近红外光谱分析技术助力制药行业新发展

（作者：山东大学药学院臧恒昌教授药物智能制造技术研究团队 卢青青）

2024年9月23日至25日，为期三天的全国第十届近红外光谱学术会议在北京顺利召开，300余人报名参加了本次近红外光谱盛会。中国仪器仪表学会近红外光谱分会副理事长兼秘书长、中石化石油化工科学研究院褚小立教授级高工主持开幕式，中国仪器仪表学会张彤秘书长致辞。开幕式伊始，举行了第五届“陆婉珍近红外光谱奖”的颁奖仪式，该奖项设立为鼓励我国科技人员投身于近红外光谱理论研究、技术研发和推广应用工作，促进和推动近红外光谱技术在我国的发展和应用。本次大会共安排65场报告，邀请了诸多国内外知名专家，报告内容涵盖了近红外光谱技术在制药、农业、食品、化工等多个领域的应用进展，以及化学计量学方法、仪器与测量附件、光谱成像与在线过程分析、近红外光谱标准制定等，为参与者呈现了一场既有深度亦有广度的学术盛宴。笔者认真学习了会议报告，并结合笔者药学专业方向，从制药角度介绍本次会议亮点及参加会议的心得体会。

• 聚焦近红外光谱分析技术在制药领域最新应用

中药材作为传统医学的重要组成部分，不仅在中国有着数千年的应用历史，而且在全球范围内因其独特的治疗效果而备受推崇。余向阳教授分享了报告《手持式近红外光谱仪在中药材高通量快筛快检中的应用》，针对药材掺假严重问题，探讨了手持式近红外光谱仪结合化学计量学方法在高通量快速筛查中药材中的应用，该研究聚焦于两种典型中药材：菟丝子与金银花的质量检测。成功地将手持式近红外光谱仪与化学计量学相结合，为中药材的快速筛查和定量分析提供了一种高效、精确实用和经济的方法。

肖雪副研究员汇报了《基于近红外光谱技术的何首乌“生熟异治”质量标志物研究》，研究了以何首乌作为示范品种，基于中药药效评价，结合近红外光谱快检技术，以生物学效应和临床疗效为导向，确认其活性成分群，进而明确其质量标志物，利用近红外光谱技术，构建了基于质量标志物为对象的快速定量模型，为何首乌炮制过程研究及构建基于生物学效应和临床疗效的何首乌质量快速评价体系做铺垫。

臧恒昌教授分享了报告《近红外光谱与中药智能制造》，汇报了系列研究成果。结合近红外光谱技术，以水为无标记探针应用于中药提取过程、耦合机理与数据的中药生产过程在线实时分析、以提取过程为例开发了一种基于改进粒子群优化的关键质量属性与关键工艺参数的关联因子联动控制模型、基于图谱转化技术的中药口服制剂指纹图谱快检设备、创制了基于PLS-DMC控制的流化床智能化生产装备，这些研究对于未来基于近红外光谱分析技术的在线分析设备与智能化的分析控制系统的结合应用于我国医药产业奠定坚实的基础。

宋晓铭分享了题为《基于红外光谱数据融合策略的唐古特大黄抗氧化活性研究》的报告，借助不同化学计量学方法，采用近红外光谱、衰减全反射光谱及二者的融合光谱对唐古特大黄抗氧化活性进行评价，建立数据融合策略下的DPPH自由基清除率的红外光谱定量预测模型，不同软件下均以NIR-ATR高级融合光谱建模效果最好，实现了抗氧化活性的近红外光谱快速评价，为唐古特大黄临床药效研究提供参考。

刘丽萍报告了《基于近红外光谱技术的苦参-白土苓提取工艺动态调控研究》，针对原始提取工艺存在的缺陷，该研究首先将浸渍阶段改为“多段式”，即在浸渍液达到或接近饱和时进行部分溶剂更替，并且取消“煎煮”步骤。采用 NIR对苦参-白土苓的提取过程进行实时监测，并建立数学模型对于提取过程中有效成分的含量以及关键过程指标做出实时预测，依据预测结果对提取过程进行动态调控。基于NIR过程数据和过程模型对生产过程进行实时调控模型不仅可以提高中药提取过程的生产效率，同时也能有效降低过程的能耗和“三废”产生，从而达到节能降耗、降本增效的目的。

近红外光谱技术在中药材的质量检测和快速筛查中显示出高效、精确和经济的优势，为中药的现代化和智能化生产提供了新的方向。

• 化学计量学助力近红外光谱分析技术新发展

在近红外光谱分析中，算法的研究对于处理复杂的光谱数据至关重要。近红外光谱数据通常包含大量的变量和复杂的背景噪声，这使得直接分析颇具挑战。化学计量学算法，如主成分分析和偏最小二乘法，能够帮助科学家从光谱数据中提取有价值的信息，建立光谱特征与样本属性之间的关联模型。此外，随着机器学习和深度学习技术的发展，它们在处理近红外光谱数据方面展现出了强大的潜力，能够自动学习数据中的复杂模式，减少对预处理的依赖，并提高分析的准确性和效率。

陈孝敬教授报告了《近红外光谱数据自动预处理》，提出了一个自动预处理框架，可以快速确定最佳预处理策略。该框架最初构建了一个由多种预处理方法组成的工作流程。然后，使用遗传算法技术优化最佳处理管道，避免穷举搜索。此外，还对遗传算法过程的损失函数施加了惩罚，以获得更加稀疏的解决方案。该方法在预测误差方面优于几种最先进的集合预处理方法。

徐琢频副研究员汇报了《基于近红外和数据融合的精确检测方法研究》，该团队提出一种基于UV-Vis和NIR数据融合的地表水质检测策略，以50份不同污染程度的河流样本为校正集进行光谱采集和化学测定，通过UV-Vis与NIR光谱的初级融合获得UV-Vis-NIR融合数据，采用不同的变量选择算法优化地表水污染指标的UV-Vis-NIR融合模型。同时，采集了复合肥的 NIR和 LIBS 光谱，通过两种融合方式等权融合ERF和外积融合OPF获得LIBS-NIR融合光谱，并利用 CARS 算法提取融合数据的特征变量。此外，该团队以水稻蛋白质、直链淀粉和脂肪含量为对象利用NIR漫反射和漫透射融合实现精准检测。

杜一平教授课题组的王红鸿博士分享了《基于等效变换的变量选择新策略》，该研究采用CARS、SCARS和MC-UVE算法探索其选中波长的可替代性，并提出等效变量概念，即对建模具有同等效力的一组变量，建模时可以互相替代。采用玉米油脂光谱数据集验证这三种算法中等效变量的存在，为变量选择的深度解释提供一种简单有效的新方式。并提出了一种利用等效变量筛选SCARS、CARS和MC-UVE方法各自互补变量来改善模型性能的新策略。

邵学广教授分享了《深度学习用于光谱及成像分析》，汇报过程中邵老师充分肯定了近红外光谱广阔的应用前景，并分享了课题组近期的工作。他们提出了一种结合自动编码器和多元线性回归的非线性定量方法。在该模型的基础上提出了反向解码的策略，以用于提取两台仪器所采集光谱的共同特征。此外，通过结合迁移学习策略，进一步加速了多仪器的光谱建模。近红外光谱变量选择研究针对光谱建模中的变量选择问题，提出了基于扰动的可解释神经网络。光谱解混研究针对重叠光谱解混问题，提出了一种基于自动编码器结构的无监督神经网络。该模型通过结合重构损失和稀疏正则化，在无需实现指定组分数目的前提下，实现了对纯组分的自动求解。

卞希慧教授分享了《近红外光谱分析中化学计量学研究新进展》，通过大量文献调研，总结了近红外光谱领域数据分析中化学计量学应用，包括代表性样本选择方法、光谱预处理方法、模型建立方法等，内容详细充实，为研究者在近红外光谱实际分析工作中指明了方向。

张进副教授报告了《近红外光谱的无参数模型转移/增强框架PFCE》，模型转移算法大都需要复杂的超参数调整、依赖一一对应的KA主从机标准光谱、难以适应复杂多变的模型转移场景，在实际应用中难以推广应用。针对此问题，张进副教授提出了一个覆盖多种模型转移/增强场景、无需超参数优化、形式统一的算法框架PFCE。

李灵巧副教授汇报了《基于KAN的近红外光谱端到端建模方法》，模型主要由两个模块组成：Convolutional 卷积块和KAN组成。该模型通过使用KAN新型网络结构来替换传统的多层感知器来增加卷积神经网络模型的效率和可解释性，这种替代提高了卷积神经网络的非线性特征提取能力和可解释性。该研究发现使用这两个模型结合使用，能够更有效的对近红外光谱提取特征，更好的实现了定性定量分析，增加了模型的性能和可解释性。

近红外光谱分析技术在处理复杂数据方面取得进展，化学计量学和机器学习技术提高了分析的准确性和效率。自动预处理框架和无参数模型转移算法简化了分析流程。数据融合策略和变量选择新方法提升了模型性能。深度学习的应用为光谱分析带来了新的可能性。这些研究为近红外光谱分析的实际应用提供了新的方向和工具。

随着全国第十届近红外光谱学术会议的圆满落幕，我们对未来近红外光谱技术在制药及其他领域的应用充满了期待。会议中提出的新方法、新模型和新策略，不仅为科研人员提供了丰富的研究思路，也为行业实践者提供了实用的解决方案。随着技术的不断进步和应用的不断深入，我们有理由相信，近红外光谱技术将在未来的科学研究和工业生产中发挥更加重要的作用，为人类健康和社会发展做出更大的贡献。