基于QbD理念的三七總皂苷定量分析方法持續(xù)改進(jìn)研究

戴勝云++徐冰+史新元+徐翔+孫英強(qiáng)+喬延江

[摘要]該文提出基于質(zhì)量源于設(shè)計(jì)（QbD）的中藥分析方法持續(xù)改進(jìn)策略。以三七總皂苷（PNS）5種皂苷類成分的超高效液相色譜（UPLC）定量分析方法開(kāi)發(fā)為例，完成分析方法從HPLC到UPLC的轉(zhuǎn)換。在UPLC開(kāi)發(fā)中，采用PlackettBurman設(shè)計(jì)和BoxBehnken設(shè)計(jì)理解關(guān)鍵方法參數(shù)（CMP）與關(guān)鍵方法屬性（CMA）之間的關(guān)系，建立貝葉斯概率設(shè)計(jì)空間；優(yōu)選穩(wěn)健色譜條件為初始乙腈20%，等度時(shí)間10 min，梯度變化速率6 %·min-1，分析時(shí)間17 min，采用Accuracy profile進(jìn)行方法學(xué)驗(yàn)證。在相同的分析目標(biāo)（ATP）下，從色譜條件、CMP辨識(shí)結(jié)果、CMPCMA關(guān)系模型、系統(tǒng)適用性等方面對(duì)PNS 的HPLC和UPLC定量分析性能的一致性進(jìn)行比較，結(jié)果表明UPLC可縮短分析時(shí)間、提高關(guān)鍵峰對(duì)分離度、色譜系統(tǒng)適用性滿足要求，UPLC可替代HPLC進(jìn)行PNS定量分析。

[關(guān)鍵詞]質(zhì)量源于設(shè)計(jì)； UPLC； 持續(xù)改進(jìn)； 貝葉斯設(shè)計(jì)空間； 三七總皂苷

[Abstract]This study is aimed to propose a continual improvement strategy based on quality by design （QbD） An ultra high performance liquid chromatography （UPLC） method was developed to accomplish the method transformation from HPLC to UPLC of Panax notogineng saponins （PNS） and achieve the continual improvement of PNS based on QbD， for example PlackettBurman screening design and BoxBehnken optimization design were employed to further understand the relationship between the critical method parameters （CMPs） and critical method attributes （CMAs） And then the Bayesian design space was built The separation degree of the critical peaks （ginsenoside Rg1 and ginsenoside Re） was over 20 and the analysis time was less than 17 min by a method chosen from the design space with 20% of the initial concentration of the acetonitrile， 10 min of the isocratic time and 6%·min-1 of the gradient slope At last， the optimum method was validated by accuracy profile Based on the same analytical target profile （ATP）， the comparison of HPLC and UPLC including chromatograph method， CMA identification， CMPCMA model and system suitability test （SST） indicated that the UPLC method could shorten the analysis time， improve the critical separation and satisfy the requirement of the SST In all， HPLC method could be replaced by UPLC for the quantity analysis of PNS

[Key words]quality by design； UPLC； continual improvement； bayesian design space； Panax notogineng saponins

三七Panax notoginseng（Burk）FHChen為五加科植物，具有散瘀止血、消腫止痛之功效[1]。三七總皂苷（Panax notogineng saponins，PNS）為三七主根或根莖經(jīng)加工制成的總皂苷提取物，已收錄在《中國(guó)藥典》2015 年版一部[2]。藥典中PNS 5種皂苷類成分的含量測(cè)定采用HPLC，乙腈水梯度洗脫，流速15 mL·min-1。該法分析時(shí)間長(zhǎng)，流速大、流動(dòng)相消耗大，系統(tǒng)背壓偏高，峰型也不盡理想。筆者曾嘗試采用質(zhì)量源于設(shè)計(jì)（quality by design，QbD）方法提高PNS分析方法性能。第1次方法改進(jìn)時(shí)采用色譜柱（46 mm×150 mm，5 μm），將流速降低到1 mL·min-1，但分析時(shí)間沒(méi)有變化[3]。第2次方法改進(jìn)選擇色譜柱（46 mm × 75 mm，25 μm），流速為08 mL·min-1，分析時(shí)間縮減到36 min，關(guān)鍵分離度為160，基本達(dá)到色譜分離的要求[4]。

超高效液相色譜（ultra high performance liquid chromatography，UPLC）具有高效、靈敏、快速的優(yōu)點(diǎn)。本次研究中以三七總皂苷UPLC開(kāi)發(fā)為例，完成分析方法從HPLC到UPLC的轉(zhuǎn)換，期望縮短分析時(shí)間，減少有機(jī)溶劑消耗，并實(shí)現(xiàn)PNS分析方法的持續(xù)改進(jìn)。在PNS的UPLC開(kāi)發(fā)中，首先定義分析目標(biāo)（analytical target profile，ATP），然后采用風(fēng)險(xiǎn)評(píng)估（risk evaluation）辨識(shí)關(guān)鍵方法屬性（critical method attributes，CMAs）和鍵方法參數(shù)（critical method parameters，CMPs），采用回歸模型建立CMAs和CMPs關(guān)系模型，基于模型開(kāi)發(fā)分析方法設(shè)計(jì)空間（design space，DSp），最后基于DSp優(yōu)化分析條件。方法開(kāi)發(fā)完成后，以CMPsCMAs關(guān)系模型的準(zhǔn)確性和系統(tǒng)適用性是否改變?yōu)榕袛鄻?biāo)準(zhǔn)，為評(píng)價(jià)分析方法改進(jìn)的有效性，為新分析方法的應(yīng)用提供參考。

1材料

11儀器與試劑

Acquity UPLC HClass 超高效液相色譜儀，包括四元泵處理器、樣品處理器、柱溫箱、TUV 檢測(cè)器及Empower 色譜工作站（Waters 公司）；AG135型電子分析天平（1/1萬(wàn)，Sartorius公司）；BT25S型電子分析天平（1/10萬(wàn)，Sartorius公司）；KQ100型超聲波清洗器（昆山市超聲儀器有限公司，100 W，40 KHz）。

三七總皂苷提取物（批號(hào)ZL20141208，質(zhì)量分?jǐn)?shù)>80%）購(gòu)自南京澤朗生物科技有限公司；三七皂苷R1（批號(hào)10745201318，純度≥98%）；人參皂苷Rg1（批號(hào)110703201530，純度≥98%）；人參皂苷Re（批號(hào)110754201525，純度≥98%）；人參皂苷Rb1（批號(hào)110704201424，純度≥942%）和人參皂苷Rd（批號(hào)111818201302，純度≥98%）購(gòu)自中國(guó)食品藥品檢定研究院；甲醇為色譜級(jí)，乙腈為質(zhì)譜級(jí)（賽默飛世爾科技有限公司）；水為屈臣氏蒸餾水。

12數(shù)據(jù)分析軟件

DesignExpert V 80 （StatEase公司），Sigmplot 125（Aspire Software Intl，Ashburn，VA，USA），Matlab 2009a（Mathworks公司），數(shù)據(jù)處理程序自行編寫(xiě)，JMP（SAS公司）。

2方法與結(jié)果

21色譜條件

采用Acquity UPLC BEH色譜柱（21 mm×100 mm，17 μm）；流動(dòng)相為乙腈水先等度后梯度洗脫，檢測(cè)波長(zhǎng)203 nm，進(jìn)樣量2 μL，流速、柱溫、梯度洗脫程序由試驗(yàn)設(shè)計(jì)確定。

22供試品溶液的制備

稱取三七總皂苷提取物約25 mg，精密稱定，置10 mL量瓶中，用70%甲醇定容至刻度線，搖勻，022 μm微孔濾膜過(guò)濾，續(xù)濾液備用。

23對(duì)照品溶液的制備

分別精密稱取三七總皂苷中5種對(duì)照品適量，加70%甲醇溶解，分別從5種對(duì)照品中取一定量配制混合對(duì)照品，其中三七皂苷R1、人參皂苷Rg1、人參皂苷Re、人參皂苷Rb1和人參皂苷Rd的質(zhì)量濃度分別為0251 7，1266，0232 3，1260 1，0293 4 g·L-1。

24PlackettBurman設(shè)計(jì)

PlackettBurman設(shè)計(jì)是部分析因設(shè)計(jì)用于篩選的備選設(shè)計(jì)。主要針對(duì)因素?cái)?shù)較多且未確定眾因素相對(duì)于響應(yīng)變量的顯著性時(shí)采用的試驗(yàn)設(shè)計(jì)方法，能用最少實(shí)驗(yàn)次數(shù)篩選出因素的主效應(yīng)，從眾多考察因素中快速有效地篩選出最為重要的幾個(gè)因素供進(jìn)一步研究。

241參數(shù)設(shè)定選取柱溫（A）、梯度變化速率（B）、流速（C）、等度時(shí)間（D）、初始乙腈濃度（E）為考察因素。根據(jù)預(yù)試驗(yàn)結(jié)果，為每個(gè)因素設(shè)定2個(gè)水平進(jìn)行，見(jiàn)表1。梯度洗脫見(jiàn)表2。

242PlackettBurman設(shè)計(jì)結(jié)果與分析將設(shè)定的參數(shù)水平輸入JMP軟件的DOE篩選試驗(yàn)設(shè)計(jì)中，選擇PlackettBurman設(shè)計(jì)，共12次，得到一個(gè)設(shè)計(jì)表。響應(yīng)變量選取人參皂苷Rg1和人參皂苷Re的分離度和分析時(shí)間共2個(gè)指標(biāo)進(jìn)行考察。根據(jù)試驗(yàn)設(shè)計(jì)進(jìn)行，并將結(jié)果輸入響應(yīng)中，見(jiàn)表3。

采用最小二乘法進(jìn)行效應(yīng)篩選模型擬合，分別得到2個(gè)關(guān)鍵方法屬性與5個(gè)潛在關(guān)鍵方法參數(shù)Pareto分析圖，見(jiàn)圖1。圖中黑色條框代表參數(shù)與響應(yīng)成負(fù)相關(guān)關(guān)系，白色條框代表參數(shù)與響應(yīng)成正相關(guān)關(guān)系，當(dāng)P<005時(shí)說(shuō)明參數(shù)對(duì)響應(yīng)值影響明顯，該參數(shù)為關(guān)鍵方法參數(shù)。對(duì)分析時(shí)間而言，初始乙腈濃度、梯度變化速率和等度時(shí)間模型P<005，故可作為關(guān)鍵方法參數(shù)；同樣，梯度變化速率為關(guān)鍵分離度的關(guān)鍵方法參數(shù)。

此外，通過(guò)最小二乘法模型運(yùn)算得到因素刻畫(huà)圖，見(jiàn)圖2。該圖為動(dòng)態(tài)演示圖，主要體現(xiàn)2個(gè)方面，一方面是因素之間是否存在相互作用，通過(guò)移動(dòng)其中任何一個(gè)因素，若其他因素斜率發(fā)生改變則表明涉及因素間的交互作用，這一部分是Pareto圖分析不能體現(xiàn)的內(nèi)容；另一方面是參數(shù)對(duì)響應(yīng)值影響的重要程度，主要通過(guò)觀察預(yù)測(cè)跡的斜率。本實(shí)驗(yàn)中，未發(fā)現(xiàn)各因素間存在交互作用，而等度時(shí)間和梯度變化速率對(duì)2個(gè)響應(yīng)值具有一定的斜率且均較明顯，初始乙腈濃度對(duì)2個(gè)響應(yīng)值具有一定的斜率但不及前2個(gè)因素明顯，流速和溫度對(duì)2個(gè)響應(yīng)值影響不明顯。因此，綜合考慮5個(gè)因素對(duì)各響應(yīng)值的影響，等度時(shí)間、初始乙腈濃度和梯度變化速率為關(guān)鍵方法參數(shù)進(jìn)行進(jìn)一步的考察，而影響較小的因素則選擇一個(gè)常用值，如柱溫選擇室溫25 ℃，流速04 mL·min-1進(jìn)行后續(xù)實(shí)驗(yàn)。

25BoxBehnken試驗(yàn)設(shè)計(jì)

BoxBehnken設(shè)計(jì)與析因設(shè)計(jì)相比，可以明顯減少實(shí)驗(yàn)次數(shù)，提高實(shí)驗(yàn)效率，降低實(shí)驗(yàn)的成本。

251參數(shù)設(shè)定根據(jù)PlackettBurman設(shè)計(jì)考察結(jié)果，選擇梯度變化速率、等度時(shí)間、初始乙腈濃度為因素進(jìn)行實(shí)驗(yàn)。因素水平、BoxBehnken因素設(shè)計(jì)見(jiàn)表4。

252BoxBehnken設(shè)計(jì)結(jié)果與分析將表4中的內(nèi)容輸入Design Expert806軟件的BoxBehnken響應(yīng)面試驗(yàn)設(shè)計(jì)中，共17次實(shí)驗(yàn)，見(jiàn)表5。以人參皂苷Rg1和人參皂苷Re間的分離度、分析時(shí)間為關(guān)鍵方法屬性進(jìn)行優(yōu)化。

根據(jù)結(jié)果，分別以分析時(shí)間和分離度為響應(yīng)值，建立響應(yīng)值與3個(gè)關(guān)鍵影響參數(shù)梯度變化速率、初始乙腈濃度和等度時(shí)間之間的二項(xiàng)式模型，模型P<005，具有顯著性，并且模型決定系數(shù)R2分別為0999 9，0878 1，表明模型擬合程度良好，可以解釋關(guān)鍵影響因素與關(guān)鍵方法屬性之間的相互關(guān)系。

26設(shè)計(jì)空間開(kāi)發(fā)及其可靠性研究

BoxBehnken試驗(yàn)設(shè)計(jì)是響應(yīng)面設(shè)計(jì)中的一種，而設(shè)計(jì)空間又是在BoxBehnken試驗(yàn)設(shè)計(jì)數(shù)據(jù)上建立的，故可認(rèn)為設(shè)計(jì)空間的建立是基于預(yù)測(cè)響應(yīng)面[5]。由于建立色譜方法時(shí)往往會(huì)牽涉到多個(gè)色譜參數(shù)和多個(gè)響應(yīng)，因而設(shè)計(jì)空間應(yīng)該是多個(gè)響應(yīng)面的綜合。然而Peterson[6]提出，這樣由多個(gè)響應(yīng)變量建立的設(shè)計(jì)空間有2個(gè)主要缺點(diǎn)，將直接導(dǎo)致設(shè)計(jì)空間的不可靠，其中一個(gè)缺點(diǎn)是模型參數(shù)

不確定性，另一個(gè)缺點(diǎn)是沒(méi)有考慮多元回歸模型誤差向量的相關(guān)結(jié)構(gòu)。因此，在建立設(shè)計(jì)空間時(shí)，有必要同時(shí)考慮這2個(gè)缺點(diǎn)來(lái)確保設(shè)計(jì)空間的可靠性，這樣才能滿足ICH Q8指南中對(duì)設(shè)計(jì)空間定義中的“保證質(zhì)量”這一項(xiàng)要求，Bayesian理論恰好能同時(shí)考慮模型參數(shù)的不確定性和數(shù)據(jù)結(jié)構(gòu)的相關(guān)性。根據(jù)Bayesian理論，Bayesian后驗(yàn)預(yù)測(cè)概率可以通過(guò)下式來(lái)計(jì)算[7]。

Pr（yA|x，data）（1）

其中，x是過(guò)程參數(shù)向量，y是響應(yīng)值向量，A是具有規(guī)定閾值的可接受范圍，data是實(shí)驗(yàn)數(shù)據(jù)，Pr代表響應(yīng)值在可接受范圍內(nèi)的概率，故設(shè)計(jì)空間可以用下式表示。{x：Pr（yA|x，data）≥π}（2）其中，π表示能“確保質(zhì)量”的設(shè)計(jì)空間預(yù)定義可靠性的概率。那些不確定因素對(duì)模型響應(yīng)的影響應(yīng)用Monte Carlo仿真模擬來(lái)估計(jì)。

在建立貝葉斯設(shè)計(jì)空間之前，首先要確定分析目標(biāo)。本實(shí)驗(yàn)中，選擇2個(gè)分析目標(biāo)：①實(shí)現(xiàn)三七總皂苷中5種皂苷的基線分離，尤其是人參皂苷Rg1和人參皂苷Re；②縮短分析時(shí)間，提高分析效能，基于貝葉斯概率可建立一個(gè)多目標(biāo)設(shè)計(jì)空間。

根據(jù)分析目標(biāo)，選擇關(guān)鍵分離度（Rcrit）和分析時(shí)間（t）作為三七總皂苷色譜分離的關(guān)鍵方法屬性，該多變量設(shè)計(jì)空間可以用下式表示。

DS={x0X|Eθ[Pr（Rcnt>λ1，t>λ2）|θ]≥π（3）

其中，x0是整個(gè)實(shí)驗(yàn)區(qū)域X中的一個(gè)點(diǎn)，λ1和λ2是關(guān)鍵分離度與分析時(shí)間的可接受閾值，π為要求達(dá)到的質(zhì)量水平的貝葉斯概率值，θ為模型評(píng)估參數(shù)的數(shù)據(jù)集，Pr和E代表概率的估計(jì)值和數(shù)學(xué)期望值。

一般而言，關(guān)鍵分離度Rcrit至少應(yīng)該大于15，而對(duì)于分析時(shí)間t，考慮到中藥的復(fù)雜性和UPLC特點(diǎn)，將其設(shè)置為17 min，設(shè)計(jì)空間就是理論上的穩(wěn)健區(qū)域，區(qū)域中預(yù)測(cè)標(biāo)準(zhǔn)值高于可接受閾值并且盡可能至少達(dá)到此閾值[8]。此外，利用網(wǎng)格搜索法在整個(gè)實(shí)驗(yàn)范圍內(nèi)進(jìn)行貝葉斯聯(lián)合后驗(yàn)概率的計(jì)算，滿足2個(gè)分析目標(biāo)的貝葉斯后驗(yàn)預(yù)測(cè)概率通過(guò)對(duì)每個(gè)網(wǎng)格進(jìn)行1萬(wàn)次的Monte Carlo仿真模擬計(jì)算得到[810]。

目前并沒(méi)有一個(gè)針對(duì)色譜分析公認(rèn)的概率閾值，故在本研究中選擇88%作為π的基本標(biāo)準(zhǔn)建立設(shè)計(jì)空間，見(jiàn)圖3，圖中設(shè)計(jì)空間用黑線條描繪出來(lái)，設(shè)計(jì)空間內(nèi)表示同時(shí)滿足關(guān)鍵分離度和分析時(shí)間2個(gè)目標(biāo)要求的概率至少大于88%，顏色越深，概率越大。

通過(guò)對(duì)三七總皂苷色譜分析過(guò)程的優(yōu)化，采取Bayesian概率評(píng)價(jià)設(shè)計(jì)空間的可靠性，最后優(yōu)化得到的分析方法的預(yù)測(cè)結(jié)果為10 min的等度時(shí)間，6 %·min-1的梯度變化速率和20%的初始乙腈濃度，此時(shí)可以實(shí)現(xiàn)三七總皂苷中5個(gè)成分的完全分離，見(jiàn)圖4。

27方法驗(yàn)證

選擇Accuracy profile[11]進(jìn)行方法驗(yàn)證，分3 d進(jìn)行，選擇4個(gè)樣品濃度，每個(gè)濃度進(jìn)行3次重復(fù)，一共進(jìn)行3×4×3次，即36次實(shí)驗(yàn)。三七總皂苷樣品的4個(gè)質(zhì)量濃度分別是125，25，30，50 g·L-1。每個(gè)濃度分別重復(fù)3次，實(shí)驗(yàn)分3 d考察方法的中間精密度。根據(jù)全析因設(shè)計(jì)和β期望容許區(qū)間計(jì)算Accuracy Profile中各個(gè)參數(shù)的值，驗(yàn)證試驗(yàn)采用matlab自行編寫(xiě)的程序進(jìn)行計(jì)算。

271真實(shí)性真實(shí)性代表總誤差理論中的系統(tǒng)誤差，分別用每個(gè)濃度3 d重復(fù)3次數(shù)據(jù)的相對(duì)偏差表示。5個(gè)成分相對(duì)偏差都小于5%，這說(shuō)明優(yōu)化后方法的真實(shí)性可接受，三七皂苷R1、人參皂苷Rg1、人參皂苷Re、人參皂苷Rb1和人參皂苷Rd方法驗(yàn)證的結(jié)果見(jiàn)表6～10。三七皂苷R1、人參皂苷Rg1、人參皂苷Rb1和人參皂苷Rd 4個(gè)成分的相對(duì)偏差都小于3%，而人參皂苷Re前2個(gè)濃度水平的相對(duì)偏差分別為35%，32%，這可能因?yàn)槿藚⒃碥誖e含量較低，測(cè)量時(shí)存在偏差會(huì)比其他4個(gè)成分稍大。

272精密度精密度與總誤差理論中的偶然誤差有關(guān)，包括2個(gè)方面，分別是重復(fù)性和中間精密度，二者都用RSD表示。5個(gè)成分在4個(gè)濃度水平的重復(fù)性和中間精密度的RSD都小于2%，意味著優(yōu)化后方法的偶然誤差在可接受范圍內(nèi)，見(jiàn)表6～10。

273準(zhǔn)確性準(zhǔn)確性代表著誤差理論中偶然誤差與系統(tǒng)誤差值之和，即總誤差。三七皂苷R1、人參皂苷Rg1、人參皂苷Re、人參皂苷Rb1和人參皂苷Rd 5個(gè)成分在90%β容許區(qū)間內(nèi)并且可接受限

為5%的準(zhǔn)確性，見(jiàn)表6～10，輪廓圖見(jiàn)圖5。除人參皂苷Rd以外，其他4個(gè)成分在設(shè)置的4個(gè)濃度水平都分布在可接受范圍內(nèi)，說(shuō)明優(yōu)化后的方法其準(zhǔn)確性在設(shè)定的樣品濃度范圍內(nèi)是可以接受的。但人參皂苷Rd則在第4個(gè)濃度水平處超過(guò)了5%可接受限，說(shuō)明其濃度范圍比其他4個(gè)成分濃度范圍窄。此外，優(yōu)化后方法在對(duì)三七總皂苷中5個(gè)成分進(jìn)行分析時(shí)，不同成分的分析范圍不一樣，但方法準(zhǔn)確性可接受。三七皂苷R1的分析范圍為0094 61～0378 4 g·L-1，人參皂苷Rg1為0374 2～1497 g·L-1，人參皂苷Re為0039 16～0156 6 g·L-1，人參皂苷Rb1為0448 7～1795 g·L-1，人參皂苷Rd為0132 4～0493 2 g·L-1。

a 三七皂苷 R1；b人參皂苷 Rg1；c人參皂苷 Re；d人參皂苷 Rb1；e人參皂苷 Rd；綠色點(diǎn)為每個(gè)濃度每次試驗(yàn)的相對(duì)誤差，紅色實(shí)線為相對(duì)偏差，藍(lán)色折線表示90%β期望容許區(qū)間，黑色點(diǎn)直線為±5%可接受限。

274最低定量限每個(gè)成分的最低定量限（limit of qualification，LOQ）也可從準(zhǔn)確性輪廓圖中看出，準(zhǔn)確性輪廓限制線與90% β容許區(qū)間限制線的交叉點(diǎn)即為最低定量限。從試驗(yàn)設(shè)計(jì)的濃度來(lái)看，三七皂苷R1、人參皂苷Rg1、人參皂苷Re、人參皂苷Rb1和人參皂苷Rd 5個(gè)成分的最低定量限分別為0094 61，0374 2，0039 16，0448 7，0132 4 g·L-1。

275線性為了考察方法的線性，對(duì)36次實(shí)驗(yàn)數(shù)據(jù)采取線性回歸模型擬合方式得到5個(gè)成分的線性方程，三七皂苷R1、人參皂苷Rg1、人參皂苷Re、人參皂苷Rb1和人參皂苷Rd的線性方程分別為Y=4928+1510×106X，Y=-1359+1706×106X，Y=-0479 5+1849×106X，Y=0917 9+1313×106X和Y=1907×104+1570×106X，此5個(gè)成分線性方程對(duì)應(yīng)的相關(guān)系數(shù)均大于0999 5，表明方法的線性良好。

28方法持續(xù)改進(jìn)前后定量分析性能比較

在相同的分析目標(biāo)（ATP）下，從色譜條件、CMP辨識(shí)結(jié)果、CMPCMA關(guān)系模型、系統(tǒng)適用性等方面對(duì)筆者前期建立的三七總皂苷HPLC分析[34]和UPLC分析的性能進(jìn)行比較，見(jiàn)表11。UPLC中選擇色譜柱（21 mm × 100 mm，17 μm）進(jìn)行方法開(kāi)發(fā)，人參皂苷Rg1和Re之間的分離度有較大改善，達(dá)到210以上，同時(shí)分析時(shí)間縮短到17 min，見(jiàn)圖6。從CMPCMA關(guān)系模型角度來(lái)看，采用的試驗(yàn)設(shè)計(jì)方法一致，關(guān)鍵影響參數(shù)一致，模型R2符合要求，而設(shè)計(jì)空間的閾值更高，說(shuō)明改進(jìn)以后方法的穩(wěn)健性更高，更能夠滿足預(yù)定義目標(biāo)。本次改進(jìn)方法同樣經(jīng)過(guò)accuracy profile方法學(xué)驗(yàn)證，真實(shí)性、中間精密度、重復(fù)性、分析總誤差和線性均符合要求。因此，改進(jìn)后的分析方法同樣滿足藥典中PNS的定量分析要求，利于三七總皂苷質(zhì)量控制，應(yīng)用QbD工具提高了分析方法開(kāi)發(fā)的效率和可靠性。

3總結(jié)

本研究建立了UPLC測(cè)定三七總皂苷中三七皂苷R1、人參皂苷Rg1、人參皂苷Re、人參皂苷Rb1和人參皂苷Rd 5種皂苷的Bayes概率設(shè)計(jì)空間，該方

法一改常規(guī)單因素考察建立操作條件單一的色譜方法，而是基于科學(xué)和風(fēng)險(xiǎn)管理原則開(kāi)發(fā)色譜方法的設(shè)計(jì)空間，增加了對(duì)三七總皂苷色譜分析過(guò)程的理解，設(shè)計(jì)空間內(nèi)色譜條件的改變不會(huì)引起分析性能的改變，提高了色譜方法的穩(wěn)健性。

QbD希望在藥品監(jiān)管和藥品分析中取得一個(gè)平衡，實(shí)現(xiàn)監(jiān)管者、分析者和使用者三者之間共贏[12]。本研究在前期研究基礎(chǔ)上對(duì)分析方法進(jìn)行持續(xù)改進(jìn)，提出采用CMPsCMAs關(guān)系模型的擬合和預(yù)測(cè)指標(biāo)，以及關(guān)鍵分離度、選擇性、塔板數(shù)等系統(tǒng)適用性指標(biāo)，評(píng)價(jià)持續(xù)改進(jìn)效果和改進(jìn)前后分析性能的一致性，更大程度提高方法的可靠性和可維護(hù)性，既滿足監(jiān)管要求，又有利于新技術(shù)的應(yīng)用。

[參考文獻(xiàn)]

[1]中國(guó)藥典 一部[S] 2015： 11

[2]中國(guó)藥典 一部[S] 2015： 393

[3]Dai S Y， Xu B， Luo G， et al Application of design of experiment and design space （DOEDS） methodology for the HPLC separation of Panax Notogineng Saponins[J] Open Chem Eng J， 2015， 9： 47

[4]Dai S Y， Zhang Y， Xu B， et al Robust design space development for HPLC analysis of five chemical components in Panax notoginseng saponins [J] J Liq Chromatogr Relat Techno， 2016， 39（10）：504

[5]Peterson J J A Bayesian approach to the ICH Q8 definition of design space [J] J Biopharm Stat， 2008， 18（5）： 959

[6]Peterson J J A posterior predictive approach to multiple response surface optimization [J] J Qual Technol， 2004， 36（2）： 139

[7]Dai S Y， Xu B， Zhang Y， et al Establishment and reliability evaluation of the design space for HPLC analysis of six alkaloids in Coptis chinensis （Huanglian） using Bayesian approach [J] Chin J Nat Med， 2016， 14（9）： 697

[8]Debrus B， Lebrun P， Ceccato A， et al Application of new methodologies based on design of experiments， independent component analysis and design space for robust optimization in liquid chromatography [J] Anal Chim Acta， 2011， 691（1）： 33

[9]Lebrun P， Govaerts B， Debrus B， et al Development of a new predictive modelling technique to find with confidence equivalence zone and design space of chromatographic analytical methods [J] Chemom Intell Lab Sys， 2008， 91（1） 4

[10]Debrus B， Lebrun P， Ceccato A， et al A new statistical method for the automated detection of peaks in UVDAD chromatograms of a sample mixture [J] Talanta， 2009， 79（1）： 77

[11]Feinberg M Validation of analytical methods based on accuracy profiles [J] J Chromatogr A， 2007， 1158： 174

[12]徐冰，史新元，吳志生， 等.論中藥質(zhì)量源于設(shè)計(jì)[J].中國(guó)中藥雜志，2017，42（5）：1015.[責(zé)任編輯孔晶晶]