使用高斯过程回归模型预测Salvia miltiorrhiza标准中的关键质量属性

科学领域:

• 药理学和药理学和药理学.
• 数据科学和机器学习
• 化学工程是化学工程的重要组成部分.

背景情况:

• 传统中医 (TCM) 提取中的非静止,非线性质量转移使得过程特征与质量参数的相关性变得复杂.
• 定义TCM提取过程的明确参数范围仍然是一个重大挑战.

研究的目的:

• 为TCM制备过程中的质量一致性分析提供强大的解决方案.
• 为TCM提取物建立可靠的质量控制范围.

主要方法:

• 在15个批次中使用Salvia miltiorrhiza标准.
• 采用多重非线性回归,高斯过程回归和人工神经网络模型来预测关键质量属性.
• 关键的质量属性包括糊的产量,盐酸B含量和转移率,使用RMSE,MAPE和R2进行评估.

主要成果:

• 高斯过程回归证明了对糊的产量 (R2=0.918),酸B含量 (R2=0.934) 和转移率 (R2=0.919) 的优异预测准确度.
• 标准制品的确立质量控制范围:面粉产量 (25.14%-33.19%),盐酸B含量 (2.62%-4.78%) 和转移率 (56.88%-64.80%).

结论:

• 该研究成功地将标准制剂与高斯过程回归集成,以准确预测关键质量属性.
• 使用过程分析工具来确定质量参数范围,为TCM质量一致性标准提供了一种新的方法.