文献知网节
  • 记笔记
摘要:有效成分的定性和定量分析是药物分析的核心。实际样品测定中,通常需要进行样品前处理,以消除复杂辅料成分的干扰,此过程耗时长,且难度较大。因此,发展快速定性筛查技术,提高药物分析的工作效率非常必要。本研究以联苯苄唑药品作为模型药物,将拉曼光谱技术和主成分分析(Principal components analysis, PCA)和支持向量机(Support vector machine, SVM)等机器学习算法联用,探讨了其用于药物有效成分快速定性分析的可行性。针对不同药品中辅料成分复杂、组成不一,并且其拉曼光谱谱图与低含量(1%)的联苯苄唑分子的谱图存在明显交叠的问题,以原料药的拉曼光谱为基准,利用PCA方法精准定位和提取成品药拉曼谱图中联苯苄唑分子的特征拉曼光谱信息,实现了准确定性分析。本研究无需获得每一种辅料的特征拉曼光谱谱图,根据拉曼谱图中1600和1650 cm-1等处谱峰的细微差异,采用PCA方法结合SVM分类器策略,实现了药物生产溯源的准确区分和鉴定。本研究为药物分析研究提供了一种无损快速溯源的分析方法。
  • DOI:

    10.19756/j.issn.0253-3820.191462

  • 专辑:

    理工B(化学化工冶金环境矿业)

  • 专题:

    化学; 有机化工

  • 分类号:

    O657.37;TQ460.72

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • HTML阅读
  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:35 页码:1210-1220 页数:11 大小:5553K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者