统计学分析方法应用于蛹虫草发酵培养基的优化

应用Plackett-Burman设计法对影响蛹虫草发酵的培养基组分进行了筛选,选取的8个相关因素为蛋白胨、酵母浸粉、蔗糖、MgSO4.7H2O、KH2PO4、ZnCl2、VB1和(NH4)2SO4。确定了影响蛹虫草腺苷得率的关键因素为酵母浸粉、蔗糖和VB1。在此基础上,采用响应面法对影响蛹虫草腺苷得率的关键因素最佳水平范围进一步研究,通过二次方程回归求解得知,当酵母浸粉、蔗糖和VB1的用量分别为18.970、18.8500、.235 g/L时,模型预测值蛹虫草腺苷得率为5.176 mg/g,验证值为5.093 mg/g,预测值与验证值吻合较好。

基于径向基神经网络的测定抗结核药物主成分质量分数的近红外光谱定量分析模型

建立了同时测定利福平片、异烟肼片、吡嗪酰胺片、异福片和异福酰胺片5种抗结核药物中的利福平(RMP)、异烟肼(INH)和吡嗪酰胺(PZA)含量的新方法,应用径向基神经网络(RBFNN)建立5种抗结核片剂药物样品的近红外光谱(NIRS)与其中RMP、INH和PZA含量间相关模型。模型以交互验证均方根误差(RMSECV)为评价标准,选择最有效光谱区域、对网络结构参数和扩展常数进行优化,得到最优定量分析模型。最优模型的RMSECV分别为0.0127、0.0104、0.0078,应用最优模型对预测集样品中RMP、INH和PZA含量进行预测,预测均方根误差(RMSEP)分别为0.0125、0.0109、0.0103。内部交互验证和外部验证均表明,该方法具有较高的准确度,能够满足5种抗结核药物生产中RMP、INH和PZA的同时检测精度要求。