作者：白雁，劉樂，王東，樊克鋒

【摘要】 目的應(yīng)用近紅外光譜（NIR）技術(shù)和數(shù)據(jù)分析軟件，對黃芩原藥材中醇浸出物的含量進行快速測定。方法應(yīng)用偏最小二乘法（PLS）對黃芩醇浸出物的結(jié)果與NIR建立校正模型。結(jié)果內(nèi)部交叉驗證和外部檢驗集樣品對模型驗證結(jié)果表明，校正模型中真實值與預(yù)測值之間的相關(guān)系數(shù)（R2）為92.52，內(nèi)部驗證均方差RMSECV為1.58%。結(jié)論NIR的運用具有快速方便，結(jié)果準(zhǔn)確的特點。此方法可以應(yīng)用于黃芩藥材醇浸物的快速檢測中，對于其它的中藥材指標(biāo)成分測定也有一定的參考價值。

【關(guān)鍵詞】 近紅外光譜 偏最小二乘法 快速測定 黃芩浸膏

近紅外光譜（NIR）區(qū)域按ASTM定義是指波長在780～2 526 nm范圍內(nèi)的電磁波，是人們最早發(fā)現(xiàn)的非可見光區(qū)域［1］，距今已有近200年的歷史［2］。NIR區(qū)主要是含氫化學(xué)基團振動的泛頻和組頻所致。在NIR區(qū)產(chǎn)生吸收的官能團主要是含H基團，包括：C-H(甲基、亞甲基、甲氧基、羧基、芳基等)，羥基O-H，巰基S-H，氨基N-H（伯胺、仲胺、叔胺和胺鹽)等。這些基團伸縮振動的各級倍頻以及這些基團伸縮振動和彎曲振動的合頻吸收是NIR定量分析的化學(xué)基礎(chǔ)［3］。 唇形科植物黃芩Scutellaria baicalensis Georgi主要產(chǎn)于我國東北、河北、山西、河南、陜西、內(nèi)蒙古等地， 以山西產(chǎn)量最大。黃芩味苦，性寒，歸肺、肝、膽、大腸、小腸經(jīng)。功能清熱燥濕， 瀉火解毒，止血，安胎［4］。黃芩為常用中藥，在臨床應(yīng)用非常廣泛，需求量較大。因此原藥材的質(zhì)量關(guān)系臨床用藥安全。黃芩醇浸出物的含量是控制藥材質(zhì)量的重要指標(biāo)之一，它關(guān)系著藥材的出膏率，反映了藥材的整體質(zhì)量。醇浸出物的測定無論對于藥廠生產(chǎn)，還是個人用藥都有著重要的意義。但目前在醇浸出物測定方法的研究和改進上進展緩慢，其測定方法前處理費時、繁瑣，而且分析結(jié)果滯后，影響分析速度。 在醇浸出物的測定中利用NIR分析技術(shù)可以使測定更加簡便、快捷。由于適合NIR測量的物質(zhì)種類范圍和場合相當(dāng)廣泛，目前該技術(shù)在藥物質(zhì)量控制方面得到了廣泛應(yīng)用［5～9］。NIR分析技術(shù)實時、在線、無損的特點更適合用于大規(guī)模的生產(chǎn)之中。本方法用NIR技術(shù)與化學(xué)計量學(xué)相結(jié)合對黃芩原藥材浸出物進行快速測定。

1 器材

1.1 儀器與試劑近紅外光譜儀：采用布魯克公司的VECTOR 22-NIR型傅立葉變換近紅外光譜儀；CS101-2D 型電熱鼓風(fēng)干燥箱（中外合資重慶四達實驗儀器有限公司）；乙醇為色譜純。

1.2 樣品來源實驗中黃芩藥材來源于內(nèi)蒙、湖北、河南、山東、四川、云南、甘肅、安徽、山西等10個省不同產(chǎn)地、不同品種、不同生長年限的栽培或野生黃芩，且都經(jīng)過河南中醫(yī)學(xué)院陳隨清教授鑒定為唇形科(Labiatae)植物黃芩Scutellaria baicalensis Georgi的干燥根。

2 方法與結(jié)果

2.1 黃芩原藥材浸出物真實值的測定采用《中國藥典》2005年版的方法測定黃芩的醇浸出物（熱浸法） 。取黃芩原藥材粉末約2 g，精密稱定，置100～250 ml的錐形瓶中，精密加稀乙醇50 ml，稱定重量，靜置1 h后，連續(xù)回流冷凝管，加熱至沸騰，并保持微沸1 h。放冷后，取下錐形瓶，密塞，再稱定重量，用稀乙醇補足減失的重量，搖勻，用干燥濾器濾過，精密量取續(xù)濾液25 ml，置已干燥至恒重的蒸發(fā)皿中，在水浴上蒸干后，于105℃干燥3 h，置干燥器中冷卻30 min，迅速精密稱定重量。以干燥品計算供試品中醇溶性浸出物的含量（%）。

2.2 近紅外光譜采集將80個不同產(chǎn)地、不同采收時間采集的黃芩樣品在40℃下干燥，粉碎，過100目篩，取約5 g過篩后的樣品粉末放入石英樣品杯中，混合均勻，輕輕壓平，按下述實驗條件進行掃描: 測樣方式為積分球漫反射，分辨率8 cm-1；掃描次數(shù)64次；掃描范圍12 000～4 000 cm-1；溫度20℃；空氣濕度60%。 每個樣品重復(fù)3次，求平均光譜，80個黃芩樣品的近紅外光譜見圖1。 從圖1可以看出80份樣品的近紅外原始圖譜基本一致，很難看出藥材的光譜信息差別。其原因一方面是由于近紅外光譜譜帶自身嚴(yán)重重疊，另一方面是由于中藥成分眾多，組成復(fù)雜，因此很難從原始近紅外光譜中找出特定的吸收譜帶對其加以區(qū)分。

圖1 80份黃芩樣品的近紅外圖（略）

2.3 建立黃芩藥材浸出物近紅外定量模型

2.3.1 建模譜段的選擇我們用同樣的PLS處理全譜信息，但由于所測的指標(biāo)性成分不同，成分的結(jié)構(gòu)也不同，因此測定不同物質(zhì)需要選擇不同的波段。選擇比較合適的波段可以提高所建模型的性能。經(jīng)過篩選（見表1）浸出物含量所對應(yīng)的最佳波段范圍為11 995.9～7 498.4 cm-1和5 450.2～4 246.8 cm-1。

表1 光譜范圍的選擇對RMSECV和R2的影響（略）

2.3.2 光譜數(shù)據(jù)的預(yù)處理表2為光譜數(shù)據(jù)分析進行多種處理后模型的RMSECV和R2的比較。圖2為運用矢量歸一化對原始光譜預(yù)處理后的光譜圖。從表2中可以看出，對指標(biāo)性成分不同的光譜預(yù)處理方法得到的RMSECV和R2有顯著不同，其中以Vector Normalization(矢量歸一化)處理效果最好。對原始光譜進行必要的預(yù)處理之后，更能真實細致地反映指標(biāo)成分的光譜信息。

表2 采用PLS建模時預(yù)處理方法對RMSECV和R2的影響（略）

2.3.3 浸出物定量模型的建立本文運用Bruker OPUS/ QUANT22 定量分析軟件中PLS 法進行數(shù)據(jù)處理，其中70份樣品作為校正樣品集建立模型，10份樣品作為預(yù)測樣品集。用校正樣品集進行內(nèi)部交叉驗證RMSECV=1.66，R2=92.03（見圖3），確定最佳主成分?jǐn)?shù)為7（見圖4）。近紅外光譜法測定值與真實值之間的絕對誤差在-4%與3.5%之間（見圖5）。其中真實值是指用藥典中的法定方法對樣品進行測定的結(jié)果；測定值是指運用近紅外光譜的方法對樣品進行測定的結(jié)果。

2.3.4 浸出物定量模型的驗證從所有80份樣品中任意抽出8份樣品組成檢驗樣品集，對提出的模型進行檢驗。結(jié)果見表3。

表3 檢驗集樣品預(yù)測結(jié)果（略）

經(jīng)計算可以得到預(yù)測集平均相對誤差為1.92%。可以看出預(yù)測結(jié)果較為準(zhǔn)確，模型的建立是成功的。 圖2 對原始光譜預(yù)處理后的光譜圖（略） Rank:7 R2=92.03 RMSECV=1.66

圖3 訓(xùn)練集測定值與真實值之間的相關(guān)圖（略）

3 討論 從本實驗結(jié)果可以看出，浸出物的定量模型參數(shù)為RMSECV=1.66，R2=92.03。其中R2為相關(guān)系數(shù)，它的值越接近1，就說明真實值與模型預(yù)測值越接近，模型的準(zhǔn)確度也就會越高。RMSECV為交叉檢驗均方根誤差，它的值越接近0，說明模型預(yù)測值偏差越小。R2和RMSECV是評價模型建立是否成功的重要參數(shù)，本實驗結(jié)果較為滿意。

Rank:7 R2=92.03 RMSECV=1.66

圖4 訓(xùn)練集RMSECV與Rank之間的相關(guān)圖（略）

Rank:7 R2=92.03 RMSECV=1.66

圖5 訓(xùn)練集絕對誤差與真實值之間的相關(guān)圖（略） 從實驗結(jié)果可以看出預(yù)測集相對偏差在5%之內(nèi)。模型建立較為成功，預(yù)測結(jié)果較為準(zhǔn)確，本方法可以運用到對藥材浸出物的快速檢測中，為開辟一條藥物分析的新途徑奠定了基礎(chǔ)。 在模型的預(yù)處理方法中選擇了多元散射校正的方法，對每張光譜進行線性變換，使其與整個平均光譜最佳匹配。在測定固體樣品的過程中樣品顆粒一定會存在著不同程度的不均勻，為了消除顆粒不均勻帶來的影響，通常在測定固體樣品時首選多元散射校正的圖譜預(yù)處理方法。 由于中藥材的組成十分復(fù)雜，含有多種化學(xué)成分，因此影響浸出物的因素就多種多樣。各種化學(xué)成分的近紅外圖譜難免重疊，這就對圖譜的分析造成了很大的困難。我們雖然盡可能的通過圖譜預(yù)處理，選擇合適波段等方法試圖來消除這些影響，但并不可能完全消除。因此在此方面還需要進一步地實驗、探索。

【參考文獻】 ［1］ 馮新滬，史永剛.近紅外光譜及其在石油產(chǎn)品分析中的應(yīng)用［M］.北京:中國石油化工出版社，2002：4. ［2］ P.Bene，V.Majer著，陸志仁譯.水溶液痕量化學(xué)［M］.北京:原子能出版社，1987：1. ［3］ 陸婉珍，袁洪福，徐廣通，等.現(xiàn)代近紅外光譜分析技術(shù)［M］.北京:中國石油化工出版社，2000：71. ［4］ 宋立人， 洪 恂， 丁緒亮， 等. 現(xiàn)代中藥學(xué)大辭典［M］. 北京: 人民衛(wèi)生出版社， 2001: 1865. ［5］ 徐廣通，袁洪福，陸婉珍. 現(xiàn)代近紅外光譜技術(shù)及應(yīng)用進展［J］.光譜學(xué)與光譜分析， 1999，20(2):134. ［6］ 王亞敏，張卓勇，湯彥豐，等. 近紅外光譜技術(shù)在中藥鑒別及分析中的應(yīng)用［J］.首都師范大學(xué)學(xué)報（自然科學(xué)版）， 2004，25 (3):41. ［7］ 湯彥豐，張卓勇，范國強，等. 中草藥大黃的近紅外光譜和人工神經(jīng)網(wǎng)絡(luò)鑒別研究［J］.光譜學(xué)與光譜分析，2004，24(11):1348. ［8］ 相秉仁，李 睿，吳擁軍，等. 近紅外光譜分析技術(shù)在藥學(xué)領(lǐng)域中的應(yīng)用［J］. 計算機與應(yīng)用化學(xué)， 1999， 15 (6):327. ［9］ 楊南林，程翼宇，瞿海斌. 一種基于近紅外光譜的中藥純化過程分析新方法［J］.化學(xué)學(xué)報，2003，61(5):742.