FT-NIR原材料鉴别技术及其应用（一）
FT-NIR原材料鉴别技术是一种已经得到公认并广泛应用于制药工业领域的技术。本文阐述了有关该技术、仪器使用以及运行情况的详细信息。同时还简单介绍了偏最小二乘法PLS方法以及开发、验证鉴别模型所必需的步骤。并以识别伪麻黄碱氢氯化物与伪麻黄碱硫酸盐为例说明NIR技术鉴别的快速性与准确性。
在质量控制（QC）实验室中进行的原材料鉴别是一件枯燥而又费时的工作。而且，欧洲规定对原材料容器要进行100%的ID测试，这大大提高了QC实验室工作的复杂性。虽然常常陷入空间太小、设备有限而且缺乏熟练的操作人员的困境，但是QC实验室仍会按照新的规定处理与分析大量的样品。因此会导致实验室样品大量积压，从而增加原材料库存，延长生产周期。新的FDA PAT（Process Analytical Technology） 技术为试验人员将优良品质融入成品中创造了条件，试验人员不再像往常那样仅仅检测成品的质量。提高加工过程品质的关键是要注意原材料、生产过程与环境变量之间的联系以及它们对质量的影响。PAT结构的目的是设计和开发在生产过程后期始终符合预期质量要求的加工过程。FT-NIR技术可提供有关物理（如：颗粒大小、形态等）和化学性质的重要信息。这类分析通常是指“赋予资格”，而不是“鉴别”。使用资格鉴定方法时，必须仔细比较样品与标准品的光谱特征，而不是象在ID分析中那样，仅仅进行光谱匹配操作。该技术通过阻止低劣原材料进入生产链，从而最大限度地降低了次品量以及检测所花费的大量成本。ABB所开发的NIR解决方案大大改善了可完全流入生产的原材料的质量控制效果。对原材料的分析可在卸货码头直接进行，也可在实验室进行。而且NIR分析无需样品制备，无破坏性，不产生废料，消除了操作偏差，大大减少了有效药物的暴露时间。
NIR分析仪可由非熟练工操作，在5~10S之内即可完成分析，而熟练技术人员则可解放出来从事其它的工作。
NIR解决方案在电磁波频谱上，近红外线(NIR)辐射位于中部红外线（MIR）与可见光谱（VIS）区之间，其频率为14,286～4,000cm-1（700～2500nm）。近红外光谱是分子振动的泛频与合频跃迁。最敏感的NIR谱带为O-H, C-H和 N-H伸缩振动。固体通常通过漫反射方法测量样品散射光与参考之间的强度比，因为NIR范围内的吸收率较低，光通常可以进入材料的深度为1～3mm，从而取得比中红外区域更多的典型样品，因为中红外线的光只能探测到5～10mm。反射光被检测出来后以光频率函数的形式绘制出来。而液体通常采用透射方式测量。当光通过样品时，测量所减弱的光强度并以此作为波长的函数。在NIR区域内，玻璃实际是透明的，所以当工作区选择在NIR范围时，可以使用便宜的玻璃容器，也可以用高分子薄膜和薄的袋子作为样品容器，以避免样品与取样辅助仪器直接接触。同时，可使用含低OH的石英光纤远距离（100m或更长）传输光线。这些特点使得NIR分析方法比MIR要简单的多。NIR可以测量有机固体和液体，也可以测量复合无机盐或水合无机盐。同时，还可以对无机酸进行测量。测量时可以把一个反射标准样品放置于薄膜后面，通过其漫反射参比分析填料与薄膜。油脂、透明以及粘性大的材料可在溶化后用透射方式测量。如果乳状液与分散液含有至少10%的有机相，也可以用透射方式测量。另外，分子的氢键、分子外部键以及分子内部键对温度非常敏感，因此NIR光谱会受到温差的影响，样品的温度也会对测量结果有一定的影响。所以在测量过程中需要控制温度的变化以确保测量的准确性，尤其是对水溶液而言。如果根据粘度来判别材料，也必须进行温度控制。FT-NIR原材料鉴别技术是通过使用化学计量方法为特定材料建立校准模型以获取并处理材料的NIR光谱来进行的。为了保证鉴别的确定性，结果必须符合预先定义好的验收标准。另外，可以根据数据库中该特定材料所有的验证模型预测它的光谱以避免假阳性或重复鉴别。可以使用多个算法构造二十个模型，如：波长的相关性，主成份分析（PCA）以及偏最小二乘法（PLS）等。PLS和PCA算法根据标准光谱产生一系列的权重特征向量或系数。每个因素对应于标准光谱的一次改变。然后使用这些因素的线性组合重新构造标准光谱。用以重新构造光谱的每个因素的数量称为得分。重构完成后，剩下的部分称为光谱残差。可以为每个相关的因素设置分值范围与光谱残值极限，并专门为PLS设置预测值极限。对于每种情况，当建立模型以证明不同组之间的显著区别并保持材料的组属性时，这些极限的确定都应建立在对数据统计分析的基础上。PLS高效的鉴别能力使出现假阳极鉴别的概率极小，所以ABB使用单独的PLS模型。这样，我们便可以假设不同类之间的变化很好地控制总体的变化。它成功的应用是因为构造了负责主要类变化的PCs，但是在实际应用中却遇到其成员中类似化学样品类内部变化的问题。在这样的情况下，PCA模型不能保证能得到所需的鉴别结果，并有产生假阳极结果的危险。另外一个选择就是适当独立的类推分析（SIMCA）。这是PCA鉴别分析中推荐使用的方法，因为它为每个类建立了独立的PCA模型，从而能够使用类成员。然而，在建立该模型时仍然没有考虑到其它的类。这意味着在每个类的模型中，有些因素在获取类中明显的变化时只能反映出有限的鉴别信息。当多维数据（比如NIR）不同类中的子空间都非常接近时，由于类之间不必要的重叠，从而有非优化的鉴别模型产生的危险。单独的PLS模型是鉴别分析中非常好的选择，因为在构造因素时考虑到了辅助矩阵以代码形式提供的类成员信息。成员指示变量（如波长频率）的选择与预测是提高因素可分离性的一个有效途径。运行情况仪器配置有两种仪器配置方式可供选择。如果因为样品有毒、易吸潮或性质不稳定不能打开样品容器，或者为了加速分析的过程不把样品带到化验室时，可使用远程取样方式。测量远程固体样品时，ABB的FTLA2000-PH30配置了一个固体漫反射检测（ACC102）的光纤探头, 漫反射探头可以通过聚合物袋子、板材或玻璃分析样品。测试液体时，配置一个可控制任意温度的一次性玻璃小试管检测套件（ACC118，131或132）。 在分析可以带到化验室分析的样品时，可使用FTLA2000-PH20系列标准系统。该系统在测试固体样品时配置了一个内置式漫反射检测套件 (ACC101)。另外，在样品的分析隔间上或仪器测孔上放置一个任意温度控制玻璃小试管检测套件（ACC118，131或132），可以分析一次性玻璃小试管中的液体。在分析凝胶体、膏状物、浆糊以及其它类型的样品时可使用其他辅助套件。 取样固体取样可以使用三种不同的技术。
图1 用玻璃小瓶对粉末状样品取样分析
图2 液体取样
■ 直接接触可获得最佳光谱，但执行起来却很困难，因为每次取样后都得清洗辅助仪器，所以大大增加了样品间交叉污染的可能性。■ 利用LDPE袋子或薄片这些材料将吸收一些NIR光（脂肪族C-H区域），建立对聚合物厚度、质量以及颜色几乎完全不敏感的标准模型。为了得到这些性质，可以从标准中除去特定的塑胶谱带。另外一个选择就是在分析前对某个典型的LDPE进行自动数学减法操作。使用这两种方法可以区分大部分的材料，但是可能不能区分那些分子链长的或粒度差别很小的材料。■ 通过玻璃小试管或玻璃瓶在NIR中，玻璃是透明的。所获取的光谱与通过直接接触所获取的光谱是一致的。玻璃应该很薄（最好1mm或更薄），因为玻璃厚度的变化将导致光谱的偏移，不过这种偏移通过平坦基线很容易矫正。同时，玻璃应该清晰或颜色很浅，因为NIR对于频率大于6000～7000 cm-1的琥珀色瓶的吸收率很高。液体取样可使用不同直径的、带有液体取样检测套件（ACC118, 131或 132）的一次性硼硅酸盐玻璃小试管取样。一次性玻璃小瓶消除了交叉污染的危险。使用波长校正可成功补偿玻璃小瓶内径的变化，不会因使用不同玻璃小瓶取样所获得结果的可重复性与使用单个小瓶的可重复性不一致。因为玻璃材料是惰性的，因此使用玻璃对腐蚀性的化学品取样时灵活性很大。温控件测套件的温度应控制在±1℃之内以确保严格鉴别时光谱的再现性。仪器验证和维护ABB为每种取样所配备的所有检测套件完全符合IQ和OQ协议。同时，它们也为软件验证做了存档，并符合最新的EP，USP，PASG与GAMP标准。整个OQ协议的执行可在10~15min之内完成。与分析技术轮换一样，FT-NIR仪器无需太多的维护。定期维护需要每6个月更换一次红外光源，每3年替换一只激光。原材料鉴别程序的执行建立单个鉴别模型需要以下四个步骤■ 库方法（单个模型对通用模型）一般模型方法使用单个模型作为所有库中材料鉴别的基础。此方法必须在所有参数中取得折中，它主要集中在集合的整体而不是集合的某个成员上。其优点是计算速度快。缺点是不够稳固，建立的工作量大，更重要的是添加其它材料时需要重新构建整个模型并重新验证。在通用模型系统数据库中添加新的材料时，整个库都需要重新验证以确保特性的连续性。单个模型方法使用独立的模型来区分不同的材料组。每个模型都有其独立的鉴别标准。选择每组的最优数据预处理/传输程序以及鉴别标准后，类之间的间隔便被最大化，同时类内部的变化也被最小化，为了提高鉴别的能力，推荐使用该方法。
