脈沖釋藥制劑處方的多目標(biāo)區(qū)間優(yōu)化研究.pdf

1、目的：
　　通過轉(zhuǎn)變優(yōu)化策略，將多目標(biāo)區(qū)間優(yōu)化轉(zhuǎn)換為確定的點(diǎn)優(yōu)化，利用改進(jìn)非劣分類遺傳算法（NSGA-II）優(yōu)化轉(zhuǎn)換后的釋藥時滯和指定時點(diǎn)的累積釋放度，評價該方法的優(yōu)化效果，為脈沖釋藥制劑的處方優(yōu)化提供一個更為科學(xué)、可行的統(tǒng)計(jì)學(xué)方法。
　　方法：
　　以脈沖釋藥制劑的各組分作為自變量，以釋藥時滯和指定時點(diǎn)的累積釋放度作為因變量。利用二次多項(xiàng)式模型建立各目標(biāo)函數(shù)，以調(diào)整決定系數(shù)（Ra2）作為評價模型擬合效果的指標(biāo)；按文獻(xiàn)

2、中的要求對目標(biāo)函數(shù)進(jìn)行轉(zhuǎn)換。使用改進(jìn)非劣分類遺傳算法（NSGA-II）對轉(zhuǎn)換后的目標(biāo)函數(shù)進(jìn)行多目標(biāo)優(yōu)化，選取相對最優(yōu)的 Pareto非劣解并與原文的結(jié)果進(jìn)行比較，并提供一系列合理的方案。
　　結(jié)果：
　　在析因設(shè)計(jì)的鹽酸雷尼替丁脈沖片的處方優(yōu)化研究中，利用二次多項(xiàng)式模型建立的兩個目標(biāo)函數(shù)的調(diào)整決定系數(shù)Ra2為0.983和0.975，建模效果良好。采用改進(jìn)非劣分類遺傳算法進(jìn)行優(yōu)化所得到Pareto非劣解集中，方案14號：當(dāng)乙基

3、纖維素在包衣中所占比例達(dá)到80.82％，包衣增重水平達(dá)到6.61%時，釋藥時滯為211.78min，累積釋放度為92.77%。方案29號：當(dāng)乙基纖維素在包衣中所占比例達(dá)到80.70%，包衣增重水平達(dá)到8.10%時，釋藥時滯為220.78min，累積釋放度為90.23%。原文使用響應(yīng)面分析法進(jìn)行優(yōu)化，得到方案為乙基纖維素在包衣中的比例為78.75%，包衣增重水平為7%，得到的釋藥時滯203.51min，累積釋放度95.57%。雖然，通過N

4、SGA-II進(jìn)行后的累積釋放度低于原文獻(xiàn)的結(jié)果，但原文中釋藥時滯并沒有達(dá)到前期規(guī)定的時滯范圍內(nèi)。通過NSGA-II優(yōu)化后，篩選的兩個方案，釋藥時滯均達(dá)到指定范圍，且累積釋放度均高于90%，隨機(jī)搜索30個優(yōu)化方案中，有24個方案達(dá)到指定時滯范圍且累積釋放度高于80%。在Box-Behnken設(shè)計(jì)的扎來普隆脈沖釋放微丸的處方研究中，二次多項(xiàng)式模型建立的兩個目標(biāo)函數(shù)的調(diào)整決定系數(shù)Ra2為0.946和0.877，建模效果良好。采用改進(jìn)非劣分類遺

5、傳算法進(jìn)行優(yōu)化所得到 Pareto非劣解集中，得到的相對最優(yōu)的處方為：溶脹層包衣增重為22.38%、CC-NA與HPMC的重量比達(dá)到6.94:1、控釋層包衣增重達(dá)到35.44%時，4小時累積釋放度為9.02%，6小時累積釋放度為84.28%，原文響應(yīng)面分析法得到的結(jié)果為：溶脹層包衣增重為26.00%、CC-NA與 HPMC的重量比達(dá)到7:1、控釋層包衣增重達(dá)到36.64%時，4小時累積釋放度為6.54%，6小時累積釋放度為83.71%。

6、與原文結(jié)果相比，4小時累積釋放度為9.02%，小于文獻(xiàn)中規(guī)定的10%，保證藥物達(dá)到指定的時滯；6小時累積釋放度高于原文獻(xiàn)中的83.71%，釋放更為完全。隨機(jī)搜索30個優(yōu)化方案中，有23個方案同時達(dá)到4小時累積釋放度和6小時累積釋放度的要求范圍內(nèi)。
　　結(jié)論：
　　使用響應(yīng)面法進(jìn)行處方優(yōu)化，選取最優(yōu)方案的時候存在著一定的主觀性；當(dāng)因素個數(shù)超過3個時，該方法無法獲得響應(yīng)面不能進(jìn)行優(yōu)化，且對于多目標(biāo)優(yōu)化來說，只獲得唯一的解并不合理