目的以桂枝茯苓胶囊(Guizhi Fuling Capsules,GFC)和天舒胶囊(Tianshu Capsule,TC)为研究对象,将近红外光谱(near-infrared spectroscopy,NIRS)技术与机器学习算法结合,建立快速检测2种制剂中间体水分的方法。方法采集GFC总混颗粒和TC...目的以桂枝茯苓胶囊(Guizhi Fuling Capsules,GFC)和天舒胶囊(Tianshu Capsule,TC)为研究对象,将近红外光谱(near-infrared spectroscopy,NIRS)技术与机器学习算法结合,建立快速检测2种制剂中间体水分的方法。方法采集GFC总混颗粒和TC总混颗粒的NIRS,考察不同的预处理方法、变量筛选方法及算法对模型的影响,筛选最佳建模条件,并对2种中间体建立1个水分NIRS通用定量模型。结果对同一中间体建立定量模型时,广义路径追踪(generalized path seeker,GPS)算法均优于偏最小二乘(partial least square,PLS)算法;GPS通用模型与PLS通用模型相比,预测性能更高,验证集相对偏差(relative standard errors of prediction,RSEP)由3.17%降至3.03%,性能偏差比(ratio of performance to deviation,RPD)由4.83升至5.05,可用于水分的预测,且与独立模型的预测性能相差不大。结论GPS算法结合NIRS技术建立的通用定量模型,可快速、准确地检测2种制剂中间体的水分。展开更多
文摘目的以桂枝茯苓胶囊(Guizhi Fuling Capsules,GFC)和天舒胶囊(Tianshu Capsule,TC)为研究对象,将近红外光谱(near-infrared spectroscopy,NIRS)技术与机器学习算法结合,建立快速检测2种制剂中间体水分的方法。方法采集GFC总混颗粒和TC总混颗粒的NIRS,考察不同的预处理方法、变量筛选方法及算法对模型的影响,筛选最佳建模条件,并对2种中间体建立1个水分NIRS通用定量模型。结果对同一中间体建立定量模型时,广义路径追踪(generalized path seeker,GPS)算法均优于偏最小二乘(partial least square,PLS)算法;GPS通用模型与PLS通用模型相比,预测性能更高,验证集相对偏差(relative standard errors of prediction,RSEP)由3.17%降至3.03%,性能偏差比(ratio of performance to deviation,RPD)由4.83升至5.05,可用于水分的预测,且与独立模型的预测性能相差不大。结论GPS算法结合NIRS技术建立的通用定量模型,可快速、准确地检测2种制剂中间体的水分。
