编者语:在前不久给大家分享过一个在流化床制粒过程中采用三种过程分析技术(PAT)方法【技术揭秘】应用三种PAT工具进行中试规模流化床制粒速率过程的监测同时用于监测制剂粒过程技术。其中采用了近红外光谱在线应用。通过这篇文章的介绍大家可以了解不同PAT技术检测的敏感性、优点和缺点。我们还专门发过【案例揭秘】使用拉曼光谱技术无损并且快速地同时测定 复方制剂中的对乙酰氨基酚和尼美舒利 专门对拉曼光谱在无损检测中应用进行了介绍。
今天我们继续给大家介绍下近红外和拉曼光谱学在药物生产工艺中控监测中的应用。本文来源见下面截图:
近红外和拉曼光谱学在药物生产工艺中控监测中的应用
T. De Beera,∗, A. Burggraevea, M. Fonteynea,L. Saerensa, J.P. Remonb, C. Vervaetb
a比利时,根特B-9000,哈塞尔贝克街道72,根特大学药学分析系,制药工艺分析技术实验室
b比利时,根特B-9000,哈塞尔贝克街道72,根特大学药学系,制药技术实验室
文章信息 | 摘要 |
文章历史: 2010年10月18日收到 2010年12月3日收到修订格式 2010年12月9日接受 2010年12月15日可在线获得 | 在过程分析技术(PAT)框架内,至关重要的是在制药工艺过程中获得关键工艺和处方信息。过程分析器是用于实时过程监控和控制的基本PAT工具,因为它们可以提供能够从中提取相关工艺和产品信息和结论的数据。近十年来,近红外(NIR)和拉曼光谱学已被越来越多地用于关键工艺和产品属性的实时测量,因为这些技术无需样品制备,允许快速和非破坏性的测量。此外,这两种技术提供化学和物理信息,从而增加对工艺的理解。通过光纤耦合到光谱仪的探针可以直接实现到工艺流中,从而实现连续的中间控制过程的测量。本文旨在回顾在PAT设置中拉曼和NIR光谱的使用,即在工艺过程中,特别强调药物和剂型。 ©2010 Elsevier B.V.保留所有权利。 |
关键词:拉曼(Raman)、近红外(NIR)、过程分析技术、中控监测 |
介绍
食品和药品监督管理局(FDA)过程分析技术(PAT)计划(FDA,2004年)构成了21世纪药物良好生产质量管理规范(GMP)的基础(Hinz,2006)。,最终产品必须符合非常严格的规定。然而,这并不意味着药物工艺是最优的。常规药物生产通常使用批量处理完成,通过随机采集的样品进行离线的、耗时的且效率较低的实验室检测来评估质量。这些过程本身没有被完全理解,通常是效率底下的黑匣子。主要在工艺之后获得有限的相关信息,使过程控制困难,导致批次损失。PAT的最终目标是对生产过程更好的基础科学理解(即该过程不应该是黑匣子系统)。PAT概念中最重要的声明之一是“质量不应该是产品检测出来的,它应该是内在的”。因此,PAT应在基于原料和中控物料关键质量和性能的及时在位、在线和近线测量(即过程处理期间),在生产过程的设计、分析和控制中起到关键作用,目标是确保最终产品质量(EUFEPSQbD和PAT Sciences Network,2010)。因此,旨在获得所有关键工艺方面的实时信息,并指导工艺达到所期望的状态,从而确保每个最终产品的质量,并可能实时放行。在生产过程中连续收集关键工艺信息允许实时过程调整,以使产品质量标准保持在预定的限度内,从而避免批次损失。长期以来,,这些制约因素几乎不允许变更的空间,。目前,FDA和欧洲药品管理局,EMA)大力鼓励PAT推动采取基于风险和科学的药物工艺方法。
过程分析器是实时过程监测和控制的基本PAT工具,因为它们可以提供能够从中提取相关工艺和产品信息和结论的数据。可用的工具已经从那些主要采取单变量过程测量(如pH、温度和压力)的工具演变为提供与被处理物料(例如拉曼和NIR光谱仪)的生物、物理和化学属性相关的多变量信息的工具。在PAT的环境中,实时的过程测量可以
近线:从工艺流中除去、分离和分析的样品的测量,靠近工艺流。
在线:从生产过程转移的样品,并可能返回到工艺流样品的测量值。
在位:其中不从工艺流中移除的样品的测量(侵入性或非侵入性)(FDA,2004 )。
将流程分析器实现为工艺流时,应考虑以下几个方面:
选择能够监测所需关键工艺和产品信息的合适的过程分析器或补充过程分析器的组合,
确定过程分析器在工艺流中的应该在的位置以及如何实现以监测所需的信息,
确定过程分析器获得有用数据的最佳测量条件,
验证过程流分析器的性能(随着时间的推移)。
过去十年来,近红外(NIR)和拉曼光谱学已被越来越多地用于实时测量药物工艺过程中的关键工艺和产品属性,因为这些光谱技术无需样品制备,允许快速和和非破坏性的测量。通过光纤耦合到光谱仪的探针可以直接实现到工艺流中,从而实现连续的中间控制过程的测量。在Web of Sciences®中的快速检索 显示有关在制药过程中使用拉曼和/或NIR的测量的出版物在过去十年中急剧升高的数量。除了实际的优点,对拉曼和近红外光谱作为过程分析器高度感兴趣的一个重要原因是其能够提供多功能和多变量信息。一个单一谱图可能包含定性和定量的物理和化学信息。
本文旨在回顾在PAT设置中拉曼和NIR光谱的使用,即在工艺过程中,特别强调药物和剂型。因此,将集中在NIR和拉曼光谱在位、近线和在线使用以实时监测和控制药物生产过程的应用。使用拉曼和/或NIR光谱作为药物的化学和物理分析的离线工具(例如,表中的API定量和共晶筛选)进行了许多研究。显然,这些研究也有助于增加对药物生产的了解。几个综述描述和评估这些拉曼和NIR的离线应用(Aaltonen etal., 2008, 2009; Fevotte, 2007; Heinz et al., 2009; Luypaert et al., 2007;McGoverin et al., 2008; Pinzaru et al., 2004; Radtke et al., 1999; Räsänen andSandler, 2007; Reich, 2005; Strachan et al., 2007; Tantipolphan et al., 2008;Tummala et al., 2005; Wen, 2007; Yu et al., 2007)。
2. 近红外和拉曼光谱学
近红外和拉曼光谱学都是研究分子中的振动跃迁的分子振动光谱技术。
2.1. 拉曼光谱学
在1928年首先由C.V.拉曼爵士发现拉曼效应(Raman andKrishnan, 1928)。然而,在1923年由Smekal已经预测到这种效应,基于理论计算(Smekal,1923 )。拉曼效应是辐射和分子振动之间的能量交换结果的电磁辐射(EMR)的非弹性散射。拉曼效应的理论背景在文献中有很好的描述(Gardiner, 1989;Long, 1977; Nakamoto, 1986; Stoicheff, 1959 )。
在拉曼光谱中,用单色激光照射样品。通常,使用在可见光(例如532nm)或近红外(例如785nm和1064nm)范围内产生激光的激光器。这种光的能量高于使分子达到更高的振动状态所需的能量(图1 )。大多数入射辐射以相同频率(等于能量)被样品分子散射。这个相同的散射光称为Raleigh辐射。只有10-8被样品分子非弹性地分散,表明在入射光和样品之间发生能量交换。这种非弹性散射称为拉曼效应。这种非弹性散射辐射可以具有比入射辐射更低的能量(更低的频率)或比入射辐射更高的能量(更高的频率)。第一类非弹性散射称为Stokes辐射,后者是anti-Stokes辐射(图1)。在室温下,主要发生Stokes辐射。在高温(例如,500 ◦ C),许多样品分子已经处于较高的振动状态,可以从Boltzmann分布得到,因此有利于anti-Stokes辐射。
拉曼活性分子的选择规则是在其正常模式下发生分子的极化率变化。分子的极化率是使分子在电磁场中(即,通过光照射)之后能够使分子的电子云变形的容易程度。然而,分子不是静态实体,而是通过振动、旋转和平移不断运动。分子的实际振动似乎是任意的,但实际上是一些称为正常模式的简单振动模式的叠加。这些正常模式中的每一个都有自己的频率。原子具有3个自由度(x,y和z方向)。因此,含有N原子的分子具有3N的自由度:3个平移,3个旋转(2个直线分子)和3N-6个正常模式(3N-5的线性分子)。对于双原子分子,例如,对于具有谐波振动频率Vv的三个振动状态,扭曲电子云的容易程度将是不同的,如图2a示意性的展示。键距越大,电子离核心越远,因此它们就越容易移动。拉曼活性需要易于分解的电子云变形(即极化率的变化)的这种变化。需要复杂的量子力学和组理论来确定复合分子的哪些正常模式发生极化率的变化。
拉曼光谱显示入射辐射和散射辐射之间的频率差,表示为波数,相对于散射辐射的强度(I)(图3)。Placzek开发了以下等式,其允许在特定振动期间计算拉曼强度:
(1)
其中v0是入射辐射的频率,vv是分子的振动频率,N是辐照的拉曼活性分子数量,I0是光源的功率,h是普朗克常数(= 6.6260*10-34JS),k是玻尔兹曼常数,T是温度,αS是引起Stokes辐射的分子极化率,αa是引起anti-Stokes辐射的分子极化率。
图1. IR和NIR吸收,拉曼效应和荧光。
然而,除了这些参数之外,拉曼强度还通过仪器(例如,使用探针时的玻璃纤维的检测器和长度)和样品参数(例如,取样体积、样品粒度、样品的折射率和所考虑的化合物的浓度)所确定。此外,由于散射发生在所有方向,所以只检测到一部分。当探针被实施到工艺流中时,只有散射到与入射光所在的方向相同方向的光被测量。
物料的照射可导致不同的现象:散射、吸收和荧光。由于拉曼效应固有的弱,其他现象可能会强烈地干扰。此外,可以发生加热、光分解和激光烧蚀。当该光的波长对应于分子光谱中的吸收带时,入射的激光可以被吸收,导致分子转变为激发态(依赖于激光到激发的振动或电子状态)。然后将吸收的能量通过无辐射跃迁转换成热能。当拉曼散射强度与激光强度成比例时,这种吸收强烈地干扰拉曼效应。通过使用另一波长激光可以避免这种干扰。除了激光的吸收之外,同样可以发生散射光的吸收。当分子激发到电子激发态时,荧光可以在拉曼光谱中产生显着的干扰。当分子激发到电子激发态时,荧光可以在拉曼光谱中产生显著的干扰。分子通过无辐射跃迁(电子激发态的振动基态)衰减到更低的能级,随后衰减到电子基态(图1)。在最后一次衰减期间,会发出闪光辐射,从而干扰拉曼信号。使用具有其他(更高)波长的激光可以避免荧光干扰,以确保不会发生对电子激发态的激发。
图2. (a)双原子分子的振动状态。(b)X 2 分子拉伸振动期间偶极矩没有变化。(c)XY分子拉伸振动期间偶极矩的变化。
图3. 拉曼光谱(CCl4 )的实例。
由于拉曼信号的强度与样品上激光的强度成比例,所以使用尽可能高的激光强度是有利的。然而,高能量供应可能会造成破坏性影响。转移到周围环境的不足能量的辐射吸收将导致样品加热(可能会破坏)。激光烧蚀是从样品中去除物料的现象。同时发生几种效应:光分解、热膨胀和分解。此外,通过激光辐射的机械功率对样品发生机械效应。当每个时间单位添加到样品中的能量大于键能时,当能量消散时,烧蚀就会产生,形成一个弹坑(Gardiner,1989; Long, 1977; McCreery, 2000; Nakamoto, 1986; Stoicheff, 1959)。
2.2.近红外光谱
近红外光能的发现归功于19世纪的赫歇尔(Herschel,1800),但是第一次工业应用出现在20世纪50年代。NIR光谱研究EMR在NIR区域的吸收,即,700-2500纳米(14300-4000 cm-1)。中红外和远红外光可分别分布在2500-10,000 nm和10-1000 μ m范围内。来自Reich(2005)的综述详细描述了近红外光谱的基本原理。NIR光谱的详细理论可以在Williamsand Norris (1987), Osborne et al. (1993), Blanco et al. (1998), Chalmers andGriffiths (2002) 以及Ciurczakand Drennen (2002) 中找到。
在NIR光谱中,用NIR光照射样品。这些NIR光中的一些被分子吸收,使它们进入更高的振动状态(图1)。常见的白炽灯或石英卤素灯泡是最常用作分析应用的NIR辐射的宽带源。还使用发光二极管(LED),其能提供更长的寿命和光谱稳定性以及降低功耗要求。只有导致分子偶极矩变化的振动才能吸收NIR辐射。偶极矩是电荷(正和负)和距离的乘积。图 2b显示出了X2 分子拉伸振动期间偶极矩没有变化。图2C.显示出了XY分子拉伸振动期间偶极矩的变化(Visser,1980)。双原子分子需要永久的、IR活性的偶极矩,而更多原子的分子只需要由振动引起的偶极矩。随着偶极矩的增加,R-H组的泛音最强。因此,O-H、N-H、C-H、S-H键也是强的NIR吸收剂。H2 不会吸收NIR辐射,因为它的振动期间不会发生偶极矩的变化。吸收NIR能量的分子以2种模式振动:拉伸和弯曲。拉伸被定义为沿着两个原子之间的键的轴的原子间距离的连续变化。弯曲被定义为键角的变化。在4420 cm-1附近将发生C-H组合,其为C-H拉伸(2960 cm-1)和C-H弯曲(1460 cm -1)的总和。
图2a显示离双原子分子的3种可能的振动状态。这些振动的势能取决于键长度,如图5所示,代表非调谐振动模型。在平衡时,势能较弱。使原子彼此更接近,从而引起排斥,导致势能增加。首先将原子相互牵拉导致吸引,导致势能增加。然而,使原子彼此足够远不会导致势能的进一步增加。
图4. NIR光谱实例。
图5. 非调谐振动模型。
原子的进一步位移将导致解离。然而,从量子理论中,仅允许一些振动能级,如图5中的水平线所示。这些能量水平在非调谐模型中不等距。NIR光谱包含出现在IR区域的基本原理的泛音和组合。
NIR区域吸收带的低摩尔吸光率允许在反射模式下进行操作。因此,可以使用最少或无样品制备来记录光谱。在反射模式下,测量由样品表面反射的光(即非吸收光)(Räsänen和Sandler,2007 )。
2.3.拉曼和近红外光谱
拉曼和NIR光谱测量都可以以非常快的(秒)和非破坏性的方式进行,这两种工具都适用于实时过程监控。连接到光谱仪的定制光纤探头可以实现到工艺流。参考拉曼和NIR活动的不同选择规则(分别改变极化率和偶极矩变化),两种振动技术可以互补。在NIR光谱中产生良好信号的分子可能在拉曼光谱中产生较弱信号,反之亦然。拉曼和NIR光谱包含有关测量样品的化学成分和物理性质(例如,颗粒表面、粒度和形状分布)的定性和定量信息(Ciurczaket al., 1986; Osborne et al., 1993; Pellow-Jarman et al., 1996; Rantanen andYliruusi, 1998; Wang et al., 2002; Hu et al., 2006)
药物工艺的拉曼和NIR光谱监测通常可以获得大量的光谱数据。化学计量技术显然可以解释数据的变化,并提取有用的过程信息,导致对工艺的理解和工艺的结论。通常化学计量分析之前会进行光谱预处理,希望减少不感兴趣的干扰变化的影响,从而增加由感兴趣参数部分引起的变化(Luypaertet al., 2004)。因此,足够的光谱预处理对于进一步的化学计量数据分析和数据解释非常重要(Rinnan et al., 2009)。
3. 使用拉曼和NIR光谱进行中间控制监测
在固体剂型的生产中,活性药物成分和赋形剂经过几个连续的工艺步骤:合成、结晶、研磨、共混、造粒、干燥、压片、包衣和包装。显然,由于不仅生产片剂,还将审查其他广泛应用的单元操作(例如挤出加速和冷冻干燥)。在提高工艺效率和增加生产的范围内,制药行业有意从传统批次处理转移到连续处理(Vervaetand Remon, 2005)。持续生产流程是基于“一对一”的原则,避免放大问题、缩短周期时间、降低生产成本、确保更快的产品放行、降低变异性、提高灵活性和效率、提高产品质量。显然,目前常规的生产过程质量管理体系,基于分析实验室的主要离线分析,将降低连续处理的优势,连续实时质量控制对连续生产是不可或缺的。制药行业转向持续处理的愿望加强了PAT投资的愿望和需求。本综述主要着眼于拉曼和NIR光谱在固体剂型生产中间控制过程中的应用。在Rantanen (2007)和Räsänen和Sandler(2007)中评估了使用拉曼和NIR光谱进行药物合成过程和结晶过程的过程监测。
过程分析器是用于实时过程监测和控制(在位、在线或近线)的基本PAT工具,因为它们可以提供能够从中提取相关工艺和产品信息和结论的数据。应用以下步骤在工艺流中实现过程分析器:
确定所有必需的关键信息。为了确定关键和相关的信息(例如过程步骤终点、中间或最终产品质量要求),应尽可能从现有的文献和内部工艺知识中收集到制药技术知识。在下一个工艺步骤开始之前必须知道达到哪些中间过程步骤终点,获得哪些需要中间质量属性。应定义相关质量参数。
选择合适的、能够提供所需关键信息的过程分析仪或补充过程分析器的组合。
确定过程分析器在工艺流中应该和可以实现的位置。
确定获得有用数据的最佳过程分析器的测量条件。
Rantanen(2007)清楚地描述了在过程分析中用拉曼光谱法的挑战,并讨论了几种克服它们的方法(图6 )。对于过程中的近红外光谱,观察到相似的挑战和解决方案。
表1 显示了许多已经评估了使用拉曼和NIR光谱进行药物单元操作的过程监测的出版物的概述。对于这些研究中的每一项,都规定了光谱工具的过程间接口、监测信息、所讨论的挑战以及应用的光谱预处理和数据分析方法。
3.1. 混合
混合是许多固体剂型生产过程中的关键单元操作。产品的质量取决于其成分的混合程度,这保证了最终产品的均匀性。Mendezet al. (2010) 最近提出了一个简单实用的操作规范程序来大规模地研究药物混合操作。与NIR相比,在文献中较少描述了使用拉曼光谱进行药物混合过程的在位监测。Vergoteet al. (2004)使用拉曼光谱法进行二硫化物颗粒的二元混合物(50/50,w/w)和石蜡蜡珠(粒径800–1200m)的在位监测。
图6. 影响拉曼和近红外光谱与工艺流程接口的因素。
转载于并获得Rantanen, 2007 的许可,.Pharm. Pharmacol. 59,171-177。版权所有2007,药物出版社。
搅拌钵中装有一个玻璃窗,前面装有一个非接触式光纤探头。使用两个连续收集的光谱之间的差异均方(MSD)来鉴定混合的终点(即,均匀性)。一旦获得均匀性,光谱保持恒定,导致MSD为零。Wikströmet al. (2005)研究了拉曼光谱仪采样光学器件对粉末混合物均匀性评估的重要性。他们发现大点非接触光学元件(光斑尺寸3毫米而不是60 微米)提供了显著的优势,因为增强的采样体积和加工过程中采样距离波动的耐用性更大。Rantanenet al. (2005a) 还发现样品体积严重影响了使用拉曼和NIR光谱法对无水物/水合物粉末混合物进行定量的校准模型的性能。使用更大的采样区域,校准显著改善。此外,研究者表明,与单变量分析相比,多变量回归并不总是提高数据的可预测性。如2.1 节所述,拉曼光谱的检测灵敏度相当低。因此,在低剂量混合均匀性的在位监测中,存在重大挑战。Hausmanet al. (2005) 显示了拉曼光谱法测定低剂量混合过程终点的能力,1%盐酸阿齐利特配方。然而,应该强调的是,低剂量检测是非常符合配方的,并且强烈地取决于API和赋形剂的拉曼活性。De Beer et al.(2008)提出了类别模拟软件独立(SIMCA)模型,允许使用拉曼光谱与光纤浸入式探针结合在位和实时测定共混物的均匀性。
由于水是弱拉曼散射体,因此拉曼光谱表现为水溶液环境中测量的合适工具。DeBeer et al. (2006)显示了拉曼光谱学在位监测含水药物悬浮液的均质化过程的能力。同样地,时间可以量化悬浮液中的API浓度。
评估粉末混合均匀性的NIR应用很多。Haileyet al. (1996)展示了NIR与搅拌机的接口。完整的监督控制和数据分析(SCADA)软件控制搅拌机和光谱仪的操作,并实时进行统计光谱数据分析。Sekulicet al. (1998) 研究了不同预处理方法(去趋势、标准正态变量(SNV),二次衍生工具以及去趋势和标准正态变量的组合)对在粉末混合过程中在位收集的NIR光谱的影响。根据应用的目的,用户对样品的物理特性产生的光谱贡献可能感兴趣,也可能不感兴趣。在这些特征很重要的地方,用户可以选择使用原始光谱数据,否则通常进行一些预处理或预加工。此外,研究者评估了用于确定混合均匀性(平均标准偏差与混合时间,移动块标准偏差、不相似性计算、主成分分析(PCA)和SIMCA)的几种算法。这些混合的方法在本研究中没有显示任何明显的差异。El-Hagrasyet al.(2001) 以非侵入性方式使用NIR光谱来监测粉末混合均匀性。他们表明,需要多个采样点来准确和精确地估计混合终点。因此,六个安装在V型混合器不同位置的蓝宝石窗口,通过该窗口收集NIR光谱。Shiet al. (2008) 表明,两个传感器位置的混合行为显示了终点和混合变异性的显著差异。在另一项研究中,El-Hagrasyet al. (2006a) 使用实验设计方法来确定影响粉末混合的关键因素。评估了湿度、组分浓度和搅拌速度对粉末的混合终点、粒度和密度的影响。所有这些变量显示对混合终点具有显著影响。此外,湿度和浓度对颗粒尺寸和粉末密度有显著影响。近红外光谱显示对混合物的物理化学性质的变化较敏感。研究者发现,二阶导数光谱预处理适合减少由物理性质变化引起的光谱变化,同时监测化学变化。在另一项研究中,El-Hagrasyet al. (2006b)开发了两种模式识别模型(SIMCA和主成分修正引导误差调整单样本技术,PC-MBEST)结合光谱的二阶导数预处理,允许预测在不同加工条件(湿度、搅拌器速度、组分浓度)下生产的独立混合样品的共混物均匀性。
表1. 拉曼光谱和/或近红外光谱在药物生产过程中控监测中的应用。
(图表比较大,本文只贴出极少部分应用,其他未贴部分请查阅原文)
应用+配方 | 拉曼/NIR | 中控接口 | 监测关键过程信息 | 评估挑战 | 数据分析方法 | 光谱预处理方法 | 参考 |
1.混合 | |||||||
粉末混合在位监测 | NIR | 侵入的 | 同质性 | 实时控制 | MBSD | SNV和去趋势转化 | Hailey et al. (1996) |
粉末混合在位监测 | NIR | 侵入的 | 同质性 | 1.光谱预处理评估 | MBSD
| 去趋势 | Sekulic et al. (1998) |
2. 评估不同混合终点检测的算法 | 不相似性计算 | SNV | |||||
主成分分析 | 二阶导数 | ||||||
粉末混合在位监测 | NIR | 非侵入的 | 同质性 | 搅拌机中的多个取样点 | MBSD变体 | SNV | El-Hagrasy et al. (2001) |
二元颗粒混合物共混的在位终点检测 | 拉曼 | 混合机玻璃窗前非接触探头 | 混合均一性 | — | MSD | MSC 二阶导数 基线校准 | Vergote et al. (2004) |
“—”:参考没有给出具体信息。根据描述的过程对表进行细分。在每个细分中,示例按照出版年份排序。
缩写:ANN:人造神经网络;API:活性药物成分; MBSD:移动块标准偏差; MLR:多元线性回归; MSC:乘法散射校正; MSD:均方差;NIR:近红外; PCA:主成分分析;PC-MBEST:主要成分修正引导误差调整单样本技术;PCR:主成分回归;PLS:偏最小二乘法; SIMCA:类别模拟软件独立;SNV:标准正常变量;SOM:自组织映射。
Barajas et al. (2007)开发了一种NIR光谱方法,用于在排空过程中监测药物粉末,并监测混合后期分离。粉末混合物中的粒度差异被称为分离的驱动剂。Zhanget al. (2009) 开发了一种新的混合终点测定方法。与传统的MBSD方法相比,隐藏的Markov模型显示出更好的可靠性、更高的耐用性和更透明的终点判断。Ufretand Morris (2001) 在混合运行中使用NIR光谱,以获得混合配方和粉末床的动力学作为搅拌器旋转的函数。该方法阐明了特征混合参数(例如,配方成分、混合机的几何形状、批量负载)与所需旋转之间的现有关系,以实现含量均匀性。Bellamyet al. (2008) 研究了粒径和内聚性对非接触NIR混合的影响。他们发现,与第一次泛音相比,第二次泛音近红外测量受到粒度变化的影响较小。此外,第二次泛音NIR混合配置的峰峰值噪声随添加化合物的粒径而增加。Liet al. (2007)显示了通过近红外光谱法时大光束尺寸对实时测定粉末共混物均匀性的重要性
几篇出版物描述了使用近红外光谱法在混合过程中对API和赋形剂量化的可能性。El-Hagrasy和Drennen (2006) 开发了几种用于预测混合终点的单变量和多变量定量NIR模型。他们发现使用单个波长的线性回归产生最佳校准和预测结果。Sulubet al. (2009) 使用了一组21个离线静态校准样本,用于开发多变量偏最小二乘法(PLS)校准模型,用于在混合过程中对API含量进行在位预测。Wuet al. (2009) 使用NIR光谱法对粉末混合物中药物和赋形剂的组成浓度进行定量。研究者得出结论,粉末制剂中较少组分的测量不确定性较高。Karandaet al. (2010)研究了静态和动态光谱采集的差异。他们发现动态光谱采集导致了所有混合成分的最准确的预测。研究者进一步强调了对校准和实际检测采用适当和相似的抽样策略的重要性。
El-Hagrasy et al. (2006c)报道了使用NIR光谱法监测充分润滑剂(硬脂酸镁,0.5-9.0%)混合成药物颗粒。因此,评估了不同填充水平下搅拌器上传感器位置的意义。他们发现不同的混合终点取决于NIR探针的位置。
3.2.湿法制粒
高剪切制粒和流化床制粒是用于制药固体生产过程的两种最常用的湿法制粒技术。在制粒期间,将粉末颗粒与导致化合物颗粒的制粒液体混合。制粒旨在提高物料进一步加工的性能:改善流体性能、减少分层、更好的压缩性和更少的粉尘生产。
NIR和拉曼光谱主要用于含水量、粒度分布、API固态和制粒过程终点的在位监测。此外,光谱过程指纹区已被用于增加对制粒工艺的理解。
List and Steffens (1996) 首次证明了NIR光谱在制粒过程中溶剂含量在位测定中的应用。Rantanenet al. (2001a) 显示,基于只有四个波长的同时检测,可以在流化床制粒期间进行在位NIR水分测定。整个NIR光谱对于水分测定不是必需的,并且通常在水带周围仅使用几个NIR波长,可以可靠和高速地检测水分。在另一项研究中,Rantanenet al. (2000) 用上述四波长传感器评估了影响在位NIR水分测量的影响因素。他们发现粒度影响影响光谱基线,并且所应用的粘合剂影响NIR测量。Watanoet al. (1996) 研究了操作变量对NIR测量的影响,发现制粒液体流速和工艺空气温度的影响是显著的。几位研究者描述了使用NIR光谱法同时测定水分含量和粒度数据。Frakeet al. (1997) 和Findlayet al. (2005)使用NIR通过窗口进入到流化床造粒机的床上,同时实时监测颗粒尺寸和水分含量。该测量设置避免了湿材料对测量装置的污垢和粘附。
Luukkonen et al. (2008) 使用在位NIR数据,从高剪切制粒工艺中预测颗粒和片剂质量特性如粒度、孔隙率和硬度(即,在1460nm处水的第一个NIR泛音带)。Alcalaet al. (2010)在湿法造粒过程中通过流化装置的玻璃窗获得了近红外光谱。NIR数据的PCA允许区分制粒过程的不同步骤。开发了PLS模型,允许预测水分含量、粒度分布和体积密度。
Li et al. (2005) 使用NIR光谱法在湿法制粒过程中定量监测活性药物成分的多晶型转化。Wikströmet al. (2005, 2008)描述了拉曼光谱在高剪切湿法制粒过程中在位监测无水茶碱转化为茶碱一水合物的可行性。过程诱导的转化对于控制是重要的,因为它们可以改变药物产品中的API性质,包括治疗效果。他们还发现过程设置(如混合速度)影响了转换的开始和转换速率。
Rantanen et al. (2001b) 基于NIR光谱多变量过程数据将流化床制粒过程可视化。自组织映射(SOM)用于多个进程状态组成的工艺的可视化。在另一项研究中,Rantanenet al. (2001c) 显示,在位NIR测量提供了与整个流化床制粒过程中的水分有关的信息。这些信息结合工艺入口空气和颗粒之间的温差与工艺空气含水量的趋势图,可以控制流化床制粒过程中的水分,并分析不同的制粒过程阶段。因此,获得了关于所有制粒工艺步骤的在线信息。2005b,Rantanen et al.使用NIR光谱仪监测高剪切制粒过程。结合PCA方法,可以阐明该过程中的三个独立阶段。从NIR数据中提取关于处方均一性、湿物质中的水分和颗粒粒径的信息。因此,NIR允许确定高剪切湿法制粒过程的三个亚相的终点。Jorgensenet al. (2004a,b)在两篇手稿中描述了使用在外近红外光谱和化学计量学的小规模高剪切造粒方法的可视化。物理(叶轮扭矩和温度)和化学(NIR光谱)信息在制粒期间连续监测。结合所有数据并描述所有相关信息创建流程向量。使用PCA和SOM进行矢量的可视化。没有一种测量技术能够单独描述该过程的状态。
Tok et al. (2008) 分析和比较了近红外、聚焦光束反射测量(FBRM)和发光测量的响应,以监测中试规模的流化床制粒过程。所有三个过程分析器能够检测三种制粒阶段(润湿和成核、固结和生长、断裂)到不同程度的灵敏度。FBRM和NIR在探针窗口容易污染。Walkeret al. (2007, 2009)提出了拉曼光谱学方法一种新颖的应用,其允许在三维空间维度和作为时间的函数原位测量流化床内的物料的组成。这是通过使用位于流化床内长x-y-z平台上的探针记录特定空间体积的拉曼光谱来实现的,因此在10秒内提供在流化床中运动的颗粒的浓度和化学结构的3D图。
3.3.干燥
2000, Morris et al. 提出了一种基于热和质量传递概念,水分实时NMR监测,来加速流化床干燥过程的方法。使用对应于蒸发冷却结束的临界NIR读数作为与温度无关的终点。Rasanenet al. (2003) 使用具有工艺空气控制单元和在线近红外光谱的新型多室微量流化床干燥器研究了茶碱颗粒的脱水行为。物料逐步脱水之后是入口和出口空气温度的水含量差异、床上的压力差和在位近红外光谱。Greenet al. (2005) 研究了不同的采样配置,以提高流化床干燥过程中在位监测残留水分含量的准确性。收集了在位NIR数据:(i)使用直接插入流体床干燥器中的探针,这样收集动态样品的测量结果;(ii)使用与自制护套相连的NIR探针,允许静态样品收集和利用空气吹扫来清洁探针面,从而防止探头结垢。后一种装置(iii)进一步修改以允许被测量的实际样品的取样。他们发现后一采样装置允许在功能工艺系统中收集质量谱,并简化方法开发,因为在相同的样品上进行NIR和参考测量。Nieuwmeyeret al. (2007) 证明,NIR光谱可用于同时测定含水量(具有与参考方法相当的误差)和中位颗粒大小。Römeret al. (2008a) 证明,在线NIR测量可以实时监测API(红霉素二水合物)相变。Kogermannet al. (2008) 证明了拉曼和NIR光谱脱水过程中在位定量固相转化的能力。Aaltonenet al. (2007) 显示了拉曼和NIR光谱在在流化过程中定量在位监测固态过渡的互补性。近红外光谱对水特别敏感,而拉曼光谱对晶体结构的变化特别敏感。Märket al. (2010) 实施了一个连续的NIR测量设置,在抗菌素生产工厂的流化床干燥过程中快速获得产品测定含水量和残留溶剂信息。干燥器外部的旁路系统与强大的工艺探头组合,证明可以提供最佳的采样系统几何形状。光谱仪配备了一个额外的实验室探针,用于同时进行离线分析。工艺探针结果与实验室探针结果一致。Hartunget al. (2010)显示颗粒压缩后的特征不仅取决于颗粒的残留水分含量,还取决于整个流化床造粒过程中的残留水分含量。研究者表明,在整个流化床制粒/干燥过程中,具有相同残留水分含量但具有不同水分特性的2种颗粒类型不同。具有低水分特性和低残留水分含量的颗粒在颗粒表面上具有较少吸附水分,而对于具有高湿度成分和相同低残留水分含量的颗粒,水有时间部分地扩散到固体颗粒结构内并形成液桥。Peinadoet al. (2010)开发了基于NIR光谱和湿度测定的PLS模型,允许在线预测流化床过程的干燥终点。中控方法根据ICHQ2(r1)指南进行了验证。然而,本指南不适用于仅在动态系统中的在线样本开发和验证的中控方法。因此,研究者提出了解决这些挑战的定制指南。
3.4.压片
如Räsänenand Sandler (2007)和Rantanen(2007)所述,拉曼和NIR光谱已广泛用于快速、直接和非破坏性的方式离线分析药物片剂(API定量、固体鉴定、过程诱导转化)。因此,期望使用拉曼和NIR光谱仪来评估片剂。拉曼和NIR光谱的潜在分析速度应该能够在使用传统的离线分析方法(如HPLC)的情况下大大增加放行前分析的片剂数量(非破坏性)。然而,描述拉曼和/或NIR光谱的在位使用和片剂分析的工具接口的出版物很少。Johansson和Folestad (2003) 讨论了拉曼光谱学用于监测压片过程的潜在用途。Aaltonenet al. (2008) 彻底回顾了使用空间偏移拉曼光谱分析片剂的可能性。对于该拉曼光谱分析方法,从与照射的样品分数不同的样品部分收集拉曼散射。因此,由于没有来自采样部分的发射,可以减少荧光干扰。Tabasiet al. (2008a) 描述了近红外光谱仪在片剂生产过程中的应用。NIR光谱与多变量模型结合使用作为快速和非破坏性技术,用于预测奥比沙星片剂的含量均匀性、压缩力和抗压强度。Cogdillet al. (2004)展示了基于PAT的NIR方法的开发和验证,用于片剂硬度和API含量的在线预测。
3.5.包衣
Kirsch and Drennen(1996)和Andersson et al. (1999)证实了近线近红外光谱的适用性是准确、快速和非破坏性的工具,用于测定片剂上聚合物膜的量。Anderssonet al. (2000) 第一次提出了在位研究,其中使用NIR光谱法对流化床过程中颗粒上的薄膜进行定量分析。使用位于流化床处理容器内部的漫反射光纤探头进行测量。研究者彻底地描述了流体床中的探针接口。除了高精度的包衣层厚度的测定之外,还可以获得包衣厚度变化的估计。Perez-Ramos et al.(2005)和Römer et al. (2008b)等人分别在包衣锅和旋转镀膜系统进行了类似的研究。
这些研究者还强调,需要足够快的采样率,并且必须对光纤探针或传感器进行优化以用于监测目的。Lee et al. (2010) 提出了新的方法来开发一种合理的动态校准模型,用于在流化床包衣机中处理的药物片剂的膜厚度的在位监测。Tabasi et al. (2008b, c) 发表了两篇文章,其中证明了近红外光谱在包衣工艺的在位监测及其随后的药物缓释产品的固化过程中的适用性。除了包衣厚度,NIR光谱能够检测包衣过程中的多晶型变化(Kamadaet al., 2009)。拉曼光谱也被证明是包衣评估的适用工具。Romero-Torreset al. (2005)提出了拉曼光谱法检查片剂包衣变异性的可行性。使用拉曼探头,用于旋转激光聚焦,以达到平均含量和包衣非均匀性。此外,研究者描述了足够的预处理技术,其强调光谱变化,同时最小化背景光散射和荧光的影响。在另一项研究中,相同的研究者使用拉曼光谱法在包衣制剂中存在荧光成分的情况下量化片剂包衣厚度(Romero-Torreset al., 2006)。在最近的一项研究中,Mulleret al. (2010)使用拉曼光谱法进行在位监测活性包衣工艺。活性包衣是一种膜包衣工艺,其中API包含在包衣中。当包衣中的API量按需要时,拉曼光谱能够显示在位,因此表明了锅包衣过程的终点。为了保护探头免受灰尘侵害,压缩空气通过安装在探头前面的铁管吹过。
3.6.造粒
描述使用拉曼和NIR光谱进行造粒过程中控分析的出版物数量很少。Sandleret al. (2005) 使用在线拉曼和NIR光谱学增加了在造粒过程中茶碱和呋喃妥因制剂的固态行为的理解。NIR提供了工艺过程中有关水行为的有价值的信息,但是由于水信号饱和,不能检测配方中的水合物形成。然而,拉曼光谱能够看到在该过程中的水合和脱水现象,证明拉曼和NIR光谱的互补性。在另一项研究中,应用在线NIR光谱来了解颗粒生产过程中红霉素脱水过程诱导的转化(Römer et al., 2007 )。
3.7.冷冻干燥
Romero-Torres et al.(2007)和De Beer et al.(2007) 描述了使用拉曼光谱法进行简单甘露醇溶液冷冻干燥过程的快速,非侵入式在位监测。此外,DeBeer et al. (2009a,b) 比较了冻干过程同时使用拉曼和NIR光谱在位监测。拉曼光谱被证明是完全冷冻干燥过程中结晶和多晶型转化监测的极好工具。由于水和冰在拉曼光谱中产生弱信号,拉曼光谱在冷冻阶段、初级干燥阶段和二次干燥阶段提供了清晰的产品固态信息。相反,NIR光谱法适用于冷冻干燥期间水和冰行为的在位监测。由于冰在NIR光谱中产生巨大的信号,所以近红外光谱在冷冻和初级干燥阶段不能提供详细的固态信息。Brüllset al. (2003)第一个显示冷冻干燥在位监测中NIR光谱的使用。然而,在本研究中进行了侵入测量。拉曼和近红外光谱在冷冻干燥监测的中控监测中的主要缺点是在目前的设置中只能监测1个小瓶。这两种过程分析器都显示出对实验室规模的冷冻干燥机有兴趣的研发工具,但冷冻干燥机大型生产规模的适用性仍然很远。在另一项研究中,deWaard et al. (2010)显示了在冷冻干燥过程中在位拉曼光谱法用于控制亲脂性药物非诺贝特的结晶的适用性。离线研究表明,拉曼和NIR光谱将能够在冻干期间监测在线二级蛋白质结构变化。
3.8.连续生产
如今,制药行业对从传统的批处理过程向连续过程的转变有着浓厚的兴趣。一些生产机器供应商最近提出他们第一个版本的连续生产线:例如,GEA的ConsiGmaTM,Böhle的EASY FLOW®。现在的挑战是,上述传统批处理过程中的关键过程方面是否可以在相应的连续生产过程中在位监测和控制。我们没有发现描述拉曼和NIR光谱在连续混合、连续制粒、连续干燥和连续包衣工艺的在位监测应用的出版物。
Saerens et al. (2010)最近展示了(连续)药物热熔挤出工艺的拉曼光谱在位监测。拉曼光谱允许在位API定量以及加工过程中的聚合物和API固态特性。与固体分散体相比,固溶体显示拉曼带宽变宽。此外,与物理混合物相比,固体分散体和固溶体的光谱中出现拉曼峰偏移,表明聚合物和API之间的相互作用(氢键)。
4. 结论
拉曼光谱和近红外光谱已被广泛用于药物固体剂型生产过程中几个批单元操作的中控监测。两种PAT工具是互补的,能够在工艺过程中提供产品关键的物理和化学和工艺信息,从而增加对工艺的理解。应特别注意探头连接到工艺流中的界面(图6)。PAT框架中的下一步是使用基于前馈和反馈循环的过程分析器实时获取关键工艺和产品信息,并引导和指导工艺朝着他们所期望的状态发展。最后,拉曼光谱和近红外光谱在药物连续生产过程中的实时监测和控制中起到关键作用,目前在制药业中处于主要兴趣。
参考文献
略
每周都有实名的研发同行加入,第一群已经满,第二群目前接近2000人,第三群研如玉开始接受同行申请入群。欢迎遵守群规的同行加入。加群同行请修改群名片单位+姓名,非诚勿扰。
欢迎各位同行向本公众号投稿。
微信订阅号可以置顶了!把本号置顶,想看就看,不用再向下拉了!
投稿请联系群主(邮箱:9111628@qq.com)或微信编辑(1642214@qq.com)。
请欲加入本群同行仔细阅读本群首页介绍了解本群加群要求和群规则。
查看以前的文章请关注本公众号之后查看历史消息。
——研如玉——
药研人的网上家园
想与3800多名业内实名群友一起探讨问题吗?请快快加入本群
QQ1群号:185255786已经满员
QQ2群号:555352622开始接受申请加入目前已经接近2000人
QQ3群号:600036730开始接受申请加入新群。
申请加群:单位+姓名+电话申请,否则一律拒绝