NIR 胆酸--2010--9--2

1、 近红外光谱技术关于胆酸含量数学模型的建立杨阳，代涛，汪学楷，林翔，李晖*（四川大学化学工程学院，四川成都610065）摘要：本文应用近红外技术研究了快速测定胆酸含量的方法。通过测定胆酸在100004000cm-i范围内的近红外透射光谱，建立了胆酸含量的数学模型。以校正均方差（RMSEC）和相关系数（R2）为指标，确定了用于建模的最优近红外波段和光谱预处理方法，并基于此模型预测了9个样品。结果显示，建模效果良好，表明该方法具有较高的准确性，有一定的应用前景。关键词：近红外光谱；数学模型；偏最小二乘法；胆酸Developmentofmathematicalmodelsoncholicacidby

2、nearinfraredspectroscopyYANGYang,DAITao,MNGXue-kai,LINXiang,LIHui*(CollegeofChemicalEngineering,SichuanUniversity,Chengdu6i0065,China)Abstract：NIR(nearinfraredspectroscopy)wasappliedfortherapidquantificationofcholicacidinthisstudy.NIRtransmittancespectroscopyofcholicacidrangingfromi00004000cm-iwasde

3、terminedforthedevelopmentofmathematicalmodels.RMSECandcorrelationcoefficientwereusedtoevaluateandoptimizetheestablishedmodels,includingrangeofwavenumbersandpre-treatmentmethods.Undertheestablishedmodel,anumberof9samplesweredetermined.Theresultshowsthatthismethodisofhighaccuracyandgoodapplicationfort

4、hedeterminationofcholicacid.Keywords:nearinfraredspectroscopy;mathematicalmodel;partialleastsquare;cholicacid引言近红外光(NIR)是介于可见光和中红外之间的电磁辐射波，其波长范围约为0.82.5“m,波数范围约为125004000cm-1。近红外光谱分析兼备了可见区光谱分析信号容易获取与红外区光谱分析信息量丰富两方面的优点，加上该谱区自身具有的谱带重叠、吸收强度较低、需要依靠化学计量学方法提取信息等特点,使近红外光谱分析成为一类新型的分析技术1。目前,近红外分析技术以其速度快、效率高、

5、成本低、无损伤采样和易于实现在线分析等特点,已经在农业、石化、烟草、医药和食品等行业得到广泛应用2。通信作者：李晖（1954-），男，四川大学教授，博士生导师研究方向：药物工艺学Email: HYPERLINK mailto:lihuilab lihuilab透射分析是近红外光谱法测定均匀透明的溶液或固体样品的一项常规分析技术。本文利用近红外透射光谱技术对一系列不同浓度胆酸进行测定,并在此基础上采用偏最小二乘算法(PLS)和三种不同的光谱预处理方法(原光谱、一阶导数和二阶导数)对样本的原始光谱进行预处理,建立了最佳校正数学模型。实验部分仪器与试剂NicoletAntarisll傅里叶变换近红外

6、光谱仪(ThermoNicolet),Result操作系统与TQAnalyst8分析软件，高效液相色谱仪(Alltech2515),ZORBAXSB-C18柱(4.6X150mm,5Mm),蒸发光检测器(Alltech2000ES);流动相：甲醇-水-甲酸(75:25:0.1);流速：1mL/min;柱温：30C。胆酸标准品(中国药品生物制品检定所),胆酸样品(四川弘茂制药有限公司)。甲醇(分析纯),主要用于样品的配制,甲醇(色谱纯),主要用于色谱分析,甲酸,超纯水。胆酸的HPLC标准曲线准确称取胆酸标准品0.0042g,用甲醇稀释定容至10mL为母液。分别移取0.5、1.0、1.5、2.0、

7、2.5mL母液至5个5mL容量瓶中，用甲醇定容，得到浓度分别为0.042、0.084、0.126、0.168、0.210mg/mL的5个标准液。准确称取胆酸样品0.0016g用甲醇稀释定容至10mL。上述6个样品采用高效液相色谱仪分析检测。胆酸样品近红外实验准确称取2.0578g胆酸样品用甲醇稀释定容至200mL,分别移取0.1、0.2、0.3、0.45.0mL上述溶液各至50个5mL容量瓶，用甲醇定容，得到浓度范围为0.20610.289mg/mL的50个样品溶液。取上述样品溶液，用外直径为6mm的玻璃样品管盛装,采用近红外透射光谱进行分析检测。实验条件以空气为背景,采用Result操作系采

8、集光谱，扫描波数为100004000cm-1,扫描次数为32次，分辨率为8cm-i,每个样品重复测定3次，取其平均值。采集得到的光谱数据用TQAnalyst分析软件处理和计算。结果与讨论3.1胆酸的HPLC标准曲线图1为胆酸标准曲线，其相关系数平方(R2)为0.9992,所以在此浓度范围内胆酸高效液相色谱呈线形。采用外标法定量,胆酸样品的纯度为98.2%。积面分积505554054313.0n1111111111-0.4-0.20.00.81.0进样量/ng图1胆酸标准曲线Fig.1Calibrationcurveofcholicacid3.2胆酸的近红外光谱图2是胆酸样品溶液近红外光谱分析结

9、果图250个样品溶液的近红外透射光谱图Fig.2Nearinfraredspectraof50samples样品的光谱重合较好,但由图看不出具体某个样品的光谱,需要依靠化学计量学方法提取信息。图中给出胆酸溶液在近红外谱区有明显的吸收特征。因甲醇在近红外谱区有强烈的吸收，使用6.0mm光程时，甲醇在51004000cm-i处吸收超界，该部分谱区不能使用。在67005300cm-i和100007100cm-i分别是与碳氢基团有关的一倍频和二倍频吸收谱区，这些谱区为胆酸定量分析提供了丰富的信息3。近红外光谱分析自身具有谱带重叠、吸收强度较低等特点，必需在一定波段内利用化学计量学方法，建立数学模型，才

10、能确定胆酸含量与光谱间的关系。模型的建立与优化运用TQ分析软件对数据进行处理并建立了数学模型，以相关系数(R)和校正均方差(RMSEC)为指标选择建模参数和优化模型结构，以预测均方差(RMSEP)和内部交叉验证均方差(RMSECV)来考察模型的预测性能和推广能力。本实验对偏最小二乘法(PLS)和主成分回归法(PCR)建模效果进行了比较,结果表明PLS所建立的模型优于PCR法，故采用PLS算法建立数学模型。3.3.1波段与预处理选择确定了采用PLS方法建立数学模型，对比了采用全谱段以及原光谱、一阶导数光谱、二阶导数光谱时软件自动的优化谱段的建模效果(表1),最终确定采用59825697cm-1波

11、段。又对比在该波段下采用原光谱、一阶导数光谱、二阶导数光谱建模的效果(表2)，再结合主因子图的趋势，原光谱下建模主因子图有一个拐点，而一阶导数光谱建模时主因子图有点陡峭，故选择二阶导数光谱建立模型。表1波段选择对PLS建模的影响Table1TheinfluenceofspectrawavelengthrangesonPLSmodels波段(cm-1)相关系数RMSECRMSEPRMSECV全谱1000040000.484532.612.892.91原光谱优化598256970.997770.1990.1310.251一阶导数优化677365800.518642.552.002.67二阶导数优化

12、513751140.837151.632.101.9359515924表2预处理方法选择对建模的影响Table2Theinfluenceofdifferentpre-treatmentmethodsonPLSmodels波段(cm-1)相关系数RMSECRMSEPRMSECV原光谱598256970.997770.1990.1310.251一阶导数光谱598256970.998510.1630.2070.255二阶导数光谱598256970.998200.1790.1170.2453.3.2因子数选择用偏最小二乘法建立校正模型，主成分数的选择对模型的预测能力影响较大。主成分数太多，使模型包含过

13、多的测量噪音，出现过拟合现象;主成分数过少，导致建模信息不全，预测能力差5。因此，本实验采用交互验证法考察不同主成分数对RMSECV值的影响，结果见图3，最佳主成分数为6。VCESMR0502110.01111111111012345678910Factor图3主因子数图Fig.3Numberoffactors3.3.3模型建立综合上述分析，本实验在波段59825697cm-1范围内采用PLS方法建立数学模型。根据模型的参数及主因子图的趋势选择二阶导数光谱建模,由于对光谱数据作微分处理会放大噪声信号，因此对光盘数据作NorrisDerivative平滑处理。共采集50个样品的光谱，建模过程中，

14、剔除了一个偏离结果的样品（24号），从中随机的选取9个样品作为验证集，其余40个为样品集。建模结果如图4所示相关系数为0.99820,RMSEC为0.179,RMSEP为0.117。运用内部交叉验证，步长为1,交叉验证均方差RMSECV为0.245。O|-Corr.Coeff.:0.99820RMSEC:0.1790Actual10图4PLS建模结果Fig.4Theresultsofthepredictionsamples用40个校正集建立数学模型对9个验证集样品的浓度进行了预测,9个验证集样品的真实值、预测值、误差及相对误差如表3所示。表3验证集样品预测结果Table3Predictedre

15、sultsofthepredictionsamples编号真实值(mg/mL)预测值(mg/mL)误差(mg/mL)相对误差()10.8080.731-0.0779.5322.2232.2620.0391.7533.2333.2390.0060.1943.8393.8530.0140.3655.2545.4820.2284.3466.6696.495-0.1742.6177.2757.3850.1101.5188.0838.2250.1421.7699.7009.669-0.0310.32由表3看出1号样品的相对误差较大,其原因可能是由于样品的浓度范围跨度较大所致，但总体而言，模型的效果良好。3结论本文以傅里叶变换近红外光谱技术为基础,建立了胆酸定量分析模型。所得模型具有较高的准确性,预测误差接近常规分析方法的误差,可用于胆酸含量的快速检测。同时,作为一种快速准确的定量分析手段,近红外光谱技术具有很好的前景。参考文献严衍禄，赵龙莲，韩东海等.近红外光谱分析基础与应用M.北京：中国轻工业出版社,2005高娟，唐素芳，高立勤等.近红外光谱法快速分析卡托普利片中卡托普利的含量J.天津药学，2010，22(1)：9-11曹干，谭中文，梁计南等.蔗汁品质成分的傅里叶变换近红外分析数学模型J.中国农业科学，2003，36(3)：254-