基于近红外光谱及组合间隔偏最小二乘法的天南星中水分及总黄酮含量测定研究

CJI (Traditional Chinese Medicine) - - Bcl-2 -

王维皓 1,2,3,张永欣 1,3,冯伟红 1,3,杨立新 1,2,3

1.中国中医科学院中药研究所,北京 100700;

2.中国中医科学院道地药材国家重点实验室培育基地,北京 100700;

3.中药质量控制技术国家工程实验室,北京 100700

摘要:目的 建立天南星中水分及总黄酮的近红外含量预测模型。方法 采用近红外漫反射光谱,利用TQ Analyst 9.0软件进行光谱预处理,并结合 Matlab平台下的组合间隔偏最小二乘法进行波段的优选。以校正

集相关系数(Rc2)、校正集预测均方根误差(RMSEC)、验证集相关系数(Rp2)、验证集预测均方根误差(RMSEP)为指标评价模型的优劣。结果 水分较为理想的建模波段范围为 4613.6~4968.4 cm-1、8871.2~9226 cm-1、

10 299.4~10 645.2 cm-1;总黄酮建模波段范围为 4376.3~4849.6 cm-1、5796.2~6269.5 cm-1、8182.6~8635.9 cm-1。建模后水分的含量预测模型 Rc2=0.956 2,RMSEC=0.332,Rp2=0.905 2,RMSEP=0.554;总黄酮含量预测模型为 Rc2=0.937 7,RMSEC=0.021,Rp2=0.898 8,RMSEP=0.027。结论 建立的近红外光谱测定方法操作简便、快速、准确,为水分及总黄酮含量的快速检测提供了借鉴。关键词:近红外光谱;天南星;组合间隔偏最小二乘法;水分;总黄酮

DOI:10.3969/j.issn.1005-5304.2017.07.017

中图分类号:R284.1 文献标识码:A 文章编号:1005-5304(2017)07-0072-04

Study on Content Determination of Moisture and Total Flavoniods of Arisaematis Rhizoma Based on Near Infrared Spectroscopy and Synergy Interval Partial Least Squares

WANG Wei-hao1,2,3, ZHANG Yong-xin1,3, FENG Wei-hong1,3, YANG Li-xin1,2,3 (1. Institute of Chinese Materia Medica, China Academy of Chinese Medical Sciences, Beijing 100700, China; 2. State Key Laboratory Breeding Base of Dao-di Herbs, China Academy of Chinese Medical Sciences, Beijing 100700, China; 3. National Engineering Laboratory for Quality Control Technology of Chinese Herbal Medicines, Beijing 100700, China)

Abstract: Objective To establish the prediction model for near infrared spectroscopy (NIR) content determination of moisture and total flavonoids of Arisaematis Rhizoma. Methods NIR was applied on TQ Analyst 9.0 software and together with synergy interval partial least squares (SIPLS) program in Matlab platform to optimize waveband. The evaluation index of prediction model included root mean square error of calibration (RMSEC), correlation coefficient of calibration (Rc2), root mean square error of prediction (RMSEP) and the correlation coefficient of prediction (Rp2). Results The characteristic wavelength regions for measurement of moisture were 4613.6–4968.4 cm-1, 8871.2–9226 cm-1, and 10 299.4–10 645.2 cm-1. While for total flavonoids, the sensitive wavelength regions were 4376.3–4849.6 cm-1, 5796.2–6269.5 cm-1, and 8182.6–8635.9 cm-1. As a result, the Rc2, RMSEC, Rp2 and RMSEP values for prediction of moisture were 0.956 2, 0.332, 0.905 2 and 0.554, respectively. And the Rc2, RMSEC, Rp2 and RMSEP values for prediction of total flavoniods were 0.937 7, 0.021, 0.898 8 and 0.027, respectively. Conclusion The established method is simple, rapid and accurate, which can be used as an option for rapid quality evaluation of moisture and total flavonoids of Arisaematis Rhizoma.

Key words: near infrared spectroscopy; Arisaematis Rhizoma; synergy interval partial least squares; moisture; total flavonoids

天南星为天南星科植物天南星 Arisaema erubescens 的干燥块茎,具有祛风解痉、燥湿化痰功

效[1]。临床用于中风引起的痰症、咳喘、惊痫[2],亦

可治疗半身不遂、破伤风、风寒痹痛等症[3]。外敷可

治疗痈肿、蛇虫叮咬[4]。现代药理研究表明,天南星提取液能抑制 HeLa 细胞生长,对小白鼠体内的肿瘤

有抑瘤作用[5],还能诱导人肝癌 SMMC-7721 细胞凋

亡[6]。天南星的化学成分主要为黄酮、生物碱和苷类。

2015 年版《中华人民共和国药典》(一部)采用分光

光度法对天南星中的总黄酮进行质量控制[4],操作较为繁琐。药材中水分含量对药材的质量、贮藏、临床应用等存在重要影响。因此,水分的测定一直是中药材质量控制不可或缺的内容。药典对于天南星水分的控制采用烘干法,测定周期漫长。目前中药质量评价中类似天南星的情况很多,传统的质量控制方法样品前处理过程繁琐、测定周期冗长,耗费大量人力、物力,很难满足药材质量快速评价的现实要求。因此,研究建立操作简便、快速、清洁的质量评价方法成为中药质量评价的一个发展方向。

近红外光谱(near infrared spectroscopy,NIR)技术操作简便,简化了样品前处理过程,满足结果准确、快速测定的实际需要。目前,NIR技术在药品生产的在线控制、中药制剂及中药材鉴别等方面都有成功应用。通过多元统计分析,剔除噪声及冗余信息的干扰,建立理想的测定模型以确保模型的精度和稳定是 NIR定性或定量分析研究的核心内容。但是,鉴于NIR光谱的复杂性,谱带冗余信息较多,为了建立良好测定模型,选择特征检测波段,保证模型的准确性是建模的关键部分。本研究运用NIR技术,以天南星为研究对象,采用组合间隔偏最小二乘( synergy interval partial least squares,SIPLS)法对建模波段进行优选,结合TQ Analyst 9.0软件,建立天南星中总黄酮及水分的含量测定方法,为天南星的快速质量评价提供可供借鉴的方法。

1 仪器与试药

T6 型紫外分光光度计,北京普析通用仪器有限

责任公司;KQ3200DE型超声波清洗仪,江苏省昆山

市超声仪器有限公司;XS105 型十万分之一分析天平,瑞士梅特勒斯托利多公司;Thermo Antaris 近红外扫描仪,美国赛默飞世尔科技有限公司。

天南星收集于8个省(四川、成都、甘肃、云南、吉林、湖北、湖南、广西),共 100 批,经中国中医科学院中药资源中心袁媛研究员鉴定为天南星Arisaema erubescens 的干燥块茎。

2 方法与结果

2.1 水分测定

参照 2015年版《中华人民共和国药典》(四部) 0832 水分测定法项下烘干法进行[7],结果 100 批天南星的水分含量为 7.43%~12.40%,平均值为 10.38%。

2.2 总黄酮含量测定

采用 2015年版《中华人民共和国药典》(一部)天南星项下含量测定步骤[4]对 100 批天南星的总黄酮进行含量测定,结果总黄酮含量为 0.009%~0.218%,平均值为 0.098%。

2.3 光谱数据采集

100批天南星室温干燥14 d,粉碎过 60 目筛。分别取各批次样品粉末适量,装入石英样品杯中,摊平。以空气做参比,扣除背景,采集光谱图。采样方式:

积分球漫反射法;采集区域设置:4000~12 000 cm-1;

分辨率:32.0 cm-1;扫描次数:64 次;增益:2X;温

度:25 ℃。100个样品的近红外扫描结果见图1。

2.4 光谱预处理方法

采用 TQ Analyst 9.0软件,以校正集预测均方根

误差(RMSEC)、校正集相关系数(Rc2)、验证集预

测均方根误差(RMSEP)、验证集相关系数(Rp2)为

指标,筛选光谱预处理方法[8-9]。采用 TQ Analyst 9.0软件对 100批样品进行随机样本划分,并将样品的真实值和计算值的偏差作为判定异常样本的标准。对于

水分,以偏差>±0.5%作为异常样本剔除标准,总黄

酮以偏差>±0.3%作为异常样本剔除标准。最终,水分及总黄酮的测定均剔除7 个异常样本,选取73 个样

本为校正集,20个样本作为验证集。采用TQ Analyst 9.0软件进行含量计算,在全波长范围内,经多元散射矫正(multiplicative signal correction,MSC)、标准正态变量(standard normal variate,SNV)或恒量(constant)等化学计量学处理方法消除由于样品颗粒均匀程度

的差异造成的光谱差异;经一阶导数(1stDR)或二

阶导数(2ndDR)、光谱不平滑处理(no smoothing)

或平滑滤波(Savitzky-Golay filter,SG)等化学计量学方法消除由于仪器噪声或基线波动产生的误差。经

比较各预处理方法所建模型的RMSEC、Rc2,确定水

分及总黄酮较优的光谱预处理方法。筛选过程见表1。

针对水分和总黄酮均以constant+2ndDR+no smoothing进行光谱预处理的RMSEC数值最小,真实值和预测

值的相关性(Rc2)最优,潜变量因子数较小。因此,采用上述方法进行光谱预处理。

2.5 建模波段选择

由于 NIR存在谱带冗余信息,为保证所建立的模型稳定可靠,在建模过程中应对建模波段进行优选。本研究在Matlab 2012a平台下采用SIPLS法[10]分别以光谱非中心化处理或光谱中心化处理2种方法对全波长范围光谱进行波段划分。筛选过程参数:非中心化处理后的全波长光谱划分为 20 个区间;中心化处理的全波长光谱划分为15个区间。最大潜变量因子10,组合数3。以潜变量因子数、RMSEC及 Rc2数值作为选择最佳检测波长的标准,将建模后潜变量因子数和

RMSEC 均较小而 Rc2较大的模型所对应的波长区间确定为最佳波段区间。筛选结果见表 2。结果显示:对于水分,采用非中心化处理并将全波段光谱划分为

20 个区间建模效果较好,其中组合区间[3,15,19],即波长区间为 4613.6~4968.4 cm-1、8871~9226 cm-1、10 645.2~10 299.4 cm-1建模效果最佳;对于总黄酮,采用中心化处理,并将全波段光谱区分为 15 个区间

进行建模效果较好,其中组合区间[2,5,10],即波长范围 4737.3~4849.6 cm-1、5796.2~6269.5 cm-1、

8182.6~8635.9 cm-1建模效果最佳。波长筛选结果见图2,模型的建立结果见图3,因子数选择见图4。

3 讨论

在 NIR模型建立过程中,建模波段的设置是保证模型稳健、准确的关键。SIPLS法主要用于偏最小二乘建模的波段筛选。将精度较高的几个波段进行组合,以组合模型的RMSEC值作为判断模型精度的标 准[11],得到最佳波段区间。采用 SIPLS 筛选波段,缩小了筛选范围,增强针对性,减小了波段优选的工作量,避免了在近红外建模过程中波段筛选的盲目性。

在本研究前期,仅经光谱预处理方法,以全波段建立的模型 Rc2及 RMSEC 数值均不理想,后经波段筛选并结合光谱预处理方法得到了较为理想的模型,表明建模波段选择的重要性。

本研究以天南星中的水分及总黄酮为考察对象,采用 SIPLS 法对水分及总黄酮的检测波长进行了筛选,建立了其含量的NIR预测模型。结果显示,所建立的 NIR测定方法操作简便、快速、准确,为水分及总黄酮的含量快速检测提供了方法上的借鉴。

参考文献:

[1] 毛淑杰,吴连英.天南星(虎掌南星)生、制品镇静抗惊厥作用比较研究[J].

中国中药杂志,1994,19(4):218.

[2] 赵红霞,汪文来,于智敏,等.半夏、天南星的临床应用及现代研究[J].

中国中医基础医学杂志,2005,11(12):955-956.

[3] 刘英波,潘年松,莫应明.中药天南星研究进展综述[J].中国西部科技,

2015,14(6):106-107,50.

[4] 国家药典委员会.中华人民共和国药典:一部[M].北京:中国医药科

技出版社,2015:57.

[5] 张蕻,李燕玲,任连生,等.马钱子天南星对小鼠移植性肿瘤H22的抑瘤

作用[J].中国药物与临床,2005,5(4):272-274.

[6] 杨宗辉,尹建元,魏征人,等.天南星提取物诱导人肝癌SMMC-7721 细胞

凋亡及其机制的实验研究[J].中国老年学杂志,2007,27(2):142-144.

[7] 国家药典委员会.中华人民共和国药典:四部[M].北京:中国医药科

技出版社,2015:104.

[8] 褚小立.近红外光谱分析技术实用手册[M].北京:机械工业出版社,

2016:114-122.

[9] ZHAO N, WU Z S, ZHANG Q, et al. Optimization of parameter selection for partial least squares model development[J]. Sci

Rep,2015,5:11647.

[10] 朱向荣,李高阳,苏东林,等.基于近红外光谱与组合间隔偏最小二乘

法的稻米镉含量快速检测[J].食品与机械,2015,31(4):43.

[11] WU Z, PENG Y, CHEN W, et al. NIR spectroscopy as a process analytical technology (PAT) tool for monitoring and understanding of a hydrolysis process[J]. Bioresour Technol,2013,137:394-399.

(收稿日期:2016-10-10)

(修回日期:2016-10-24;编辑:陈静)

Newspapers in Chinese (Simplified)

Newspapers from China

© PressReader. All rights reserved.