3-定量建模与分析.ppt

近红外谱区的吸收主要包括以下基团基频振动的合频和倍频振动吸收 C-H, N-H, O-H, S-H, C=O, C=C 近红外光谱分析技术的特点： 随着基频振动合频和倍频的增 加，吸收峰重叠的越严重 多组分复杂样品的近红外光谱 不是各组分单独光谱的叠加。 消光系数弱，穿透样品的能力 强(最深可达5cm) 需要“化学计量学”技术从复杂 的光谱中提取信息（Y=a+bx1+ cx2+dx3…） 遵循Lambert-Beer定律 A=-log (I/I0) A=- logT= log(l/r) A=ELC E-吸光系数；L-厚度；C-浓度(mol/L,W/V，W／W） 以多变量校正方法建立浓度与吸收强度之间的线性关系 Y＝b0+b1X1+b2X2+…+bnXn 优点： 仅知一种组分的含量，也可进行定量分析。 只有待测组分的含量进行参照方法的测定。 缺点： 参加回归的变量数不能超过校正集的样本数，所使用的变量数受到限制。 无法消除回归中遇到的共线性问题。 对仪器的信噪比要求很高，若使用的变量包含了噪声，会影响模型的预测能力。 优点： 充分利用了光谱数据的信息，增加了模型抗干扰的能力 解决了共线性问题 适合于复杂分析体系，无需知道干扰组分的存在就可以预测被测组分 缺点： 在分解光谱矩阵时，没有考虑光谱矩阵与样品成分矩阵之间的内在联系，不能保证参与回归的主成分一定与被测组分或性质的相关 建模样品的选择依据 单组分体系至少20个样品（最好30～40个以上）；多组分体系要求大量的建模样品 所选建模样品的含量范围要大于以后分析的范围，即要覆盖待分析样品的含量范围。 建模样品在整个含量范围应是均匀的 保证用于测得组分含量的参考方法能得到可靠的结果 在Evaluate下拉菜单中选择Setup Quant 2 Method，弹出一个多页对话窗口 Components页：定义待测组分的名称、单位、以及定量分析报告的精确度 Spectra页：调入建模样品的光谱及输入对应的化学值 标示含量与近红外含量值的关系 近红外光谱法使用的是重量百分比，而非标示量百分含量。 当药品为片剂或胶囊剂时： 药品标示百分含量（％）＝ ×100％ 当药品为粉针剂时： 假设近红外预测的主药含量结果为a％，预测的水分含量结果为b％，则a％/（1－b％）即为预测的以无水物计的含量结果。 因此，在建立某种粉针剂定量模型时，需要建立两个模型，一个是该粉针剂的纯度定量模型，另一个是其水分定量模型。 对于上述两种剂型，NIR定量分析结果的单位为：%(mg/mg) 当药品为注射液时： 近红外建模和预测结果的单位为：mg/ml 训练集样本(Calibration set)与验证集样本(Test set)的分配 训练集样本：用于建立模型的样本，要求该样本集能够包含该品种药品在化学和物理性质上的变异； 验证集样本：用于验证模型的样品，要求该样本集必须独立，且能够代表未来待测样品的性质。 训练集样品与验证集样品分配原则 训练集样品与验证集样品的分配主要取决于建模样品的多少与建模的方法； 训练集样品与验证集样品的分配比例，两组数据以1：1为宜，但当样品不够充足时(60～100个)也可以设为2：1。 当建模样品不足时(低于50个) ，常采用内部交叉验证的方法建模。 定量分析小结： 对特定组分的制剂产品测定近红外光谱和化学参考值，在OPUS的Quant2模块中建立定量模型，然后使用该模型进行定量分析，快速判断该组分的含量。 目前用于建立通用性定量模型，包括水分定量模型。 也可用于对厂家的产品建立针对性的定量模型，便于企业内部质量控制。这样的模型因为包含的变异比较少，因此准确度会比较高。 模型质量的保证： 确保实验室参考方法的准确度，保证含量值无误。 确保近红外光谱仪正常、操作规范，保证光谱质量。 选择或分配代表性的建模样品集。 模型优化、验证（内部交叉验证和外部验证）。 模 型 质 量? ? ? ? ? ?建模前提 问题： 如何建立好的近红外定量分析模型？ Spectra页：Set Data Set选项可设定样本的数据集类型，按照一定的规则自动分配校正集和验证集。 第1个样本为验证集 验证集样本的连续个数为1个 检验集样本之后的校正集样本的连续个数为1个 建 立 模 型? ? ? ? ? ?调入光谱 根据自动聚类结果选择一定比例的样本作为验证集，建议采用这种方法。 建 立 模 型? ? ? ? ? ?谱区及预处