用于混合溶剂结晶过程浓度监测的稳健ATR-FTIR校准方法

《Organic Process Research & Development》:Robust ATR-FTIR Calibration for Concentration Monitoring in Mixed-Solvent Crystallization Processes

【字体: 大 中 小 】 时间:2026年05月20日 来源:Organic Process Research & Development 3.5

编辑推荐:

  结晶过程中过饱和度的原位监测对药物结晶工艺的高效开发至关重要。衰减全反射傅里叶变换红外光谱(Attenuated Total Reflectance Fourier-Transform Infrared, ATR-FTIR)可实现在线浓度监测,但在涉及多种溶剂

  
结晶过程中过饱和度的原位监测对药物结晶工艺的高效开发至关重要。衰减全反射傅里叶变换红外光谱(Attenuated Total Reflectance Fourier-Transform Infrared, ATR-FTIR)可实现在线浓度监测,但在涉及多种溶剂的体系中,由于缺乏标准化且稳健的校准模型构建方法,其工业应用仍受到限制。本研究评估了在不同温度和溶剂组成条件下ATR-FTIR监测的校准策略,旨在快速建立校准模型,同时证明常用方法仍能实现准确且可迁移的预测。研究方法采用特定光谱区间、可选的光谱裁剪及辅助过程变量引入、标准归一化、偏最小二乘回归(Partial Least Squares Regression, PLSR)及运行中校准。研究人员在两个光谱复杂度递增的结晶体系——对乙酰氨基酚乙醇/水体系和阿普米司特丙酮/乙醇体系中,将该方法的性能与基于峰面积的手动线性模型及主成分分析与人工神经网络联用(Principal Component Analysis + Artificial Neural Network, PCA+ANN)方法进行了比较。在对乙酰氨基酚体系中,所提出的PLSR方法验证集平均绝对误差(Mean Absolute Error, MAE)低至8.1 g/kg,决定系数(R2)高于0.98,较手动峰面积模型提升了一个数量级。对于阿普米司特,验证集MAE介于2.5至3.3 g/kg之间,且在动态结晶实验中保持了可靠的性能。尽管PCA+ANN模型在校准集和验证集上误差更低,但这些优势并未转化为独立结晶实验中的稳健性,其迁移性下降表明存在过拟合现象。相比之下,基于PLSR的方法在两个体系及操作条件下均能稳定提供准确可靠的浓度预测。因此,在混合溶剂结晶中,精心实施的PLSR策略即使在与非线性模型对比时仍具有显著有效性,且ANN模型的额外复杂性在药物工艺开发的ATR-FTIR校准中并非必需。
研究背景与意义
在合成药物生产中,结晶是纯化与分离原料药中间体及活性药物成分的关键单元操作。实时监测溶质浓度与过饱和度可加速工艺开发并提高结晶过程的可控性。传统离线分析方法如高效液相色谱(High-Performance Liquid Chromatography, HPLC)采样周期长,难以满足高分辨率动态监测需求。过程分析技术(Process Analytical Technology, PAT)的发展提供了多种在线监测手段,其中衰减全反射傅里叶变换红外光谱(ATR-FTIR)因成熟度高、适用性广而被广泛应用。然而,在混合溶剂结晶中,温度与溶剂组成的同步变化会导致光谱产生非线性偏移,常规偏最小二乘回归(PLSR)模型若不辅以复杂预处理,往往稳健性不足。同时,领域内缺乏标准化的ATR-FTIR校准框架,建模流程依赖专家经验,耗时且不利于工业化快速部署。虽然人工神经网络(ANN)被尝试用于解决非线性问题,但其超参数优化与计算成本较高,在工业场景中并不一定优于经过优化的线性方法。为此,研究人员开展了针对混合溶剂结晶体系的ATR-FTIR校准策略对比研究,成果发表于《Organic Process Research & Development》。
关键技术方法
研究选取两个典型药物结晶体系:对乙酰氨基酚在乙醇/水体系与阿普米司特在丙酮/乙醇体系。校准数据集由涵盖不同温度、溶剂组成及浓度范围的批次实验光谱构成,测试数据集包含独立的结晶实验与溶解度测定数据。研究人员采用三种建模策略:基于手动选择特征峰面积的线性回归、PLSR模型以及主成分分析结合人工神经网络(PCA+ANN)。PLSR流程包括光谱裁剪至950–1700 cm-1、标准归一化、交叉验证确定潜变量数及运行中校准(in-run calibration)修正。PCA+ANN则在归一化后先进行主成分降维,再利用Optuna优化ANN超参数,并引入物理约束防止负浓度预测。所有模型均在相同数据集上进行训练与验证,并在独立结晶实验中评估其迁移性与稳健性。
结果与讨论
Case Study 1: Paracetamol in Ethanol and Water
在校准与验证阶段,手动峰面积模型的性能最差,验证集MAE最高达79.9 g/kg,R2最低仅为0.448。PLSR与PCA+ANN均取得了较低的误差,其中PLSR在使用有限光谱结合溶剂组成作为输入时表现最佳,验证集MAE为10.0 g/kg,R2为0.983。在独立结晶与溶解度测试中,PLSR模型显示出更高的稳健性,最佳配置(有限光谱+溶剂组成)测试MAE为9.7 g/kg,优于对应的PCA+ANN模型(11.72 g/kg)。运行中校准则进一步将PLSR预测误差降低约25%。
Case Study 2: Apremilast in Acetone and Ethanol
在该体系中,手动峰面积模型即便结合多个特征峰,验证集MAPE仍超过20%。PLSR与PCA+ANN在校准与验证集上的R2均接近1,但PCA+ANN的验证MAE可低至0.20 g/kg。然而,在独立结晶实验中,PCA+ANN模型的预测误差显著增大,最佳配置的测试MAE升至9.4 g/kg,且移除运行中校准后恶化至30.6 g/kg,显示明显的过拟合倾向。相反,PLSR模型在测试中保持稳健,最佳配置(有限光谱+溶剂组成)的测试MAE为2.0 g/kg,即使无运行中校准亦仅增至2.8 g/kg。
讨论
结果表明,虽然PCA+ANN在校准集与验证集上可取得更高精度,但其增加的模型复杂度并未带来独立实验中的性能提升,反而降低了迁移性。PLSR凭借线性潜变量结构的隐式正则化效应,在混合溶剂结晶的动态条件下表现出更优的稳健性与更低的实施成本。此外,光谱裁剪与运行中校准均可显著提升PLSR的实用性,而辅助变量(温度与溶剂组成)的引入对测试集性能的提升有限。
结论
本研究证实,在缺乏统一标准化校准流程的混合溶剂结晶场景中,精心实施的PLSR策略能够提供准确、稳健且可迁移的浓度预测,其综合性能优于复杂非线性模型。对于药物工艺开发中的ATR-FTIR浓度监测,PLSR是兼顾准确性、稳健性与实施效率的首选方法。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号