红外指纹图谱结合化学计量学在不同产地姜黄药材鉴别中的应用

万洪善，袁芹，贺壮志

（连云港职业技术学院医药与化学工程学院，连云港222006）

姜黄为姜科植物姜黄的干燥根茎，可作为保健食品的植物原料或其他一些食品的着色剂[1]。姜黄主要成分为姜黄素类化合物和倍半萜类化合物，临床上具有抗肿瘤、抗氧化、抗艾滋病、抗老年痴呆等药理活性[2]，可治疗痛经、出血、跌扑肿痛、胸肋刺痛等疾病。

目前已有一些关于姜黄质量控制的研究，Jiang等[3]通过建立化学计量学模型将姜黄中的化学成分与其生物活性相关联从而达到对姜黄中的姜黄素类化合物质量控制的目的，Ding等[4]通过化学计量学联合高效液相色谱对姜黄进行产地分析；对姜黄药材的研究大部分采用高效液相色谱法，罕有通过红外光谱法对不同产地的姜黄进行品质分析，由于红外光谱法具有样品前处理简单、分析速度快、样品无损坏等优点，本实验收集了广东、广西、山东、安徽和四川五个地区30种样品，采用红外光谱法结合化学计量学对不同产地的姜黄药材品质进行分析，旨在为姜黄质量评价及资源的开发利用提供快速检测方法。

1 材料与方法

1.1 仪器设备和参数

岛津FT-IR Prestige-21红外光谱仪，光谱范围400～4000m-1，分辨率4 cm-1，扫描次数 16次，扣除CO2和H2O的背景干扰。

1.2 姜黄药材的来源及处理

收集了30份姜黄样品，产地分别为广东（0、5、10、15、20 和 25 号）、广西（1、6、11、16、21 和 26号）、山东（2、7、12、17、22 和 27 号）、安徽（3、8、13、18、2 和 28 号） 和四川 （4、9、14、19、24 和 29号）。

将用于红外光谱分析的姜黄样品先用自来水冲洗干净，后用纯净水清洗后置于60℃的恒温干燥箱干燥至恒重，粉碎，过200目筛。

1.3 统计学处理

1.3.1 共有峰率和变异峰率双指标序列分析

依据文献[5]红外指纹图谱的双指标序列计算公式，计算姜黄样品间的共有峰率和变异峰率。

1.3.2 系统聚类分析

将不同产地姜黄药材样品的红外指纹图谱共有的6个特征吸收峰的波数，作为输入量排列成（6×30）阶的数据矩阵，应用SPSS Statistics 22软件，选取类内平均链锁法，并运用欧式距离平方作为测度，进行系统聚类分析[6]。

1.3.3 主成分分析

应用 SPSS Statistics 22软件，对前述（6×30）阶的数据矩阵进行主成分分析。

2 结果与讨论

2.1 姜黄样品的红外指纹图谱和数据

将C0～C4进行红外光谱测定，红外光谱光谱图见图1，吸收峰数据见表1。

图1 不同产地姜黄红外光谱图

表1 姜黄红外吸收峰数据

从图1可看出，不同产地的姜黄均在3002，1572，1294和873 cm-1附近有固定吸收。其中，3002cm-1附近强峰归属于-OH的伸缩振动，1572cm-1和1492cm-1附近为苯环骨架的伸缩振动，1294 cm-1附近强吸收峰为-C=O的伸缩振动所采集到的峰，与文献[7]报道姜黄含有姜黄素类化合物和没药烷倍半萜类化合物所含有的基团具有一致性。

2.2 姜黄的红外指纹图谱的共有峰率和变异峰率双指标序列

2.2.1 共有峰的确定方法

如对于姜黄2278cm-1和1580cm-1两组峰，前组峰的平均波数为2280 cm-1，组峰内最大波数差为6cm-1，相邻两组峰的平均波数值为475和799cm-1，改组峰与相邻两组峰差分别为1805cm-1和1481cm-1，显著大于6cm-1，说明2278 cm-1这组峰为 C2、C3、C4、C5 的共有峰。同样，1580 cm-1对应的一组峰的平均波数为1572cm-1，最大波数差16cm-1，邻近的前后两组峰差分别是773，975cm-1，明显大于16cm-1，所以可确认1580cm-1对应的一组峰为5个姜黄样品的共有峰。

2.2.2 姜黄的红外指纹图谱共有峰率和变异峰率双指标序列分析

本实验以5个姜黄样品为参照点，形成五维序列空间，加上共有峰率和变异峰率双指标序列空间，可在2+n维(n:样品数目)空间中观察样品间的异同，该法鉴别能力较强，可迅速知道任意一个姜黄样品与其他样品的相似度。

C0:C1(53.8；42.9，42.9)，C2(81.8；11.1，11.1)，C3(81.8；11.1，11.1)，C4(54.5；66.7，16.7)

C1:C0(53.8；42.9，42.9)，C2(66.7；22.5，22.5)，C3(66.7；22.5，5)，C4(70.0；42.9，0.0)

C2:C0(81.8；11.1，11.1)，C1(66.7；22.5，22.5)，C3(100.0；0.0，0.0)，C4(70.0；42.9，0.0)

C3:C0(81.8；11.1，11.1)，C1(66.7；22.5，22.5)，C3(100.0；0.0，0.0)，C4(70.0；42.9，0.0)

C4:C0((54.5；16.7，66.7)，C1(70.0；0.0，42.9)，C2(70.0；0.0，42.9)，C3(70.0；0.0，42.9)

5个姜黄样品的共有峰率均大于53.8%，最高的是C2:C3为100.0%，C2和C3分别产于山东和安徽，地理位置、气候、采收期相近；最低的是C0:C1为53.8%，C0和C1的产地分别是广东与广西，姜黄的生长环境差异较大，所以，共有峰率较低。变异峰率最低的是C3:C4和C2:C3，均为0.0%；最高的是C0:C4，其值为66.7%。

2.3 基于SPSS软件对30份姜黄样品进行系统聚类分析和主成分分析

系统聚类分析所得的聚类谱系图如图2。从图2可以看出，姜黄样品仍然可以按照产地聚为一类。

图2 30份姜黄样品聚类分析图

将6个共有的红外特征吸收峰的波数，作为输入变量（30×6）用于主成分分析，得到的主成分分析图见图3。因PC1和PC2的总方差贡献率为88.101%（其中，PC1=68.067%，PC2=20.034%），所以仅撷取PC1和PC2即可。从图3可以看出，30个姜黄样品较明显分为五类。

图3 30份姜黄样品的主成分分析图

首先，在PC1上，广西和四川的姜黄得分为正值，且广西姜黄样品得分最高，广东姜黄得分最低；因此，在PC1上能较好地区分广西和广东姜黄，且较其他产地姜黄，广西姜黄样品分布较为疏散。5号峰在PC1上对广东的姜黄样品载荷最小，其和1、36号峰能清晰地区分产地分别是广东和广西的姜黄样品。

其次，在PC2上，四川和山东的姜黄样品得分均为正值，广东的姜黄样品得分接近0，四川和广西的姜黄样品得分为负值。6号峰在PC2上载荷最大，不能很好地将山东和四川的姜黄样品分类，2号和5号峰能很清晰的将安徽和四川产地的姜黄样品区分。

综上，较PC2而言，不同产地的姜黄样品在PC1上分布的更分散，能达到很好的分类效果。PC2不能有效地将安徽和山东的姜黄样品，广西和四川的姜黄样品进行区分。

广西和安徽姜黄样品综合得分均为正值，前者综合得分均值为1.12，得分最高，品质最佳，后者综合得分为0.49，次之；山东的姜黄样品品质居中，综合得分均值为-0.09；四川的姜黄样品综合得分为-0.229；广东的姜黄样品得分最低，品质最差，综合得分均值为-0.71。

3 结论

本文运用红外光谱法结合化学计量学对不同产地姜黄进行分析，达到了产地和品质分类的目的。结果表明，不同产地的姜黄品质受自然和人为因素影响具有一定差异。山东的姜黄样品综合得分与安徽的姜黄样品得分最接近，广西和广东的姜黄样品得分差值最大，且综合双指标模型，可得广西与广东的姜黄样品质量差别大。双指标模型能较精确地分析样品间亲缘关系，系统聚类分析和主成分分析方法仅适用于常规分类，准确度低；但当样品量过大时，运用双指标模型较为繁琐，模式识别为第一选择。