استفاده از تکنیک اسپکتروفتومتری به کمک شبکه عصبی مصنوعی و روشهای کالیبراسیون چندمتغیره برای تعیین همزمان اجزای سازنده ی داروی ضد دیابت

در این مقاله برای اندازه گیری همزمان متفورمین (MET) و پیوگلیتازون (PIO) در قرص ضد دیابت Actoplus MET، از روشهای شیمی سنجی و طیف سنجی بدون نیاز به مراحل جداسازی استفاده شد. روشهای شیمی سنجی به کاررفته شامل شبکه عصبی مصنوعی (ANN)، رگرسیون حداقل مربعات جزئی (PLS) و رگرسیون مولفه های اصلی (PCR) بودند. شبکه عصبی مصنوعی شامل دو چهار و شش لایه، با ۲، ۴، ۶، ۸ و ۱۰ نورون بود که با استفاده از الگوریتم پیش خور با پس انتشار خطا (Feed Forward Back-Propagation) یا (FFBP) آموزش داده شد. الگوریتمهای به کار رفته شامل الگوریتم لونبرگ مارکوارت (LM) و گرادیان نزولی با مومنتوم و نرخ یادگیری تطبیقی (GDX) بودند. مقدار میانگین مربعات خطا (MSE) برای الگوریتم LM برابر با ۱۰-۳۰×۳.۱۸ برای MET ۱۰۳×۱.۵۸ برای PIO بدست آمد که نشان دهنده عملکرد بهتر الگوریتم LM نسبت به الگوریتم GDX است. در روش PLS نیز مقدار کمتر جذر میانگین مربعات خطا (RMSE) برای MET برابر با ۰.۰۵۵۸ و برای PIO برابر با ۰.۳۹۸۱ عملکرد بهتر این روش نسبت به روش PCR برای MET برابر با ۰.۰۵۵۹ و برای PIO برابر با ۰.۴۰۴۸ را نشان داد در نهایت نتایج روشهای پیشنهادی با روش مرجع کروماتوگرافی مایع با کارایی بالا (HPLC) با استفاده از آزمون تحلیل واریانس یک طرفه (ANOVA) در سطح اطمینان ۹۵ مقایسه شد که تفاوت معناداری بین داده ها نشان داده نشد.

کلیدواژه ها:

اسپکتروفتومتری ، شبکه عصبی مصنوعی ، رگرسیون حداقل مربعات جزئی ، رگرسیون مولفه های اصلی ، متفورمین ، پیوگلیتازون