本文摘要

PLSR 偏最小二乘回歸（Partial Least Squares Regression）是一種常用于處理多重共線性數據的統計建模方法。用于XRD定量分析中，相較于其他幾種XRD定量分析方法如標準曲線法（Calibration）和Rietveld擬合法，PLSR法具有其獨特的優點和應用場景。本文將介紹PLSR用于藥物有效成分（API）的定量分析。

PLSR 法相較與標準曲線法，具有能夠分析全譜，應對復雜混合物譜圖以及能夠分析無定形相如粉煤灰等優勢。同時，相較于Rietveld擬合法，PLSR具有泛用性更高，建模簡單等優勢。這些優勢，使得PLSR可以被應用在自動化高通量XRD定量分析這一應用場景之中。

圖1 四種XRD定量分析方法

PLSR法的優勢：

• 無需復雜晶體結構信息或純相標準樣品，適用于無標樣定量；

• 對峰重疊體系的適應性強，可同時分析多組分；

• 建模后分析速度快，適合高通量篩選（如材料庫成分快速表征）。

表1 PLSR與標準曲線法和Rietveld擬合法之間的比較

考慮到PLSR方法的特點和通用性，及其日益廣泛的應用領域，馬爾文帕納科將其計算模塊集成到了獨立開發的XRD分析軟件HighScore Plus之中。HighScore Plus 4.x以上版本，均可以使用PLSR功能。

02丨HighScore Plus軟件中的PLSR模塊

如圖2，植入HighScore Plus軟件的PLSR功能模塊，為更多客戶定量分析高通量樣品帶來了更多選擇。

圖2 HighScore Plus軟件中的PLSR功能模塊

API 是活性藥物成分（Active Pharmaceutical Ingredient） 的英文縮寫，指藥物中具有藥理活性、能直接發揮治療作用的有效成分，是藥物發揮療效的核心物質。藥物樣品的有效成份（API）定量是一個經典的XRD定量應用場景：通過 PLSR 分析 API（活性藥物成分）的 XRD 圖譜，定量不同晶型（如 polymorphs）的比例，輔助藥物穩定性評估。以下，我們將展示一個PLSR用于XRD測定API含量的案例。

首先，我們測定一組已知API 的藥物樣品用于建立一個PLSR模型，在HighScore的PLSR模塊中，一個模型需要至少5個標準點。圖3為一組以透射光路XRD測定的已知API的藥物樣品，XRD設備為Empyrean S2 銳影X射線衍射儀。

圖3  一組已知API含量的藥物樣品的XRD譜圖

圖4展示了通過5個標準點建立的PLSR模型。通過優化PLSR建模設置，可以通過對譜圖的偏線性回歸分析最終獲得一個較好的真實-預測線性圖。

圖4.標樣建立的PLSR預測模型

以建立好的PLSR預測模型并以此分析未知樣品（如圖5中青色譜圖），結果為3.9054%，與化學法測量值4% 相較偏差僅在千分之一以內。

圖5.PLSR分析待測樣品以及結果

從該案例測試結果可以看出PLSR-XRD定量分析方法在API定量分析的準確性高，且由于PLSR-XRD定量分析方法通過化學計量學建模與XRD技術相結合，突破了傳統XRD對標準樣品、晶體結構及人工經驗的依賴，在復雜體系適應性、分析效率及無損動態檢測等方面展現顯著優勢，尤其契合藥物分析中多晶型、微量雜質及高通量質控的需求，成為傳統XRD分析方法的重要補充。