Спектрофотометрический анализ смесей, содержащих макрои микрокомпоненты, с применением метода pls Текст научной статьи по специальности «Фундаментальная медицина»

ХИМИЯ

Вестн. Ом. ун-та. 2012. № 2. С. 119-122.

УДК 543.422

И.В. Власова, П.А. Бурюкина

СПЕКТРОФОТОМЕТРИЧЕСКИЙ АНАЛИЗ СМЕСЕЙ, СОДЕРЖАЩИХ МАКРО- И МИКРОКОМПОНЕНТЫ,

С ПРИМЕНЕНИЕМ МЕТОДА РЬБ

Спектрофотометрия в сочетании с методом проекции на латентные структуры (РЬ8) может быть применена для определения активных макро- и микрокомпонентов в составе лекарственных препаратов. Установлен оптимальный объем обучающих выборок для построения многомерных РЬ8-градуировок, при котором удается определять все компоненты смесей с погрешностями до 5 % отн. Метод использован для экспрессного анализа лекарственных препаратов.

Ключевые слова: метод проекции на латентные структуры, спектрофотометрический анализ, смеси лекарственных веществ.

В последнее время спектрофотометрия в сочетании с хемометриче-скими алгоритмами все чаще применяется в анализе лекарственных препаратов. Наиболее распространенным алгоритмом при решении задачи количественного определения компонентов является метод проекции на латентные структуры (РЬЭ). В его основе - построение многомерной градуировки по спектрам смесей известного состава (обучающей выборки) путем одновременного преобразования матрицы оптических плотностей и матрицы концентраций с целью достижения максимальной их ковариации. Все расчеты выполняются с применением специализированных компьютерных программ, таких как, например, ипвегатЫег [1]. В дальнейшем построенная модель используется в анализе смесей того же качественного и примерно того же количественного состава, что и смеси обучающей выборки. РЬ8-градуировки позволяют определять 2-3 и более активных компонентов, входящих в состав лекарственных препаратов, без предварительного разделения [2-5], что делает анализ экспрессным и малозатратным.

Основная проблема - грамотное формирование обучающих выборок, предназначенных для построения РЬЭ-градуировки. Выборка должна быть сформирована так, чтобы построенная математическая модель позволяла предсказывать содержания компонентов как можно точнее. И хотя некоторые авторы считают, что для этого необходимо использовать как можно большее число смесей [4; 5], выполненные на кафедре аналитической химии ОмГУ исследования позволили установить, что для смесей, имеющих номинальный состав, обучающую выборку достаточно сформировать из 2п + 1 смеси, где п - число определяемых компонентов [6]. Такой подход хорошо зарекомендовал себя при анализе смесей, содержащих вещества с примерно одинаковым вкладом в оптическую плотность. Но некоторые лекарственные препараты содержат в своем составе компоненты, чьи вклады в оптическую плотность смеси различаются порой на порядок (будем условно называть их макро- и микрокомпоненты).

Целью работы является установление условий построения РЬ8-градуи-ровки при анализе смесей лекарственных веществ, имеющих в своем составе микрокомпоненты, т. е. компоненты, вносящие в оптическую плотность смеси очень малый вклад.

Методическая часть. Объектами исследований были модельные смеси лекарственных веществ. Исходные растворы готовили растворением точной навески индивидуального вещества марки х.ч или ч.д.а в мерной колбе в дистиллированной воде. Рабочие растворы готовили путем раз© И.В. Власова, П.А. Бурюкина, 2012

бавления и смешивания исходных растворов непосредственно перед снятием спектров. В соответствии с качественным и количественным составом препаратов «Теодибаверин», «Тетралгин», «Пенталгин» и «Андипал» были приготовлены модельные смеси лекарственных веществ, среди которых обязательно присутствовала смесь номинального состава, точно отвечающего составу, указанному на упаковке. В остальных смесях содержание веществ отличалось от номинального на ± 2050 %. Составы номинальных трех- и четырехкомпонентных смесей приведены в табл. 1 (курсивом выделены микрокомпоненты). Растворы, моделирующие препарат «Теодибаверин», готовили в среде 0,01н МаОИ, остальные

- в среде аммиачного буферного раствора с рН=10,0. Спектры поглощения снимали на спектрофотометре СФ-2000-01 в спектральном диапазоне 200-300 нм с шагом 0,2 нм в кварцевых кюветах толщиной 1,0 см. В качестве примера на рис. 1 приведены спектры поглощения индивидуальных соединений и модельной смеси номинального состава, соответствующей препарату «Андипал». Как видно, поглощение Фб и Дб существенно меньше, чем двух других компонентов смеси.

Таблица 1 Составы номинальных смесей

Компонент С, мкг/мл

Теобромин (Тб) 9,0

Папаверина гидрохлорид (ПГ) 9,0

Дибазол (Дб) 1,2

Анальгин (Ан) 24,0

Кофеин (Кф) 4,0

Фенобарбитал (Фб) 0,8

Анальгин 25,0

Папаверина гидрохлорид 2,0

Дибазол 2,0

Фенобарбитал 2,0

Парацетамол (Пр) 7,0

Анальгин 7,0

Кофеин 1,2

Фенобарбитал 0,2

Моделируемый

препарат

«Теодибаверин»

«Тетралгин»

«Андипал»

«Пенталгин -ICN»

длина волны, нм

Рис. 1. Спектры поглощения растворов анальгина (Ан), папаверина гидрохлорида (ПГ), дибазола (Дб), фенобарбитала (Фб) и их смеси

Построение многомерных градуировок проводили с использованием компьютерной программы The Unscrambler Client 9.8. Проверку построенных градуировок вели с помощью тестовых смесей (не менее десяти для каждого из моделируемых препаратов).

Результаты и их обсуждение. При построении многомерных градуировок большое значение имеет объем выборки и число задаваемых главных компонентов (ГК). В большинстве случаев первые главные компоненты описывают наибольшие изменения в экспериментальных данных и являются наиболее информативными, однако дополнительные главные компоненты позволяют находить скрытую полезную информацию

[1]. В нашем случае это может быть информация, связанная с содержанием микрокомпонентов. Первоначально обучающие выборки для каждой модели были сформированы, согласно [6], из 2n+1 смесей. Увеличение числа ГК при построении градуировки действительно приводило к снижению погрешности определения микрокомпонентов. В качестве примера на рис. 2 показано, как меняется относительная погрешность определения микрокомпонентов

- Дб в модели «Теодибаверин» и Фб и Дб в модели «Андипал». Объем обучающей выборки в первом случае составил 7, во втором - 9 смесей.

Л

н

о

=

а

о

-

а

о

С

S

н

о

25

20

15

10

4

число ГК

число ГК

5

0

Рис 2. Изменение погрешности определения микрокомпонентов модели «Теодибаверин» (слева) и модели «Андипал» (справа) при разном числе ГК

Спектрофотометрический анализ смесей, содержащих макро- и микрокомпоненты..

121

Приведенный пример свидетельствует о том, что погрешность определения микрокомпонента можно снизить, увеличивая число ГК. Как видно, задавая 4 ГК при построении градуировки модели «Теодибаве-рин», удается определять Дб с погрешностью, не превышающей 1 % отн. Но, к сожалению, этот прием не всегда приводит к желаемому результату. Так, погрешности определения Дб и Фб в смесях модели «Ан-дипал» превышают 11 % отн. даже при 7 ГК. Дальнейшее увеличение числа ГК невозможно, оно ограничивается количеством образцов и переменных, поэтому в данном случае целесообразно увеличить объем обучающей выборки. В табл. 2 приведены результаты определения компонентов в тестовых смесях модели «Андипал» по градуировкам, построенным с применением разного числа смесей в обучающих выборках.

Таблица 2 Относительные погрешности определения компонентов в тестовых смесях модели «Андипал» по разным градуировкам

Объем обучающей выборки Число ГК Относит. погрешность (по модулю), %

Ан ПГ Дб Фб

9 7 0,4 4,4 14,7 14,6

10 8 0,8 2,3 12,1 10,1

11 8 0,5 2,5 5,8 0,9

12 8 0,1 2,1 2,2 4,1

13 8 0,1 0,3 4,6 0,5

Увеличение объема обучающей выборки до 13 смесей позволило снизить погрешности определения микрокомпонентов до 25 % отн. не только в смесях модели «Анди-пал», аналогичный результат получен для моделей «Пенталгин» и «Тетралгин». В последнем случае объем выборки составлял 9 смесей. Что касается макрокомпонентов, то во всех моделях они определялись с погрешностями не более 1 % отн.

Таким образом, обобщая полученные результаты, можно сказать, что для анализа смесей, содержащих 1-2 микрокомпонента, методом РЬ8 требуется построение многомерной градуировки с использованием обучающей выборки объемом в 3п или 3п+1 смесь и подбором оптимального числа главных компонентов. В этом случае удается определять микрокомпоненты с погрешностями от 2 до 5 % отн.

Анализ лекарственных препаратов. Построенные градуировки применили к анализу реальных препаратов. Растворы таблетированных препаратов готовили следующим образом: содержимое упаковки

взвешивали на аналитических весах, затем растирали в керамической ступке. Точную навеску полученного порошка массой около 0,05-0,1 г растворяли в дистиллированной воде в присутствии аммиачного буферного

раствора. Нерастворимый осадок отфильтровывали на бумажном фильтре, фильтрат доводили водой до метки в мерной колбе объемом 100 мл. Аликвоту полученного раствора объемом 10,0 мл переносили в мерную колбу на 200 мл, добавляли аммиачный буферный раствор и доводили до метки дистиллированной водой. Спектр снимали на том же приборе, что и модельные смеси, в том же спектральном диапазоне относительно холостого раствора. В качестве примера представлены результаты анализа препарата «Андипал» (табл. 3). Правильность анализа проверяли методом «введено -найдено» (табл. 4).

Таблица 3 Анализ препарата «Андипал»

Компонент Указано на упаковке, мг Найдено т, мг вг

Анальгин 250 247±4 0,006

Папаверина гидрохлорид 20 21 ±1 0,002

Дибазол 20 22±1 0,004

Фенобарбитал 20 20±1 0,026

Таблица 4 Проверка правильности определения активных компонентов в препарате «Андипал»

Компонент Введено т, мкг Найдено т, мкг 5, %> вг

Анальгин 2600 2726±98 4,8 0,015

Папаверина гидрохлорид 200 207±8 1,8 0,016

Дибазол 200 220±14 9,5 0,026

Фенобарбитал 200 216±21 7,7 0,040

Погрешность определения добавок при анализе всех препаратов не превышала 5 % отн. для макро- и 10 % отн. для микрокомпонентов. Значения относительных стандартных отклонений (Эг) при трех параллельных определениях во всех случаях составляли не более 0,02 для макрокомпонентов и порядка 0,03-0,08 для микрокомпонентов. Содержание определяемых веществ соответствовало указанному на упаковке.

Таким образом, спектрофотометрия в сочетании с методом РЬЭ позволяет определять активные макро- и микрокомпоненты лекарственных препаратов при условии построения градуировки по обучающей выборке объемом не менее 3п или 3п+1 смесь и подбора оптимального числа ГК. Построенные таким образом градуировочные модели позволяют проводить анализ реальных препаратов в течение 30 минут, при этом наиболее длительной является стадия про-боподготовки. Данный подход представляется весьма перспективным и в некоторых случаях может быть альтернативой более дорогостоящему и трудоемкому хроматографическому анализу.

ЛИТЕРАТУРА

[1] Эсбенсен К. Анализ многомерных данных. Черноголовка : Изд-во ИПХФ РАН, 2005. 160 с.

[2] Goicoechea H. C., Collado M. S., Satuf M. L., Olivieri A. C. Complementary use of partial least-squares and artificial neural networks for the nonlinear spectrophotometric analysis of pharmaceutical samples // Anal. Bioanal. Chem. 2002. Vol. 374. № 2. P. 460-465.

[3] Bouhsain Z., Garrigues Salvador M. de la Guardia. PLS-UV spectrophotometric method for the simultaneous determination of paracetamol, acetylsali-cylic acid and caffeine in pharmaceutical formulations (abstract) // Fresenius Journal of Analytical Chemistry. 1997. Vol. 357. № 7. P. 973-976.

[4] Domez O. A, Bozdogan A., Kunt G., Div Y. Spectrophotometric multicomponent analysis of a mix-

ture of chlorhexidine hydrochloride and lidocaine hydrochloride in pharmaceutical formulation using derivative spectrophotometry and partial least-squares multivariate calibration // Журн. аналит. химии. 2010. Т. 65. № 1. С. 33-38.

[5] Altair B. Moreira, Iara L. T. Dias, Graciliano O. Neto, Elias A. G. Zagatto, Marcia M. C. Ferreira, Lauro T. Kubota. Solid-phase spectro-fluorimetric determination of acetylsalicylic acid and caffeine in pharmaceutical preparations using partial least-squares multivariate calibration // Ta-lanta. 2005. Vol. 67. № 1. P. 65-69.

[6] Власова И. В., Шелпакова А. С., Вершинин В. И. Спектрофотометрический анализ неразделенных смесей с применением метода PLS: оптимизация объема обучающей выборки // Заводская лаборатория. Диагностика материалов. 2011. Т. 77. № 4. С. 19-22.