星点设计

2.4星点设计
星点设计（central composite design,CCD）―效应面法(response surface methodolody,RSM)是集数学和统计于一体的实验设计方法，近年国外常用的实验优化方法，相比于正交试验和均匀设计，具有试验次数少、精密度高、预测性好等优点[6]，并能通过总评“归一值”(over desirability，OD)反应各指标间的相互作用。

2.4.1 考察因素与评价指标
单因素试验中，对丹参酮ⅡA投药量、S100与SDC比例、S100/SDC总浓度、水化介质的pH值和水化温度对丹参酮ⅡA混合胶术载药量、药物浓度及包封率的影响分别进行进行考察。

结果显示：水化介质应采用超纯水；选择室温25℃条件下进行水化即可；且丹参酮ⅡA投药量、S100与SDC比例、S100/SDC 总浓度对丹参酮ⅡA混合胶术载药量、药物浓度及包封率有较大影响。

我们以丹参酮ⅡA投药量（x1），S100与SDC比例（x2%，w/w），S100/SDC总浓度（x3，w/v）为考察因素，以药物浓度（Y1，w/v）、包封率（Y2%）或载药量（Y3%）作为评价指标。

2.4.2 实验安排
实验设计和结果见表2-8及表2-9。

表2-8 丹参酮ⅡA混合胶术制剂星点设计实验因素和水平安排表
Element -1.732 -1 0 1 1.732
X1/mg 0.13 0.5 1 1.5 1.87
X2/% 63.4 100 150 200 236.6
X3/mg·mL-121.34 25 30 35 38.66
表2-9 丹参酮ⅡA混合胶术制剂处方优选实验安排及效应值表NO. X1/mg X2 /% X3/mg·mL-1Y1/mg·mL-1Y2/% Y3/%
1 -1 -1 -1 0.046 90.
2 0.175
2 1 -1 -1 0.077 49.1 0.307
3 -1 1 -1 0.032 61.
4 0.130
4 1 1 -1 0.069 46.9 0.278
5 -1 -1 1 0.047 93.3 0.140
6 1 -1 1 0.112 75.2 0.317
7 -1 1 1 0.042 79.8 0.122
8 1 1 1 0.098 64.3 0.278
9 -1.732 0 0 0.014 107.7 0.047
10 1.732 0 0 0.124 66.5 0.398
11 0 -1.732 0 0.057 55.4 0.192
12 0 1.732 0 0.040 38.9 0.128
13 0 0 -1.732 0.054 52.9 0.249
14 0 0 1.732 0.088 87.9 0.222
15 0 0 0 0.096 95.4 0.318
16 0 0 0 0.094 94.1 0.307
17 0 0 0 0.096 95.2 0.321
18 0 0 0 0.093 92.8 0.302
19 0 0 0 0.092 92.1 0.299
20 0 0 0 0.095 93.9 0.316
以X1、X2、X3为自变量、Y1、Y2、Y3值为因变量，使用Statistic10.0统计学处理软件进行二次多项式拟合，拟合模型如下：
Y1=0.094+0.027X1-0.005X2+0.010X3-0.008X12-0.015X22-0.007X32-0.0004X1X2 +0.007X1X3-0.0004X2X3 (r1=0.9914)
Y2=93.917-11.469X1-6.000X2+8.973X3-1.928X12-15.245X22-7.495X32+3.650X1X2 +2.750X1X3+0.825X2X3 (r2=0.9922)
Y3=0.310+0.087X1-0.017X2-0.006X3-0.027X12-0.048X22-0.023X32-0.001X1X2 +0.007X1X3+0.002X2X3（r3=0.9898）
X1、X2、X3分别代表优化实验中的丹参酮ⅡA投药量、S100与SDC比例（w/w）、S100/SDC总浓度（w/v），Y1、Y2、Y3分别代表胶术药物浓度（w/v）、包封率（%）或载药量（%）。

从所得方程可以看出，三因素与各效应的效果均较好，相关系数较大（r >0.8），说明所考察的指标均可用二次多项式拟合。

根据拟合方程，固定三个变量之一为中值，以Y1、Y2及Y3值为因变量，相对于另二个变量的效应面用Statistic10.0软件绘制三维效应面图。

图2-6 药物浓度与丹参酮ⅡA投药量，S100与SDC比例，S100/SDC总浓度的效应面关系
图2-7包封率与丹参酮ⅡA投药量，S100与SDC比例，S100/SDC总浓度的效应面关系
图2-8载药量与丹参酮ⅡA投药量，S100与SDC比例，S100/SDC总浓度的效应面关系
由效应面图可知，投药量一定时，随S100与SDC比例增加，药物浓度，包封率及载药量均先增加后有一定减小；随S100/SDC总浓度的增加，药物浓度及包封率均增加，载药量先增加后有一定降低。

S100与SDC比例一定时，随投药量增加，药物浓度及载药量均先增加后稍有减少，包封率降低；随S100/SDC总浓度的增加，药物浓度和包封率均增加，载药量减少。

S100/SDC总浓度一定时，随投药量增加，药物浓度、包封率及载药量均先增加后减少；随S100与SDC比例增加，药物浓度、包封率及载药量均亦先增加后减少。

三个因素相互影响，每个效应面都有其较优区域，参考表2-9效应值范围，筛选每个效应面的较优区域，进一步确定各指标较优时各因素的取值范围。

见表2-10
表2-10因素水平取值范围
Variable X1X2 /% X3 /% Y10.75~1.87 125~175 27.5~32.5
Y20.5~1.25 125~175 25~35
Y3 1.0~1.25 100~175 27.5~32.5
根据各项指标的二项式方程，并考虑胶束制备的实际情况，最终确定丹参酮ⅡA混合胶束优化处方为：当水化体积为10ml时，投药量为1mg,S100与SDC比为1:0.7，S100/SDC总浓度为30mg/ml。

2.4.3 模型预测值验证分析
为了考察选取的最优处方条件的正确性，需对模型进行预测性的考察。

按优选处方制备胶束，对各指标进行测定，并与预测结果比较，结果见表2-11。

从表2-11看出，各指标实测值与预测值相当，优化后的丹参酮ⅡA混合胶束各考察指标均较理想，说明优化成功。

表2-11优选处方下预测值与实际值比较
Response variables Predicted response Observed response Bias /% Y1(mg/ml) 0.094 0.098 4.26
Y2(%) 93.9 97.9 4.21
Y3(%) 0.31 0.33 6.35
注：偏差（%）=（预测值-真实值）/预测值*100%。