红外液膜法

[align=center][b]基于[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]法快速测定乳痛安口服液中主要成分含量[/b][/align][align=center]邰晓鹏[sup]1[/sup]，臧恒昌[sup]*[/sup][/align][b]摘要目的:[/b]本研究就医院内部自制乳痛安口服液为研究对象，针对现有乳痛安口服[url=https://insevent.instrument.com.cn/t/Yp][color=#3333ff]液质[/color][/url]量标准中检查项缺乏主要成分含量鉴别的问题，拟通过[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术测定样品中主要成分含量，以提升现有质量标准。[b]方法：[/b]利用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术建立乳痛安口服液中三种主要成分咖啡酸、迷迭香酸、连翘苷等含量测定的PLS模型，以建立的高效液相方法测定的医院内部自制制剂乳痛安口服液的含量为一级数据，通过校正集与验证集的划分、光谱预处理，建模区间的选择、利用参数评价等各种方法，最终建立的医院内部自制制剂乳痛安口服液的定量分析模型。[b]结果：[/b]最终得到用于分析乳痛安口服液定量分析模型评价参数分别为：咖啡酸RMESC=0.873 μg/ml，RMESP=0.686 μg/ml, R[sub]C[/sub]=0.9852，R[sub]P[/sub]=0.9899；迷迭香酸 RMSEC=2.40 μg/ml，RMSEP=2.87 μg/ml，Rc=0.9810， R[sub]P[/sub]=0.9839；连翘苷RMSEC=0.00528mg/ml，RMSEP=0.00697mg/ml，R[sub]C[/sub]=0.9856，R[sub]P[/sub]=0.9823，得到的模型预测能力较好，能够用于乳痛安口服液中三种主要成分含量快速测定。[b]结论：[/b]本研究利用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术建立的定量分析模型，可用于医院内部自制乳痛安口服液主要成分的快速测定，为医院内部自制乳痛安口服[url=https://insevent.instrument.com.cn/t/Yp][color=#3333ff]液质[/color][/url]量标准的提升提供了一定的参考。[b]关键词：[/b]乳痛安口服液；含量测定；[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术[align=center]RapidDetermination of Main Components in Rutongan Oral Liquid by Near InfraredSpectroscopy[/align][align=center]Xiao-pengtai[sup]1[/sup]，Zang-hengchang[sup]1*[/sup][/align][b]Abstract Objective[/b]: In this study, the hospital's internal self-made Ru Tonganoral liquid as the research object, aiming at the lack of identification ofmain components in the existing quality standards of the milk-Qian'an oralliquid, it is intended to determine the content of the main components in thesample by near-infrared spectroscopy. To improve the existing qualitystandards.[b]Methods:[/b]The near-infraredspectroscopy technique was used to establish a PLS model for determining thecontents of caffeic acid, rosmarinic acid, and forsythin in the three maincomponents of Ru Tong'an Oral Liquid. The level of hospitalized self-preparedpreparations of Rutongan oral liquid measured by the established HPLC methodwas first-class data. Through a variety of methods such as the division ofcalibration set and verification set, spectral preprocessing, selection ofmodeling intervals, and evaluation of parameters, a quantitative analysis modelof the hospital's self-prepared formulation, Rutongan oral liquid, was finallyestablished. [b]Results: [/b]The finalevaluation parameters used in the quantitative analysis model for analysis ofRu Tongan Oral Solution were: caffeic acid RMESC = 0.873 μg/ml, RMESP = 0.686μg/ml, RC = 0.9852, RP = 0.9899 rosemary acid RMSEC = 2.40 μg /ml, RMSEP =2.87 μg/ml, Rc = 0.9810, RP = 0.9839 Forsythin RMSEC = 0.00528 mg/ml, RMSEP =0.00697 mg/ml, RC = 0.9856, RP = 0.9823, the obtained model has better predictionability and can be used to quickly determine the contents of the three maincomponents in Ru Tong'an Oral Liquid. [b]Conclusion:[/b]Inthis study, the quantitative analysis model established by near-infraredspectroscopy analysis technology can be used to quickly determine the maincomponents of the self-made milk pain oral liquid in the hospital, whichprovides a certain reference for the improvement of the quality standard of theinternal homemade milk pain relief oral liquid.[b]Keywords: [/b]Rutongan Oral Liquid ContentDetermination Near Infrared Spectroscopy Technology[b]1 [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术简介[/b][url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]的区域是可见光谱区与中红外之间的780 nm~2526 nm之间，近红外光反应含氢基团倍频与合频的吸收，由于含氢基团的有机化合物的种类非常多，因此[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术在很多的行业中具有广泛应用，几乎可以分析所有的有机化合物和混合物[sup][/sup]。在利用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术的过程中常应用化学计量学的方法寻找并确定被测物性质与[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]间的函数关系，后经过校正得到模型，从而实现[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]的应用[sup][/sup]。由于中药中有机物质成分较多，因此常利用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术进行中药的定性和定量分析，吴利敏[sup][/sup]等人用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术快速鉴别五味子产地的研究，所建立的模型评价参数均较好，具有可应用性。胡甜[sup][/sup]等人采用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术对参枝苓口服液的生产过程进行了研究，为实现了参枝苓口服液生产过程的实时监控的；陈厚柳[sup][/sup]等人利用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术结合移动窗口标准偏差法对银杏叶提取和层析过程进行了研究，达到在线控制的目的 倪开岭[sup][/sup]等人采用PLS结合[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术建立疏血通注射液浸提过程中总固体含量的快速测定，可用于指导生产。[b]2 材料和仪器2.1样品和试剂[/b]选取不同批次已经过原标准检验合格的医院内部自制乳痛安口服液，由山东省泰安市中心医院制剂室提供。[b]2.2仪器和软件[/b]日本岛津高效液相色谱仪（LC-10A）；Agilent 1200型高校液相色谱仪；MicroNIR 1700微型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析仪（美国Viavi Solutions公司）；石英比色皿（绍兴市安德光学化学元件厂）；TQ Analyst软件用于光谱预处理与定量模型的建立[b]3 方法3.1 样品收集与处理[/b]收集四批（生产批号分别为150922、151013、151015、151018）共70个医院内部自制制剂乳痛安口服液样品。[b]3.2 [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]采集[/b]利用MicroNIR 1700微型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]（配有透射采样附件）采集70个医院内部自制制剂乳痛安口服液样品的原始[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]，光谱扫描范围900~1700 nm，光程5 mm，积分次数：50，积分时间32000μs，以空白光路作为100%校正。[b]3.3 乳痛安口服液三种主要成分定量分析模型的建立[/b]通过对采集的医院内部自制制剂乳痛安口服液的校正集与验证集的划分，光谱预处理方法的依次选择，建模波段的不断优化，利用PLS将医院内部自制乳痛安口服液主要成分液相一级数据与[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]相关联，建立医院内部自制乳痛安口服液三种主要成分含量的定量分析模型，以R、RMSEC、RMSECV、RMSEP评价所建立的定分分析模型的性能。[b]3.3.1一级数据的获取[/b]收集70份已经做过液相色谱的医院内部自制制剂乳痛安口服液，按确定好的液相色谱条件进样，记录峰面积，利用所建立的相应线性关系计算三者的含量，作为[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]模型建立的一级数据。[b]3.3.2校正集、验证集样品的划分[/b]本研究采用随机划分的方法，将70个医院内部自制制剂乳痛安口服液按随机划分的方法将其划分为校正集与验证集，校正集用来使用于定量分析模型的建立，验证集用来使用于验证下一步所建立的模型的预测能力。[b]3.3.3光谱预处理方法的选择[/b]本研究中应用的TQ软件中光谱预处理方法包括S-G卷积求导和Norris求导两种方法。本研究中选用的光谱预处理方法包括导数、平滑方法对原始光谱进行预处理，从而建立医院内部自制乳痛安口服液中连翘苷含量的PLS定量分析模型。[b]3.3.4光谱最优区间的选择[/b]在[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]建模过程中，特征变量或特征波长的选择能够剔除无关变量，降低模型的复杂程度，使建立的模型更加稳健、提高模型预测能力。本研究选择全波段（900-1700 nm）和TQ推荐建模波段建立医院内部自制乳痛安口服液中三种主要成分含量的PLS模型。[b]3.3.5定量分析模型的建立与评价[/b]本文采用的校正方法是偏最小二乘回归法，PLS不仅对光谱矩阵进行分解，消除无用信息，同时对浓度矩阵做同样的处理，并且PLS在分解的过程中考虑了光谱矩阵和浓度矩阵的对应关系，使建立的模型更加可靠。本研究利用医院内部制剂乳痛安口服液校正集样品建立PLS模型。[b]4 结果与讨论4.1 样品[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url][/b]采集的70个医院内部自制制剂乳痛安口服液样品的原始[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]如图4-1所示[align=center][img=,505,272]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241434459369_3289_3237657_3.jpg!w505x272.jpg[/img][/align][align=left]从原始光谱中可以看出光谱重叠严重，不同样品光谱相似性极高，需要利用化学计量学方法对医院内部自制制剂乳痛安口服液的原始光谱进行下一步的预处理。[/align][b][/b][align=left][b]4.2 咖啡酸定量分析模型的建立[/b][/align][align=left][b]4.2.1 HPLC测定咖啡酸含量结果[/b][/align][align=left]HPLC法测定不同批号的乳痛安口服液中咖啡酸含量如表4-1所示[/align][align=center][img=,600,331]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241436156398_2033_3237657_3.jpg!w600x331.jpg[/img][/align][align=center][img=,575,480]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241436297142_8877_3237657_3.jpg!w575x480.jpg[/img][/align][align=left][b]4.2.2异常样本的剔除[/b]样本中异常值的存在会在一定程度对建模的效果有干扰，本研究中选用马氏距离方法判别异常点的存在，该方法是浓度异常样本判别的一种方法，异常样本判断结果如图4-2所示，从图中可以看出1号和66号样本可作为异常值剔除。[/align][align=center][img=,598,233]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241437210907_5659_3237657_3.jpg!w598x233.jpg[/img][/align][align=left][b]4.2.3样品集划分结果[/b]医院内部自制制剂乳痛安口服液的校正集与验证集划分结果如表4-2所示，从下面的表中可以看出医院内部自制制剂乳痛安口服液的验证集浓度范围包含于其校正集浓度范围之中，并且校正集与验证集的浓度均值也很相近，从图4-3可看出，医院内部自制制剂乳痛安口服液的验证集均匀地分布于校正集之中，证明样品集采用的划分方法合理。[/align][align=center][img=,639,385]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241438126579_7623_3237657_3.jpg!w639x385.jpg[/img][/align][align=left][b]4.2.4光谱预处理结果[/b][/align][align=center][b][img=,601,265]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241439168323_8720_3237657_3.jpg!w601x265.jpg[/img][/b][/align][align=center][b][img=,567,271]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241439284191_2107_3237657_3.jpg!w567x271.jpg[/img][/b][/align][align=left][b]结果如表4-3所示，从表中可以看出医院内部自制制剂乳痛安口服液的原始光谱建模结果较差，需要通过预处理提取建模有效信息，经MSC或SNV预处理后，模型参数提升，经过得到的结果对比决定最终选择二阶导数+Norris（7点平滑+3点差分宽度）+MSC为最佳预处理方法，其RMESC与RMSEP值较其他预处理方法偏小，模型相关系数较其他方法较高，接近于1，具体参数为RMESC=0.873 μg/ml，RMESP=0.686 μg/ml, R[sub]C[/sub]=0.9852，R[sub]P[/sub]=0.9899, 预处理后光谱图如图4-4所示。[/b][/align][align=center][b][img=,555,355]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241440211414_4355_3237657_3.jpg!w555x355.jpg[/img][/b][/align][align=left][b][b][/b][/b][/align][b][/b][align=left][b]4.2.5 光谱区间选择结果[/b][/align][align=left]本研究比较全波段光谱建模效果与TQ推荐波段建模效果，结果见表4-4，TQ推荐波段为1548-1598 nm与1549-1442 nm，从表中可知，TQ推荐波段建模效果不如全波段建模，可能是推荐波段丢失有效信息较多。[/align][align=center][img=,609,182]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241441540560_2843_3237657_3.jpg!w609x182.jpg[/img][/align][align=center][img=,599,539]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241442070720_8723_3237657_3.jpg!w599x539.jpg[/img][/align][align=center][img=,600,249]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241442196256_190_3237657_3.jpg!w600x249.jpg[/img][/align][align=left][b]4.2.6 主因子数的选择[/b]主因子数的选择对建模结果也有较大影响，主因子数过多可能存在过多噪音，影响模型结果，如选取的主因子数过少，则会丢失较多有效信息，拟合不充分，本研究在最佳预处理方法与最佳建模波段的基础上选用交互验证方法，以预测残差平方和（PRESS）为依据，见图4-6，比较主因子数为6、7、8时对建模结果的影响，如表4-5所示，经比较主因子数为8时建模效果最优，模型如图4-7所示。[/align][align=center][img=,594,391]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241443420245_7203_3237657_3.jpg!w594x391.jpg[/img][/align][align=center][img=,448,646]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241444225425_8834_3237657_3.jpg!w448x646.jpg[/img][/align][align=center]图4-7 不同主因子数建模结果（A主因子为6，B为7,C为8）[/align][align=left][b]4.2.7 咖啡酸定量分析模型的建立与评价[/b]综上所述，本研究以马氏距离为依据，剔除1号和66号异常样本样本数据，以二阶导数+Norris（7点平滑+3点差分宽度）+MSC为最佳预处理方法，全波段建模时建立乳痛安口服液中咖啡酸含量最佳PLS模型，模型RMESC=0.873 μg/ml，RMESP=0.686 μg/ml, R[sub]C[/sub]=0.9852，R[sub]P[/sub]=0.9899, 建模结果如图4-8所示。[/align][align=center][img=,547,252]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241445326325_663_3237657_3.jpg!w547x252.jpg[/img][/align][align=left][b]4.3 迷迭香酸定量分析模型的建立4.3.1 HPLC测定迷迭香酸含量结果[/b] HPLC法测定不同批号的乳痛安口服液中迷迭香酸含量如表4-6所示[/align][align=center][img=,598,575]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241446384611_6293_3237657_3.jpg!w598x575.jpg[/img][/align][align=center][img=,586,235]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241446539287_4900_3237657_3.jpg!w586x235.jpg[/img][/align][align=left][b]4.3.2异常样本的剔除[/b]同样以马氏距离方法判断，如图4-9所示，从图中可以看出1号和66号样本可作为异常值剔除。[/align][align=center][img=,566,242]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241447518631_7790_3237657_3.jpg!w566x242.jpg[/img][/align][align=left][b]4.3.3校正集验证集样本划分结果[/b]本研究利用TQ随机划分校正集与验证集，其中校正集52个样品，验证集16个样品，校正集与验证集划分结果如表4-7所示，校正集浓度范围包含验证集浓度范围，且校正集与验证集浓度均值相近，从图4-10校正集与验证集主成分得分图中可以明显看出样品集的划分合理。[/align][align=center][img=,597,119]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241448558611_3305_3237657_3.jpg!w597x119.jpg[/img][/align][align=center][img=,589,287]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241449107893_2292_3237657_3.jpg!w589x287.jpg[/img][/align][align=left][b]4.3.4光谱预处理结果[/b]本研究通过对比原始光谱经无预处理、一阶导数、二阶导数、SG平滑四种预处理方法单独或组合应用对建模结果的影响，如表4-8所示，因此本研究最终确定的最佳光谱预处理方法为一阶导数+SG5点平滑+MSC，如图4-11所示，模型参数如下：RMSEC=2.40 μg/ml，RMSEP=2.87 μg/ml，R[sub]C[/sub]=0.9811，R[sub]P[/sub]=0.9839。[/align][align=center][img=,586,317]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241450058648_6602_3237657_3.jpg!w586x317.jpg[/img][/align][align=center][img=,564,306]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241450194541_595_3237657_3.jpg!w564x306.jpg[/img][/align][align=left][b]4.3.5光谱区间选择结果[/b]TQ 推荐最佳光谱区间为1066-1177 nm、1004-1040 nm，分别利用推荐波段与组合运用建立模型，与全波段建模结果对比如表4-9 所示，从表中可以看出，全波段建模效果最优，分析TQ推荐波段丢失了部分有效信息，从而使建模结果较差。[/align][align=center][img=,590,195]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241452477360_7764_3237657_3.jpg!w590x195.jpg[/img][/align][align=left][b]4.3.6迷迭香酸定量分析模型的建立与评价[/b]综上所述，本研究选择二阶导数SG5点平滑为预处理方法，主成分数为10时，全波段建模所得模型为医院自制乳痛安口服液迷迭香酸含量定量分析模型。模型校正集相关参数RMSEC=2.40 μg/ml，R[sub]C[/sub]=0.981，验证集相关参数为RMSEP=2.87 μg/ml，R[sub]P[/sub]=0.9839, 所建模型预测能力较好。[b]4.4连翘苷定量分析模型的建立4.4.1 HPLC测定连翘苷含量结果[/b]HPLC法测定乳痛安口服液中连翘苷含量如表4-10所示。[/align][align=center][img=,562,663]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241454410144_9553_3237657_3.jpg!w562x663.jpg[/img][/align][align=center][img=,601,131]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241455019691_5499_3237657_3.jpg!w601x131.jpg[/img][/align][align=left][b]4.4.2校正集验证集样本划分结果 [/b]根据对医院内部自制制剂乳痛安口服液样本的随机划分结果，校正集与验证集浓度范围如表4-11所示，从划分结果可知医院内部自制制剂乳痛安口服液的校正集样品浓度范围包含验证集样品浓度范围，且校正集与验证集浓度均值相近，样品集划分合理。[/align][align=center][img=,590,105]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241455521481_4380_3237657_3.jpg!w590x105.jpg[/img][/align][align=left][b]4.4.3光谱预处理结果[/b]对比无预处理、一阶导数、二阶导数、SG平滑四种预处理方法对建模结果的影响，如表4-12所示，从表中可以看出原始光谱经过预处理后基线漂移现象消除，经过对比发现原始光谱经二阶导数SG7点平滑处理后，所建立的连翘苷含量定量分析模型评价参数与其他方法相比较优，R[sub]C[/sub]=0.9890，R[sub]P[/sub]=0.9834，RMSEC=0.0046 mg/ml，RMSEP=0.00802 mg/ml，模型的预测能力还是比较理想，预处理后光谱如图4-13所示。[/align][align=center][img=,586,321]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241457188331_515_3237657_3.jpg!w586x321.jpg[/img][/align][align=center][img=,491,307]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241457575960_3810_3237657_3.jpg!w491x307.jpg[/img][/align][align=left][b]4.4.4光谱区间选择结果[/b]本研究中TQ建议波段为1201.89-1047.00nm，比较建议波段建模结果与全波段建模结果如表4-13所示。[/align][align=center][img=,591,137]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241459094801_8900_3237657_3.jpg!w591x137.jpg[/img][/align][align=left]从上表中可以看出全波段建模结果与建议波段建模结果相近，但与全波段建模相比，建议波段的RMSECV与RMSEP值差异较小，且全波段建模模型的主因子数10，选取的主因子过多，可能存在过拟合的现象，而推荐波段建模主因子数为5，认为选择较合理，留一法交互验证PRESS结果图如图4-14所示。[/align][align=center][img=,376,236]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241459532781_5909_3237657_3.jpg!w376x236.jpg[/img][/align][align=left][b]4.4.5连翘苷定量分析模型的建立与评价[/b]综上所述，本研究选择二阶导数SG7点平滑为预处理方法，光谱区间为1047-1202 nm，主成分数为5时建立所建模型为最佳连翘苷含量定量分析模型，模型校正集与验证集相关系数在0.98以上，模型预测能力较高，可用于乳痛安口服液中连翘苷含量的快速分析，建模结果见图4-15。[/align][align=center][img=,616,325]http://ng1.17img.cn/bbsfiles/images/2018/07/201807241500363169_2920_3237657_3.jpg!w616x325.jpg[/img][/align][align=left][b]5 结论与讨论[/b]本研究建立了微型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]用于快速测定医院内部自制制剂乳痛安口服液中蒲公英主要成分咖啡酸、夏枯草主要成分迷迭香酸、连翘中主要成分连翘苷的定量分析模型。通过对比几种预处理方法对医院内部自制制剂乳痛安口服液的建模结果影响，结果表明医院内部自制制剂乳痛安口服液中咖啡酸最佳预处理方法为二阶导数+Norris（7点平滑+3点差分宽度）+MSC为最佳预处理方法，全波段建模时建立医院内部自制制剂乳痛安口服液中咖啡酸含量最佳PLS模型，结果表明主因子数为8时模型最优，相关参数为RMESC=0.873 μg/ml，RMESP=0.686 μg/ml, R[sub]C[/sub]=0.9852，R[sub]P[/sub]=0.9899；乳痛安口服液中迷迭香酸最佳预处理方法为二阶导数SG5点平滑，主成分数为10时，全波段建模所得模型为最佳模型，模型校正集相关参数RMSEC=2.40 μg/ml，R[sub]C[/sub]=0.981，验证集相关参数为RMSEP=2.87μg/ml，R[sub]P[/sub]=0.9839；乳痛安口服液中连翘苷最佳预处理方法为二阶导数+S-G7点平滑，在最佳预处理方法的基础上对比全波段与TQ推荐波段建模参数的差异翘苷最佳建模波段为1047-1202 nm，所建模型R[sub]C[/sub]=0.9856，R[sub]P[/sub]=0.9823，RMSEC=0.00528mg/ml，RMSEP=0.00697 mg/ml。从所建立的模型可以直观地看出乳痛安口服液中咖啡酸、迷迭香酸、连翘苷含量差异较大，且迷迭香酸与连翘苷含量分布不均匀，说明产品一致性有待改善提高。[b]参考文献[/b] 董芹. 基于[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术的透明质酸分子量及含量快速检测研究. 山东大学,2011. 熊英. [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]的原理及应用. 中山大学研究生学刊(自然科学.医学版),2013,34(02):16-30. 吴利敏. [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]法快速检测某些中药及中成药品质的应用研究. 西南大学,2013. 胡甜. 参枝苓口服液生产过程[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术过程控制应用研究. 山东大学,2016. 陈厚柳. 银杏叶提取和层析过程在线质量控制方法研究. 浙江大学,2015. 倪开岭,吴春艳,刘雪松. 基于[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]的疏血通注射液浸提过程总固体含量分析. 中国现代应用药学,2015,32(08):970-975.[/align][align=left][b][/b][/align]