研究与评论:药物分析杂雷竞技苹果下载志
菜单e-ISSN: 2320 - 0812
e-ISSN: 2320 - 0812
Ritika, Navdeep K Gill, Ravindra K Rawal和GS Sarma＊
印苏友谊药学院药物分析系，印度旁遮普邦莫加- 142 001
收到:2014年7月5日接受:2014年8月27日
更多相关文章请访问研究与评论:药物分析杂雷竞技苹果下载志
分析化学是建模定量测量的科学。基本上，它是组合剂型样品中分析物的定量，作为该主题的关键部分。它主要是对分析的实际方面的根本理解，以及识别现有分析方法/技术无法解决的问题的能力，从而激励分析师开发创造性的方法或新的分析方法。分析所面临的所有问题的答案是化学计量学．化学计量学被定义为应用数学和统计方法进行化学测量的基本工具。化学计量学方法通常应用在没有足够理论来描述或解决分析问题的情况下。化学计量学的目的是找出存在于可用数据和所需信息之间的隐藏关系。化学中的突出问题是:从光谱数据识别化学结构(光谱解析)，定量分析复杂混合物中的化学物质(多元校正)，样品来源的确定(聚类分析和分类)，化合物或工艺材料的性质或活性的预测(定量结构-活性或结构-性质关系)。这本文学作品包括化学计量学的基础知识，并有助于将这一新颖的分析学科应用于面对分析化学目前的挑战。
化学计量学，多元分析，CLS, ILS, PCA
是近年来在分析界非常有名的方法论。该方法由物理有机化学家S.Wold于1972年首创，并与美国分析化学家B.R . Kowalski联合创立了国际化学计量学协会[1］．因此，化学计量学可以被解释为一门科学，它提供了如何借助数学和统计方法进行化学测量的信息。化学计量学一词起源于化学和测量。因此，该方法有助于从化学数据中获取隐藏信息，如图所示图1［2］．现在在这个技术世界中，化学计量学方法是计算机软件的扩展，有助于从未解决的信息中得到最终的识别，这些信息以原始或粗糙的数据形式呈现[3.，4］．一些物理学家或分析学家回顾了化学计量学方法作为现代分析化学的一个分支领域。但是化学计量学家自己认为化学计量学为分析设定了新的方向[5］．
图1:化学计量分析流。
有几个原因需要化学计量学来解决世界上尚未解决的问题，如:
•化学计量学有助于实现从数字矢量形式的分析测量中获得的化学信号(色谱图、动力学曲线、滴定曲线或波长或频率的其他格式)的结果。
•在纳入结果之前，已经在适当的设计中发现了信号噪声[6］．
•图2这张图可以看到不同药物的光谱有重叠。由于常规方法无法解决药物光谱的繁琐重叠问题。因此，化学计量学辅助的多用途方法被用于解决这些沉重的数据。
图2:药物零阶叠加光谱。
•通常，分析化学家尽最大努力调整实验条件，以分离复杂混合物中的这些重叠峰。然而，这是耗时的，不容易实现这一点，特别是对于复杂的系统，如草药，四种以上的药物混合物，其中含有多种成分。
因此,不同的多变量分析为了实现这一目标，技术已经发展起来。目前可用的功能强大的计算机在这方面有很大帮助。
在化学计量学方法中，分析化学数据的广度受到限制。化学计量学方法有助于将非常复杂的数据或三维数据分解为非常简单或一维的数据。检测到的样品紫外可见分光光度计在一定波长处具有一定浓度的吸光度。因此，只有一个变量，那就是吸光度。得到的数据是一维的。例如，样品在275-245 nm范围内扫描，分辨率为1 nm，得到30个吸光度[7］．This is implemented also on HPLC-DAD in which the absorbance is a function of both wavelength and retention time. So, the absorbance is the variable and provides1D-data. In the second case, when the sample is again determined with the two variables in UV-Visible spectrophotometer i.e. absorbance and wavelength that means different absorbencies were recorded at more than one wavelength with the constant concentration. The resulting data is 2D-matrix. The absorbance of a sample is determined as a function of wavelength and retention time in HPLC-DAD.In third case, followed by the same procedure of second case, there are three variables i.e. absorbance, wavelength, and concentration. The resulting data so obtained knownas 3D-matrix or dataset. The absorbance is determined as a function of wavelength, retention time and samples in HPLC-DAD.
这种化学数据的广度现在可以通过化学计量学方法来预测。但如上所述，化学计量学方法不能应用于一维数据，因为这种方法对多元数据的预测很有用。但是我们可以把三维数据分解成一维数据。有最常见或简单的化学计量学方法，可分为最小二乘回归(CLS)，逆最小二乘回归(ILS)，净分析信号(NAS)。但对于非常复杂的计算，最有用的方法是:主成分分析(PCA)，偏最小二乘回归(PLS)，并行因子分析(PARAFAC)等7。三向数据展开成双向数据。这种三向数据将3d数据分割成2d数据。然后对二维数据进行简化，形成大的二维数据或矩阵[8］．3d数据沿着行空间、列空间和第三个方向展开成三个不同的方向。
图3:数据的展开。
方法验证是对任何测试所采用的方法是否正常工作给出确认的过程。验证后的阳性结果证实了分析方法的均匀性或真实性。因此，验证是一种程序，它提供高度的保证，以确保特定工艺将持续生产出符合其预定规格和质量特征的产品[9］．
预测集是为验证目的而准备的。它也被称为交叉验证．在预测集上应用各种参数。在化学计量学中，验证参数称为优点图(FOM)。这些验证参数是:
•敏感性
•选择性
•信噪比
•分析敏感性
•检测限度
•歧视限度
当一种方法预测感兴趣的分析物浓度的微小变化时，它被称为敏感。方法的灵敏度取决于分析物的浓度。灵敏度可以通过使用公式来预测，该公式是仪器对感兴趣的分析物浓度变化的响应[11-12］．该参数既可用于定量分析，也可用于定性分析。
选择性是指即使在出现另一种材料或成分时也能确定特定分析物的方法。选择性通常给出复杂混合物中单个分析物的数据[13］．
它被定义为信号功率对噪声功率的比率。例如，如果它们之间的比率超过1:1，则意味着信号强度大于噪声。在测量信噪比时，应特别注意系统必须处于相同的同/平行点或交替点或等效点。
它比简单的灵敏度更有效，因为它可以确定分析物的灵敏度与仪器噪声之间的关系[14，15］．一般要求的浓度范围较小。分析灵敏度的单位是浓度-1。
这是检测限，检测感兴趣的分析物的有限数量。在实际应用中，可通过取毛坯的均值和毛坯的标准差来确定。可使用不同的检出限，例如方法检出限(MDL)及实际量化限(PQL)等[16-19］．
它与分析灵敏度或检测极限有关。对预测样品的浓度进行干预，在分析信号方面表明与原分析物浓度不同[20.］．
结合多变量分析，给出了定性和定量的信息，有关分析物。化学计量学方法与光谱技术的结合提供了一种不依赖于变量的快速、简单、高效的分析方法。The spectroscopic analysis involves the spectroscopic method in combination with the chemometrics data evaluation which in turn result the elevated automation. By using this method, a new analytical method is high capacity analysis (HCA) comes into consideration [21-24］．主要化学计量学方法实现在:
•实验设计，
经典最小二乘(CLS)
•逆最小二乘(ILS)
•主成分分析(PCA)
•净分析物信号-标准加法法(NAS-SAM)
偏最小二乘回归(PLS)和并行因子分析(PARAFAC)。
上述分析方法可采用扫描紫外-可见光谱法、二极管阵列检测器高效液相色谱法(HPLC- dad)和荧光光谱法[25］．
经典最小二乘技术也被认为是K矩阵，并用于定性和定量测定。它以比尔-兰伯特定律为基础。它是用于复杂混合物的有利方法之一。用简单的最小回归法计算吸光度系数是有帮助的。它包括诸如吸光度(A)，摩尔吸光度(ε)，样品的路径长度(b)和化合物的浓度(C)等变量。
在定量实验过程中，样品的光路长度和摩尔吸光度保持不变。
(1）
其中K是摩尔吸收系数和路径长度的常数。未知样品的浓度由该方程借助已知浓度的吸光度来确定。经典最小二乘方程如下。
（2）
这种方法也被称为P-矩阵和多元线性回归用于定量测定。通过重排比尔兰伯特定律，方程可以写成:
（3）
它包括变量如:吸光度(A)，摩尔吸光度(ε)，样品的路径长度(b)，化合物在溶液中的浓度(C)。为了校准上述方程的逆最小二乘解:-
（4）
该方法的优点是可以方便地计算方程组或未解矩阵。在识别感兴趣成分的基础上，该模型有助于预测非常复杂的混合物。因此，对于CLS方法无法解决的复杂混合物，可以很容易地用ILS方法进行预测。
它是逆最小二乘和主成分分析的结合。它分为以下几个步骤。
通过考虑主成分分析对不同变量的数据矩阵，得到分量。在合适的基础上进行了子集的选择，并考虑了PCA的进一步应用。
•通过应用线性回归对共变量进行估计，得到回归系数向量，观测向量为主成分的结果。
•借助PCA加载，将主成分转化为实际共方差，得到最终的PCR估计，从而对原始模型进行表征。
特征值的最大值表示主成分的最优数量。应用线性回归方程可以很容易地确定未知样品的浓度:
（5）
我们计算系数a和系数b
(6）
P是特征向量的矩阵Q是c负荷
(7）
在那里,TT是分数矩阵T的转置，D是一个对角线矩阵，对角线分量是所选特征值的逆。
已知b，我们得到一个用公式:
（8）
在那里,C的意思是为校准集的平均浓度，AT的意思是是矩阵的转置有平均吸光度值的项。
净分析物信号是唯一的信号，被称为NAS，并定义为信号中与样本中存在的干扰(其他分析物)信号正交的部分。混合物中任意组分在每次标准添加后的NAS矢量，可由下式求出。
（9)
这种NAS可以直接与样品混合物中未知组分的浓度和其他优点图(FOM)有关。
如上所述，化学计量学方法用于多元数据分析．化学计量学是对化学数据进行数学应用以获取相关信息的学科。目前，化学计量学可以应用于各个领域。对于单变量或双变量的数据，可以采用联立方程法、Vierodt法等经典方法进行预测。但当数据包含两个以上变量或数据比较复杂时，可以采用CLS、ILS、NAS、pca等方法。考虑一下。化学计量学的优点是不仅可以同时预测所有变量，而且不需要像HPLC级那样昂贵的溶剂，除非我们通过HPLC技术进行实验。此外，紫外化学计量学由于易于溶剂如AR级被广泛使用。因此，从以上描述，化学计量学的基础可以解释为数据或矩阵可以很容易地简化化学计量学，以获得重要的相关信息。在现代，它给出了更准确的结果，验证在每一步都执行，更重要的是，结果以图形化的方式被发现，可以很容易理解。 Chemometrics is useful not only in analytical chemistry but also in food analysis and药物设计中草药标准化。最后，我们认为化学计量学是解决药物/化学分析中一些尚未解决的问题的一种方法。
