中药指纹图谱中常用的数理统计方法

张艳欣 吴佩颖 王丹丹

摘 要 本文从药材质量优劣鉴别、产地判定等方面介绍了中药指纹图谱中常用的數理统计方法，旨在更好地评价中药质量。

关键词 中药指纹图谱 数理统计方法 中药评价

中图分类号：R288 文献标志码：C 文章编号：1006-1533（2019）09-0074-04

Mathematical statistical methods commonly used in fingerprints of TCM

ZHANG Yanxin1*， WU Peiying1**， WANG Dandan2（1. Shanghai University of Traditional Chinese Medicine， Shanghai 201203， China； 2. SPH Xing Ling Science & Technology Pharmaceutical Co.， Ltd.， Shanghai 201703， China）

ABSTRACT This paper introduces the commonly used mathematical statistics methods in the identification of raw materials and the determination of origin， and aims to better evaluate the quality of traditional Chinese medicine.

KEY WORDS TCM fingerprint； quantitative method； Chinese medicine evaluation

中药质量控制和评价是中药现代化的瓶颈，中药多成分的复杂性决定了传统的单一成分或单指标评价难以全面表达中药的质量，指纹图谱技术应运而生，对中药组分所共有成分或特异性成分均可有效地反映[1]，可宏观和量化地对中药展开质控分析[2]，并已成为国际公认的评价和控制中药质量的有效方法[3]。中药成分复杂，有效物质与无效物质混杂且组分差异明显，传统的化学方法不能快速准确地完成定性与定量等分析，引入数理统计方法，可对中药指纹图谱分析中出现的多指标、高维和大量统计数据进行系统分析，发现数据间的内在规律，以更好地实现中药质量的有效控制[4]。本文概述了中药指纹图谱中常用的数理统计方法，并对其在中药指纹图谱中多个方面的应用进行简单总结概括，旨在为中药质量研究提供启示。

1 数理统计方法简介

数理统计方法是中药质量评价中的常用方法，可以处理分析多组变量，把握事物的特征及其发展规律，完成总体参数估计的修正以及统计推断。中药指纹图谱的分析具有较多优势，首先，数理统计中的定量分析能够对影响中药质量的多个因素进行分析，然后结合其中的规律以及关联性改进生产工艺提高中药质量；再者运用数理统计中多指标性对复杂的中药体系进行多元化分析，可达到高精度、高准确的全面质控的目的。

2 中药指纹图谱中常用的数理统计方法

2.1 聚类分析

聚类分析是根据研究对象特征对研究对象进行分类的一种多元分析技术，把性质相近的个体聚一类，使得同一类中的个体都具有高度的同质性[5]。在中药指纹图谱的分析中，对于中药产地、环境和采集方式对于药材的质量影响[6]、中药真伪的鉴别[7]等均有应用。但是该法应用需保证足够样本量，方能保证结果的准确性。

李小亭等[8]分别建立了8个不同产地枸杞的指纹图谱，运用组间连接法进行系统聚类分析可区分不同产地。增大聚类阈值后，质量相似的枸杞被分为分成四类，《中国药典》中枸杞的入药来源仅为宁夏枸杞，而聚类分析的结果显示新疆、青海等产地的枸杞与其质量相似，可考虑成为《中国药典》药用枸杞的新来源。罗静等[9]建立橘核的HPLC指纹图谱，以欧氏距离为相似程度指标，将样品分为市售和自采两类，说明橘核各成分含量与采集方式有所关联，来自不同产地的自采类药品又分为两组，佐证了橘核中的有效成分的含量与其生长环境有所关联。

2.2 主成分分析

主成分分析是处理多维数据的常用分析方法，它可将多重指标的特点综合成少数几个新的差异显著的指标，且能尽可能多地反映原指标信息[10-12]，对中药品种的鉴别、种质的筛选以及对不同产区[13]、不同采收期的药材质量评价有重大意义。

郑晓珂等[14]建立了不同采收月份的连翘指纹图谱对其主成分进行分析，以贡献率较大的连翘脂苷和连翘苷的含量为依据确定连翘的最佳采收期为8月底至9月初为宜。茅银燕等[15]建立不同产地千年健指纹图谱进行质量研究，发现不同产地千年健化学组分的差异不明显，通过主成分分析得到三个贡献率较高的主成分，以其方差贡献率作为分析的权重系数，分别计算产地不同的千年健药材的主成分得分和综合得分，可知其药材组分构成及含量一致性较低，产地相同的药材质量参差不齐，纬度对其质量有较大影响且低纬度产地药材更优。

2.3 判别分析

判别分析是用来判别样品所属类型的常用多元统计方法，其基本思想是“在各种已知样品观测数据的基础上，确定一个判别函数，根据已有的判别准则，对未知类型的新样品进行比较归类”[16]。在中药指纹图谱质量评价应用中，多用于中药的产地区分[17-18]、品种辨析[19]、药性辨别[20]等方面，但该法要求要判别的类型必须包含在样品中，且分类清晰，变量准确[21]。

肖佳佳等[22]以天麻的HPLC指纹图谱对春天麻与冬天麻建立Fisher判别函数，验证判别准确率100%，可达到对冬天麻和春天麻鉴别的目的，从而可保证天麻药品的优质优价。苏建春等[23]采用UPLC对河南、甘肃、山西、河北、山东5省份64批黄芩样品进行测定，分别建立五个不同省份的黄芩对照指纹图谱，对结果展开Bayes判别，分别得到了五个省份黄芩药材的Fisher线性判别函数，验证得符合率为96.9%，基本可判别黄芩产地。张洪坤等[24]基于HPLC-ELSD指纹图谱技术对知母进行聚类分析和判别分析，亳州和河北产区的知母被分为两类，得到Fishers判别函数后经交叉验证，分组正确率 97.7%，可用于两个产地知母的判别。

2.4 因子分析

因子分析是一种运用不可实际观测的潜在变量因子来描述能实际观测到的随机变量之间所存关系的统计方法[25]。在中药指纹图谱中，对于处理方法、环境因素[26]、药理作用等与中药质量的相关性研究中有较多应用。

张峰[27]建立了唐古特大黄的HPLC指纹图谱，选取前5个主要成分因子开展聚类分析，发现其中的土壤因素因产地不同成分含量存在差异性，佐证了环境因子与唐古特大黄不同居群的药用部位的物质成分息息相关，对唐古特大黄的栽培环境选择具有指导作用。马丽等[28]采用电感耦合等离子体质谱法对鳖甲药材相关的无机元素建立指纹图谱，采用“总体特征分布分析—主成分与系统聚类分析结合—因子分析”进行分析，得出鳖甲的特征元素为Fe、Mn、Zn等，其微量元素的生物学效应与中医理论和鳖甲临床作用等相对应[29]。

2.5 多元统计方法联合应用

多元统计方法的联合应用消除了单一多元统计方法分析不全面的弊端[30]，可对中药指标性成分的筛选[31]、中药种间差异、产地的区分[32]、生长环境的影响[33]等方面进行分析，从而更好地评价中药质量[34]。

包永睿等[35]对天麻HPLC指纹图谱进行聚类分析，将10批不同产地的天麻分为4类；进行主成分分析，筛选出6个天麻总苷差异成分再对其进行第二次聚类分析，结果与第一次聚类分析结果一致，可初步筛选影响天麻总苷差异的指标性成分。王丽[36]利用主成分分析、系统聚类分析和相似性分析组成的多元统计方法对21个沙棘样品的氢核磁共振图谱进行分析，可准确区分不同亚种的沙棘样品。Zhang等[37]建立天麻药材HPLC指纹图谱，运用层次聚类分析、主成分分析和偏最小二乘法判别分析，结果全部一致。可准确区分有无被熏蒸过的天麻药材。

3 小结

中药指纹图谱技术能系统地分析中药各组分信息，符合中药药效整体性和模糊性特点，在中药质量评价和控制领域的广泛应用得到越来越多的认可[38]，但因其包含的信息量庞大，需要借助数理统计方法来进行更好的分析。数理统计方法种类多样，可同时分析和处理多组变量，从中药指纹图谱中分析影响中药质量的多个指标之间相互关系及规律，使中药的药效物质基础作用特点得到充分表征。要想对中药成分达到全面精准质控，既要在宏观上对整体成分进行把控，也要在微观层次进行研究。中药质量控制是一项长久而艰巨的工作，任重而道远，虽然数理统计方法当前在指纹图谱中应用较多，却并未形成完备体系。随着对中药复杂化体系的深入研究，数理统计方法有望逐步建成常见中药材质量评价的成熟体系，并与药效物质基础结合，以达到对中药材的全面质量控制。

参考文献

[1] 黄立兰， 程文胜， 陈耀娣， 等. 人参指纹图谱的研究进展[J]. 中草药， 2013， 44（2）： 241-246.

[2] 张玉婷. 人参提取物化学成分及质量研究[D]. 上海： 中国食品药品检定研究院， 2013.

[3] 陈冬冬， 周萍， 白刚刚， 等. 基于HPLC中药指纹图谱技术延胡索药材及其制剂的质量控制探讨[J]. 中国中药杂志， 2015， 40（12）： 2470-2473.

[4] 刘娜， 李军， 李宝国. 多元统计分析在中药质量控制中的应用和思考[J]. 中国中药杂志， 2014， 39（21）： 4268-4271.

[5] 邓海燕. 聚类分析与判别分析的区别[J]. 武汉学刊， 2006（1）： 29-31.

[6] Yang J， Chen LH， Zhang Q， et al. Quality assessment of Cortex cinnamomi by HPLC chemical fingerprint， principle component analysis and cluster analysis[J]. J Sep Sci， 2007， 30（9）： 1276-1283.

[7] 谢春英， 贺巍， 林敬明， 等. 中药黄芩及其混伪品的模糊聚类分析[J]. 广东微量元素科学， 2000， 7（12）： 52-55.

[8] 李小亭， 李瑞盈， 相海恩， 等. 基于HPLC指纹图谱及聚类分析对不同产地枸杞质量评价研究[J]. 现代食品科技， 2012， 28（9）： 1251-1253； 1261.

[9] 罗静， 何中燕， 裴瑾， 等. 橘核的HPLC指纹图谱研究及聚类分析[J]. 中国药房， 2015， 26（3）： 419-421.

[10] 张志锋， 刘圆， 张浩. 傅里叶变换红外光谱法并结合主成分分析法鉴别灯盏花和多舌飞蓬的研究[J]. 光谱学与光谱分析， 2009， 29（12）： 3263-3266.

[11] 李少旦， 李延志. 主成分分析法用于中草药中微量元素含量的研究[J]. 化學分析计量， 2008， 17（5）： 25-26.

[12] 陈宇航， 郭巧生， 王澄亚， 等. 夏枯草形态学性状的遗传变异、相关及主成分分析[J]. 中国中药杂志， 2009， 34（15）： 1886-1889.

[13] 洪燕， 韩艳全， 夏伦祝， 等. 不同产地苍耳子UPLC指纹图谱研究[J]. 中国中药杂志， 2013， 38（11）： 1766-1771.

[14] 郑晓珂， 魏悦， 冯卫生. 不同采收期连翘的HPLC指纹图谱研究[J]. 中国实验方剂学杂志， 2007， 13（3）： 1-4.

[15] 茅银燕， 岳显可. 基于主成分分析的不同产地千年健GC指纹图谱研究[J]. 实用药物与临床， 2017， 20（8）： 933-936.

[16] 王静， 夏结来， 叶冬青. 判别分析方法在医学应用中的进展[J]. 数理统计与管理， 2008， 27（2）： 369-376.

[17] Tianniam S， Bamba T， Fukusaki E. Pyrolysis GC-MS-based metabolite fingerprinting for quality evaluation of commercial Angelica acutiloba roots[J]. J Biosci Bioeng， 2010， 109（1）： 89-93.

[18] Wang D， He F， Lv Z， et al. Phytochemical composition， antioxidant activity and HPLC fingerprinting profiles of three pyrola species from different regions[J/OL]. PLoS One， 2014， 9（5）： e96329. doi： 10.1371/journal.pone.0096329.

[19] Cheng XM， Zhao T， Yang T， et al. HPLC fingerprints combined with principal component analysis， hierarchical cluster analysis and linear discriminant analysis for the classification and differentiation of Peganum sp. indigenous to China[J]. Phytochem Anal， 2010， 21（3）： 279-289.

[20] 李雨. 基于植物性中藥基原性状药性判别模型的比较[D].济南： 山东大学， 2011.

[21] 王露露， 孙倩怡， 杨慧海， 等. 模式识别及其在中药质量评价中的应用[J]. 中草药， 2016， 47（23）： 4282-4288.

[22] 肖佳佳， 黄红， 雷有成， 等. 天麻HPLC指纹图谱建立及判别分析[J]. 中国中药杂志， 2017， 42（13）： 2524-2531.

[23] 苏建春， 柯华香， 赵俊霞， 等. 基于UPLC指纹图谱和判别分析鉴别黄芩产地研究[J]. 亚太传统医药， 2015， 11（4）： 24-27.

[24] 张洪坤， 黄玉瑶， 路丽， 等. 基于HPLC-ELSD指纹图谱的亳州和河北知母的聚类和判别研究[J]. 时珍国医国药， 2017， 28（11）： 2670-2673.

[25] 段杰， 张智立. 基于因子分析的创意产业竞争力评价及策略研究[J]. 现代产业经济， 2014（z1）： 65-73.

[26] Xia WU， Kang Z， Zhao F， et al . Construction of Inorganic Elemental Fingerprint and Multivariate Statistical analysis of marine traditional Chinese medicine meretricis concha from Rushan Bay[J]. J Ocean Univ China， 2014， 13（4）： 712-716.

[27] 张峰. 唐古特大黄不同居群药用部位化学成分差异与环境因子的相关性分析[D]. 西安： 陕西师范大学， 2012.

[28] 马丽， 康廷国， 孟宪生， 等. 基于无机元素特征的不同产地鳖甲药材质量分析[J]. 广东微量元素科学， 2011， 18（7）： 24-31.

[29] 李彬， 郭力城. 鳖甲临床应用研究概况[J]. 云南中医中药杂志， 2009， 30（1）： 66-67.

[30] 于鹤丹. 多元统计分析方法在中药质量评价中的应用[J].数理医药学杂志， 2006， 19（1）： 85-87.

[31] Song XY， Jin L， Shi YP， et al. Multivariate statistical analysis based on a chromatographic fingerprint for the evaluation of important environmental factors that affect the quality of Angelica sinensis[J]. Anal Methods， 2014， 6（20）： 8268-8276.

[32] 金鹏程， 赵艳丽， 张霁， 等. 紫外光谱结合多元统计分析鉴别药用灵芝产地[C]//中国生态学学会中药资源生态专业委员会第五次全国学术研讨会暨世界中医药联合会药用植物资源利用与保护专业委员会第二届学术年会论文集. 北京： 中国生态学学会， 2014： 257-262.

[33] Chang WT， Thissen U， Ehlert KA， et al. Effects of growth conditions and processing on Rehmannia glutinosa using fingerprint strategy[J]. Planta Med， 2006， 72（5）： 458-467.

[34] Zhang D， Duan X， Deng S， et al. Fingerprint analysis， multicomponent quantitation， and antioxidant activity for the quality evaluation of Salvia miltiorrhiza var. alba by highperformance liquid chromatography and chemometrics[J]. J Sep Sci， 2015， 38（19）： 3337-3344.

[35] 包永睿， 王帅， 唐爽， 等. 基于指纹图谱结合多元统计分析的天麻总苷差异指标的研究[J]. 中药材， 2016（5）： 1082-1085.

[36] 王丽. 沙棘的氢核磁共振图谱—多元统计分析研究[D]. 成都： 四川大学， 2007.

[37] Zhang X， Ning Z， Ji D， et al. Approach based on highperformance liquid chromatography fingerprint coupled with multivariate statistical analysis for the quality evaluation of Gastrodia rhizoma[J]. J Sep Sci， 2015， 38（22）： 3825-3831.

[38] Wang HL， Yao WF， Zhu DN， et al. Chemical fingerprinting by HPLC-DAD-ELSD and principal component analysis of Polygala japonica from different locations in China[J]. Chinese J Nat Med， 2010， 8（5）： 343-348.