Page 37 - 《中国药房》2024年1期
P. 37

表5 方差分析结果                           3 讨论
          方差来源     偏差平方和    自由度      F      显著性      P           本研究前期以香芩解热颗粒处方中药材的吸水率
          A          702.390  2     2.084    无      >0.05    为指标,对浸泡时间进行考察:分别称取3份61 g处方比
          B         1 634.203  2    4.850    无      >0.05
          C         3 208.769  2    9.522    无      >0.05    例药材,置于足量水中浸泡,每隔 15 min 用纱布滤过药
          D(误差项)     336.970  2                              材,拧干后称重,并计算吸水率。结果显示,90 min后吸
          0.69%,表明训练后的 BP 神经网络模型精度良好,可用                      水率不再增长,平均吸水率为100.52%,且在60 min后吸
          于香芩解热颗粒水提工艺参数的预测。                                  水率增长缓慢,基本达到饱和状态。因此,本研究确定
          2.5.3 BP神经网络预测                                     药材浸泡时间为60 min;又由于吸水量约为药材质量的
              使用训练得到的网络参数,输入新条件,即加水倍                         1 倍,因此在进行提取前应多加 1 倍量水浸泡药材。另
          数为 6~12 倍(步长为 2),提取时间为 0.5~3 h(步长为                 外,本研究还考察了不同流动相(甲醇-0.1% 磷酸溶液、
          0.5),提取次数为 1~4 次(步长为 1),通过 BP 神经网络                 乙腈-0.1% 磷酸溶液、乙腈-0.2% 磷酸溶液和乙腈-0.1%
          建模并预测,可得到 96 个条件下的 P ,从中筛选出最佳                      甲酸溶液)等度洗脱或梯度洗脱对实验结果的影响,结
                                         j
          水提工艺,结果见表 6。由此可知,BP 神经网络预测得                        果显示,以乙腈-0.1% 磷酸溶液作为流动相进行梯度洗
          到的香芩解热颗粒的水提工艺为加水倍数12倍、提取时                          脱时,香芩解热颗粒中各成分的色谱峰分离度和对称性
          间0.5 h、提取次数4次。                                     均良好,且基线平稳。
                 表6 BP神经网络的预测结果(部分)                              多指标综合评分在中药复方制剂研究中已普遍应
                                                             用,而赋值权重系数是复方制剂研究的关键点。G1 法
          编号      加水倍数/倍     提取时间/h    提取次数/次      P j/分
          1          6         0.5       1        22.356 6   是在层次分析法基础上改进的一种主观赋权法,具有计
          2          6         0.5       2        36.532 7   算速度快、无须做一致性检验等优点;熵权法是一种客
          3          6         0.5       3        73.172 3   观赋权法,可对各指标的权重进行修正,避免了人为因
          4          6         0.5       4        79.155 1
          ……        ……        ……         ……        ……        素影响,从而得到相对客观的指标权重                  [10―11] 。G1-熵权
          73        12         0.5       1        41.322 7   法可将客观结果与主观结果结合,对评价指标进行综合
          74        12         0.5       2        67.126 1   评分,兼顾了主观赋权的修正性以及客观赋权的稳定
          75        12         0.5       3        99.309 0
                                                               [12]
          76        12         0.5       4        99.685 5   性 ,适用于中药复方制剂复杂成分的提取工艺评价。
          ……        ……        ……         ……        ……        BP神经网络作为神经网络模式中应用最为广泛的一种
          80        12         1         4        99.684 6   模型,其优势为结构调整的多样性和灵活性,具备高度
          ……        ……        ……         ……        ……
          95        12         3         3        84.851 0   的非线性映射能力,且可在实验次数少、样本量小的情
          96        12         3         4        84.854 3   况下通过自主学习寻找到大范围内的最佳方案 。因
                                                                                                       [13]
          2.6 两种方法所得水提工艺的验证比较                                此,BP 神经网络可用来解决中药复方制剂提取工艺过
                                                                                 [14]
              分别按照正交实验和BP神经网络优化得到的最佳                         程中复杂多元优化问题 。本研究以G1-熵权法计算连
          工艺进行提取工艺验证,平行 3 次,测定连翘酯苷 A、黄                       翘酯苷A、黄芩苷、连翘苷、千层纸素A-7-O-β-D-葡萄糖
          芩苷、连翘苷、千层纸素A-7-O-β-D-葡萄糖醛酸苷、汉黄                     醛酸苷、汉黄芩苷、黄芩素、汉黄芩素含量和出膏率的综
          芩苷、黄芩素、汉黄芩素的含量和出膏率,计算 P ,然后                        合评分,然后进行正交实验和BP神经网络建模分析,并
                                                    j
          比较两种方法所得P ,从而确定香芩解热颗粒的最佳水                          比较两种方法所得的香芩解热颗粒最佳水提工艺,结果
                           j
          提工艺,结果见表 7。由表 7 可知,正交实验所得的 P                   j   显示,正交实验所得工艺的综合评分略高于 BP 神经网
         (平均值为 96.84 分,RSD 为 0.90%)略高于 BP 神经网络               络建模所得工艺的综合评分,因此,本研究确定香芩解
          所得的 P(平均值为 92.72 分,RSD 为 0.77%),故最终确               热颗粒的最佳水提工艺为加水倍数 8 倍、提取时间 1 h、
                 j
          定香芩解热颗粒的最佳水提工艺为加水倍数8倍、提取                           提取次数3次。
          时间1 h、提取次数3次。                                          综上所述,本研究成功优化了香芩解热颗粒的水提
         表7 正交实验与 BP 神经网络所得香芩解热颗粒最佳                          工艺,可为该制剂的提取工艺研究提供参考。
               水提工艺结果比较                                      参考文献
          分析方法  y 1/(mg/g) y 2/(mg/g) y 3/(mg/g) y 4/(mg/g) y 5/(mg/g) y 6/(mg/g) y 7/(mg/g) y 8/%  P j/分  [ 1 ]  苏小霞. 香芩解热颗粒治疗小儿急性上呼吸道感染发热
          正交实验   8.167 1 16.992 2 1.260 5  1.754 3  4.632 2  0.188 5  0.070 3 29.559 7 96.03  38例[J]. 环球中医药,2016,9(11):1368-1370.
                 8.652 3 17.734 1 1.351 4  1.964 5  4.801 0  0.186 6  0.061 8 30.524 4 96.72  SU X X. Treatment of 38 cases of fever caused by acute
                 8.820 5 17.419 8 1.381 9  1.864 7  4.851 5  0.196 3  0.070 7 29.917 7 97.77
          BP神经网络 7.755 2 15.998 5 1.209 6  1.763 5  4.431 4  0.114 5  0.078 2 32.621 1 92.88  upper respiratory tract infection in children with Xiangqin
                 8.340 9 16.659 0 1.312 2  1.746 2  4.580 1  0.107 1  0.072 4 32.860 9 93.34  jiere  granule[J].  Glob  Tradit  Chin  Med,2016,9(11):
                 8.117 4 16.221 5 1.294 0  1.657 2  4.670 5  0.091 5  0.073 0 32.573 8 91.94  1368-1370.


          中国药房  2024年第35卷第1期                                                  China Pharmacy  2024 Vol. 35  No. 1    · 31 ·
   32   33   34   35   36   37   38   39   40   41   42