四川松潘地产大黄药材近红外光谱法快速鉴别研究

刘蝉 王珺

◇医学基础与药学研究◇

四川松潘地产大黄药材近红外光谱法快速鉴别研究

刘蝉 王珺

目的：利用近红外光谱法快速分析四川松潘地产大黄药材。方法：以三种大黄药材和对照药材为研究对象，建立近红外一致性检验模型。结果：通过对三种大黄药材、对照药材及伪品大黄的研究，扫描近红外光谱图，并结合实验室的检测结果，建立近红外一致性检验模型，并用样品交叉验证，验证了模型的准确性。结论：近红外光谱法具有快速、简便、准确的特点，可用于四川松潘地产大黄药材的快速鉴别。

大黄 药材 近红外光谱 一致性检验模型

近红外光谱（near-infrared spectroscopy，NIR）是由分子振动使分子振动从基态向高能级跃迁时产生的光谱，主要携带了含氢基团等振动的合频和倍频吸收，不同的分子具有表征其结构特性的振动频率，即对应特有的红外吸收光谱，这是红外光谱定性分析的物理基础[1]。目前，大黄药材的分析主要采用色谱法，这些方法准确可靠，但检测周期长，前处理过程复杂，无法避免使用各种有机化学试剂等缺陷。药材中所含化学成分比较复杂，但其化合物中一般都含有能引起近红外吸收的C-H和O-H键。不同大黄药材中所含成分的差异及含量的不同，均会导致其近红外光谱图也不尽相同，这种反映在光谱图上面的差异性使近红外光谱技术应用于其分类成为可能[2]。本文采用NIR技术与化学计量学相结合的方法，建立了四川松潘地区大黄药材的NIR鉴别模型，可快速准确地实现鉴别分析。

1 仪器设备和材料

1.1 仪器设备 Matrix-F傅里叶变换近红外光谱仪（德国Bruker），配有采样光纤，OPUS分析软件；四号筛、五号筛；恒温干燥箱（德国Binder）；西林瓶（经过一致性检验挑选所得）；XP205型电子天平（瑞士Mettler Toledo）。

1.2 样品 三种大黄的对照药材（全部用于建模）；唐古特大黄药材样品11批；掌叶大黄药材样品8批；药用大黄药材样品1批、伪品大黄药材样品2批。

2 方法

2.1 光谱采集 分别取上述样品粉末，过筛，取能通过四号筛但不能通过五号筛的粉末，作为供试品，精密称取1g，置西林瓶中，轻轻敲打使粉末均匀分布在西林瓶底部，盖上橡胶塞，每个样品制备6个供试品。温度20℃，空气湿度60%，用光纤探头直接抵住西林瓶底部中心位置，不留空隙，采集样品的NIR漫反射图谱，得到6张近红外光谱。NIR光谱仪参数为：扫描范围：12000～4000cm-1，分辨率为8cm-1，扫描次数为32次。由采集的三种大黄的对照药材和一个伪品大黄药材的典型原始光谱图，见图1可知，不同种类的大黄药材，虽然化学成分不尽相同，但近似的组成基本掩盖了化学成分的差异，使得NIR光谱差别较小，尤其是原始图谱，峰位基本无变化，无法直接作出鉴别判断。它们之间的差别只能通过化学计量学方法提取近红外光谱中含有的特征信息来区分[3]。

图1 原始图谱

2.2 数据处理

2.2.1 光谱预处理[4]目前在NIR分析中应用较多的光谱预处理方法主要有微分法、矢量归一化法(VN)等。本研究应用了微分法中的二阶导数法（2ndD）。导数光谱可以增强原谱的信号。1stD可以明显地消除光谱即显的漂移，这对校正光谱的不确定性十分有效。采用2ndD法则可以消除基线的线性倾斜（也称图谱的旋转），可去除高频基线漂移、高频随机噪音、装样条件差异和光散射等影响。由于样品粒径和装样条件差异对固体光纤采集的光谱影响最大，故采用2ndD法作为预处理方法。预处理结果见图2、3可以得到，光谱图的基线漂移得到校正，增加了重叠峰的分辨率，增强了光谱特征。但微分在除去低频基线的同时，也会放大高频的噪音。因此，进行平滑处理以滤去噪音。

图2 经1stD预处理后的光谱图

图3 经2stD预处理后的光谱图

2.2.2 谱段的选择 在上述近红外光谱扫描范围中，每个光谱图包含两千余个数据点，信息量丰富，但如果直接用来建模，计算量大且运算复杂，可能影响数据的准确性。考虑到药材所含化学成分比较复杂，但其中的化合物中一般都含有可以引起近红外吸收的C-H、O-H及N-H键，这些X-H键的合频和倍频吸收比较集中地反映在谱段9000～4250cm-1，经过优化后的谱段选择结果见表1。

表1 NIR谱段的选择

2.2.3 CI限度的选择 优选的CI限度见表2。

表2 优选的三个模型的CI限度值

3 结果

近红外一致性检验模型准确性得到验证。唐古特大黄、掌叶大黄及三种大黄药材模型的建立及验证结果分别见图4。

图4 一致性检验模型验证结果

表3 常用的几种鉴别方法与NIR法的比较[5]

4 讨论

4.1 近红外光谱法用于大黄鉴别是可行的 NIR方法与其他鉴别分析方法应用于中药材及饮片的比较见表3。本研究首次采用近红外漫反射光谱法进行了松潘地产三种大黄的鉴别，由于化学成分差别较大，故样品之间的区别比较明显，结果与形态学分类结果一致，判断准确，表明这种判断方法用于大黄分类及伪品的鉴别是可行的。这种鉴别方法无须经过提取分离等过程而获得样品内在的成分信息，更加简单快捷，为中药鉴定学提供了一种新的方法和手段。

4.2 样品处理 采用“双筛分”法对样品粉末进行筛选，并且用2ndD对原始光谱进行处理，可大大减少粒径差异对分析带来的影响。由于本研究得到的样品数量有限，所建立的一致性检验模型仍需完善，选择足量有代表性的校正集样本数量越多，建立模型的准确性和抗干扰能力越强;并且校正集样本必须具备良好的代表性，即建立校正模型的样品应能涵盖以后要分析样品性质参数的范围[6]。

4.3 谱段的选择 在5000～5600cm-1这一段是与水分吸收有较大关联的谱段，即使同一个样品，在不同的时间测定多次，在这个谱段上也会有所差异，但是其余的谱段内的特征基本是相似的，这说明了空气中的水分变化对这个谱段的影响是比较大的，因此不适宜参与建立一致性检验模型。

1 饶毅，魏惠珍，方少敏,等．近红外光谱技术在中药制药过程质控中的应用[J]．中成药,2011,33（1）:126～130．

2 冯艳春，胡昌勤．近红外光谱法在药物分析中的应用[J]．中国药事，2003，17(5)：312～314．

3 万定荣，江燕，陈科力．近红外光谱用于卷柏属药用植物种下类型鉴别及种间关系探讨[J]．中华中医药杂志，2008，23(11)：967～970．

4 胡昌勤，冯艳春．近红外光谱法快速分析药品[M]．北京：化学工业出版社，2010．

5 国家药典委员会．中国药典[M]．北京:中国医药科技出版社,2010．

6 张学博，尹利辉．近红外光谱一致性检验方法用于快速判断药品质量的研究[J]．药物分析杂志,2011，31 (3)：603～608．

Establishment of near-infrared(NIR)spectroscopic conformity test for rapid Examination of Rhubarb Planted in Songpan Area Sichuan

Anhui Food and Drug Inspection Institute,Hefei 230051,Anhui
LIU Chan,WANG Jun

Objective:Establishing near-infrared reflectance(NIR)conformity test model to identity the Rhubarbs Planted in Songpan Area Sichuan.METHODS Using NIR technology to screen Rhubarbs planted in Songpan area, and establishing models of rapid identification of Rhubarb.RESULTS The NIR models for identifying the Rhubarb from fake products successfully,and distinguished between the Rheum palmatum L.and Rheum tanguticum Maxim.ex Balf precisely.CONCLUSION The established NIR methods can be applied to identify the Rhubarbs quickly and precisely.

Rhubarb;Near-infrared(NIR);Spectroscopic;Conformity test /

R282.5

A

1671－8054（2015）02-0073-03

（编审：张善堂 施仲赋）

安徽省食品药品检验研究院 合肥 230051

2014-12-12收稿，2015-02-01修回