呂亞新,左春芳,陳文舉,羅蔓菲
西洋參為五加科植物西洋參Panax quinquefolium L.的干燥根,性涼、味甘、微苦,具有滋陰補(bǔ)氣、寧神益智及清熱生津、降火消暑的雙重功效,在保護(hù)心腦血管、增強(qiáng)神經(jīng)系統(tǒng)功能、調(diào)節(jié)胰島素分泌及增強(qiáng)免疫力方面也有很好的效果。水分含量是影響飲片質(zhì)量的重要因素,適宜的水分含量,既可以保證藥材的藥效又對藥材的儲藏有利[1,2],因此控制西洋參飲片的水分含量是控制西洋參飲片質(zhì)量的必要因素。
傳統(tǒng)判斷中藥飲片中水分含量的方法為“以手摸之干燥”這一感性的標(biāo)準(zhǔn)來判斷,遠(yuǎn)遠(yuǎn)達(dá)不到控制藥材質(zhì)量的目的。《中國藥典》中雖然也規(guī)定了準(zhǔn)確測定西洋參飲片中水分含量的方法——烘干法[3],但該方法過程煩瑣,不適合快速分析大量樣品,因此需要一種簡單快速的方法來測定飲片中的水分含量。近紅外光譜技術(shù)是一種投資及操作費用低、樣品前處理簡單、不用試劑、不污染環(huán)境、測定速度快且準(zhǔn)確,既可定性也可定量的分析方法。因此該研究采用近紅外光譜技術(shù)對西洋參中的水分含量進(jìn)行定量測定,以達(dá)到對西洋參進(jìn)行質(zhì)量控制的目的[4-6]。
1.1 儀器近紅外光譜分析儀: 美國Thermo Nicolet 公司Nicolet 6700 型;分析軟件:TQ 8.0;分析天平:XS105 梅特勒-托利多;粉碎機(jī):浙江溫嶺市大海藥材器械廠RT-01 型;電熱鼓風(fēng)干燥箱:南京實驗儀器廠DGF30/4-ⅡA。
1.2 試藥西洋參為不同批次的西洋參飲片87份,記為S1、S2、S3、S4、S5、S6、S7、S8、S9、S10、S11…… S83、S84、S85、S86、S87,購自不同的藥店。經(jīng)相關(guān)專家鑒定為五加科人參屬西洋參。
2.1 西洋參飲片中水分含量的測定根據(jù)2015 版《中國藥典》第四部通則0832 水分測定法中“烘干法”對西洋參中水分進(jìn)行測定。具體方法:取供試品3 g,平鋪于干燥至恒重的稱量瓶中,精密稱定,樣品厚度不超過5 mm,在105 ℃條件下干燥5 h,將稱量瓶蓋好瓶蓋放于干燥器中放冷30 min,然后精密稱定,再在上述溫度下干燥1 h,放冷,稱重,直至連續(xù)兩次稱量的差異不超過5 mg。根據(jù)減失的重量,計算水分含量。結(jié)果見表1。
2.2 西洋參中水分的近紅外定量模型的建立及其驗證
2.2.1 近紅外光譜的采集 將87 批樣品粉碎,過四號篩,每批取約5 g,混合均勻,然后放入石英杯中,輕輕攤平,按下述實驗條件采集光譜。采樣方式:積分球漫反射;采集光譜范圍4000~12000 cm-1;分辨率8 cm-1;掃描次數(shù)32 次;溫度(25±2)℃,相對濕度45%~55%。每份樣品掃描3 次,87 份西洋參飲片的NIR 光譜見圖1。
圖1 見封三。
圖1 87 批西洋參飲片的近紅外光譜疊加圖
2.2.2 校正集和驗證集的選擇 將表1 中的測定結(jié)果輸入TQ8.0 分析軟件進(jìn)行數(shù)據(jù)處理,隨機(jī)選擇70 份作為建立模型的校正集、17 份作為驗證集,同時保證驗證集樣品的含量在校正集含量的范圍內(nèi)。具體分布見表2。
2.2.3 光譜預(yù)處理方法的選擇 對光譜進(jìn)行預(yù)處理,可以消除外部環(huán)境、儀器狀態(tài)等對模型的影響。結(jié)合偏最小二乘法(PLS)建立校正模型,對不同光譜預(yù)處理方法建模得到的內(nèi)部交叉驗證均方差(RMSECV)、決定系數(shù)(R2)進(jìn)行比較,其中RMSECV 越小,R2越接近1 說明效果越好,詳見表3。從表3 可知,采用一階導(dǎo)數(shù)法對光譜進(jìn)行預(yù)處理后效果最好。
表1 西洋參水分的測定結(jié)果
表2 校正集和驗證集中水分的含量分布
表3 不同預(yù)處理方法對模型性能的影響
2.2.4 模型波段的選擇 通過比較不同的波段建模的R2和RMSECV 值,可以看出5601.22~9541.87 cm-1為最佳波段,詳見表4。
表4 建模區(qū)間的選擇對模型性能的影響
2.2.5 主因子數(shù)的選擇 主因子數(shù)對PLS 定量分析模型的RMSECV 的影響見圖2。從圖2 可以看出,RMSECV(0.06877)最小時的主因子數(shù)8 為最佳因子數(shù)。
圖2 校正集RMSECV 與Factor 之間相關(guān)圖
2.2.6 校正模型的建立 運用TQ 8.0 定量分析軟件,選擇一階導(dǎo)數(shù)法對光譜預(yù)處理、波段在5601.22~9541.87 cm-1、主因子數(shù)為8,結(jié)合PLS 法建立校正模型。70 份校正集樣品NIR 預(yù)測值與參考值的相關(guān)圖和偏差圖見圖3、圖4。由圖可知校正集樣品的預(yù)測值均勻地分布在回歸線的兩側(cè),預(yù)測值接近參考值,該模型成功建立。
2.2.7 水分定量模型的驗證 將17 批驗證集樣品的NIR 圖譜輸入定量模型中,將得到的NIR 預(yù)測值與參考值進(jìn)行比較,計算回收率,得平均回收率為100.52%,結(jié)果見表5。對預(yù)測值和實參考值進(jìn)行t檢驗,t=-1.048,P=0.310>0.05,認(rèn)為預(yù)測值和參考值之間的差異無統(tǒng)計學(xué)意義,證明該模型可以預(yù)測西洋參飲片中水分的含量。
圖3 水分的預(yù)測值與參考值之間相關(guān)圖
圖4 水分的預(yù)測值與參考值之間的偏差圖
近紅外光譜技術(shù)是根據(jù)合適的化學(xué)計量方法把樣品的近紅外光譜與樣品的參考值關(guān)聯(lián)起來建立的校正模型,是一種間接的測定方法[7]。該方法需要收集足夠多的有代表性的樣品并獲得準(zhǔn)確的樣品參考值,來建立準(zhǔn)確可靠的模型,該研究收集了不同批次的西洋參飲片并按照藥典規(guī)定的烘干法進(jìn)行測定,通過驗證證明該模型可以用于所收集批次的西洋參中水分的測定。
近紅外光譜技術(shù)定量模型建立常用分析方法有主成分分析法(PCA)、多元線性回歸法(MLR)和偏最小二乘法(PLS),而PLS 兼具M(jìn)LR 和PCA 的優(yōu)點,所以是一種非常常用的校正方法[8]。因此該研究選擇PLS 法作為定量分析模型的校正方法。
近紅外光譜數(shù)據(jù),除含有樣品本身的信息外,還摻雜了好多不需要的干擾信號,為了消除無關(guān)信息和噪聲,提高數(shù)據(jù)分析的準(zhǔn)確性,必須對光譜進(jìn)行預(yù)處理,常見的預(yù)處理方法有多元散射校正(MSC)、標(biāo)準(zhǔn)歸一化(SNV)和一階導(dǎo)數(shù)法等,不同光譜預(yù)處理方法得到的RMSECV 越小、R2越接近1,說明效果越好;另外合適的波段可以提取有效的圖譜信息,降低噪聲,減少干擾信息,提高靈敏度。該研究選擇R2為0.99189 和RMSECV 為0.06877 對應(yīng)的一階導(dǎo)數(shù)法和波段 (5601.22~9541.87 cm-1)為最優(yōu)預(yù)處理方法和最佳波段。
表5 預(yù)測值與參考值結(jié)果比較
主因子數(shù)的選擇對所建模型有非常大的影響,主因子數(shù)多,噪聲等影響因素會增多,從而影響模型的預(yù)測能力,主因子數(shù)少,模型包含的信息又太少,也會影響模型的準(zhǔn)確性。該研究選擇RMSECV(0.06877)最小時的主因子數(shù)8 為最佳因子數(shù)。
該研究采用決定系數(shù)(R2)、內(nèi)部交叉驗證均方差(RMSECV)對模型建立的精確度和準(zhǔn)確度進(jìn)行驗證評價,R2代表模型預(yù)測值與參考值之間的相關(guān)性,R2越接近1 說明模型建的越成功,RMSECV 為模型的校正標(biāo)準(zhǔn)偏差,RMSECV 越小,預(yù)測值越接近參考值[9]。
綜上所述,該方法簡單、安全無污染、預(yù)測結(jié)果準(zhǔn)確,可以用于西洋參中水分的含量測定。