基于d-最优混料的尼莫地平骨架片处方研究

基于d-最优混料的尼莫地平骨架片处方研究

混合动力问题是在工农业生产和科学研究中经常发现的混合动力问题。混料实验,就是通过实物实验或者非实物实验,考察产品的某种特性或综合性能与产品中各种混料成分之间的关系,从而得到最优的配方组合,优化产品性能。近年来,混料实验在生产实际中有非常广泛的应用,日益受到人们的重视。最优化设计是指在给定的因素空间中,对于给定的回归模型,比较各种实验方案,寻找最优方案,从而获得最优回归方程。D-最优设计可以使拟合模型回归系数的方差最小化,提高回归模型的预测精度。D-最优混料设计(D-Optimalmixturedesign)就是将D-最优化方法应用到混料实验中的设计方法,具有实验次数少、信息量充分、参数预测精度高、能够多目标同步优化的特点。因此,本实验以尼莫地平(nimodipine)为模型药物制备亲水凝胶缓释骨架片,采用D-最优混料设计,以尼莫地平的体外累积释放度为考察指标,优化辅料的配比,优选出释放效果理想的凝胶骨架片处方。1精密酸度计TDP型单冲压片机(上海天驰制药机械合作公司),UV-2450型紫外分光光度计(日本岛津公司),ZRS-8G型智能药物溶出仪(天津大学无线电厂),PHS-3C型精密酸度计(上海雷磁仪器厂)。尼莫地平(nimodipine,天津中央药业有限公司,批号:050306),羟丙甲基纤维素(hydroxypropylmethylcellulose,HPMCK15M,美国陶氏化学公司),乳糖(lactose,新西兰乳糖公司),海藻酸钠(sodiumalginate,上海化学试剂公司),冰醋酸、醋酸钠、十二烷基硫酸钠、硬脂酸镁(药用级)。2方法和结果2.1软材的干燥、干燥和冲压将HPMC、海藻酸钠和乳糖过80目筛,按照处方量将尼莫地平和辅料混合均匀后,加入体积分数90%乙醇溶液制软材,过18目筛制粒。湿颗粒在50℃干燥1h后,过20目筛整粒。最后加入1%的硬脂酸镁,混匀,用直径8mm的浅凹冲压片。每片含主药30mg,平均片重130mg,硬度4~6kg。2.2尼莫地平质量浓度的测定取尼莫地平对照品适量,以醋酸盐缓冲液(pH4.5)(含0.5%十二烷基硫酸钠)溶解,配制一定浓度的溶液,在200~400nm内扫描其紫外吸收光谱。可见尼莫地平在237nm波长处有最大吸收峰,在356nm处亦有相对较强的吸收峰。另作空白辅料干扰实验,结果在237nm处辅料无干扰。故本实验采用237nm为测定波长。取尼莫地平对照品适量,用释放介质配制质量浓度为1.5,3.0,6.0,12,24mg·L-1的一系列标准溶液,在237nm波长处分别测定吸光度,绘制标准曲线。以吸光度(A)对质量浓度(ρ,mg·L-1)进行线性回归,得到标准曲线方程为:A=0.0634ρ+0.0299,r=0.9996。结果表明,尼莫地平质量浓度在1.5~24mg·L-1内线性关系良好。取本品,照《中国药典》2005年版释放度测定方法第一法,采用溶出度测定法第一法(转篮法)的装置,以醋酸盐缓冲液(pH4.5)(含0.5%十二烷基硫酸钠)900mL为释放介质,转速为75r·min-1,依法避光操作。分别于2,3,5,6,8,9,10,12h取样8mL,并即时在操作容器中补充8mL同温释放介质,滤过,精密量取续滤液5mL,置10mL量瓶中,加释放介质稀释至刻度,摇匀,作为供试品溶液。在237nm处测定其吸光度,代入标准曲线计算释放度。用公式(1)对释放度加以校正,计算累积释放度。式中,t为取样时间(h);Qt为时间t的累积释放度(%);ρt为时间t的质量浓度(g·L-1);V0为溶出介质总体积,本式中V0=900mL;ρi为时间i(h)的质量浓度;Vi为时间i的取样体积,本式中Vi=8mL;M为骨架片中尼莫地平的含量(mg)。2.3d-最佳混料的设计优化了骨架片的缓解剂2.3.1模拟处方的确定尼莫地平为水难溶性药物,口服生物利用度低,生物半衰期短(约1.5~2h),每日需3~4次频繁用药。因此,将尼莫地平设计为每12h服用1片的缓释骨架制剂可延缓其作用时间,减少给药次数,提高病人依从性。根据《中国药典》2005年版附录XIXD《缓释、控释制剂指导原则》和本实验的目的,确定尼莫地平骨架片释放度的限度,作为处方筛选依据:3h累积释放度(Y3h)为15%~25%,以考察药物是否有突释现象;6和9h累积释放度(Y6h,Y9h)分别为40%~60%和70%~80%,以确定药物释放的特性;12h累积释放度(Y12h)大于95%,以考察释药量是否完全。在预实验的基础上,确定HPMC、乳糖和海藻酸钠3种辅料为影响释放的主要因素。根据预实验结果确定了每片中3种辅料的用量限度分别为:HPMC的用量(X1)为20~40mg;乳糖的用量(X2)为40~65mg;海藻酸钠的用量(X3)为5~25mg;辅料总量为100mg。根据拟合模型回归系数的方差最小化,回归模型的预测精度最高的原则,计算选取3因素D-最优混料设计在实验因素空间内的候选点,组成14个模拟处方。处方的辅料配比和累积释放度的结果见表1。2.3.2实验结果与分析D-最优混料设计的实验数据采用3种数学模型(Scheffe多项式)进行回归拟合,3种回归模型如下:线型模型:Y=b1X1+b2X2+b3X3二次式模型:Y=b1X1+b2X2+b3X3+b12X1X2+b13X1X3+b23X2X3不完全三次式模型:Y=b1X1+b2X2+b3X3+b12X1X2+b13X1X3+b23X2X3+b123X1X2X3本实验以HPMC(X1)、乳糖(X2)和海藻酸钠(X3)为自变量,以3,6,9,12h的累积释放度为因变量,应用Design-Expert6.0实验设计软件分别以3种数学模型进行逐步回归拟合与分析,对各项系数进行t检验,剔除P>0.05的项。以回归模型的标准方差(S.D.)、复相关系数(r2)、调整复相关系数(adjustedr2)、预测复相关系数(predictedr2)、残差平方和(PRESS)为综合指标,判断并选取3种数学模型中最佳的回归模型,结果见表2。拟合方程的复相关系数(r2)和失拟(lackoffit)检验值(P)表明4个时间点的最佳回归方程拟合效果很好。由回归方程可知:HPMC(X1)在整个释放过程中始终起到阻滞剂的作用,延缓药物的释放;水溶性的乳糖(X2)起到了促进释放介质的渗入骨架片,加快骨架基质溶胀和溶蚀的作用;在释放过程中,存在着3种辅料之间的交互作用。2.3.3尼莫地平的释放度计算根据最佳回归方程,应用Design-Expert6.0实验设计软件分别绘制3,6,9,12h时间点累积释放度的二维等高线图和等高线叠加图。等高线叠加图可以直观地描绘出符合4个时间点释放度指标的辅料配比最佳区域,见图1。根据等高线叠加图优选出3个因素的最佳处方范围为:X1:34.5~37.0mg;X2:40.8~49.4mg;X3:16.1~22.4mg。在最佳处方的区域内选取5个最优化的验证处方,验证处方的辅料配比和累积释放度的结果见表3。从表3可见,验证处方在各个时间点累积释放度的实际值均接近于预测值,表明D-最优混料设计可以准确地预测骨架片中辅料的最优配比。本实验的目的是制备12h内可持续释放的缓释骨架片,因此以零级释放动力学曲线作为参比,判断尼莫地平缓释骨架片释放与零级释放行为的相似程度。选择验证处方在2,3,5,6,8,9,10,12h的累积释放度,按照公式(2)计算相似因子(f2)。式中,n为采样时间点的个数;Rt和Tt分别为参比制剂和受试制剂在t时刻的累积释放度。f2值越大,释放度曲线的相似程度越高。f2值大于50,认为具有相同的释放行为。5个验证处方的f2平均值为76,表明尼莫地平凝胶骨架片的释放行为与零级释放动力学释放行为相似。将验证处方骨架片的释放度数据用Ritger-Peppas方程(Mt/M∞=ktn)拟合。方程中Mt/M∞代表t时刻药物累积释放分数;t为释放时间;k为常数,随不同处方以及不同释放条件而变化,其大小是表示释放速率大小的重要参数;n为溶出参数,是表示释放机制的特征参数,与骨架制剂的形状有关。对于圆柱形骨架片来说,当n<0.45时,药物释放以Fick扩散为主;而当n>0.89时,药物通过骨架溶蚀方式释放;当0.45<n<0.89时,药物释放为非Fick扩散(即药物扩散和骨架溶蚀协同作用)。计算结果n>0.89,表明最优处方骨架片中药物的释放机制为骨架溶蚀机制。3基于d-最优混料设计的目标函数优化HPMCK15M为一种高黏度的HPMC,形成水化凝胶层,阻止药物向溶液中扩散,单独使用制成的骨架片较难在12h内完全释放药物,释药机制以溶胀扩散机制为主。海藻酸钠水化形成凝胶,在溶出介质中发生溶胀和溶蚀,与HPMC联合使用,可以使药物释放完全。水溶性的乳糖可以起到促进释放介质渗入骨架基质,加速基质的溶胀和溶蚀的作用。因此,本实验将HPMCK15M、海藻酸钠和乳糖配合使用,采用D-最优混料设计方法,分别以尼莫地平在3,6,9,12h取样时间点的体外累积释放度为考察指标,对骨架片处方中主要辅料进行优化配比,所制得的凝胶骨架片可在12h内维持药物的零级释放。用Ritger-Peppas方程拟合最优处方骨架片的累积释放度数据,结果表明,药物的释放为骨架溶蚀机制。制剂处方优化常会涉及到多指标同步优化的问题,一般采用综合评分法(即对各个指标进行标准化评分,以各指标评分的综合总评作为考察指标)处理,对各指标权重的选择主观性较强,会影响预测的准确性。本实验使用D-最优混料设计,可根据所建立的数学模型描绘出二维等高线,通过重叠等高线来筛选处方,从而可以得到比较合理、准确和直观的结果。神经网络方法进行多指标同步优化时,必须有足够的样本量才能保证预测精度,造成实验点的数量过多。与神经网络方法相比,D-最优混料设计实验点数较少、预测精度高。混料设计是一种受特殊条件约束的回归设计,不能采用一般的多项式作为回归模型,否则会由于混料条件的限制而引起信息矩阵的退化,所以本实验必须采用特殊的