紅外光譜結(jié)合判別分析對瑪咖產(chǎn)地的鑒別

楊春艷 劉飛+王元忠

摘要：采用傅里葉變換紅外光譜技術(shù)測試6個產(chǎn)地共82株瑪咖塊根樣品的紅外光譜；在Omnic 8.0光譜軟件中用一階、二階導(dǎo)數(shù)等方法對光譜進行優(yōu)化處理；用SPSS 18.5統(tǒng)計分析軟件對經(jīng)優(yōu)化的光譜數(shù)據(jù)在950～1 800、1 200～1 800 cm-1范圍建立Mahalanobis distance（馬氏距離）、Wilks Lambda、Unexplained variance（未解釋方差）、Smallest F ratio（最小F值）及Raos V判別分析模型。結(jié)果顯示，各樣品的紅外光譜非常相似，瑪咖塊根的主要成分是淀粉多糖、蛋白質(zhì)、纖維素和脂類物質(zhì)；以 950～1 800 cm-1范圍的二階導(dǎo)數(shù)光譜數(shù)據(jù)為判別指標進行Mahalanobis distance判別分析效果較好，且模型較穩(wěn)定，回判正確率為100%，平均預(yù)測正確率為81.8%，總判別正確率為92.7%。傅里葉變換紅外光譜結(jié)合判別分析，可以有效鑒別瑪咖產(chǎn)地來源，為瑪咖的鑒別分類提供可靠依據(jù)。

關(guān)鍵詞：瑪咖；傅里葉變換紅外光譜；逐步判別分析；產(chǎn)地鑒別

中圖分類號： O657.33文獻標志碼： A

文章編號：1002-1302（2017）05-0170-04

瑪咖（maca）別稱瑪卡，屬被子植物門，雙子葉植物綱，罌粟目，獨行菜屬的一、兩年生藥食兩用草本植物，原產(chǎn)于海拔3 500～4 500 m的南美安第斯山區(qū)，于2002年云南省農(nóng)業(yè)科學(xué)院高山經(jīng)濟植物研究所在麗江海拔3 000 m以上區(qū)域引種種植瑪咖，現(xiàn)已在麗江玉龍雪山一帶、昆明市轎子雪山、香格里拉哈巴雪山等地實現(xiàn)規(guī)模種植?，斂K根的主要成分有蛋白質(zhì)、脂肪酸、氨基酸、碳水化合物及微量元素等，還含有瑪咖酰胺、瑪咖烯、生物堿、芥子油苷、甾醇及多酚等具有生物活性的次生代謝物質(zhì)[1-2]，其中瑪咖酰胺和瑪咖烯具有改善性功能的功效[3]，生物堿能調(diào)節(jié)荷爾蒙，緩解更年期綜合征，芥子油苷和異硫氰酸芐酯對治療胃癌、食道癌、肺癌、白血病等癌細胞均有一定效果。

[JP2]中藥材的有效成分由遺傳和生態(tài)條件（包括栽培和加工技術(shù)）2個因素共同決定，同一遺傳條件的中藥材，受產(chǎn)地因素影響，即使加工技術(shù)一致，藥材的藥用成分及藥效均可能存在差異[4]。對于瑪咖真?zhèn)蔚蔫b別和品質(zhì)評估已有學(xué)者進行了研究[5]，但對不同產(chǎn)地來源瑪咖的鑒別研究，迄今尚未見報道。[JP]

對中藥材真?zhèn)魏推焚|(zhì)優(yōu)劣的鑒別，傳統(tǒng)方法主要通過性狀進行經(jīng)驗鑒別，但此法很難對藥材產(chǎn)地進行鑒別?，F(xiàn)代技術(shù)方法主要有高效液相色譜法（high performance liquid chromatography，簡稱HPLC）、氣相層析法（gas chromatography，簡稱GC）和傅氏轉(zhuǎn)換紅外線光譜分析（fourier transform infrared spectroscopy，簡稱FTIR）技術(shù)等，但HPLC和GC須對藥材進行分離提取，專業(yè)性強、技術(shù)難度大，不利于推廣應(yīng)用，F(xiàn)TIR技術(shù)既不能破壞樣品的物質(zhì)組分，又能全面反映物質(zhì)內(nèi)部分子結(jié)構(gòu)信息，且兼具樣品用量少、技術(shù)難度小等優(yōu)點，已在藥材產(chǎn)地鑒別方面成功應(yīng)用。判別分析是根據(jù)已知類別的若干樣本的某些指標信息，尋找分類函數(shù)，對未知類別的樣本進行分類的方法[6]。本試驗測試了秘魯和云南5個產(chǎn)地的82株瑪咖植株塊根樣品的紅外光譜，用一階、二階導(dǎo)數(shù)對光譜進行預(yù)處理，采用判別分析中的逐步判別分析法對樣品的產(chǎn)地進行鑒別研究，以期為鑒別瑪咖的產(chǎn)地提供簡便、快捷的方法。

1儀器與方法

1.1儀器設(shè)備與測試條件

紅外光譜儀為珀金埃爾默股份有限公司生產(chǎn)的Frontier型傅里葉變換紅外光譜儀，裝備DTGS檢測器，光譜掃描范圍為4 000～400 cm-1，分辨率為4 cm-1，累加掃描次數(shù)為16次。光譜數(shù)據(jù)處理使用Omnic 8.0光譜專業(yè)軟件，判別分析使用SPSS 18.5統(tǒng)計分析軟件。

1.2樣品制備與光譜預(yù)處理

試驗所用82株瑪咖植株塊根樣品均由云南省農(nóng)業(yè)科學(xué)院藥用植株研究所提供，分別取自秘魯和我國云南的麗江、會澤、東川、昭通、香格里拉6個產(chǎn)地，其編號依次為A1～A8、B1～B10、C1～C9、D1～D8、E1～E17、F1～F30，共涉及黑色、紫色、黃色和白色4種色型。樣品在45 ℃恒溫下整根熱烘干至恒質(zhì)量，用中藥粉碎機粉碎待測。測試時取瑪咖塊根粉末于瑪瑙研缽中磨為細粉后按樣品與溴化鉀1 ∶[KG-*3]45的質(zhì)量比加入溴化鉀攪磨均勻，然后壓片測試光譜。每株瑪咖塊根樣品壓制、測試1張光譜，所有光譜均已扣除背景，在Omnic 8.0軟件中進行自動平滑、自動基線校正及歸一化處理，同時計算各樣品紅外光譜的一階導(dǎo)數(shù)光譜和二階導(dǎo)數(shù)光譜。

2結(jié)果與分析

[HTK]2.1瑪咖植株塊根的紅外光譜和二階導(dǎo)數(shù)光譜分析[HT]

從圖1和表1可以看出，不同產(chǎn)地瑪咖塊根的紅外光譜峰形相似、峰位相近。除香格里拉樣品光譜的最強峰出現(xiàn)在多糖吸收區(qū)外，其他樣品的最強峰均位于O—H和N—H伸縮振動吸收區(qū)。為便于比較，將光譜分為6個區(qū)，K1區(qū)（3 700～3 000 cm-1）中3 365 cm-1附近吸收峰主要來自脂類、蛋白質(zhì)、淀粉中羥基O—H伸縮振動及蛋白質(zhì)酰胺Ⅰ帶中N—H反對稱伸縮振動；K2區(qū)（3 000～2 800 cm-1）中 2 929 cm-1 附近吸收峰，主要反映亞甲基C—H反對稱伸縮振動，是揮發(fā)油的特征吸收峰[7]；K3區(qū)（1 750～1 500 cm-1）是酰胺和羰基振動區(qū)，其中1 741 cm-1附近吸收峰來自脂類及纖維素、半纖維素中羰基C[FY=，1]O伸縮振動吸收[8]，1 632 cm-1 附近中等強度吸收峰，主要來自蛋白質(zhì)酰胺Ⅰ帶中C[FY=，1]O伸縮振動、N—H彎曲振動吸收，以及苷類、糖類物質(zhì)中O—H彎曲振動[9]，以及甾體皂苷中羰基的伸縮振動吸收[10]；K4區(qū)（1 500～1 200 cm-1）主要為蛋白質(zhì)、脂肪酸和多糖混合振動吸收區(qū)，其中1 413、1 337 cm-1附近吸收峰來自亞甲基C—H剪式彎曲振動，1 241 cm-1附近的吸收峰為脂類化合物中C—O—C的伸縮振動和蛋白質(zhì)酰胺Ⅲ帶中C—N伸縮振動及N—H彎曲振動吸收的疊加峰；K5區(qū)（1 200～950 cm-1）主要為多糖和糖苷吸收區(qū)，其中1 104 cm-1附近的吸收峰為多糖及纖維素、半纖維素中C—C伸縮振動吸收峰[11-12]，1 048 cm-1附近的強吸收峰為多糖、纖維素、半纖維素中C—O伸縮振動吸收峰和糖苷類物質(zhì)中—OH伸縮振動吸收的疊加峰[13]；K6區(qū)（950～700 cm-1）主要為碳水化合物中糖環(huán)伸縮振動吸收區(qū)，其中929、861、761 cm-1附近的弱吸收峰表明瑪咖塊根中含有α型糖苷鍵[14]。在700 cm-1以下，主要呈現(xiàn)了577 cm-1附近吸收峰。上述光譜特征反映了瑪咖塊根的主要物質(zhì)成分為多糖、蛋白質(zhì)、纖維素和脂類物質(zhì)。各樣品光譜中，多糖類物質(zhì)的特征吸收峰相對較強，蛋白質(zhì)類物質(zhì)的次之，脂類物質(zhì)的較弱，說明樣品中多糖類物質(zhì)的相對含量較多，脂類物質(zhì)的較少。

[FK（W13][TPYCY1.tif][FK）]

從圖1和表1還可看出，不同產(chǎn)地瑪咖的紅外光譜間的差異主要表現(xiàn)為：除香格里拉產(chǎn)的瑪咖樣品光譜最強峰和第二強峰依次出現(xiàn)在1 048、3 365 cm-1附近，其他產(chǎn)地光譜的最強峰和第二強峰位置則與之相反；在蛋白質(zhì)、脂肪酸和多糖混合振動區(qū)，只有秘魯樣品在1 374 cm-1處顯示了1個弱吸收峰；多糖和糖苷吸收區(qū)中，在1 140 cm-1附近只有昭通樣品未顯示吸收峰，在1 075 cm-1處只有香格里拉樣品顯示了1個極強的吸收峰，在1 000 cm-1附近，昭通樣品和東川樣品均未顯示吸收峰，其他樣品則顯示了強的吸收峰；糖類異構(gòu)體吸收區(qū)中，在796 cm-1處，只有昭通樣品顯示了吸收峰，在 700 cm-1 附近，只有秘魯樣品未顯示吸收峰。這些光譜差異，為初步鑒別昭通、香格里拉、秘魯和東川種植的樣品提供了可能，但無法鑒別會澤和麗江2個產(chǎn)地的樣品。

2.2.3不同挑選判別指標對瑪咖產(chǎn)地鑒別的影響

以 950～1 800 cm-1范圍的二階導(dǎo)數(shù)光譜數(shù)據(jù)為判別指標，分別按照SPSS 18.5軟件逐步判別分析模塊中Wilks Lambda、Unexplained variance、Mahalanobis distance、Smallest F ratio、Raos V共5種判別指標選擇方法，依據(jù)Fisher線性判別準則建立判別模型，對樣品產(chǎn)地進行鑒別研究；同時采用十折五次交叉驗證法檢驗挑選判別指標進入判別函數(shù)時不同方法所建立判別模型的穩(wěn)定性[15]。由表4可知，挑選判別指標進入判別函數(shù)的各種方法中，選擇Mahalanobis distance和Smallest F ratio方法時，樣品的平均總正確率、回判正確率和預(yù)測正確率相同且最高，依次為92.7%、100.0%和81.8%，選擇Unexplained variance方法時，平均總正確率、回判正確率和預(yù)測正確率均次高，依次為91.2%、99.6%和78.8%。同種方法在十折五次交叉驗證的不同訓(xùn)練樣本情況下，訓(xùn)練樣本和測試樣本的回判正確率和預(yù)測正確率的差異，反映了用這種方法所建立模型的穩(wěn)定性。在5種訓(xùn)練樣本情況下，選擇Mahalanobis distance和Smallest F ratio方法時，對訓(xùn)練樣本的回判正確率差異均為0，選擇Unexplained variance方法時，其差異為 2.0%；選擇Smallest F ratio方法時，對測試樣本的預(yù)測正確率差異為21.2%，選擇Mahalanobis distance、Unexplained variance方法時，差異依次為18.2%、15.1%，說明Mahalanobis distance、Unexplained variance方法所建立模型的穩(wěn)定性較好。綜合不同挑選判別指標方法的平均總正確率，以及在5種訓(xùn)練樣本情況下對訓(xùn)練樣本的回判正確率和對測試樣本的預(yù)測正確率，以及最高正確率和最低正確率，基于950～1 800 cm-1 范圍的二階導(dǎo)數(shù)光譜數(shù)據(jù)的判別分析對瑪咖產(chǎn)地的鑒別，選用Mahalanobis distance逐步判別法最合適，其次為Unexplained variance逐步判別法。

3結(jié)論

用FTIR技術(shù)測試6個產(chǎn)地、4種色型的82株瑪咖塊根樣品的紅外光譜，通過光譜軟件Omnic 8.0計算各樣品光譜的一階導(dǎo)數(shù)光譜和二階導(dǎo)數(shù)光譜。以不同級別紅外光譜數(shù)據(jù)為判別指標，按照逐步判別法，依據(jù)Fisher線性判別準則對瑪咖的產(chǎn)地進行鑒別研究，比較3種級別光譜、2個光譜范圍、5種挑選判別指標進入判別函數(shù)的方法所建立的判別模型的鑒別效果，同時按十折五次交叉驗證法檢驗5種挑選判別指標方法建立的模型的穩(wěn)定性。結(jié)果表明，瑪咖植株塊根在 950～1 800 cm-1范圍的紅外二階導(dǎo)數(shù)光譜數(shù)據(jù)結(jié)合 Mahalanobis distance挑選判別指標方法的逐步判別法能較好地鑒別樣品的產(chǎn)地，正確率達92.7%。FTIR技術(shù)結(jié)合判別分析方法，可為瑪咖產(chǎn)地的鑒別提供一種簡便易行的方法。

本試驗的判別分析結(jié)果都是按最大可能判別結(jié)果計算的，若將最大可能結(jié)果和次大可能結(jié)果相結(jié)合，能幫助提高樣品判別結(jié)果的相對準確性，縮小樣品分類所屬范圍。如在本研究中，以950～1 800 cm-1范圍二階導(dǎo)數(shù)光譜數(shù)據(jù)作為判別指標，按照Mahalanobis distance逐步判別法，依據(jù)Fisher線性判別準則建立判別函數(shù)對樣品進行鑒別，并按十折五次交叉驗證，對測試樣本的平均預(yù)測正確率達94.5%，平均總正確率達97.8%。

參考文獻：

[1]Ganzera M，Zhao J，Muhammad I. Chemical profiling and standardization of Lepdium meyenii （maca） by reversed phase high performance liquid chromatograph[J]. Chemical and Pharmaceutical Bulletin，2002，50（7）：988-991.

[2]Dini I，Tenore G C，Dini A. Glucosinolates from maca （Lepidium meyenii）[J]. Biochemical Systematics and Ecology，2002，30（11）：1087-1090.

[3]Zheng B L，He K，Kim C H，et al. Effect of a lipidic extract from Lepidium meyenii on sexual behavior in mice and rats[J]. Urology，2000，55（4）：598-602.

[4]何春娥，魏建和，陳士林，等. 四個產(chǎn)地丹參種質(zhì)根中微量元素含量的比較分析[J]. 光譜學(xué)與光譜分析，2010，30（3）：801-803

[5]Jin W W，Xiong Y，Yu L J. Identification and quality evaluation of Lepidium meyenii （maca） based on gas chromatographic analysis of its essential oils from roots[J]. Agricultural Scientific and Technology Paper，2006，7（3）：2-9.

[6][JP3]宇傳華. SPSS與統(tǒng)計分析[M]. 2版. 北京：電子工業(yè)出版社，2014.[JP]

[7]楊興倉，司民真，劉仁明，等. 野三七的紅外光譜分析[J]. 光散射學(xué)報，2011，23（2）：162-167.[HJ1.7mm]

[8]Gorgulu S T，Dogan M，Severcan F. The characterization and differentiation of higher plants by fourier transform infrared spectroscopy[J]. Applied Spectroscopy，2007，61（3）：300-308.

[9]孫素琴，周群，陳建波，等. 中藥紅外光譜分析與鑒別[M]. 北京：化學(xué)工業(yè)出版社，2010.[ZK）]

[10]顏茜. 中藥重樓及其偽品開口箭的FTIR分析與鑒別[J]. 光散射學(xué)報，2013，25（1）：85-91.

[11]李志永，劉剛，李倫，等. 蠶豆病害葉的FTIR研究[J]. 光譜學(xué)與光譜分析，2012，32（5）：1217-1220.

[12]史虞花，司民真. 鼠曲草的紅外光譜分析[J]. 光散射學(xué)報，2009，21（4），366-370.

[13]張黎，劉剛，李倫，等. FTIR結(jié)合主成分分析對棕櫚科植物鑒別研究[J]. 光散射學(xué)報，2013，25（1）：98-102.

[14]肖波，毛文華，梁小紅，等. 基于高光譜圖像和判別分析的草地早熟禾品種識別研究[J]. 光譜學(xué)與光譜分析，2012，32（6）：1620-1623.

[15]張新新，李雨，紀玉佳，等. 主成分-線性判別分析在中藥藥性識別中的應(yīng)用[J]. 山東大學(xué)學(xué)報（醫(yī)藥版），2012，50（1）：143-146.