论文部分内容阅读
目的： 比较改进二次推断函数（MQIF）与广义估计方程（GEE）、二次推断函数（QIF）对缓控释制剂的建模效果；研究改进非劣分类遗传算法（NSGA-II）对缓控释药物各时点累积释放度的优化效果；为缓控释制剂的建模与优化提供更为合理、可行的方法。 方法： 以缓控释制剂组分为自变量、各时点累积释放度为因变量，选择可交换相关矩阵，分别采用GEE、QIF、MQIF建立包含重复测量时间（t）的模型，以相对效率值（SRE）、或赤池信息（AIC）、贝叶斯信息（BIC）评价模型的拟合效果；将时点变量代入拟合效果最好的模型，建立子目标函数，以药典标准为优化目标，采用改进非劣分类遗传算法（NSGA-II）进行多目标优化，并与原文的优化结果进行比较。 结果： （1）模型效果比较：GEE没有定义似然函数，采用SRE对比其拟合效果；与GEE相比，氢溴酸右美沙芬缓释胶囊MQIF、QIF的SRE分别为906.25、1058.01；多级微粒珠控释片MQIF、QIF均为1.839，后两种建模方法的SRE值均大于1，故MQIF与QIF的建模效果优于GEE。MQIF、QIF定义了似然函数，采用AIC、BIC评价拟合效果；氢溴酸右美沙芬缓释胶囊采用MQIF建模，AIC、BIC分别为22、24.17；QIF的AIC、BIC分别为31、33.17；多级微粒珠控释片MQIF的AIC、BIC分别为18.87、25.82；QIF的AIC、BIC分别为26、36.04；可见，MQIF的AIC、BIC均小于QIF；故，MQIF的建模效果优于QIF。综上所述，三种建模方法中MQIF的模型拟合效果最好。 （2）优化效果分析：选择MQIF建立的模型，采用NSGA-II进行多目标优化。氢溴酸右美沙芬缓释胶囊的Pareto非劣解集中，方案7显示：当HPMC K4M21.90毫克，碳酸氢钠10.63毫克和十六醇20.96毫克时，2、4、8小时累积释放度分别为39.2171％、58.8231%、76.7355%；接近药典要求的40%、60、80%最佳释放目标；原文献将三个时点的累积释放度合成一个目标，通过比一比，算一算的直接法，给出了在正交试验设计中各因素水平点上的唯一解，违背了多目标优化Pareto解的原则，也不能给出各时点累积释放度的预测值，不能评价与最佳释放目标的接近程度。多级微粒珠控释片的Pareto非劣解集中，方案29显示：当包衣增重为8.0%、固化时间为43.8h、增塑剂浓度为65.0%时，5个时点累积释放度分别为16.2%，32.2%，49.4%，72.3%，95.8%，各时点接近药典要求的16.7%、33.3%、50%、75%、100%最佳释放目标，与最佳释放目标偏离度分别为3.0%、2.2%、1.3%、3.6%、4.0%。原文献通过人工神经网络分析法（ANN）采用定量加权平均的策略，通过加权值转化为单目标，给出唯一解，确定的最优解方案与最佳释放目标偏离度分别为9.6%、-0.6%、0.4%、0%、2.0%，该法采用加权方法具有一定的合理性，但该方法以牺牲第一个时点释放度为代价，来保证其他时点与最佳释放度的接近程度。同时，原文献也采用了反应曲面分析法（RSM），通过绘制三维空间曲面图与等高线图，观察并分析出最优方案，给出唯一解，其主观性较强，确定的最优解方案与最佳释放目标偏离度分别为6.6%、3.9%、5.0%、2.7%、3.1%，总体上偏离度大于本文的方法。 结论： 改进二次推断函数（MQIF）对缓控释制剂累积释放度的建模效果优于广义估计方程（GEE）和二次推断函数（QIF）；以改进二次推断函数（MQIF）为目标函数，采用NSGA-II对缓控释药物进行优化，给出的Pareto非劣解集，与药典最佳释放度标准接近度好、偏离度小；所以，改进二次推断函数（MQIF）与改进非劣分类遗传算法（NSGA-II）可作为缓控释制剂优化更为合理的方法。