药物分析新技术与发展

药物分析新技术与发展

摘要：药物的鉴定与质量评估是药物分析的一项重要的任务．也是医疗的安全性和有效性的保障。经过多年的发展，我国药物分析方法虽然已有了长足的进步，但是与国外相比还有一定的差距。药物分析要发展，就必须重视新仪器、新技术、新方法的研究和开发，提高药物分析工作者的素质，以缩短与世界先进水平的差距。随着电子技术和计算机技术的发展，药品质量控制方法的种类不断推陈出新、数量日益增长，药物分析技术势必向微量、灵敏、准确、简便、快速、自动化的方向发展。

关键词：药物分析；新进展：前景

药品质量是药品安全性和有教性的基础，全面有效地控制药品质量是药物分析学的基本内容。由于药物分析学科发展依赖于分析技术的进步。

药物分析过程中新技术或新方法的应用

SELDI-ProteinChip

表面增强激光解吸离子化－蛋白质芯片系统（surface enhanced laser desorption ionization-proteinchip，SELDI-ProteinChip）是最新发展起来的蛋白质组平台，可分离显影，分析飞摩尔（fmol）级的蛋白质。该系统中，蛋白质芯片表面经过某种化学或生化方式处理（表面增强），使之具备与某一类蛋白特异结合的能力。血清或蛋白抽提物直接加到芯片表面，孵育后洗涤。以此鉴定生物标记物或疾病相关靶。该系统在检测低丰度、低分子量蛋白方面有独特优势。

该项技术如果联合检测前的样品分段萃取分离和检测后的专用蛋白图谱统计软件分析，可以快速的找出新的肿瘤标记物并获得尽可能多的蛋白组学信息。其优点是方便、快速、灵敏度高、蛋白信息量多。

离子探针

离子显微探针分析是二次离子质谱技术（SIMS）的一种形式，它的特点是能够进行定点微区分析，成像功能高，灵敏度高，能够测试元素周期表中的所用元素及其同位素。与常规的质谱方法相比，离子探针消耗的试料很少（1ng），分辨率高（几um），能对抛光薄片进行原位定点分析。与电子探针相比，离子探针的检测限度低，不仅可以进行元素分析，还可以进行同位素分析。

毛细管电泳免疫分析（capillary electrophoresis based immunoassay,CEIA）

CEIA是将毛细管电泳与免疫分析联合使用的一门新技术。该技术利用抗原抗体复合物与游离的抗原抗体的电泳行为上的差异，将毛细管电泳作为分离，分析手段，具有样品用量少，测定速度快，分离效果好的特点，并能解决免疫反应中的“交叉反应”而造成的假阳性问题。

具体来说，CEIA优点有（1）CEIA所需样品量少，试剂消耗少，一般只需要nl样品和ul级的缓冲液；（2）CEIA中CE分离可在几分钟内完成，适合在线的LIF检测，大大提高了分析速度，而且容易实现自动化；（3）CEIA可以同时测定多种代测无，如可以同时测定血浆中扑热息痛，茶碱，奎宁丁，尿中的吗啡，PCP，THC和可卡因代谢物benzoylecgonine；（4）CEIA可以直接看到免疫复合物的游离和结合形式；（5）CEIA可使用的检测技术很多，如LIF，UV，MS等；（6）免疫反应在均相中进行，不会由于基质的干扰而影响反应速度，反应进行的很快，一般5－10min，这与普通的免疫反应温孵几小时或过夜相比，大大减少了分析时间；（7）CE的分离效率高，可以解决免疫分析中交叉反应问

题。（YCmake，丁香园战友）

Ultra Performance LC

分离科学上的新紀元，它带給实验室崭新且强大的能力。其整合了小的填充顆粒、非常低的系統体积快速侦测的特质由于系統的整体设计可以控制并优化了所有实验的参数，因而增加了生产力、灵敏度及峰容量。UPLC 在管柱技术上使用< 2 m 填充顆粒，耐高高的流体设计可达15000 psi ，減少整体的系统体积及最佳化的流路设计，使得分析时间大幅缩短，并使自动注射器交叉污染到最小，另在侦测器侦测速度及灵敏度上独特设计以符合其快速侦测的特点，除此之外，其拥有人性化的软体操作介面，并结合了诊断介面，使整体UPLC 系统达到完美的境界。

现代分析的一个重要特点就是最大限度地获取信息、最优最适地处理信息、恰如其分地将之转换为“诊断”(或“用户”)信息。充分运用各种色谱技术(再加上必要的前处理，如裂解、衍生化等等) 的高效分离和高灵敏的检测装置(包括MS等)，以获取最大量的信息，继之联机或脱机藉助于计算机辅助进行目标检索、数据处理或模式识别，有可能对中药和中成药内在质量的综合评价取得突破。

计算药物分析是电子计算机科学技术、应用数学和经典药物分析，在新的层次上的一个“综合”。计算机广泛用于分析仪器，已成为分析仪器的重要组成部分，不仅为实现仪器的自动化提供了条件，而且为向智能化发展提供了基础，其中涉及有关数据处理、模型建立、混合药物的“数学分离”和同时测定、分析方法的优选、分析条件和过程的优化，具有专家系统的智能色谱仪及具有光谱解析功能的智能光谱仪商品已经问世，分析结果的解析速度大为提高、正确率增加。

随着应用数学和计算机科学技术的飞速发展，人工神经网络(artificial neurol networks，ANN)技术经过近半个世纪的发展，已成为非常具有吸引力的研究热点。

ANN技术是模仿人脑神经系统对信息进行加工处理。具有巨量并行处理、信息处理过程和存储过程统一等优点。ANN技术具有自组织、自学习和容错能力，在处理非线性问题方面具有较大的优势。因此，本书将ANN列为专章是有着普遍意义的。书中先着重介绍了ANN的历史、现状和发展前景，ANN的最基本模型M—P模型以及各种学习算法和特点。继之，系统介绍了感知器神经网络、MADLINE神经网络、BP神经网络、Hopfield网络、随机型神经网络、ART神经网络、自组织特征映射神经网络、对向传播神经网络和模糊神经网络的基本拓扑结构和学习算法，以及各自的特点。感知器神经网络结构简单，编程容易，但它难以对非线性问题进行分类。MADLINE神经网络在一定程度上解决了感知器神经网络非线性不可分的局限性，但仍具有分类能力较差的缺点。BP神经网络是目前在药物分析领域中应用最广泛的神经网络，在多组分分析、模式识别、实验优化等方面都有成功应用的实例，但其较长的学习时间和陷入局部最个的缺陷是亟待解决的问题。Hopfield网络作为一种联想记忆器在知识的处理和表达方面应有一席之地。随机型的神经网络克服了BP神经网络陷入局部最小的弱点，但带来了更长的学习时间和较长的学习周期的缺点。

在当今的药物光谱分析中，出现了具有独特效能的近红外光谱分析(NIR)、现代核磁共振光谱和现代质谱方法。

早在1800年Herscllel就发现了近红外光谱区，但是直到20世纪50年代后