免费文献传递   相关文献

Application of genetic algorithm in blending technology for extractions of Cortex Fraxini

遗传算法在秦皮提取液混批勾兑中的应用



全 文 :遗传算法在秦皮提取液混批勾兑中的应用
杨铭,周寅敏,陈佳蕾,余敏英,史秀峰,顾希钧
(上海中医药大学 附属龙华医院 药剂科,上海 200032)
[摘要] 目的:探讨遗传算法用于秦皮提取液多目标混批勾兑的可行性。方法:选择指纹图谱相似度和指标性成分含量
的均方根误差为共同优化目标,对10批不同来源、批次的秦皮提取液建立多目标优化模型,运用遗传算法求得勾兑系数,对各
批次提取液进行混批勾兑,以相似度和均方根误差评价确定勾兑后提取液的质量。结果:各批次秦皮提取液混批勾兑后,其
质量明显改善,与对照样品间的指纹图谱相似度显著提高,变异程度降低,指标性成分相对偏差小于10%。结论:遗传算法
可用于秦皮提取液多目标的混批勾兑,为中药提取液的质量控制提供新思路。
[关键词] 秦皮提取液;指纹图谱;多目标优化;遗传算法;混批勾兑
[收稿日期] 20090525
[通信作者] 杨铭,硕士,药师,主要从事中西药物制剂工艺及质
量控制研究。Tel:(021)643857007308,Email:yangpluszhu@sina.
com
  中药产品质量不稳定的主要原因之一是中药原
料药材的质量不稳定。虽然可通过实施规范化种植
来保证原料药材的质量,但由于生物的多样性,以及
采收季节、气候等不同,药材的质量仍会产生一定的
波动。近几年来,中药研究工作者借鉴酿酒工艺的
勾兑技术,尝试使用混批勾兑技术来稳定中药材的
质量,即将不同批次的药材,按照一定比例重新进行
组合,进而调整控制药材中各种成分之间比例的过
程。目前的勾兑研究主要是在中药色谱指纹谱的基
础上进行的,勾兑的方法主要有线性规划,混合均一
化[1]及非线性最小二乘法[2]等,以上方法或以指纹
图谱相似度[3]为目标,或以指标性成分含量[2]为目
标计算勾兑系数。相似度评价虽然能从整体上,宏
观上控制中药的质量,但是相似度强调的是成分的
比例关系,没有从成分的绝对含量上进行有效的控
制;指标性成分的含量虽然能较大部分的反映中药
的质量,但是缺乏对中药整体性,宏观性的控制。因
此,如果在指纹图谱和指标性成分含量相结合的质
量控制标准下,将能更为有效的保证中药产品质量
的稳定均一。
遗传算法(GA)[4]是一种基于自然选择和基因
遗传学原理的优化搜索方法。它将“优胜劣汰,适
者生存”的生物进化原理引入待优化参数形成的编
码串群体中,按照一定的适配值函数及一系列遗传
操作对每一个个体进行筛选,从而使适配值高的个
体被保留下来,组成新的群体,新群体中各个体适应
度不断提高,直到满足一定的极限条件。此时,群体
中适配值最高的个体即为待优化参数的最优解。正
是由于遗传算法方便的分种群操作,使之特别适用
于多目标优化问题。
秦皮具有清热燥湿,收涩,明目的功能,作为本
院制剂秦冰滴眼液的主要原料药材,其质量的好坏
将直接关系到制剂质量的稳定。为保证批次间的质
量稳定均一,可将不同批次的秦皮提取液进行混批
勾兑,使得到的混合提取液与标准提取液尽可能一
致。本文根据指纹图谱和指标性成分含量相结合的
质量控制标准,提出一种秦皮提取液多目标优化的
质量控制方法,在建立能同时控制秦皮提取液多个
指标性成分含量和指纹图谱的混合优化模型基础
上,用遗传算法求得最优的混合比例。
1 材料及编程软件
日本岛津 LC10Avp高效液相色谱仪,SPD
10Avp紫外检测器,CTO10Avp柱温箱,Classvp色
谱工作站,KromasilLAAIKR006C18色谱柱(46
mm×250mm,5μm),SBXZ1A恒温水浴锅(上海
申玻仪器公司),SartoriusBS110S精密电子天平。
秦皮甲素(批号0740200104)、秦皮乙素(批号
110741200506)与秦皮素(批号111731200501)对
照品购自中国药品生物制品检定所,甲醇为色谱纯,
水为纯净水,其他试剂均为分析纯。使用的软件为
中药色谱指纹图谱相似度评价系统(A版),英国谢
菲尔德(Shefield)大学开发的基于MATLAB的遗传
72
第34卷第19期
2009年10月
                           
Vol.34,Issue 19
 October,2009
算法工具箱。
2 实验用药材及饮片
本实验所选用的10批秦皮均通过上海市药品
检验所吴赵云教授鉴定,其来源见表1。秦皮对照
药材购自中国药品生物制品鉴定所。
表1 秦皮来源及批号
秦皮
药材
产地 批号 来源
S0 - 121415200702 中国药品生物制品鉴定所
S1 陕西 20080428 上海虹桥药业有限公司
S2 陕西 20070926 上海虹桥药业有限公司
S3 陕西 20070925 上海万仕诚国药制品有限公司
S4 辽宁 20070803 上海养和堂中药饮片有限公司
S5 陕西 20080107 上海虹桥药业有限公司
S6 陕西 2006121812 上海华浦中药饮片有限公司
S7 陕西 2007102502 上海德华国药制品有限公司
S8 陕西 2006120107 上海德华国药制品有限公司
S9 辽宁 20080202 北京同仁堂崇文门药店
S10 亳州 20070827 安徽亳州五星药业公司
3 方法与结果
3.1 溶液的配置
3.1.1 供试品溶液制备 精密称取秦皮药材粗粉
200g,置于50mL具塞锥形瓶中,精密移取50mL
水,摇匀。超声提取80min,过滤,精密吸取3mL续
滤液至10mL量瓶,定容至刻度,高速离心10min,
微孔滤膜(045μm)过滤,滤液避光冷藏,作为供试
品溶液。
3.1.2 对照品溶液制备 精密称取秦皮甲素标准
品10mg、秦皮乙素标准品 5mg、秦皮素标准品 5
mg,分别置于3个10mL量瓶中,精密加入甲醇至
刻度,避光冷藏,作为对照品母液。再精密移取秦皮
甲素母液3mL,秦皮乙素母液15mL,秦皮素母液
05mL至10mL量瓶,用甲醇定容至10mL,混匀,
避光冷藏,作为对照品混合液。
3.1.3 对照药材溶液制备 取对照药材,按311
项下方法进行制备,作为对照药材溶液。
3.2 色谱条件和系统适应性
KromasilLAAIKR006C18柱(46mm×250
mm,5μm);流动相甲醇01%磷酸水(13∶87);柱
温40℃;流速10mL·min-1;进样量20μL;检测
波长340nm;检测时间70min。
供试品溶液在此色谱条件下进样各峰分离情况
良好,理论塔板数以秦皮甲素峰(1682min),秦皮
乙素峰(2902min),秦皮素峰(5912min)计不小
于3000,所有组分均在70min内被检测完毕。
3.3 方法学考察
3.3.1 精密度试验 将10号样本按311项中的
制备方法进行制备,将此样本连续进样6次,每次进
样量为20μL。在32项色谱条件下进行 HPLC检
测分析。以药典委员会推荐的“中药色谱指纹图谱
相似度评价系统(A版)”对上述秦皮提取液指纹图
谱进行分析,以秦皮甲素峰为参照得各主要色谱峰
相对保留时间和相对峰面积比值的 RSD均小于
3%。
3.3.2 重复性试验 将10号样本按311项中的
制备方法进行制备,平行制备6个样本,每样本分别
进样量 20μL。在 32项中的色谱条件下进行
HPLC检测分析。以药典委员会推荐的“中药色谱
指纹图谱相似度评价系统(A版)”对上述秦皮提取
液指纹图谱进行分析,以秦皮甲素峰为参照得各主
要色谱峰相对保留时间和相对峰面积比值的 RSD
均小于3%。
3.3.3 稳定性试验 将10号样本按311项中的
制备方法进行制备,在 0,6,24,27,30,48,51,54h
进样,共8次,每次进样20μL,在32项色谱条件
下进行 HPLC检测分析。以药典委员会推荐的“中
药色谱指纹图谱相似度评价系统(A版)”对上述秦
皮提取液指纹图谱进行分析,以秦皮甲素峰为参照
得各主要色谱峰相对保留时间和相对峰面积比值的
RSD均小于3%,证明供试品溶液在54h内稳定。
3.4 样品测定
取10批秦皮药材及对照药材,按311项中方
法进行制备,分别进样20μL,在32项色谱条件下
进行检测。结果见图1。共检测到9个共有峰,峰1
(772min),峰2(1033min),峰3(1512min),峰
4(1698min),峰5(2752min),峰6(2916min),
峰 7(3344min),峰 8(4478min),峰 9(5931
min)。计算得出,9个共有峰的峰面积之和占总峰
面积的98%以上。其中峰4(秦皮甲素)、峰6(秦皮
乙素)、峰 8(未知)、峰 9(秦皮素)占总峰面积的
90%以上,定义为4强峰,可以认为这四个组分包含
了秦皮中主要的香豆素类药效成分,基本可以反映
药材的质量。
3.5 秦皮提取液的混批勾兑
本实验在秦皮提取液HPLC指纹图谱研究的基
82
第34卷第19期
2009年10月
                           
Vol.34,Issue 19
 October,2009
图1 秦皮提取液指纹图谱
础上,尝试通过混批勾兑技术,以探索提高秦皮提
取液质量的可能性。从10个供试品溶液中抽取4
个 (S0,S2,S5,S10号样品)作为参照样本。通
过多目标优化确定勾兑系数,选择4强峰的相对含
量和指纹图谱的相似度,共同作为勾兑效果的衡量
指标。
3.5.1 线性混合模型 按照中药原药材 HPLC指
纹图谱的进行混批勾兑主要是基于每种成分 HPLC
峰面积含量的线性加和性,如下面公式1[5]所示:
S=∑

bi×Si(bi0)             (1)
  S为勾兑后某一成分的峰面积含量,Si为勾兑
前每批次药材中该成分的峰面积含量,bi为每批次
药材的勾兑系数。按照一定比例勾兑后的药材,其
每一成分 HPLC指纹图谱峰面积含量为参与勾兑各
药材该成分峰面积含量的比例加和。这里的相对含
量系指成分HPLC色谱峰面积与取样量的比值,即
单位质量的峰面积,计算公式2[3]如下:
Cij=
Aij
mi
                  (2)
  其中 Cij为 i号样品第 j号峰单位质量的峰面
积。Aij为i号样品第 j号峰的峰面积。mi为 i号样
品的取样量。计算结果如表2。
3.5.2 多目标优化数学模型 本实验采用中药指
纹图谱相似度和指标性成分的均方根误差(root
meansquareeror,RMSE)为质量评价指标。秦皮提
取液多目标优化的目标是使得到的混合提取液质量
稳定均一,即混合提取液和参照提取液指纹图谱之
间的相似度尽可能大,而指标性成分的 RMSE尽可
能的小,这在数学上可以描述为一个优化模型,其2
个目标函数为:
表2 4强峰单位质量峰面积
秦皮
药材
峰4 峰6 峰8 峰9
S0 3271605 1279394 2562697 446770
S1 2901656 1528143 1153486 346142
S2 2829793 1136001 1208760 332223
S3 1093704 954759 1081258 438294
S4 1165953 9336709 1240607 415786
S5 2505327 1271990 1172330 422752
S6 1514981 1260057 7586608 436706
S7 2299966 970015 1098794 312437
S8 1984558 1214108 1200513 348568
S9 4123945 320732 2965738 301047
S10 3492635 947967 1635989 335518
  F1:min(1-cosθ);cosθ=


k=1
Y2kY′k


k=1
Y2k∑

k=1
Y′2槡 k
     (3)
F2:min(RMSE);RMSE=


k=1
(Y′k-Yk)

槡 n     (4)
  其中 cosθ为指纹图谱相似度(夹角余弦法),
RMSE为单位质量峰面积的均方根误差,Yk为参照
样品第k个峰的峰面积,Y′k为勾兑样品第 k个峰的
峰面积,m为总色谱峰数,n为指标成分数,这里n=
4(4强峰)。
3.5.3 并列选择遗传算法计算勾兑系数的基本思
想[67] 本研究采用并列选择法对勾兑系数进行多
目标优化求解,其基本思想是先将初始群体中的全
部个体按子目标函数的数目均等地划分为2个子群
体,对每个子群体分配给相应的子目标函数(适应
度函数),各子目标函数在相应的子群体中独立地
进行选择运算,各自选择出一些适应度高的个体组
成1个新的子群体,然后再将所有新生的子群体合
92
第34卷第19期
2009年10月
                           
Vol.34,Issue 19
 October,2009
并成1个完整的群体,在这个群体中进行交叉、变异
运算,从而生成下一代的完整群体,如此不断地进行
“分割并列选择合并”操作,最终可求得多目标优
化的Pareto最优解集。程序编译示意如图2。
图2 并列选择遗传算法示意图
3.5.4 并列选择遗传算法对勾兑系数进行多目标寻
优 用遗传算法对勾兑系数进行多目寻优,数据预处
理方法为:xij,new=xij,old/(xij,最大 -xij,最小),由于目标输
出为二维,在将相应的维数作为相应的子目标函数,
采用二进制编码方式,初始种群大小为200,即每个子
种群大小为100,选择随机遍历抽样(sus),单点交叉
(xovsp)概率为07,变异(mut)概率为00075,遗传
代数为4000代。用 MATLAB进行编程,运行结果见
各子种群均值变化迭代图,如图3,4。并可见当迭代
到4000代时,各适应度函数值已趋向恒定。
图3 子目标1(相似度)种群均值变化
3.5.5 勾兑系数计算结果 根据遗传算法计算得
到以S0,S2,S5,S10号样品为参照样品的4组勾兑
图4 子目标2(均方根误差)种群均值变化
系数的结果,如表3。
表3 勾兑系数
秦皮
药材
勾兑系数
S0 S2 S5 S10
S0 - 0 0 0
S1 00809 03490 01656 00822
S2 0 - 01194 06251
S3 0 00001 00972 0
S4 01538 0 0 0
S5 0 00331 - 00334
S6 00234 0 03014 0
S7 0 01435 02062 00770
S8 06621 0 0 0
S9 04252 00441 00175 02551
S10 0 03316 01451 -
3.6 提取液勾兑实验验证
分别以S0,S2,S5,S10号样品为参照样品,按每
组勾兑系数,制备混合提取液。每组平行制备3个
样本,共12个样本,各进样20μL,进行HPLC分析。
3.6.1 混合提取液指标性成分含量评价 对勾兑
前后S0,S2,S5,S10号样品4强峰单位质量峰面积
进行均方根误差计算,结果见表4。可见,勾兑后样
品4强峰均方根误差较勾兑前有明显减小,变异程
度较之勾兑前明显减小。结合图 5分析后可以看
出,勾兑后的混合样品与参照样品的各色谱峰峰面
积的相对差异与勾兑前相比显著减小,各色谱峰的
峰面积与参照样品相比,相对误差小于±10%。
表4 均方根误差评价(珋x±s)
  样本数 S0 S2 S5 S10
勾兑前 10 911087±88922 579529±104068 549826±111156 772019±95947
勾兑后 3 147451±14729 48050±4187 76277±2304 111679±3967
3.6.2 混合提取液相似度评价 对勾兑前后 S0, S2,S5,S10号样品运用夹角余弦法进行相似度计
03
第34卷第19期
2009年10月
                           
Vol.34,Issue 19
 October,2009
a.勾兑前;b.勾兑后。
图5 秦皮提取液与对照样品峰面积图
算,结果见表5。可见,勾兑后样品相似度较勾兑前 有明显的提升,变异程度较之勾兑前明显减小。
表5 相似度评价(珋x±s)
  样本数 S0 S2 S5 S10
勾兑前 10 09397±00129 09576±00112 09652±00093 09397±00129
勾兑后 3 09956±00004 09949±00001 09969±00001 09868±00002
4 结论
本实验提出运用遗传算法对秦皮提取液进行多
目标优化的混批勾兑,同时考虑了中药色谱指纹图
谱和多指标性成分含量的质量控制要求,通过多目
标优化计算得到勾兑系数,使不同批次秦皮提取液
勾兑后,相似度明显提高,变异程度明显减小,指标
性成分的相对偏差小于 ±10%。经实验证明,运用
遗传算法对中药色谱指纹图谱和多指标性成分含量
共同进行控制的混批勾兑技术切实可行。本实验方
法为保证秦皮提取液质量稳定均一性提供了一种新
方法,可用于秦皮提取液投料过程中的质量控制,具
有普遍推广价值。
5 讨论
5.1 提取时间的选择
曾对超声提取的时间做过考察,考察总时间达
120min,并每间隔10min取样一次进行分析,结果
发现各色谱峰的单位质量峰面积在80min后趋于
恒定,由此确定提取时间为80min。
5.2 数据的预处理
以遗传算法计算勾兑系数,要求离差平方和最
小,即不允许出现较大的绝对差异。相同的绝对差
异对于峰面积较大的峰可能影响不大,但对于峰面
13
第34卷第19期
2009年10月
                           
Vol.34,Issue 19
 October,2009
积较小的峰影响较大,不能满足质量控制要求。所
以有必要对数据进行预处理,即放大小峰的差异,减
小大峰的差异。查阅文献[2],并进行过多种预处理
方式的比较,结果发现按 xij,new =xij,old/(xij,最大 -
xij,最小)处理后可以有效解决大小峰的量级差异,计
算的勾兑系数可以基本满足误差控制要求。
5.3 谢菲尔德(Shefield)遗传算法工具箱的使用
本实验采用了并列选择遗传算法进行多目标优
化,使用的是设菲尔德(Shefield)遗传算法工具箱
中的基于排序的适应度分配函数,因此目标值较低
的就有较高的适应度,所以在求解极大值时,需进行
相反数变换,本研究要优选的1个指标为极大,因此
将相似度函数 S做 S′=1-S变换后作为适应度函
数。另外,由于遗传算法的初始种群具有随机性,因
此每次运算搜索到的结果都有细小的差别,但是这
并不会影响搜索到全局的较优解[67]。
[参考文献]
[1] 罗晓芳,莫必琪,叶颖雅,等.混合均一化法对复方丹参提取物
质量控制的研究[J].中草药,2007,38(12):1817.
[2] 刘永锁,曹敏,陈玉英,等.中药材提取物的混批勾兑研究[J].
色谱,2006,24(2):117.
[3] 王彬,黄河舟,朱臻宇,等.淫羊藿药材 HPLC指纹图谱的勾兑
研究[J].药学实践杂志,2008,26(6):432.
[4] 雷英杰,张善文,李续武,等.MATLAB遗传算法工具箱及应用
[M].西安:西安电子科技大学出版社,2005:45.
[5] 瞿海斌,欧丹林,程翼宇.中药提取物质量控制的一种新方法
探讨[J].中国药学杂志,2006,41(1):57.
[6] 杨铭,汪文娟.BP网络神经结合遗传算法用于丹参提取工艺
的多目标优化[J].药学服务与研究,2007,7(6):417.
[7] 杨铭,余敏英,史秀峰,等.BP神经网络结合遗传算法多目标优
化秦皮提取工艺的研究[J].中国中药杂志,2008,33(22):2622.
Applicationofgeneticalgorithminblendingtechnologyfor
extractionsofCortexFraxini
YANGMing,ZHOUYinmin,CHENJialei,YUMinying,SHIXiufeng,GUXijun
(MedicamentDepartmentOfLonghuaHospitalAfiliatedtoShanghaiunivesityofTCM,Shanghai200032,China)
[Abstract] Objective:Toexplorethefeasibilityofgeneticalgorithm(GA)onmultipleobjectiveblendingtechnologyforex
tractionsofCortexFraxini.Method:Accordingtotheoptimizationobjectiveisthecombinationoffingerprintsimilarityandtheroot
meansquareerorofmultiplekeyconstituents,anewmultipleobjectiveoptimizationmodelof10batchesextractionsofCortexFraxini
isbuilt.Theblendingcoeficientisobtainedbygeneticalgorithm.Thequalityof10batchesextractionsofCortexFraxinithatafter
blendingisevaluatedbysimilityandrootmeansquareeror.Result:Thequalityof10batchesextractionsofCortexFraxinithatafter
blendingiswelimproved.Comparingwiththefingerprintofthecontrolsample,thesimilarityisup,andthedegreeofvariationis
down.Therelativedeviationofthekeyconstituentsislessthan10%.Conclusion:Itprovestobegoodinpracticethatgeneticalgo
rithmworksonmultipleobjectiveblendingtechnologyforextractionsofCortexFraxini.Thismethodcanbeareferencetocontrolthe
qualityofextractionsofCortexFraxini.Geneticalgorithminblendingtechnologyforextractionsofchinesemedicineisadvisable.
[Keywords] extractionofCortexFraxini;chromatographyfingerprint;multipleobjectiveoptimization;geneticalgorithm;
blendingtechnology
[责任编辑 周 驰]
23
第34卷第19期
2009年10月
                           
Vol.34,Issue 19
 October,2009