方颗粒生产的首要环节，提取液的质量直接影响后续生产环节和最终产品质量的均一性和稳定性。目前，提取过程中的质量控制主要依靠人工经验和传统的质量分析方法，前者需要检测人员拥有丰富的经验，可靠性难以保证，后者分析方法费时费力成本高且滞后于生产过程，无法及时反馈生产现状。因此，急需一种快速、经济、非破坏性的实时分析技术推广应用到中药提取生产过程。拉曼光谱技术是基于拉曼散射效应，对与入射光频率不同的散射光谱进行分析以得到分子振动、转动方面信息。拉曼光谱集光谱分析技术、化学计量学方法和计算机技术为一体，是一种极具发展前景的高新技术，分析方法具备快速、经济和无损等特点。与近红外光谱相比，由于水在近红外光谱和中红外光谱中吸收较强，提取液中成分的信息易被水吸收峰掩盖，而水引起的拉曼信号较弱，因此拉曼光谱更适合于中药配方颗粒提取过程中的分析。但目前尚未发现拉曼光谱应用于中药配方颗粒提取过程控制的相关研究。本研究针对拉曼光谱分析过程中仪器噪声和大量关联性较差的信息干扰，通过对多种预处理方法和特征变量提取方法的优选，建立了甘草苷和甘草酸含量预测模型，为实现中药提取过程快速实时监测提供了分析方法。
技术实现思路
针对现阶段中药配方颗粒提取过程中缺乏有效的指标性成分含量实时监测手段，本专利技术提供了一种便携式拉曼光谱实时采集的方法，通过大数据拟合拉曼光谱图信息与指标成分含量之间的数学模型，从而实现中药配方颗粒提取过程的实时监测。以甘草为例，通过优化分别构建甘草配方颗粒提取过程中指标成分甘草苷和甘草酸的含量预测模型，实现对提取过程的实时监测。本专利技术的技术方案如下：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，所述中药为甘草，所述方法包括如下步骤：(1)甘草配方颗粒提取过程的取样将甘草饮片加水浸泡，浸泡完成后收集第一个样本，接着升温至沸腾进行提取，在提取过程中每隔10min收集一次样本；具体的操作为：将甘草饮片加7倍量水浸泡30min，浸泡完成后收集第一个样本，接着升温至沸腾进行第一次提取，在沸腾初始收集第二个样本，之后每隔10min收集一次样本，第一次提取的时间为90min，第一次提取完成后分离提取液，剩余物加水升温至沸腾进行第二次提取，第二次提取的加水量为甘草饮片的6倍，第二次提取的时间为30min，在第二次提取过程中同样每隔10min收集一次样本，第二次提取完成后分离提取液，最后对第一次、第二次提取分离所得提取液的混合液收集一次样本；取样重复5个批次，每批可以收集得到15个样品，共得到75份样品；(2)拉曼光谱采集过程利用便携式拉曼光谱仪实时采集步骤(1)所得样本的拉曼光谱；便携式拉曼光谱仪采集样本光谱具体参数为：拉曼光谱光源的激发波长为785nm，激光强度为100％，激光功率为300mW，积分时间为10s，采集3次取平均，总采集时间30s，拉曼位移的光谱范围为201.33～3100cm-1(1701个光谱变量)；(3)液相分析过程利用高效液相色谱测定步骤(1)所得样本中甘草苷和甘草酸含量实际值；高效液相色谱条件为：色谱柱为AgilentZorBaxSBC18(4.6mm×250mm,5.0μm)；柱温25℃；流速1.0mL·min-1；检测波长237nm；进样量10μL；乙腈为流动相A，0.05％磷酸水为流动相B；梯度洗脱程序为：高效液相色谱测定法为：对甘草苷和甘草酸进行线性范围考察，计算甘草苷和甘草酸线性回归方程及范围；精密移取样本1mL，以13000r/min速度离心5min，上清液过0.22μm微孔滤膜，取续滤液液相分析，记录色谱图峰面积，代入线性回归方程算得样本中甘草苷和甘草酸含量实际值；(4)含量预测模型的建立将步骤(2)采集得到的拉曼光谱与步骤(3)液相色谱结果对应，通过考察不同光谱预处理方法对模型的影响，选出最优光谱变量筛选方法，评估定量模型的性能参数，分别建立甘草苷和甘草酸含量预测模型；样本通过Kennard-Stone算法以7：3的比例划分校正集与预测集，其中：校正集52个样本，预测集23个样本；光谱预处理方法包括：SG(Savitzky-Golay)平滑、一阶导数、二阶导数、MSC(多元散射校正)、SNV(标准正态变换)；光谱变量筛选方法包括：CARS(竞争性自适应重加权算法)、SPA(连续投影算法)、MC-UVE(蒙特卡罗无信息变量消除)、siPLS(联合区间偏最小二乘法)；建立的定量模型包括PLSR(偏最小二乘回归)模型、BRR(贝叶斯岭回归)模型；评估模型性能是通过使用四个评价指标考察模型性能，包括：R2cv(交叉验证集相关系数)、RMSECV(交叉验证误差均方根)、R2P(预测集相关系数)、RMSEP(预测集误差均方根)；R2cv和R2P越接近1，RMSECV和RMSEP越小，模型的准确度和预测能力越好；(5)实际提取过程中的实时监测实时采集待测甘草配方颗粒提取过程中样品的拉曼光谱，将采集得到的拉曼光谱信息代入步骤(4)所建立的模型中，即可获得待测样品中甘草苷和甘草酸的含量。与现有技术相比，本专利技术具有以下有益效果：(1)本专利技术与人工经验判断相比准确性更高，与传统的液相分析方法相比，无需样品预处理，不需要消耗化学试剂，操作简易；(2)本专利技术方法测定时间较短，单个样品检测时间在30s左右；(3)本专利技术针对提取过程中质量控制，可实现中药配方颗粒提取过程中的在线实时质量监控，推动中药配方颗粒提取生产过程的数字化、智能化和绿色化，促进了制药行业装备制造水平的提高；(4)本专利技术所使用的便携式拉曼光谱仪，仪器使用方便灵活，可直接安装于生产车间，避免大量的资源和成本的浪费。附图说明图1为拉曼光谱测定中药配方颗粒提取过程中指标成分含量技术路线图；图2为甘草配方颗粒提取过程中原始拉曼光谱图；图3为甘草配方颗粒提取过程中SNV预处理拉曼光谱图；图4为甘草苷含量预测模型CARS运行结果；图5为甘草苷含量预测模型SPA运行结果；图6为甘草苷含量预测模型MC-UVE运行结果；图7为甘草苷含量预测模型siPLS运行结果；图8为甘草苷CARS-BRR模型含量预测值与真实值的散点图；图9为甘本文档来自技高网...

【技术保护点】
1.一种基于拉曼光谱实时监测中药配方颗粒提取过程的方法，所述中药为甘草，其特征在于，所述方法包括如下步骤：/n(1)甘草配方颗粒提取过程的取样/n将甘草饮片加水浸泡，浸泡完成后收集第一个样本，接着升温至沸腾进行提取，在提取过程中每隔10min收集一次样本；/n取样重复5个批次，每批可以收集得到15个样品，共得到75份样品；/n(2)拉曼光谱采集过程/n利用便携式拉曼光谱仪实时采集步骤(1)所得样本的拉曼光谱；/n(3)液相分析过程/n利用高效液相色谱测定步骤(1)所得样本中甘草苷和甘草酸含量实际值；/n(4)含量预测模型的建立/n将步骤(2)采集得到的拉曼光谱与步骤(3)液相色谱结果对应，通过考察不同光谱预处理方法对模型的影响，选出最优光谱变量筛选方法，评估定量模型的性能参数，分别建立甘草苷和甘草酸含量预测模型；/n样本通过Kennard-Stone算法以7：3的比例划分校正集与预测集，其中：校正集52个样本，预测集23个样本；/n光谱预处理方法包括：SG平滑、一阶导数、二阶导数、MSC、SNV；/n光谱变量筛选方法包括：CARS、SPA、MC-UVE、siPLS；/n建立的定量模型包括PLSR模型、BRR模型；/n评估模型性能是通过使用四个评价指标考察模型性能，包括：R...

【技术特征摘要】
1.一种基于拉曼光谱实时监测中药配方颗粒提取过程的方法，所述中药为甘草，其特征在于，所述方法包括如下步骤：
(1)甘草配方颗粒提取过程的取样
将甘草饮片加水浸泡，浸泡完成后收集第一个样本，接着升温至沸腾进行提取，在提取过程中每隔10min收集一次样本；
取样重复5个批次，每批可以收集得到15个样品，共得到75份样品；
(2)拉曼光谱采集过程
利用便携式拉曼光谱仪实时采集步骤(1)所得样本的拉曼光谱；
(3)液相分析过程
利用高效液相色谱测定步骤(1)所得样本中甘草苷和甘草酸含量实际值；
(4)含量预测模型的建立
将步骤(2)采集得到的拉曼光谱与步骤(3)液相色谱结果对应，通过考察不同光谱预处理方法对模型的影响，选出最优光谱变量筛选方法，评估定量模型的性能参数，分别建立甘草苷和甘草酸含量预测模型；
样本通过Kennard-Stone算法以7：3的比例划分校正集与预测集，其中：校正集52个样本，预测集23个样本；
光谱预处理方法包括：SG平滑、一阶导数、二阶导数、MSC、SNV；
光谱变量筛选方法包括：CARS、SPA、MC-UVE、siPLS；
建立的定量模型包括PLSR模型、BRR模型；
评估模型性能是通过使用四个评价指标考察模型性能，包括：R2cv、RMSECV、R2P、RMSEP；R2cv和R2P越接近1，RMSECV和RMSEP越小，模型的准确度和预测能力越好；
(5)实际提取过程中的实时监测
实时采集待测甘草配方颗粒提取过程中样品的拉曼光谱，将采集得到的拉曼光谱信息代入步骤(4)所建立的模型中，即可获得待测样品中甘草苷和甘草酸的含量。


2.如权利要求1所述基于...

【专利技术属性】
技术研发人员：殷文俊，张慧，颜继忠，张璐，郑洁，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33