9104 近红外分光光度法指导原则 近红外分光光度法系通过测定物质在近红外光谱区（波长范围约在780～2500nm，按波数计约为12800~4000cm-1）的特征光谱并利用化学计量学方法提取相关信息，对物质进行定性、定量分析的一种光谱分析技术。近红外光谱主要由C—H、N—H、O—H和S—H等基团基频振动的倍频和合频组成，由于其吸收强度远低于物质中红外光谱（4000～400cm-1）的基频振动，而且吸收峰重叠严重，因此通常不能直接对其进行解析，而需要对测得的光谱数据进行数学处理后，才能进行定性、定量分析。 —、应用范围 近红外分光光度法具有快速、准确、对样品无破坏的检测特性，不仅能进行“离线”分析，还能直接进行“在线”过程控制；不仅可以直接测定原料和制剂中的活性成分，还能对药品的某些理化性质如水分、脂肪类化合物的羟值、碘值和酸值等进行分析；并能对药物辅料、中间产物以及包装材料进行定性和分级。 二、仪器装置 1. 仪器 近红外分光光度计由光源、单色器（或干涉仪）、釆样系统、检测器、数据处理器和评价系统等组成。常釆用高强度的石英或钨灯光源，但钨灯比较稳定；单色器有声光可调型、光栅型和棱镜型；样品池、光纤探头、液体透射池、积分球是常用的釆样装置；硅、硫化铅、砷化铟、铟镓砷、汞镉碲和氘代硫酸三甘肽检测器为常用的检测器。检测器和采样系统需根据供试品的类型选择。 2. 仪器性能的校验与自检 为确保仪器能达到预期的应用目的，应采用标准参比物质（SRM）对仪器的性能定期进行校验，并在使用中通过自检确保仪器的适用性。近红外光谱仪的校验参数通常包括波长的准确度、吸收/反射度的精密度、线性及最大和最小光通量处的噪声。近红外光谱仪的自检通常通过比较实测光谱与校验时储存于仪器中的标准光谱的差异来实现。自检时除针对上述校验参数设计适当的指标外，还应考虑分析过程中波长的漂移和灵敏度的改变。 仪器的校验除应定期进行外，当维修光路或更换光学部件如光源或采样附件后也应进行。推荐用于药物分析的近红外光谱仪校验参数见下表。 ①通常在2500nm（4000cm-1）处仪器允许的最大漂移为10nm（16cm-1）。 ②SRM1920a是美国NIST提供的用于近红外波长校正的标准物质，通过SRM1920a对仪器1935nm处的光谱峰进行校准，来确定波长的准确性。 ③AOBS指观测的吸光度，AREF指反射标准物质在3个特定波长处的吸光度。 三、测量模式 近红外光谱分析中常采用透射或反射测量模式。 1. 反射模式（又称漫反射模式） 反射模式主要用于分析固体样品，近红外光可穿至样品内部1~3mm，未被吸收的近红外光从样品中反射出。分别测定样品的反射光强度（I）与参比反射表面的反射光强度（Ir），其比值为反射率R。lg（l/R）与波长或波数的函数为近红外光谱。 R=I/Ir AR=lg（l/R）=lg（Ir/I） 固体样品的颗粒大小、形状、紧密程度及其他物理性质均会引起光谱基线的漂移，因此不是所有的固体混合物均符合比尔定律。可用数学方法减弱或消除粒度的影响。最常用的数学方法为对光谱进行导数处理。当样品量足够大时，也可用多元散射校正方法处理数据。 2. 透射模式 透射模式主要用于分析液体样品，近红外光穿过样品，透射光强度（I）与波长或波数的函数为近红外光谱。测定样品时样品置于光源与检测器之间的光路上，结果直接以透光率（T）或吸光度（A）表示。 T==I/Io A=-lgT=lg（l/T）=lg（Io/I） 式中Io为入射光强度。 透射-反射模式为透射与反射模式的结合，将反射镜置样品的后部，光源与检测器在样品的同侧，近红外光穿过样品后经反射镜返回，因此光程增加为两倍。 四、影响近红外光谱的主要因素 环境温度、样品的光学性质、多晶型、样品的含水量和溶剂残留量、样品厚度、硬度、光洁度及样品的贮存时间等均对样品的近红外光谱有影响。液体样品对环境温度最敏感，不同晶型的样品通常具有不同的近红外光谱。 五、应用近红外分光光度法进行定性、定量分析的基本要求 （一）定性分析 利用近红外分光光度法进行定性分析的主要步骤包括：收集代表性样品，测定光谱，选择化学计量学方法对图谱进行预处理和降维处理，建立定性分析模型，对模型进行验证。 1. 代表性样品的选择 选择适宜的代表性样品（如不同的生产工艺、物理形态、粒度分布等）建立定性分析模型。模型中各类样品的性质决定了模型的适用范围。 2 .图谱预处理和降维处理 为有效地提取有用信息，排除无效信息，在建立分类或校正模型时需要对谱图进行数学预处理。归一化处理常用于消除或减弱由位置或光程变化所导致的基线平移或强度变化；导数处理可以提高谱图的分辨率，但导数处理的同时扩大了噪声，因此常辅以平滑处理来消除噪声；对固体样品，釆用多元散射校正（MSC）或标准正态变量变换（SNV）校正可以消除或减弱光散射引入的基线偏移。 多元近红外光谱数据包含有大量的相关变量（共线性），建模时需要减少变量，即用一组新的不相关但包含相应信息的变量来代表所有数据的变化建立模型。常用的减少变量的方法是主成分分析（PCA）法。 3. 建立定性分析模型 建立定性分析模型就是将样品的性质与光谱的变化相关联，用光谱的差异程度来区分样品的性质。定性分析中常采用模式识别的方法对具有相似特征的样品进行分组。模式识别方法包括判别分析和聚类分析。判别分析要求对样本的类别特征有明确的定义，并按定义区分样本；而聚类分析适用于仅需要对样本进行分组而不需要预先知道这些样品彼此间的确切关系。 4. 模型的验证 对定性分析模型，至少应进行模型的专属性和重现性两方面的验证。 （1）专属性模型的专属性通常用对已知样品的鉴别正确率表示。不仅需要验证真品的鉴别正确率，还需要用化学结构或性质上与模型中物质相近的样品进行挑战性验证，证明模型能区分出这些物质。 （2）耐用性模型的耐用性系指在不改变模型参数的情况下，考查正常操作中的微小变化对模型预测结果的影响。通常包括： ①不同操作者的影响； ②环境条件（如实验室中的温度、湿度变化）的影响； ③操作（如样品在光学窗口的位置、液体探头的测量深度、包装状况）的影响； ④仪器部件的更换。 （二）定量分析 利用近红外分光光度法进行定量分析的主要步骤包括：收集样品并进行检验，选择代表性样品，测定光谱，选择化学计量学方法对图谱进行预处理和降维处理，建立定量分析模型，对模型进行验证。 1. 代表性样品的选择 根据样品的收集及检验情况，选择能包括全部样品理化性质差异的适宜数量的样品作为建模样品。建模样本的含量范围应该宽于预测样品的范围，必要时可以通过加速实验或特殊制备的方式获得。 2. 图谱预处理和降维处理 参见“定性分析”。 3 .建立定量分析模型 近红外光谱测量时一般不需要对样品进行预处理，但测量时可受多种因素的影响，利用单波长光谱数据很难获得准确的定量分析结果。现代近红外光谱定量分析均利用多波长光谱数据，釆用多元校正的方法，如多元线性回归（MLR）、主成分回归（PCR）、偏最小二乘回归（PLSR）和人工神经网络（ANN）等建立分析模型。 4. 方法学验证 近红外分光光度法定量分析的方法学验证与其他分析方法的要求相似。每个被验证参数可被接受的限度范围与该方法的应用目的有关，通常应考虑专属性、线性、准确度、精密度和重现性。 六、近红外模型的再验证 当预测物质的物理性质改变，或物质的来源改变，如产品的组成、生产工艺、原（辅）料的来源或级别发生改变时，需要对已建立的定量模型进行再验证。必要时应对模型进行维护或建立新模型。 七、近红外模型的传递 近红外模型的传递表示模型在不同的近红外光谱仪中的适用情况。当近红外模型在非建模仪器中应用时，必须考虑仪器型号、数据格式、光谱范围、数据点数量、光谱分辨率等对模型的影响。用适宜的代表性样品（数量依据具体模型确定）分别在建模仪器（源机）和其他仪器扫描光谱，分别利用不同仪器上获得的光谱预测结果，并进行统计学检验，以确证该模型在其他仪器中使用是否有效。 |
医药数据
