先进的化学测量方法用于同时量化咖啡因,可代因,,和p-aminophenol在他们的四元混合物中的量化

科学领域:

• 分析化学 分析化学
• 化学测量 化学测量 化学测量
• 药品分析 药品分析

背景情况:

• 准确量化药品活性成分和杂质对于药物的安全性和有效性至关重要.
• 在四级混合物中重叠的光谱对传统分析方法构成重大挑战.

研究的目的:

• 开发和比较多变量技术,用于对四元混合物中的咖啡因,可代因,偏醇和p-aminophenol (PAP) 的定量分析.
• 为了评估部分最小平方 (PLS-1) 和人工神经网络 (ANN) 的性能,优化了基因算法 (GA) 进行变量选择.

主要方法:

• 使用4个因素,5个级别的实验设计,开发一个校准集.
• 部分最小平方 (PLS-1) 和人工神经网络 (ANN) 模型的应用.
• 使用遗传算法 (GA) 优化波长选择.
• 使用独立数据集验证模型.

主要成果:

• 基因算法-人工神经网络 (GA-ANN) 模型在解决高度重叠的光谱方面表现出卓越的性能.
• 对咖啡因,可代因,青和PAP的定量分析取得了成功.
• 该GA-ANN模型被证明是有效的分析药物在他们的制药剂量形式.

结论:

• 该GA-ANN模型为复杂的药物混合物的同时定量分析提供了一个强大而准确的方法.
• 化学测量方法,特别是GA优化的ANN,为制药质量控制提供了强大的工具.