近红外光谱法快速测定异烟肼片目的研究近红外光谱法在异烟肼片快速测定中的应用。

方法应用偏最小二乘法建立计算模型，通过方差分析法选择计算波长，主成分分析法选择验证集和训练集，交互验证法选择适当的计算因子数。

结果应用所建立的偏最小二乘法模型，对9份异烟肼片测定异烟肼含量，与HPLC法相比，所测结果相对误差≤±0.8%，方法准确可靠。

结论可将近红外光谱法应用于异烟肼的快速测定，在异烟肼生产中的过程控制和快速质量检测上有较大应用前景。

标签：近红外光谱；偏最小二乘法；异烟肼；含量测定美国FDA共批准了10种治疗结核的药物，异烟肼就是4种最核心的一线治疗药物之一，异烟肼对结核杆菌有抑制和杀灭作用，其生物膜穿透性好，由于疗效佳、毒性小、价廉、口服方便，故被列为首选抗结核药；异烟肼也是第一个抗抑郁药物，但因为较强的肝脏毒性而退出市场；异烟肼对结核分枝杆菌有高度选择性，抗菌作用强，目前测定异烟肼含量的方法主要有间接分光光度法[1]、极谱法[2]、高效液相色谱法[1、3-4]、伏安法[5-6]、化学发光法[7-10]等，但这些方法操作复杂、费时较长且常需要大量试剂。

近红外光谱技术（NIR）是近年迅速发展起来的绿色分析技术，利用近红外光谱技术分析样品具有方便、快速、高效、准确和成本较低，不破坏样品，不消耗化学试剂，不污染环境等优点，因此该技术受到越来越多人的青睐[11-12]，可广泛用于药品的理化分析。

近红外光谱由于吸收强度弱，吸收峰重叠严重，因此必须将光谱进行数学方法处理后，才能对被测物质进行分析[13]。

偏最小二乘法（PLS）能有效地降维，并消除自变量间可能存在的复共线关系，明显改善数据结果的可靠性和准确度。

本文应用近红外光谱法对异烟肼片中异烟肼含量进行了定量分析。

1 仪器与试剂紫外可见近红外分光光度计（UV-3150，SHIMADZU Corporation，Japan），附件ISR-3100积分球，高效液相色谱仪（LC-2010，SHIMADZU Corporation，Japan），投入式恒温水槽（NTT-2200P，RIKAKIKAI公司，Japan），Nucleosil C18（4.6mm×150mm，10μm）色谱柱（江申分离科技公司，大连）。

异烟肼片购于成都锦华药业有限公司，异烟肼对照品购于中国药品生物制品检定所，原料药购于浙江江北药业有限公司；淀粉、蔗糖、糊精、羧甲基纤维素等辅料购于成都市泰山薄膜包衣有限公司，均符合中国药典2005年版规定。

甲醇为色谱纯，其余试剂均为国产分析纯。

2 实验方法2.1 制备样品按照约0.5%的间隔，在异烟肼80%～100%的含量范围内，将异烟肼和相关辅料赋形剂混合制成样品共计41份，此外将9个批次的异烟肼片用研磨器研成粉末。

分别按文献[4]测定异烟肼片含量作为真实值。

2.2 光谱测量条件在波长1200～2500nm范围，设置狭峰为12nm，扫描速度设为慢，以BaSO4为空白扫描3次，以其平均光谱谱值作为各样品的光谱。

由于温度会对样品光谱测定产生较大的影响，因此本实验的光谱数据在测定时均保持在热水循环恒温装置控制温度为（25±0.1）℃下。

2.3 数据处理运用偏最小二乘法（PLS）软件建立模型，以训练集均方根误差（RMSEC）、交互验证均方根误差（RMSECV）、预测集均方根误差（RMSEP）和交互验证中计算值与真实值回归的相关系数（R）作为评价模型的指标。

其计算方法见文献[14]。

3 结果3.1 近红外光谱异烟肼近红外光谱谱图如图1所示，异烟肼在近红外区域峰形较为复杂，吸收较弱。

为进行数据分析，我们采用方差分析法选择合适的光谱区间，计算50份样品在各个波长下的相对标准偏差（RSD），以波长为横坐标、以RSD为纵坐标作曲线如图2。

根据RSD形成的峰和谷将光谱分成图2所示的6段。

3.2 验证集的选择在50份样品中选择其中13份作为验证集，其余37份作为训练集。

作样品近红外光谱的第一、二主成分得分图如图3，可见异烟肼的第一主成分占解释变量的79.18%，第二主成分占16.85%。

为使计算模型更稳健，训练集和验证集具有代表性，所选择的预测集样品必须均匀分布在主成分得分图中。

3.3 最佳光谱区间的选择我们在构建模型时，为了避免将过多冗余信息引入，从而减弱光谱受各种非目标因素的影响，我们尽可能将无关信息的变量去除，提高了所构建模型的分辨率、灵敏度和运算效率，选择的光谱区域均与组分性质相关性较强。

以RMSECV、RMSEC、RMSEP和R四项指标为综合评价指标，分别考察了不同波长对模型的影响，计算结果见表1。

如表1所示，在1323～1540nm和1200～2500nm的全波长范围，R值相对较高，RMSE值均相对较低，但RMSECV1323～1540nm波长下明显小于全波长，全波长R值也较1323～1540nm下小，综合考虑，我们选择了1323～1540nm为所构建模型的计算波长。

3.4 最佳因子数的确定使用PLS法建立校正模型，使用主成分数（又称因子数）的选择直接关系到模型的实际预测能力。

如果使用主成分数（又称因子数）过多，则会将一些反映噪音的信息也掺入计算，降低模型的预测能力，若建立模型使用的主成分数（又称因子数）过少，则不能充分反映样品的光谱信息。

本文利用交互验证法计算得到的PRESS及RMSECV值来确定最佳因子数，PRESS和RMSECV的值越小，表明建立的数学模型预测能力越好。

因子数和PRESS、RMSECV的相关性图见图4，如图所示，最佳因子数为5。

3.5 最佳模型建立与样品测定选择因子数为5，以1323～1540nm为模型计算波长，建立最佳校正模型，以HPLC法分析结果作为真值，相对近红外预测值作图（图5），所建模型R为0.99537，RMSEC为0.00451，RMSEP为0.00578。

利用所建立模型测定9份异烟肼片中异烟肼含量，并与HPLC法测定值比较，结果列于表2，由表2所知，NIRS法与HPLC法所测值的相对误差不大于0.796%，预测结果准确。

4 讨论本文应用近红外光谱，通过偏最小二乘法测定了异烟肼片中异烟肼的含量，与高效液相色谱法（HPLC）相比，测定结果相对误差<±0.8%，方法准确。

近红外光谱分析技术在近几十年内得到了快速的发展而且在多个应用领域得到了广泛的认可，它的魅力在于其可以在很短的时间内无需复杂的样品制备过程即可完成物质成份多组分的同步快速定量分析，并且可以给出很高的分析精度，不产生任何化学污染且分析成本很低，易于在实验室尤其是工业现场或在线分析领域得到推广使用。

如果将近红外光谱转化成数字化光谱，利用适宜的数字化近红外光谱建立的定量模型为解决所收集的海量近红外光谱光谱的分类、管理和再利用提供了新的思路。

近红外光谱分析技术能够以无损的方式从样本中直接获取分析信息，借助化学计量学方法对其谱图特征分类、鉴别及质量控制进行研究，对于药材的定性鉴别、质量控制具有十分重要的科学意义和实用价值。

加上便携式近红外光谱仪的研制，近红外光谱在快速、高效、无损分析方面将有很大的优势。

[参考文献][1] Khuhawar MY，Rind FMA.Liquid chromatographic determination of isoniazid，pyrazinamide and rifampicin from pharmaceutical preparations and blood[J].Journal of Chromatography B：Analytical Technologies in the Biomedical and Life Sciences，2002，766（2）：357.[2] Vallon J，Badinand A，Bichon C.Polarographic determination of isoniazide，N-acetylisoniazide and isonicotinic acid by superimposed sinusoidal tension[J].Anal Chim Acta，1975，78（1）：93-98.[3] Sottofattori E，Raggio R，Bruno k as a drug analysis medium：HPLC determination of isoniazid[J].Journal of Chemical Education，2003，80（5）：547.[4] 李湘玲，万庆.RP-HPLC测定异烟肼片的含量[J].华西药学杂志，2002，17（3）：220-221.[5] 罗立强，汪振辉，周漱萍.阴极溶出伏安法测定异烟肼的研究[J].分析试验室，1998，17（1）：9-12.[6] 金根娣，杨阿喜，张跃.铋膜玻碳电极阳极溶出伏安法测定异烟肼的研究[J].化工时刊，2001（12）：35-37.[7] 宋正华，吕继宏.流动注射抑制化学发光法测定异烟肼[J].光谱学与光谱分析，2001，21（4）：447-449.[8] 郑行望，章竹君，王琦.皂土修饰碳糊电极的电化学发光特性研究及其分析应用[J].高等学校化学学报，2003，24（8）：1385-1389.[9] 瞿鹏，李保新，章竹君.流动注射化学发光法测定异烟肼[J].分析化学，2004（5）：665-667.[10] Zhang S，Li H.Flow-injection chemiluminescence sensor for the determination of isoniazid[J].Analytica Chimica Acta，2001，444（2）：287-294.[11] McClure WF.204 years of near infrared technology：1800-2003[J].Journal Of Near Infrared Spectroscopy，2003，11（6）：487-518.[12] 逯家辉，蒋朝军，孟庆繁，等.近红外光谱-偏最小二乘法测定三元混合物中甲醇和乙醇的含量[J].吉林大学学报（理学版），2005，43（3）：368-371.[13] 国家药典委员会.中华人民共和国药典（2005年版）[S].2005：附录185.[14] Blanco M，Coello J，Iturriaga H，et al.NIR calibration in non-linear systems：different PLS approaches and artificial neural networks[J].Chemometrics and Intelligent Laboratory Systems，2000，50：75-82.。