用气相色谱图分析花椒挥发油的组成

苟 鼎

(达州中医药职业学院，四川 达州 635000)

通常所说的花椒是指表芸香科中一种植物花椒和青椒的成熟果皮，花椒果实不仅可以作为调味的香料，同时还可作为防腐剂应用于各个领域.除此之外，将花椒入药可起到杀虫、止痛，散寒燥湿的功效[1].花椒中的挥发油还具有抗菌、平喘的作用.花椒挥发油传统的提取方法是水蒸气蒸馏，随着对其研究的不断深入，目前有多种不同效果的提取方式[2].但目前针对花椒挥发油中组成的研究较少，仍然没有一种有效的手段对挥发油中的各个成分进行分离和分析.气相色谱图分析技术是一种通过对组成进行分离，获取检测信号随时间分布的图像，对其各成分进行分析的方法，目前该技术在医学领域、种植领域、生物领域等均有着广泛的应用.在实际应用过程中，具有分析精度高、受外界干扰因素影响小、操作简单、分析耗时短的特点.基于此，开展基于气相色谱图的花椒挥发油组成分析研究.

1 基于气相色谱图的花椒挥发油成分分析方法设计

1.1 材料与试剂

分析过程中选择的材料主要包括需要进行分析的花椒种类、分析纯丙酮试剂和色谱级甲醇试剂.分析方法中所采用的仪器设备如表1所示.

表1 本文分析方法中主要仪器设备

在对花椒挥发油进行提取时，由于使用超临界二氧化碳萃取的方法会造成分析成本增高，并且原材料消耗大的问题产生，因此不适用于对花椒挥发油进行分析[3].而水蒸气蒸馏法具有成本低、易于实现的优势，因此本文在提取花椒挥发油时，采用水蒸气蒸馏法对其进行提取，并将花椒挥发油得率作为指标，结合气相色谱图分析技术，对花椒挥发油成分进行分析.

1.2 待分析原料预处理

利用BT 56-5820型号电子天平称量需要进行组成分析的花椒25 g，将其盛放在量杯中，注入150 mL蒸馏水，浸泡12 h.为防止在蒸馏过程中原材料当中的易挥发成分损失，将蒸出液直接用盛有45 mL三氯甲烷烧瓶接收，当蒸馏液含量超过150 mL时，停止蒸馏，并通过振荡摇匀后存储在回收瓶当中[4].再将蒸馏液转入分液漏斗中静置15～25 min，待分离出氯仿层时，完成原材料的预处理.同时水相在进行萃取的过程中，每次需要使用15～25 mL的氯仿溶液，直到萃取后溶液当中没有挥发油时，停止萃取.判断溶液当中是否含有挥发油可通过气相色谱检测设备判断[5].根据花椒挥发油中单因素试验结果，对正交试验因素和水平进行设置，得到如表2所示的正交试验因素及水平对应表.

表2 正交试验因素及水平对应表

根据表2中的对应关系，在具体实施预处理操作时，按照不同的条件对正交试验因素及水平进行设定.将所有氯仿萃取液进行合并，并充分摇匀，将完成预处理后的待分析样品直接送入到QP2556-PLUS型号气相色谱—质谱联用设备中，完成对其气相色谱分析.

1.3 基于气相色谱图的分析条件设置

结合气相色谱图分析技术，对设计的分析方法各项条件进行设置.针对QP2556-PLUS型号气相色谱—质谱联用设备，设置其色谱柱为：HP-2(25 m×0.28 mmi.d.×0.125 μm)；设置待分析样品进口温度为265 ℃；分析过程中检测装置的温度为265 ℃；设置色谱柱升温条件为：待分析样品保持45 ℃温度持续2.5 min，后以每分钟升高6.5 ℃加热方式，上升到225 ℃，并维持10 min；设置待分析样品进样量为1.25 μL，分流比例为18∶1；设置载气成分为高纯氮气.在分析过程中，采用恒流方式，控制其流速在2.25 mL/min.上述所有操作均在HP色谱工作站当中完成.

为保证分析结果的精度，除需要完成上述气相色谱分析以外，还需要采用气相色谱联合质谱的方式进行二次分析.针对其设备，对其分析条件进行设置[6].设置其色谱柱为HP -6(35 m×0.19 mmi.d.×0.125 μm)；设置待分析样品进口温度为320 ℃；分析过程中检测装置的温度为290 ℃；设置色谱柱升温条件为：待分析样品保持55 ℃温度持续3 min，后以每分钟升高2.5 ℃加热方式，上升到125 ℃，并维持10 min，再以每分钟升高6.5 ℃加热方式，上升到225 ℃，并维持5 min；设置载气成分为高纯氦气[7].在分析过程中，同样采用恒流方式完成，控制其流速在0.75 mL/min.再对气质条件进行设置，将分辨率设置为750；离子源恒定温度为225 ℃；电离方式选用EI，保证电子能量在65～75 eV范围以内；控制分子分离器当中的温度始终在115 ℃左右；设置溶剂的延迟时间为2.5 min；设置对待分析样品的扫描范围为25～225 u[8].

根据分析要求，还应当对花椒挥发油的提取率进行计算，按照如下公式进行：

(1)

公式(1)中，δ表示为花椒挥发油的提取率；a0表示为花椒研制成的粉末总质量；a1表示为经过预处理后得到的待分析样品质量；a2表示为预处理前待分析样品的质量.根据上述公式(1)完成对花椒挥发油提取率的计算，为后续组成分析提供依据.

1.4 花椒挥发油组成成分含量预测

假设通过上述操作得到最终提取到的待分析样品为x个，并且在每个样品当中均包含光谱数据点为y个，则若直接将光谱矩阵Tx×y作为神经网络的输入，则会造成网络规模较大、训练难度增加的问题[9].基于此，本文采用将BP神经网络与PCA相结合的方式，将原始气相色谱仪得到的色谱矩阵进行主成分分解，并根据其各个主成分的累计贡献率达到90%以上时，确定最终的主成分分析数据库[10].将其通过分解处理，最终得到相对较小的矩阵，将其作为BP神经网络的输入.由于本文分析方法是针对花椒挥发油各成分组成进行，因此设置神经网络的输出层为一个固定的节点.

在BP神经网络的隐层当中，采用正切函数作为分析过程中的传递函数[11].由于神经网络当中最后的一层的神经元决定着整个神经网络结构的输出特性.当到达最后一层神经元时，通过采用正切函数的方式，使整个网络结构的输出层被限制在更小的范围当中，以此确保在分析过程中得出的分析结果精度更高[12].针对BP神经网络隐层当中的节点数量设置可按照如下公式进行估算：

(2)

公式(2)中，t表示为BP神经网络隐含层节点个数；n表示为神经网络结构中的输出神经元数；m表示为神经网络结构中的输入神经元数；q表示为任意常数，其取值在0～10当中选择.为方便对花椒挥发油的组成分析，需要对花椒挥发油组成进行量化，按照图1所示量化过程完成.

在进行量化的过程中，使用共轭梯度学习算法进行计算，将BP神经网络隐层节点数分别设置为1～10进行定量[13].在神经网络训练过程中，设置其标准误差为0.02，训练步数为1500.表3为神经网络隐层节点数由1开始逐渐增加，得出的数据结果.

图1 花椒挥发油组成量化分析过程示意图

表3 神经网络隐层节点数增加对应数值变化

2 对比实验

为验证本文提出的基于气相色谱图的花椒挥发油成分分析方法实际应用效果，选择金阳青花椒和昭通青花椒作为实验对象，分别利用本文提出的组成分析方法和传统分析方法对这两种类型青花椒的各个组成成分进行分析.为确保实验结果具有一定的可比性，在选择实验试剂时，两种分析方法均采用上述论述中提到的各类试剂和设备.分别按照两种分析方法的实际操作，完成对两种青花椒挥发油组成成分的分析.对比两种分析方法的实验结果，选择各个成分含量预测结果的精度作为评价指标.为方便比较，将实验结果进行记录，并绘制成如表4所示的实验结果对比表.

根据表4中的数据可以看出，在对金阳青花椒挥发油和昭通青花椒挥发油分别进行组成分析时，本文分析结果明显比传统分析方法更接近于实际含量.实际含量为大量文献及研究记录记载所得，因此具有一定的权威性.通过实验证明，本文提出的基于气相色谱图的花椒挥发油成分分析方法分析精度更高，可针对不同类型的花椒挥发油的组成成分进行高精度预测，可为后续一系列研究提供更优质的数据支撑.

表4 两种分析方法实验结果对比表

3 结束语

用气相色谱图分析花椒挥发油的组成，针对传统分析方法存在的问题进行优化，从而提出一种全新的分析方法，并通过实验证明了该方法的实际应用优势.在后续的研究中，还将针对分析方法的分析效率问题进行更加深入的研究，从而为花椒挥发油的开发和利用提供重要数据基础.