基于HPLC和NIRS建立快速檢測盾葉薯蕷中3種皂苷含量的方法

陶曉賽，陳志紅,2，謝彩俠,2*，張 娟,2*，龔海燕,2，劉慶普,2，雷敬衛(wèi),2

1河南中醫(yī)藥大學(xué)藥學(xué)院；2河南省中藥質(zhì)量控制與評(píng)價(jià)工程技術(shù)研究中心，鄭州 450046

盾葉薯蕷(D.ZingiberensisC.H.Wright)為薯蕷科(Dioscoreaceae)薯蕷屬植物，俗稱黃姜、火頭根等，根莖中含有薯蕷皂苷、三角葉薯蕷皂苷、盾葉新苷等大量的甾體皂苷類成分[1]，其含量的高低直接影響著藥材質(zhì)量的優(yōu)劣[2]。盾葉薯蕷為我國特有品種，根莖中含有的薯蕷皂苷元含量為1.1%～16.15%，是合成避孕藥、甾體激素類藥物的重要原料[3]。盾葉薯蕷不僅作為提取原料，還作為治療心腦血管疾病[4]的臨床用藥。盾葉薯蕷作為提取薯蕷皂苷元重要的藥源植物和治療心腦血管疾病的臨床用藥極大促進(jìn)了盾葉薯蕷相關(guān)產(chǎn)業(yè)的發(fā)展。

由于藥材需求量大，目前盾葉薯蕷已實(shí)現(xiàn)了大面積栽培，全國河南、湖南、湖北、陜西、甘肅等10多個(gè)省市60多個(gè)縣市在發(fā)展盾葉薯蕷產(chǎn)業(yè)，基地面積已逾10多萬公頃[5]。盾葉薯蕷為多年生藥材，產(chǎn)地較多，研究發(fā)現(xiàn)生長環(huán)境及栽培年限對(duì)盾葉薯蕷藥材的質(zhì)量影響較大[6]，但關(guān)于不同產(chǎn)地盾葉薯蕷皂苷類成分的評(píng)價(jià)研究鮮有報(bào)道。另外，盾葉薯蕷中皂苷類成分的含量測定目前多采用HPLC法[7-9]，該方法分析過程中樣品前處理較為復(fù)雜，分析時(shí)間較長、試劑用量較大，檢測成本較高，不能實(shí)現(xiàn)盾葉薯蕷皂苷類成分的批量快速檢測，因此，在盾葉薯蕷藥材的收購過程中很難實(shí)現(xiàn)按質(zhì)論價(jià)。NIRS是一種檢測速度較快、操作簡便、低消耗、綠色環(huán)保的分析方法，已廣泛應(yīng)用于中藥材的質(zhì)量控制中[10-12]。基于此，本研究首先建立了同時(shí)測定盾葉薯蕷中薯蕷皂苷、三角葉薯蕷皂苷及盾葉新苷的HPLC-ELSD方法，然后對(duì)全國不同產(chǎn)地盾葉薯蕷中三種甾體皂苷的含量進(jìn)行測定，同時(shí)結(jié)合NIRS技術(shù)建立快速評(píng)價(jià)盾葉薯蕷中三種皂苷含量的方法，為盾葉薯蕷藥材的質(zhì)量評(píng)價(jià)及收購過程中實(shí)現(xiàn)“按質(zhì)論價(jià)”提供科學(xué)方法。

1 材料

1.1 儀器

Nicolet 6700 型傅立葉變換近紅外光譜儀(美國 Thermo 公司)；1200型HPLC儀(美國 Agilent 公司)；ELSD 2000 ES型蒸發(fā)光散射檢測器(德國 Alltech 公司)；KQ-500B型數(shù)控超聲波清洗器(昆山市超聲儀器有限公司)；FW-100型高速萬能粉碎機(jī)(北京科偉永興儀器有限公司)；DZKW-4型電子恒溫水浴鍋(北京中興偉業(yè)儀器有限公司)；101-3AB型電熱鼓風(fēng)干燥箱(北京中興偉業(yè)儀器有限公司)；予華牌循環(huán)水真空泵(鞏義市予華儀器有限責(zé)任公司)；Milli-Q Reference 純水機(jī)(上海和泰儀器有限公司)；CPA225D 型 十萬分之一電子天平；萬分之一電子天平(梅特勒-托利多儀器上海有限公司)。

1.2 試劑

乙腈(色譜純)(TEDIA公司)；甲醇(分析純)(天津市富宇精細(xì)化工有限公司)；無水乙醇(分析純)(天津市致遠(yuǎn)化學(xué)試劑有限公司)；甲醇(色譜純)(TEDIA公司)；娃哈哈飲用純凈水(濟(jì)南娃哈哈恒楓飲料有限公司)；三角葉薯蕷皂苷(成都克洛瑪生物科技有限公司，生產(chǎn)批號(hào)：CHB17051，純度：HPLC≥98%)；盾葉新苷(成都克洛瑪生物科技有限公司，生產(chǎn)批號(hào)：CHB170718，純度：HPLC≥98%)；薯蕷皂苷(成都曼思特生物科技有限公司，生產(chǎn)批號(hào)：MUST-17090203，純度：HPLC≥98.78%)。所有對(duì)照品均符合含量測定要求。

1.3 樣品

實(shí)驗(yàn)用樣品分別從陜西安康市、陜西商洛市、湖北十堰市、湖北丹江口、湖南懷化沙灣鄉(xiāng)、甘肅隴南、湖北宜昌市、河南南陽市采集盾葉薯蕷藥材共101批，經(jīng)河南中醫(yī)藥大學(xué)陳隨清教授鑒定為盾葉薯蕷(D.zingiberensis)的根莖。去除泥沙等雜質(zhì)，切片，于鼓風(fēng)干燥箱中55 ℃烘干至恒重，粉碎后過65目藥典篩，置于干燥器內(nèi)備用。樣品信息見表 1。

表1 盾葉薯蕷樣品信息

2 方法與結(jié)果

2.1 不同產(chǎn)地盾葉薯蕷中三角葉薯蕷皂苷、盾葉新苷及薯蕷皂苷的含量測定

2.1.1 色譜條件

色譜柱為C18(4.6 ×250 mm，5 μm)；以乙腈：水(60∶40)為流動(dòng)相；流速為1.0 mL/min；柱溫30 ℃；進(jìn)樣量為2 μL。蒸發(fā)光散射檢測器(ELSD)參數(shù)：氣體流量2.5 L/min，漂移管溫度115 ℃，增益值為2。

2.1.2 對(duì)照品溶液制備

精密稱定三角葉薯蕷皂苷1.38 mg、盾葉新苷1.93 mg、薯蕷皂苷1.69 mg，分別置于5 mL容量瓶中，并用甲醇定容至刻度，制備濃度分別為0.276、0.386、0.338 mg/mL的對(duì)照品溶液。

2.1.3 供試品溶液的制備

稱取約2.0 g盾葉薯蕷根莖粉末，精密稱定，置錐形瓶中，精密加入80%乙醇溶液50 mL，稱重，85 ℃加熱回流提取40 min，放冷，補(bǔ)足失重；搖勻，過濾，精密移取15 mL續(xù)濾液于蒸發(fā)皿中，濃縮至近干，殘?jiān)眉状既芙?，轉(zhuǎn)移并定容至5 mL容量瓶，搖勻、濾過，即得。

2.1.4 線性關(guān)系考察

用“2.1.2”項(xiàng)下制備的對(duì)照品溶液，將三角葉薯蕷皂苷對(duì)照品分別制成0.027 6、0.069、0.138 、0.276、0.345、0.414 mg/mL的梯度濃度；盾葉新苷對(duì)照品分別制成0.193、0.386、0.965、1.54 4、1.93 0、2.31 6 mg/mL的梯度濃度；薯蕷皂苷分別制成0.067 6、0.101 4、0.135 2、0.338、0.507、0.845 mg/mL的梯度濃度；按照“2.1.1”項(xiàng)下的色譜條件，分別進(jìn)樣測定三角葉薯蕷皂苷、盾葉新苷及薯蕷皂苷的峰面積，以峰面積積分值的對(duì)數(shù)值為縱坐標(biāo)(Y)，以對(duì)照品濃度的對(duì)數(shù)值為橫坐標(biāo)(X進(jìn)行線性回歸，并繪制標(biāo)準(zhǔn)曲線，結(jié)果如表2所示。

表2 線性關(guān)系考察

2.1.5 精密度考察

精密吸取對(duì)照品溶液，按“2.1.1”項(xiàng)下色譜條件連續(xù)進(jìn)樣6次，記錄峰面積，結(jié)果三角葉薯蕷皂苷、盾葉新苷、薯蕷皂苷的峰面積RSD值分別為2.2%、2.7%、2.9%。表明儀器的精密度良好。

2.1.6 穩(wěn)定性考察

將同一供試品溶液分別在樣品制備后0、4、8、12、24 h按“2.1.1”項(xiàng)下色譜條件進(jìn)樣，記錄峰面積，結(jié)果三角葉薯蕷皂苷、盾葉新苷、薯蕷皂苷的峰面積RSD值分別為2.3%、2.7%、2.7%。表明供試品溶液在24 h內(nèi)穩(wěn)定。

2.1.7 重復(fù)性考察

精密稱取同一批宜昌樣品6份，按“2.1.3”項(xiàng)下方法制備供試品溶液，按“2.1.1”項(xiàng)下色譜條件進(jìn)樣，記錄峰面積，計(jì)算含量。結(jié)果三角葉薯蕷皂苷、盾葉新苷、薯蕷皂苷含量的RSD值分別為2.4%、0.5%、2.8%，說明該方法重復(fù)性良好。

2.1.8 加樣回收率考察

稱取南陽2年生樣品6份，每份約1.0 g，精密稱定，分別置于錐形瓶中并精密加入適量三角葉薯蕷皂苷、盾葉新苷、薯蕷皂苷對(duì)照品溶液，按“2.1.3”項(xiàng)下方法制備供試品溶液，按“2.1.1”項(xiàng)下色譜條件進(jìn)樣，記錄峰面積并計(jì)算平均加樣回收率及RSD，結(jié)果見表3、4、5。由表3、表4、表5可知，三角葉薯蕷皂苷、盾葉新苷、薯蕷皂苷的平均回收率分別為99.80%、101.4%、99.30%，RSD分別為0.3%、0.6%、1.3%。

表3 三角葉薯蕷皂苷加樣回收率考察結(jié)果

表4 盾葉新苷加樣回收率考察結(jié)果

2.1.9 樣品含量測定

取各樣品按“2.1.3”項(xiàng)下制備供試品溶液，按照“2.1.1”項(xiàng)下色譜條件分別測定101盾葉薯蕷樣品中三角葉薯蕷皂苷、盾葉新苷和薯蕷皂苷的含量，對(duì)照品及樣品HPLC色譜圖見圖1，含量測定結(jié)果見表6。

圖1 盾葉薯蕷樣品(A)和對(duì)照品(B)HPLC色譜圖Fig.1 HPLC chromatograms of D.zingiberensis sample ( A) and reference substance ( B )注：1.盾葉新苷；2.三角葉薯蕷皂苷；3.薯蕷皂苷。Note:1.Zingiberensis newsaponin;2.Deltonin;3.Dioscin.

表6 101份盾葉薯蕷樣品中三角葉薯蕷皂苷、盾葉新苷、薯蕷皂苷含量測定結(jié)果

續(xù)表6(Continued Tab.6)

樣品編號(hào)No.三角葉薯蕷皂苷Deltonin盾葉新苷Zingiberensis newsaponin薯蕷皂苷Dioscin樣品編號(hào)No.三角葉薯蕷皂苷Deltonin盾葉新苷Zingiberensis newsaponin薯蕷皂苷DioscinS240.8970.7850.074S751.71 90.7190.119S250.5030.5050.031S760.5120.6220.109S260.2900.5910.072S770.4000.5140.118S270.4610.5810.116S780.3560.8720.056S280.3190.3930.086S790.3980.5290.065S290.4000.5070.102S800.4010.6390.080S300.4100.5300.103S810.5450.4370.069S310.4600.5220.110S820.5980.6900.109S320.4480.5220.109S830.4130.4010.054S330.3890.5940.080S840.4600.6640.088S340.2900.5310.072S850.4290.6830.110S350.3160.5620.099S860.3430.7450.095S360.4140.5660.111S870.2740.6840.070S370.5060.7030.122S880.3180.7260.083S380.4730.7140.097S890.3020.8340.130S390.6300.7030.093S900.2630.8170.107S400.5970.6970.116S910.4590.5250.080S410.7050.6670.116S920.3660.8770.138S420.7030.7990.137S930.3630.7900.141S431.03 90.9080.129S940.3771.02 30.136S440.5180.6440.093S950.3720.9580.136S451.08 60.8120.116S960.3360.9120.114S460.5630.5890.109S970.8340.8940.060S471.22 80.6620.104S980.4760.7090.047S481.06 80.6930.117S990.5421.00 40.033S491.23 90.7410.109S1000.5530.9390.051S500.9200.6610.099S1010.3950.7570.047S510.7100.8100.150

2.2 盾葉薯蕷樣品NIR的采集

分別取盾葉薯蕷樣品粉末適量平鋪于近紅外光譜石英樣品杯中，采用積分球漫反射法，在分辨率8 cm-1、掃描次數(shù)64、掃描范圍12 000～4 000 cm-1、溫度25 ℃、濕度28%的采集條件下，掃描101份盾葉薯蕷樣品的NIR，每份樣品重復(fù)采集3次，取其平均光譜(見圖2)。

2.3 三角葉薯蕷皂苷NIR定量分析模型的建立

首先，根據(jù)101份盾葉薯蕷樣品中三角葉薯蕷皂苷的HPLC含量測定結(jié)果，將特異值和含量接近的樣品剔除，保留三角葉薯蕷皂苷模型建立所用的有效樣品。按照校正集與驗(yàn)證集樣品比例約4∶1及驗(yàn)證集樣品含量范圍在校正集樣品含量范圍內(nèi)的原則從有效樣品中選擇模型建立所用的校正集樣品和模型驗(yàn)證所需的驗(yàn)證集樣品。然后，將盾葉薯蕷校正集樣品中三角葉薯蕷皂苷的HPLC含量測定結(jié)果作為參考值分別輸入TQ Analyst 8.0分析軟件，結(jié)合校正集樣品的NIR，利用偏最小二乘法(PLS)，以R2、RMSEC、RMSEP及PI為評(píng)價(jià)指標(biāo)，考察光譜預(yù)處理方法、光譜范圍以及主因子數(shù)等對(duì)所建模型性能的影響，其中R2越接近1，RMSEP和RMSEC 值越接近于0、PI值越接近于100的模型適用性越強(qiáng)，預(yù)測結(jié)果越準(zhǔn)確。最后，用所建模型預(yù)測驗(yàn)證集樣品的三角葉薯蕷皂苷含量，以預(yù)測值與參考值的平均相對(duì)偏差和t檢驗(yàn)結(jié)果，驗(yàn)證所建模型的推廣能力和預(yù)測能力。

圖2 101份盾葉薯蕷樣品的NIR疊加圖Fig.2 NIR overlay maps of 101 samples of D.zingiberensis

2.3.1 校正集與驗(yàn)證集的選擇

通過分析盾葉薯蕷樣品中三角葉薯蕷皂苷含量的分布特點(diǎn)及校正集與驗(yàn)證集樣品的選擇原則，最終確定98份樣品用于其定量模型的建立及驗(yàn)證，其中78份為校正集，20份為驗(yàn)證集。校正集樣品三角葉薯蕷皂苷的含量分布范圍為0.209%～1.975%，平均值1.092%；驗(yàn)證集0.290%～1.177%，平均值0.734%。

2.3.2 光譜預(yù)處理方法的選擇

不同產(chǎn)地及年限的盾葉薯蕷樣品由于顏色、表面紋理、密度等物理性質(zhì)的差異，會(huì)干擾其近紅外光譜中與樣品化學(xué)成分相關(guān)的光譜信息，而合適的光譜預(yù)處理方法可以有效消除物理因素的干擾，提高NIR與待測化學(xué)成分的相關(guān)性。本研究考察了不同光譜預(yù)處理方法對(duì)模型性能的影響(見表7)。綜合分析表7中不同光譜預(yù)處理方法的R2、RMSEC、RMSEP和PI值，選擇SNV+SD為建立三角葉薯蕷皂苷定量分析模型的最佳光譜預(yù)處理方法，原始光譜經(jīng)最佳光譜預(yù)處理方法后所得的近紅外光譜見圖 3。

2.3.3 建模波段范圍的選擇

合適的建模波段可以避免冗余信息對(duì)有效光譜信息的干擾，提高所建模型的預(yù)測準(zhǔn)確性。不同建模波段下模型的性能結(jié)果(見表8)顯示，在9 036.80～5 186.92 cm-1的波段范圍內(nèi)，所建三角葉薯蕷皂苷的定量分析模型整體性能較好。

表7 不同光譜預(yù)處理方法對(duì)三角葉薯蕷皂苷定量分析模型性能的影響

注：MSC：多元散射校正，F(xiàn)D：一階導(dǎo)數(shù)，SD：二階導(dǎo)數(shù)，SG：濾波法，ND：直接差分法

Note:MSC:Multiplicative signal correction,FD:First derivative,SD:Second derivative,SG:Savitzky-Golay fillter,ND:Norris derivative filter

圖3 Constant+FD預(yù)處理后近紅外光譜圖Fig.3 Near infrared spectrum of Constant+FD after pretreatment

表8 不同的光譜范圍對(duì)三角葉薯蕷皂苷模型性能的影響

2.3.4 主因子數(shù)的選擇

主因子數(shù)作為模型建立的重要參數(shù)，其取值的多少直接影響模型的預(yù)測性能。主因子數(shù)過多，會(huì)將代表噪音的主因子引入模型中，導(dǎo)致計(jì)算結(jié)果出現(xiàn)“過擬合”的現(xiàn)象，主因子數(shù)過少，則不能完全反映樣品被測組分產(chǎn)生的光譜變化，使模型的預(yù)測性能下降[13]。本研究以RMSECV為優(yōu)化參數(shù)，根據(jù)RMSECV值隨主因子數(shù)的變化情況(見圖4)選擇合適的主因子數(shù)。結(jié)果顯示，RMSECV最小值所對(duì)應(yīng)的主因子數(shù)為6，且隨著主因子數(shù)的增加，RMSECV值的變化趨于穩(wěn)定，因此，選擇6為建立三角葉薯蕷皂苷定量模型的最佳主因子數(shù)。

2.3.5 三角葉薯蕷皂苷NIR定量分析模型的建立

運(yùn)用TQ Analyst 8.0分析軟件結(jié)合PLS法，分別選擇最優(yōu)的光譜預(yù)處理方法、建模波段范圍、最佳主因子數(shù)建立三角葉薯蕷皂苷的NIR定量分析模型，三角葉薯蕷皂苷模型的NIR 預(yù)測值與 HPLC 參考值的相關(guān)圖及偏差見圖 5。結(jié)果表明該模型的R2為0.981 1、RMSEC為0.086 3、RMSEP為0.063 8、RMSECV為0.320 26、PI為90.5，模型性能較好。

圖4 三角葉薯蕷皂苷NIR模型主因子數(shù)對(duì)RMSECV 的影響Fig.4 Effects of principal factor numbers of deltonin NIR modle on RMSECV

圖5 三角葉薯蕷皂苷NIR預(yù)測值與HPLC參考值的相關(guān)圖(A)及偏差圖(B)Fig.5 Correlation chart ( A ) and deviation chart ( B ) between NIR predicted value and HPLC reference value of deltonin

2.3.6 盾葉薯蕷中三角葉薯蕷皂苷定量分析模型的驗(yàn)證

將20份三角葉薯蕷皂苷驗(yàn)證集樣品的近紅外光譜圖輸入到所建立的定量分析模型中，將三角葉薯蕷皂苷的預(yù)測值與HPLC參考值進(jìn)行比較(見表9)。結(jié)果表明，NIR模型預(yù)測的三角葉薯蕷皂苷含量測定結(jié)果與常規(guī)HPLC法測定結(jié)果接近，預(yù)測值和參考值的配對(duì)樣本t檢驗(yàn)結(jié)果顯示t= -0.975，P= 0.342 > 0.05，因此，預(yù)測值和參考值在統(tǒng)計(jì)學(xué)上無顯著性差異。該實(shí)驗(yàn)結(jié)果表明所建立的模型預(yù)測性能較好，可以用于盾葉薯蕷中三角葉薯蕷皂苷的含量測定。

表9 驗(yàn)證集樣品三角葉薯蕷皂苷NIR預(yù)測值與 HPLC參考值的比較

2.4 盾葉新苷、薯蕷皂苷近紅外定量分析模型的建立

根據(jù)盾葉薯蕷樣品中盾葉新苷和薯蕷皂苷的含量分布情況，選擇77份為校正集、18份為驗(yàn)證集用于盾葉新苷定量校正模型的建立及驗(yàn)證；選擇72份為校正集、18份為驗(yàn)證集用于薯蕷皂苷定量校正模型的建立及驗(yàn)證。按照“2.3”項(xiàng)下三角葉薯蕷皂苷定量模型的建立方法分別對(duì)兩個(gè)模型建立過程中的光譜預(yù)處理方法、建模波段范圍及主因子數(shù)等條件進(jìn)行優(yōu)化，確定建模條件，并對(duì)模型進(jìn)行驗(yàn)證。結(jié)果表明，在光譜預(yù)處理方法為SNV+SD+SG、建模波段為8 147.69～5 320.49 cm-1、主因子數(shù)為7的建模條件下，盾葉新苷定量分析模型的R2、RMSEC、RMSEP、RMSECV及PI分別為：0.982 64、0.042 0、0.027 4、0.141 21、91.1；在光譜預(yù)處理方法為MSC+SD、建模波段為9 253.34～5 787.98 cm-1、主因子數(shù)為4的建模條件下，薯蕷皂苷定量分析模型的R2、RMSEC、RMSEP、RMSECV及PI分別為0.943 64、0.009 90、0.005 41、0.024 14、85.8。經(jīng)驗(yàn)證，兩個(gè)模型的NIR預(yù)測值與HPLC參考值的絕對(duì)與相對(duì)偏差均較小，配對(duì)樣本t檢驗(yàn)結(jié)果的P值均大于0.05，說明預(yù)測值與參考值在統(tǒng)計(jì)學(xué)上無顯著性差異，因此所建立的模型可以用于盾葉新苷及薯蕷皂苷的含量測定。盾葉新苷、薯蕷皂苷NIR定量分析模型的RMSECV 值隨主因子數(shù)變化的曲線分別見圖6、圖7，NIR預(yù)測值與參考值的比較結(jié)果分別見見表10、表11。

圖6 盾葉新苷NIR模型主因子數(shù)對(duì)RMSECV的影響Fig.6 Effects of principal factor numbers of zingiberensis newsaponin NIR modle on RMSECV

圖7 薯蕷皂苷NIR模型主因子數(shù)對(duì)RMSECV 的影響Fig.7 Effects of principal factor numbers of dioscin NIR model on RMSECV

表10 驗(yàn)證集樣品盾葉新苷NIR預(yù)測值與HPLC參考值的比較

續(xù)表10(Continud Tab.10)

樣品編號(hào)No.參考值Reference value預(yù)測值Predicted value絕對(duì)偏差A(yù)bsolute deviation相對(duì)偏差Relative deviationPS740.4960.480-0.016-0.032S800.6390.636-0.003-0.005S840.6640.6990.0350.053S960.9120.9460.0340.037S970.8940.9200.0260.029S1000.9390.911-0.028-0.030

表11 薯蕷皂苷NIR模型預(yù)測值與參考值的比較

3 討論

藥用植物次生代謝產(chǎn)物含量的高低從某種意義上來說是其種質(zhì)與生態(tài)環(huán)境雙重作用的結(jié)果[14]。盾葉薯蕷是一種藥效成分比較明確的藥用植物，喜溫暖，不耐嚴(yán)寒。根據(jù)中國薯蕷屬植物資源調(diào)查資料，盾葉薯預(yù)適宜生長于海拔100～1 500 m的河谷、山地、落葉闊葉混交林的邊緣或稀疏的常綠灌木林內(nèi)[15]，而生態(tài)環(huán)境對(duì)盾葉薯蕷形態(tài)性狀與有效成分積累等方面影響較大。Li等[16]研究認(rèn)為，盾葉薯蕷皂苷類成分的含量與居群環(huán)境存在一定的相關(guān)性，其中最主要的影響因素可能是海拔高度。本研究利用HPLC-ELSD法對(duì)全國主要產(chǎn)地盾葉薯蕷中三種皂苷類成分的含量進(jìn)行分析，結(jié)果表明，不同產(chǎn)地樣品中的3種甾體皂苷含量差別較大，其中陜西安康產(chǎn)盾葉薯蕷中三角葉薯蕷皂苷和盾葉新苷含量較高，湖南懷化產(chǎn)的薯蕷皂苷含量較高。雖然三種皂苷均屬于甾體皂苷類成分，但其含量的變化規(guī)律并不一致，這可能是由于不同甾體皂苷生物合成途徑中的關(guān)鍵酶基因存在差異，而且相同關(guān)鍵酶基因的表達(dá)受生態(tài)環(huán)境的影響較大。

NIRS是一種利用化學(xué)計(jì)量學(xué)軟件從樣品復(fù)雜的近紅外光譜圖中提取和樣品待測性質(zhì)相關(guān)的信息，建立圖譜特征與待測性質(zhì)之間關(guān)系的數(shù)學(xué)模型以實(shí)現(xiàn)快速預(yù)測樣品特征的技術(shù)，它對(duì)樣品的處理過程要求比較簡單，因此可以在較短的時(shí)間內(nèi)對(duì)樣品的性狀及質(zhì)量做出初步的綜合評(píng)價(jià)，是一種快速、無損的綠色分析方法。該方法的預(yù)測準(zhǔn)確性取決于樣品數(shù)量、待測性質(zhì)的特征及待測性質(zhì)參考值的測定準(zhǔn)確性，其中樣品的數(shù)量及代表性是決定所建模型預(yù)測性能好壞的前提。如果要對(duì)樣品中某一化學(xué)成分的含量進(jìn)行預(yù)測，則要求此化學(xué)成分具有較高的含量。本研究采集的盾葉薯蕷樣品涵蓋全國8個(gè)產(chǎn)地及不同的生長年限，具有一定的代表性，而且含量測定結(jié)果表明三種甾體皂苷的含量均相對(duì)較高，因此，可以利用近紅外光譜法進(jìn)行快速測定。經(jīng)過基礎(chǔ)數(shù)據(jù)的測定、建模條件的優(yōu)選，本研究建立了可以相對(duì)快速、準(zhǔn)確預(yù)測盾葉薯蕷根莖中三角葉薯蕷皂苷、盾葉新苷及薯蕷皂苷含量的近紅外地定量分析模型，為盾葉薯蕷的質(zhì)量快速評(píng)價(jià)提供一種可參考的方法，為盾葉薯蕷實(shí)現(xiàn)按質(zhì)論價(jià)收購提供可能。