中藥材及炮制品的近紅外指紋圖譜模式識(shí)別快速鑒別方法

楊天鳴，吳　燕，蘇　蕊，付海燕，楊　琛，張　璐，黃國(guó)貞

(中南民族大學(xué)藥學(xué)院，湖北 武漢 430074)

中藥的真?zhèn)蝺?yōu)劣鑒別自古以來為醫(yī)家所重視。中藥材緊缺，價(jià)格較貴，受利益所驅(qū)，出現(xiàn)了不少偽品和混淆品。中藥材的偽品和混淆品不僅直接影響了中藥的質(zhì)量，而且造成入藥混亂。中藥炮制是為了適應(yīng)中醫(yī)臨床辨證用藥的需要而發(fā)展起來的一項(xiàng)傳統(tǒng)制藥技術(shù)，而炮制方法工藝中由于不規(guī)范或誤傳誤用極大影響了炮制品的功效。因此，建立鑒別中藥材品種和炮制品的快速分析方法迫在眉睫。

由于中藥材絕大部分為植物中藥，因此植物學(xué)家鑒別植物種群的理論與方法被沿用于植物中藥的品種鑒別分析中。然而，市面流通的中藥材通常為植物的干燥組織或以飲片形式出現(xiàn)，常常需要有經(jīng)驗(yàn)的專家對(duì)樣品進(jìn)行顯微鑒別和薄層分析判別，但僅靠上述判別方法難以滿足要求并且常常出現(xiàn)錯(cuò)判。為保證中藥材鑒定的客觀性、準(zhǔn)確性與可靠性，現(xiàn)代分析檢測(cè)技術(shù)被用于中藥材品種鑒別[1-5]，如色譜指紋圖譜、DNA分子遺傳標(biāo)記法、激光拉曼光譜法、熒光光譜、電子鼻等。近紅外光譜(near-infrared，NIR) 技術(shù)以其光譜穩(wěn)定性好和信息量豐富等特點(diǎn)，近年已被逐步引入到中藥藥材整體質(zhì)量控制中，并顯示出無損、快速、綠色的技術(shù)優(yōu)勢(shì)，但近紅外光譜中隱含的大量化學(xué)信息，需要借助化學(xué)計(jì)量學(xué)方法提取解析[6-16]。因此，化學(xué)模式識(shí)別方法成為近紅外光譜用于中藥材的真?zhèn)?、產(chǎn)地以及炮制前后藥材的鑒別的關(guān)鍵技術(shù)[6-16]。

作者利用近紅外漫反射光譜技術(shù)，通過多元散射校正(MSC)光譜預(yù)處理方法結(jié)合主成分-馬氏距離判別分析方法，建立了一種快速無損鑒別中藥材及炮制品的方法。

1　實(shí)驗(yàn)

1.1　材料

選擇7種中藥材為研究對(duì)象，菖蒲、赤芍、川穹、丹參、生甘草、開口箭、炮制品炙甘草，分別編號(hào)為A、B、C、D、E、F、G，除開口箭來自湖北宜昌外，其余藥材均來自武漢德仁堂大藥房。所有樣品洗凈、去泥沙，曬干。

實(shí)驗(yàn)所用藥材均經(jīng)中南民族大學(xué)藥學(xué)院萬定榮教授鑒定。

1.2　主要儀器

AntarisⅡ型傅立葉變換近紅外光譜儀(配有積分球漫反射采樣系統(tǒng)、InGaAs檢測(cè)器以及石英樣品杯，Result軟件用于光譜的采集，TQ 8.0軟件用于分析數(shù)據(jù)處理)，美國(guó)Thermo Nicolet公司；FW-100型高速萬能粉碎機(jī)，天津泰斯特儀器有限公司；200 目標(biāo)準(zhǔn)檢驗(yàn)篩(孔徑0.074 mm)，浙江上虞五四紗篩廠；DZF-6021型真空干燥箱，上海索譜儀器有限公司。

1.3　方法

1.3.1樣品的制備

全部中藥材用中藥粉碎機(jī)粉碎后過200目篩，制成細(xì)粉，然后在60 ℃下真空干燥24 h，干燥細(xì)粉儲(chǔ)存在干燥器內(nèi)，備用。

1.3.2近紅外指紋圖譜的采集

將處理后的樣品分別盛入樣品池內(nèi)，采用近紅外光譜儀的積分球漫反射附件采集近紅外光譜圖。采集條件：光譜范圍為10 000～4 000 cm-1，掃描次數(shù)為32次，分辨率為8 cm-1。光源采用empty門衰減，增益為2倍；以金箔為參比進(jìn)行掃描；溫度為(25±1) ℃，濕度為(45±2)%。每種藥材測(cè)定10次，7種藥材共得到70個(gè)樣品光譜。分別以樣品測(cè)定順序按01～70進(jìn)行編號(hào)，并劃分訓(xùn)練集與預(yù)測(cè)集。樣品編號(hào)見表1。

表1樣品編號(hào)對(duì)照表

Tab.1Adetaileddatasetlistofallsamples

編號(hào)藥材訓(xùn)練集預(yù)測(cè)集A菖蒲01～0708～10B赤芍11～1718～20C川穹21～2728～30D丹參31～3738～40E生甘草41～4748～50F開口箭51～5758～60G炙甘草61～6768～70

1.3.3光譜數(shù)據(jù)處理

所采集的光譜數(shù)據(jù)通過多元散射校正(MSC)進(jìn)行光譜數(shù)據(jù)預(yù)處理。所得校正光譜由主成分分析確定其最佳主成分?jǐn)?shù)，再通過馬氏距離對(duì)其進(jìn)行建模分析。

2　結(jié)果與討論

2.1　近紅外光譜指紋圖譜分析

由于紅外原始光譜中常存在因量測(cè)樣品顆粒不勻、散射和各種噪聲及物理擾動(dòng)等因素，致使對(duì)不同波長(zhǎng)點(diǎn)量測(cè)光譜存在不同程度的差異和影響。因此，需要通過對(duì)藥材近紅外原始光譜進(jìn)行多元散射校正以克服光譜散射所導(dǎo)致的差異。7種中藥材的近紅外(NIR)原始光譜、多元散射校正光譜如圖1所示。

由圖1可以看出，不同品種中藥材的近紅外光譜存在一定的差異，但部分樣品光譜差異較小，且重疊嚴(yán)重，通過肉眼不易分辨。經(jīng)過MSC處理后的光譜曲線相對(duì)平滑，信噪比得到改善，光譜基線得到校正。

2.2　基于模式識(shí)別的7種中藥材全息紅外指紋圖譜的判別分析

2.2.1基于主成分-馬氏距離的判別分析模型

主成分-馬氏距離判別分析方法[17-18]是通過對(duì)原始光譜變量進(jìn)行轉(zhuǎn)換，用降維后的新變量進(jìn)行線性組合，最大限度表征原始光譜信息特征。再將表征不同樣本原始光譜信息的特征新變量進(jìn)行馬氏距離計(jì)算[18]表示數(shù)據(jù)的協(xié)方差，根據(jù)距離度量值進(jìn)行判別分析。馬氏距離計(jì)算原理：設(shè)X是從均值為μ、協(xié)方差為v的母體G中抽取的樣本,記：

D2(X,μ)=(X -μ)′v-1(X -μ)

若定義X與母體G的距離D2(X,G)為X與均值μ的距離D2(X,μ),則D2(X,μ)即為馬氏距離。

馬氏距離具有3個(gè)性質(zhì)：平移不變性、旋轉(zhuǎn)不變性和仿射不變性，在多目標(biāo)識(shí)別和多傳感器融合理論中有較多的應(yīng)用。

對(duì)7種不同中藥材和炮制品的70個(gè)樣品近紅外光譜的多元散射校正指紋信息建立主成分-馬氏距離判別分析模型，其中每種藥材的7個(gè)樣品光譜作為訓(xùn)練集，3個(gè)樣品光譜作為預(yù)測(cè)集。通過主成分分析(PCA)對(duì)光譜特征進(jìn)行提取，前9個(gè)主成分的變量貢獻(xiàn)率達(dá)到96.6%，故利用主成分為9的累計(jì)方差足以解釋總方差，從而實(shí)現(xiàn)樣品近紅外多元散射校正指紋信息數(shù)據(jù)的降維，再基于馬氏距離方法計(jì)算每?jī)蓚€(gè)樣本之間的相似度，以距離度量值對(duì)7種不同中藥材和炮制品進(jìn)行類別劃分。表2為7種中藥材間訓(xùn)練集和預(yù)測(cè)集樣品的相互馬氏距離的平均值及預(yù)測(cè)分類歸屬結(jié)果。

表27種中藥材間相互平均馬氏距離及預(yù)測(cè)分類歸屬

Tab.2MeanMahalanobisdistancebetweensevenkindsofchineseherbsanditsclassificationpredictionresult

實(shí)際分類ABCDEFG預(yù)測(cè)分類歸屬預(yù)測(cè)識(shí)別率/%A152138573677560511479131059881A100B13877077118569894698426456934B100C36751188109034338227108606721C100D563098903415074668091745144D100E11496698682056690047258151739E100F131202648108319174581204255753F100G989769316699515417385752082G100

從表2可以看出，7種中藥材的馬氏距離平均值明顯不同，表明7種中藥材的近紅外漫反射光譜具有較為明顯的差異，通過計(jì)算相互間的馬氏距離，能夠?qū)Σ煌N類的中藥材進(jìn)行明確的區(qū)分，且對(duì)7種中藥材的預(yù)測(cè)分類歸屬均與實(shí)際分類相符，其預(yù)測(cè)分類正確識(shí)別率均達(dá)到100%。

為了直觀分析其預(yù)測(cè)分類歸屬的識(shí)別結(jié)果，可任選取到兩種藥材的距離為度量。表3和表4列出了以到A類樣品菖蒲的距離和到B類樣品赤芍的距離為度量時(shí)，7種中藥材各10個(gè)樣品對(duì)菖蒲和赤芍的馬氏距離。

表37種中藥材各10個(gè)樣品對(duì)菖蒲(A)的馬氏距離

Tab.3MahalanobisdistancebetweentensamplesfromsevenkindsofChineseherbsandAcorusgramineussamples

ABCDEFG11701384936515617114911312799322158138963637564211520131349905318713879364856301148713118991041491386536835611114831311799065128138793748562111494131239880612313883374355861150613119986371711387837025632114901312398858118138893656567011497131099909912213870365056241148513117988810193138813630566111511131159892

表47種中藥材各10個(gè)樣品對(duì)赤芍(B)的馬氏距離

Tab.4MahalanobisdistancebetweentensamplesfromsevenkindsofChineseherbsandRadixpaeoniaerubrasamples

ABCDEFG1138071031188598626983263769592138741751193698376961262669273138370811189398806963268369184138480811183998976969264069365139510541180899327036263369296139420671178699266993262369227138710771183899076986267369548138550401193198796974266469489138170421195398826957266568951013765047119419898704126406926

從表3 和表4可見，每種藥材的各10個(gè)樣品間的距離基本一致，說明各類樣本自身特征性質(zhì)的穩(wěn)定性很好。且每種藥材間的距離有明顯的差別，可進(jìn)行各類樣本間相似度的評(píng)價(jià)。

表3中以各藥材到菖蒲的距離為度量時(shí)，B類樣品赤芍與A類樣品菖蒲的距離最遠(yuǎn)，表明化學(xué)成分等差異最大，其余按距離由大到小依次為：F類樣品開口箭，E類樣品生甘草，G類樣品炙甘草，D類樣品丹參，C類樣品川穹。

表4中以各藥材到赤芍的距離為度量時(shí)，A類樣品菖蒲最遠(yuǎn)，其余按距離由大到小依次為：C類樣品川穹，D類樣品丹參，G類樣品炙甘草，E類樣品生甘草和F類樣品開口箭。

為了直觀判別分析各種藥材間的分類情況和相似度，將表3和表4的馬氏距離值投影在二維平面坐標(biāo)上，即7種中藥材分別到菖蒲的距離和赤芍的距離的二維空間中的距離度量值的判別分析圖如圖2所示。

圖2　7種中藥材馬氏距離判別分析圖

從圖2可以看出，基于多元散射校正預(yù)處理技術(shù)，結(jié)合主成分-馬氏距離判別分析方法對(duì)7種中藥材和炮制品進(jìn)行判別時(shí)均能正確分類歸屬，無類別混淆的情況發(fā)生。說明模型具有較高的可靠性。同時(shí)，在以A樣品菖蒲與B樣品赤芍建立的二維空間內(nèi)，B樣品赤芍與A樣品菖蒲的距離最遠(yuǎn)，表明這兩種藥材的化學(xué)成分等差異最大。B類樣品赤芍和F類樣品開口箭距離較小，說明這兩種藥材的化學(xué)成分和藥性差異較小。C類樣品川芎和D類丹參距離也相近，說明這兩種藥材的化學(xué)成分差異較小，故兩種藥材均用于活血行瘀止痛，具有較為相同或相似的化學(xué)成分和性質(zhì)。E類樣品生甘草和G類炮制品炙甘草距離非常相近，說明該炮制品炙甘草與生甘草之間化學(xué)成分差異較小、性質(zhì)變化不大。

3　結(jié)論

采用多元散射校正預(yù)處理的主成分-馬氏距離判別分析模式識(shí)別法，結(jié)合近紅外光譜漫反射技術(shù)對(duì)外觀相近、容易混淆的不同中藥材和炮制品進(jìn)行鑒別，建立了一種適用于中藥材和炮制品分類的快速識(shí)別和譜性相似度評(píng)價(jià)的模型方法，分類歸屬正確識(shí)別率均為100%。該方法具有快速、準(zhǔn)確、無損、綠色的優(yōu)點(diǎn)，為中藥材的用藥安全和相近藥材的真?zhèn)闻袆e提供了一種有實(shí)際應(yīng)用價(jià)值的檢測(cè)手段。

參考文獻(xiàn)：

[1]李彩君,林巧玲，謝培山,等.高良姜中黃酮類成分薄層色譜指紋圖譜鑒別[J].中藥新藥與臨床藥理，2001，12(3)：183-187.

[2]曾金祥，魏娟，畢瑩,等.吳茱萸指紋圖譜及化學(xué)模式識(shí)別研究[J].中國(guó)實(shí)驗(yàn)方劑學(xué)雜志，2013，19(24)：143-147.

[3]孫濤，滕少娜，孔德英,等.DNA 條形碼技術(shù)應(yīng)用于人參鑒定[J].中國(guó)生物工程雜志，2013，33(4)：143-148.

[4]姚杰，魏永巨，孫體健.三維熒光指紋圖譜用于鑒別真?zhèn)魏駱愕难芯縖J].中國(guó)藥物與臨床，2013，13(12)：1521-1522.

[5]劉紅秀，駱德漢，李衛(wèi)東,等.基于電子鼻的中藥材鑒別新方法研究[J].遼寧中醫(yī)藥大學(xué)學(xué)報(bào)，2011，13(10)：32-35.

[6]FU H Y,HUAN S Y,XU L,et al.Moving window partial least-squares discriminant analysis for identification of different kinds of bezoar samples by near infrared spectroscopy and comparison of different pattern recognition method[J].Journal of Near Infrared Spectroscopy,2007,15(5):291-297.

[7]LEE M J,SEO D Y,LEE H E,et al.In line NIR quantification of film thickness on pharmaceutical pellets during a fluid bed coating process[J].International Journal of Pharma and Bio Sciences，2011，403(1-2):66-72.

[8]LI B X,WEI Y H,DUAN H G,et al.Discrimination of the geographical origin ofCodonopsispilosulausing near infrared diffuse reflection spectroscopy coupled with random forests and k-nearest neighbor methods[J].Vibrational Spectroscopy,2012，62:17-22.

[9]XIN N,GU X F,WU H,et al.Discrimination of raw and processedDipsacusasperoidesby near infrared spectroscopy combined with least squares-support vector machine and random forests[J].Spectrochimica Acta Part A:Molecular and Biomolecular Spectroscopy,2012,89:18-24.

[10]STORDRANGE L,LIBNAU F L,MALTHE-SORENSSEN D,et al.Feasibility study of NIR for surveillance of a pharmaceutical process,including a study of different preprocessing techniques[J].Journal of Chemometrics，2002,16(8-10):529-541.

[11]CHEN Q S,ZHAO J W,LIN H.Study on discrimination of roast green tea (CamelliasinensisL.) according to geographical origin by FT-NIR spectroscopy and supervised pattern recognition[J].Spectrochimica Acta Part A:Molecular and Biomolecular Spectroscopy,2009,72(4):845-850.

[12]FU H Y,HUANG D C,YANG T M,et al.Rapid recognition of Chinese herbal pieces ofArecacatechuby different concocted processes using Fourier transform mid-infrared and near-infrared spectroscopy combined with partial least-squares discriminant analysis[J].Chinese Chemical Letters,2013,24(7):639-642.

[13]劉沐華，張學(xué)工，周群,等.模式識(shí)別和紅外光譜法相結(jié)合鑒別中藥材產(chǎn)地[J].光譜學(xué)與光譜分析，2005，25(6)：878-881.

[14]許長(zhǎng)華，周群，孫素琴,等.二維相關(guān)紅外光譜法與阿膠的真?zhèn)舞b別[J].分析化學(xué)，2005，33(2)：221-224.

[15]LI Y M,SUN S Q,ZHOU Q,et al.Study of traditional Chinese animal drugs using FT-IR and 2D-IR correlation spectroscopy[J].Spectrochimica Acta Part A:Molecular and Biomolecular Spectroscopy,2006,63(3):565-573.

[16]WANG C Y,XIANG B R,ZHANG W.Application of two-dimensional near-infrared (2D-NIR) correlation spectroscopy to the discrimination of three species ofDendrobium[J].Journal of Chemometrics,2009,23(9):463-470.

[17]KIM H,KIM D,BANG S Y.Extensions of LDA by PCA mixture model and class-wise features[J].Pattern Recognition,2003,36(5):1095-1105.

[18]李玉榕，項(xiàng)國(guó)波.一種基于馬氏距離的線性判別分析分類算法[J].計(jì)算機(jī)仿真，2006,23(8)：86-88.