冻干药品中水分含量近红外分析方法的发展

在制药工业中,测量冻干非肠道制剂中的残留水分对于过程控制和确保生产批次的样品满足规定的放行参数至关重要。为了开发的目的,在稳定性研究和优化冻干过程中使用的冷冻/泵循环过程中,这样的定量是必不可少的。

传统的水分测量技术包括气相色谱法、卡尔·费歇尔滴定法和热重量分析,也被称为干燥损失(LOD)。尽管这些技术在系统成本、溶剂专一性和灵敏度方面有优势,但它们是时间密集型的,对分析样品具有破坏性。

近红外光谱技术是一种快速测定冻干物料水分的有效方法。亚博网站下载本文论述了近红外光谱法测定典型冻干药品残留水分的研究进展。

近红外光谱的优点

近红外光谱分析通常需要30秒以下的时间。由于1450nm和1940nm处的水有很强的泛音吸收带,因此可以对痕量水分进行校正。

考虑到血清瓶和安瓿中常用的硼硅酸盐玻璃在近红外区域“不可见”,可以通过漫反射结构的瓶底进行测量。因此,很少或不需要样品制备,同时消除了昂贵或有毒试剂的要求。

近红外光谱是一种非侵入性和非破坏性的技术,尤其有利于分析含有昂贵活性成分的样品,或用于稳定性研究中的样品分析,以便在后续的效价分析中使用相同的小瓶。

实验的程序

自由/开源软件NIRSystems模型6500光谱仪具有快速内容™分析仪(RCA)被用来获得近红外光谱(图1)。RCA抽样配件采用机械虹膜将瓶的单色入射电子束和数组硫化铅探测器可以分析广泛地反映了近红外光谱辐射和1100纳米之间2500海里。利用32次扫描对光谱数据进行信号平均。由于该设备已不可用,建议使用NIRS XDS快速含量分析仪

RCA取样模块用于分析冻干物料。

图1所示。RCA取样模块用于分析冻干物料。

使用Vision™软件进行数据采集和分析。将46个样品瓶分为10组(A ~ J),配制一套校准液。通过在每一组样品中加入指定数量的水,水分含量逐渐增加(图2)。然后,通过让水分完全蒸发,样品被储存两天,以与小瓶中的样品达到平衡。

用水刺入样品瓶的技术示意图。

图2。用水刺入样品瓶的技术示意图。

在此期间,水不允许直接接触冻干蛋糕保持倾斜的方向瓶。这种方法易于准备校准集,具有“箱-车”分布,在每个“组”湿度水平(a到J)中样品的数量大致相同。

实验结果

校准样品的卡尔费歇尔滴定法

图3描绘了Karl Fischer分析结果。每一组的测量值都与期望的增加值一致,显示出易于控制添加样品的实验方法的能力。然而,D5、E2和G3三个样品的水分测量值大于预期。

这可能是由于在插入之前,每个小瓶中包含了过多的水或较高的初始水分含量。排除这些样品,加钉前的平均水分含量估计约为0.7%,从每瓶实际测量值减去所需的水分增加量。

校准集样品的卡尔费歇尔分析结果。

图3。校准集样品的卡尔费歇尔分析结果。

近红外光谱数据

图4所示为10个不同含水量定标样品的近红外光谱,如图所示的柱状图所示,清楚地显示了1940nm波段水分含量增加与光谱特征变化的相关性。

包含不同水分的冻干样品的漫反射近红外光谱如图所示的柱状图。

图4。包含不同水分的冻干样品的漫反射近红外光谱如图所示的柱状图。

二阶导数谱常用于定量回归方程的建立。这种数学预处理被用于校正倾斜的背景和与每组样本反射率变化相关的变化偏移量。

这些差异是由物理参数造成的,如蛋糕外观和粒度分布的差异。图4所示的10个样本的二阶导数谱图如图5所示。

二阶导数光谱对应于图4的吸收光谱。

图5。二阶导数光谱对应于图4的吸收光谱。

回归方程的发展

校准样品的光谱通常分为两个独特的组,以发展定量模型。“训练集”中的样本用于开发回归方程,而“测试集”中的样本用于评估方程。特定样品的光谱不能同时用于两组。

在接近规定的接受限度(~ 2% H .)的范围内,对含有水分值的分析样品进行校准2O),采用多元线性回归(MLR)算法对A组至F组定标样品的二阶导数光谱进行分析。

这提供了校准方程A,该方程在含有低水分含量(0-3.5% H2O).除数项减少了由于样本路径长度差异造成的乘性散射的影响。

对于低含水率样品,式A -为:

近红外预测湿度% = 0.806 - 19。411 (A " 1842nm/A " 2124nm)

将MLR算法应用于训练集中所有样本的二阶导数光谱,得到了方程B,该方程对高含水量(高达15% H)的样本进行了优化2O)。

对于残留水分较大的样品,式B -为:

NIR预测湿度% = 1.427+6.472 (A“1842nm/A”2162nm)

两个回归方程的测定系数都很好,R2 > 0.99。图6和图7分别显示了用方程A对卡尔·费舍尔结果估计的近红外预测湿度值和用方程B对卡尔·费舍尔结果估计的近红外预测湿度值。

近红外光谱(NIR)预测了利用方程A估算的水分值与卡尔·费舍尔(Karl Fischer)结果。

近红外光谱(NIR)预测了利用方程A估算的水分值与卡尔·费舍尔(Karl Fischer)结果。

图6。近红外光谱(NIR)预测了利用方程A估算的水分值与卡尔·费舍尔(Karl Fischer)结果。

近红外光谱(NIR)预测了利用方程A估算的水分值与卡尔·费舍尔(Karl Fischer)结果。

近红外光谱(NIR)预测了利用方程A估算的水分值与卡尔·费舍尔(Karl Fischer)结果。

图7。近红外光谱(NIR)预测了利用方程A估算的水分值与卡尔·费舍尔(Karl Fischer)结果。

含熔体缺陷样品的近红外分析

在冻干产品中,由于部分溶解和小瓶中残留的高水分水平,冻干蛋糕出现“融化”或坍塌是常见的缺陷。

在冻干过程中,当温度和/或压力没有保持在发生液化的过渡点以下时,也会发生熔点。由于药物降解的可能性,由熔体组成的样品被视为“关键缺陷”,这最终会影响最终产品的功效。

近红外光谱技术用于分析一组15个含熔体的生产样品。每个样品的水分含量都很高,从5%到20%的H2O.近红外技术能够确定这些样品,尽管在样品基质中有一个显著的妥协。此外,有熔体的样品的近红外漫反射辐射可能与没有熔体的样品有很大不同。

虽然近红外技术不能确定这些样品的实际水分水平,但它提供了有意义的结果。这证明了近红外技术作为定性检测工具的潜力。由于该技术是非破坏性的,因此可以自动化分析,从而使分析每个生产样品成为可能。

结论

结果清楚地证明了近红外光谱技术分析冻干产品中的残留水分。该方法的速度和简单性便于对非常大的样本集进行分析。

分析的自动化允许将残留水分分析作为所有冻干瓶质量保证分析的一个整体过程。

这些信息都是从米特hm AG提供的材料中获取、审查和改编的。亚博网站下载

有关此来源的更多信息,请访问瑞士万通公司

引用

请在你的文章、论文或报告中使用下列格式之一来引用这篇文章:

  • 美国心理学协会

    瑞士万通AG)。(2020年5月21日)。冻干药品中水分含量近红外分析方法的发展。AZoM。于2021年9月15日从//www.washintong.com/article.aspx?ArticleID=10471检索。

  • MLA

    瑞士万通AG)。《冻干药品中水分含量近红外分析方法的发展》。AZoM.2021年9月15日。< //www.washintong.com/article.aspx?ArticleID=10471 >。

  • 芝加哥

    瑞士万通AG)。《冻干药品中水分含量近红外分析方法的发展》。AZoM。//www.washintong.com/article.aspx?ArticleID=10471。(2021年9月15日生效)。

  • 哈佛大学

    瑞士万通AG)。2020.冻干药品中水分含量近红外分析方法的发展.viewed September 21, //www.washintong.com/article.aspx?ArticleID=10471。

问一个问题

关于这篇文章,你有什么问题想问吗?

离开你的反馈
提交