近紅外光譜技術(shù)在人參質(zhì)量評(píng)價(jià)中的研究現(xiàn)狀

摘 要：本文總結(jié)了近紅外光譜技術(shù)在人參外觀檢驗(yàn)、有效成分分析、重金屬和農(nóng)藥殘留檢測等質(zhì)量評(píng)價(jià)方法中的應(yīng)用，論述了近紅外光譜技術(shù)在提高評(píng)價(jià)準(zhǔn)確性和可靠性方面的重要性，同時(shí)總結(jié)了近紅外光譜技術(shù)在人參產(chǎn)地溯源、年限鑒別、種子鑒別、類別鑒別、皂苷和多糖檢測等多方面的應(yīng)用。

關(guān)鍵詞：近紅外光譜技術(shù)；人參；質(zhì)量評(píng)價(jià)

Research Status of Near Infrared Spectroscopy in Quality Evaluation of Ginseng

LIU Rishuang1，2， JI Jinhui3， ZHAO Dan4*， ZHANG Jun1

（1.College of Agriculture， Jilin Agricultural University， Changchun 130118， China; 2.Jiaohe City Agricultural Environmental Protection Monitoring Station， Jiaohe 132500， China; 3.Jiaohe City Forward Township Comprehensive Service Center， Jiaohe 132517， China; 4.Jilin Agricultural University Agricultural and Rural Department Ginseng Antler Product Quality Inspection and Testing Center， Changchun 130118， China）

Abstract： This paper summarizes the application of near-infrared spectroscopy in the quality evaluation methods of ginseng appearance inspection， active ingredient analysis， heavy metal and pesticide residue detection， and discusses the importance of near-infrared spectroscopy in improving the accuracy and reliability of evaluation. At the same time， it summarizes the application of near-infrared spectroscopy in the traceability of ginseng origin， age identification， seed identification， category identification， saponin and polysaccharide detection.

Keywords： near infrared spectroscopy; ginseng; quality evaluation

人參為五加科人參屬植物的根或根莖。人參具有大補(bǔ)元?dú)狻?fù)脈固脫、補(bǔ)脾益肺、生津養(yǎng)血以及安神益智等功效，是我國名貴的中藥材，也是我國重要的特色農(nóng)產(chǎn)品之一[1]。根據(jù)種植方式可將人參分為野山參、林下山參、移山參及園參，不同人參產(chǎn)品的營養(yǎng)功能、有效成分含量、市場價(jià)格均有很大差異，人參的鑒定主要以外觀、有效成分、重金屬、農(nóng)藥殘留及無機(jī)成分等為依據(jù)。人參的質(zhì)量評(píng)價(jià)方法多樣，常用的方法包括物理性質(zhì)檢測、化學(xué)成分分析、微生物檢驗(yàn)等。物理性質(zhì)檢測包括外觀特征的觀察和測定，如形狀、顏色、大小和紋理等?；瘜W(xué)成分分析可以通過氣相色譜、液相色譜、質(zhì)譜等技術(shù)來測定[2-5]。微生物檢驗(yàn)則采用培養(yǎng)基法和分子生物學(xué)方法來評(píng)估。上述方法主要依靠人的感官經(jīng)驗(yàn)、化學(xué)試劑、分析儀器相結(jié)合，需要花費(fèi)大量的時(shí)間、人力、物力。為提高人參質(zhì)量評(píng)價(jià)的準(zhǔn)確性和可靠性，可借助先進(jìn)的分析技術(shù)，如近紅外光譜技術(shù)。近紅外光譜技術(shù)（Near Infrared，NIR）是一種無損、快速、靈敏、精確和非接觸式的光學(xué)檢測技術(shù)，被廣泛應(yīng)用于生物、食品、醫(yī)藥和農(nóng)產(chǎn)品等領(lǐng)域。

1 近紅外光譜技術(shù)概述

1.1 近紅外光譜技術(shù)原理

近紅外光一般是指波長在780～2 500 nm的光。近紅外光照射到試樣上時(shí)，試樣中的分子吸收特定頻率的光，在某些條件下會(huì)造成分子內(nèi)部振動(dòng)能級(jí)躍遷，從而產(chǎn)生吸收光譜。近紅外吸收光譜主要與倍頻、合頻的分子振動(dòng)相對(duì)應(yīng)。由于含氫基團(tuán)（X-H）的非諧性常數(shù)較大，在近紅外譜區(qū)的吸收強(qiáng)度更高；近紅外區(qū)的吸收光譜以X-H為主，其中吸收C-H、N-H、O-H合頻的光譜比較常見，吸收一、二、三級(jí)倍頻也較常見。氫鍵對(duì)倍頻和合頻譜的影響大于對(duì)基頻譜的影響，因?yàn)楸额l和合頻是基頻的倍數(shù)或多個(gè)基頻的總和。因此，氫鍵效應(yīng)是近紅外光譜的重要特性之一，在利用近紅外光譜對(duì)物質(zhì)成分進(jìn)行定性或定量分析時(shí)，需要考慮氫鍵對(duì)光譜吸收位置和強(qiáng)度的影響[6-8]。

1.2 近紅外光譜的化學(xué)計(jì)量學(xué)方法

（1）光譜預(yù)處理。對(duì)于光譜預(yù)處理，常用的主要有一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、圓滑、多元散射校正、標(biāo)準(zhǔn)正態(tài)變量、基線校正、正交信號(hào)分解、小波變換濾波以及傅里葉變換濾波等。

（2）變量選擇方法。變量選擇方法主要有以波長點(diǎn)為基點(diǎn)、波長區(qū)間為基點(diǎn)?；诓ㄩL點(diǎn)的變量選擇方法主要有無信息變量消除[9]、連續(xù)投影算法[10]、遺傳算法[11]、競爭性自適應(yīng)重加權(quán)[12]、變量投影的重要性[13]、模擬退火算法[14]以及粒子群優(yōu)化算法[15]等。

（3）建模方法。對(duì)于定性建模方法，主要有最小生成樹、K均值聚類分析、系統(tǒng)聚類分析、模糊聚類法以及簇類獨(dú)立軟模式方法[16]等。對(duì)于定量建模方法，主要有多元線性回歸、主成分回歸、偏最小二乘回歸、人工神經(jīng)網(wǎng)絡(luò)以及支持向量機(jī)回歸[17]等。

（4）模型優(yōu)化方法。一般采用交互驗(yàn)證方法進(jìn)行模型優(yōu)化，較優(yōu)的主成分或變量數(shù)是根據(jù)交互驗(yàn)證誤差或預(yù)測殘差平方和最小來確定的。具體的異常值識(shí)別、模型優(yōu)化與有效性驗(yàn)證方法、驗(yàn)證樣品選取標(biāo)準(zhǔn)參見國家標(biāo)準(zhǔn)《分子光譜多元校正定量分析通則》（GB/T 29858—2013）[18]和《近紅外光譜定性分析通則》（GB/T 37969—2019）[19]。

（5）模型傳遞方式。模型傳遞方式分為無標(biāo)樣方式和有標(biāo)樣方式。無標(biāo)樣方式主要代表的是有限脈沖響應(yīng)。有標(biāo)樣方式有兩種：基于預(yù)測結(jié)果的校正，如斜率/偏差[20]；以儀器所測光譜信號(hào)的校正為基礎(chǔ)。此外，光譜空間轉(zhuǎn)換算法是一種效果良好的方法，其主要參數(shù)為光譜空間之間的轉(zhuǎn)換消除測量條件變化或儀器引起的光譜差異。

1.3 近紅外光譜技術(shù)的特點(diǎn)

1.3.1 近紅外光譜技術(shù)的優(yōu)勢(shì)

（1）非破壞性。NIR技術(shù)不需要切割、磨損或以其他方式破壞樣品就可以進(jìn)行檢測，適合用于貴重物品或需要連續(xù)監(jiān)控的樣品。

（2）快速監(jiān)測。該技術(shù)只需幾秒鐘到幾分鐘就可以完成整個(gè)測試過程，特別適合于需要實(shí)時(shí)或者高效率的分析情況。

（3）易于實(shí)施。大部分NIR設(shè)備操作簡單，經(jīng)過基本的培訓(xùn)就可以使用，且設(shè)備體積較小，便于攜帶和現(xiàn)場直接測量。

（4）適應(yīng)性強(qiáng)。近紅外光譜技術(shù)能夠?qū)Ω鞣N物質(zhì)進(jìn)行分析，包括固體、液體、氣體，豐富的化學(xué)信息使其成為一個(gè)全面的分析工具。

（5）可同時(shí)測定多種成分。近紅外光譜包含樣品中各種化學(xué)組分的信息，因此通過建立合適的模型，可以在同一次測定中獲取多種成分的信息。

（6）環(huán)境保護(hù)。近紅外光譜技術(shù)是一種綠色分析方法，不需要使用化學(xué)試劑，也不會(huì)對(duì)環(huán)境造成污染。

（7）經(jīng)濟(jì)效益。NIR設(shè)備的投入及維護(hù)成本低，且因其快速、無損、多成分同時(shí)分析的特性，可以極大地提高檢測效率，從而帶來顯著的經(jīng)濟(jì)效益。

（8）易于在線監(jiān)測和過程控制。通過與特殊硬件設(shè)備和軟件相結(jié)合，近紅外光譜技術(shù)可實(shí)現(xiàn)在線實(shí)時(shí)監(jiān)控和過程控制。

1.3.2 近紅外光譜技術(shù)的局限性

雖然近紅外光譜技術(shù)在許多方面具有明顯的優(yōu)勢(shì)，但它的局限性和挑戰(zhàn)性也不容忽視。

（1）受環(huán)境影響較大。光源、溫度、濕度和粒度等因素都可能對(duì)近紅外光譜產(chǎn)生影響，因此在采集和分析數(shù)據(jù)時(shí)需要控制這些影響因素。

（2）模型建立依賴大樣本數(shù)據(jù)。由于光譜信息具有復(fù)雜性，模型的建立往往需要大量的樣本數(shù)據(jù)，而這些數(shù)據(jù)的獲取可能會(huì)耗費(fèi)大量時(shí)間和資源。

2 近紅外光譜技術(shù)在人參質(zhì)量評(píng)價(jià)方面的研究

2.1 人參產(chǎn)地溯源

由于環(huán)境條件、土壤成分等因素的差異，不同產(chǎn)地的人參含有的活性成分種類及含量可能存在差異[21-25]。人參產(chǎn)地鑒別的傳統(tǒng)方法主要為感觀鑒別，鑒別結(jié)果存在一定的主觀性。對(duì)于不同產(chǎn)地的人參，可通過近紅外光譜技術(shù)實(shí)現(xiàn)有效識(shí)別。CHEN等[26]就近紅外光譜學(xué)與融合學(xué)相結(jié)合的可行性進(jìn)行了研究，以區(qū)分人參產(chǎn)地。試驗(yàn)共收集了270個(gè)樣本，并將其均勻地分配到訓(xùn)練集和測試集中，利用近紅外光譜儀進(jìn)行采集。研究結(jié)果表明，近紅外光譜和RSE算法相結(jié)合可以有效區(qū)分人參產(chǎn)地。邢琳[27]對(duì)兩個(gè)不同產(chǎn)地的野山參移栽樣品進(jìn)行了產(chǎn)地溯源分析，使用模型對(duì)兩個(gè)產(chǎn)地的樣品分別進(jìn)行了鑒定，驗(yàn)證合集的正確分類率為91%，識(shí)別率分別為91%和96%。這些數(shù)據(jù)表明，該模型可以實(shí)現(xiàn)不同產(chǎn)地野山參移植樣本的定性聚類。汪靜靜等[28]以6個(gè)不同產(chǎn)地的74份人參樣品為研究對(duì)象，通過近紅外光譜技術(shù)進(jìn)行分析，74份樣品校正模型判定率是96%，預(yù)測模型判定率是90%。

2.2 人參年限鑒別

生長年份對(duì)于人參質(zhì)量有很大影響，生長時(shí)間越久的人參藥用價(jià)值越高[29-30]。確定人參年份的傳統(tǒng)方法需要依賴于外形特征，準(zhǔn)確度較低。也有學(xué)者應(yīng)用氣相色譜[31]、高效液相色譜[32]檢測其成分來確定人參年限，這些方法費(fèi)時(shí)費(fèi)力。而近紅外光譜技術(shù)能夠準(zhǔn)確且快速地鑒別人參年份，有助于提升人參的整體質(zhì)量控制水平。韓士冬等[33]利用近紅外線光譜掃描野生山參的蘆、體、須等，對(duì)生長年代不同的野山參進(jìn)行建模。研究發(fā)現(xiàn)，近紅外光譜技術(shù)可以快速檢測野山參生長年限。YONG-KOOK等[34]利用傅里葉紅外光譜儀對(duì)人參葉片全細(xì)胞提取物的生長時(shí)間進(jìn)行分析，結(jié)果表明，傅里葉紅外光譜結(jié)合人參葉片的多變量分析可以作為人參栽培年份的鑒別工具。卜海博等[35]對(duì)不同生長年限的林下參和園參進(jìn)行了近紅外光譜技術(shù)分析建模，模型對(duì)驗(yàn)證集的正確判別率為100%，初步表明該方法可靠，可用于林下參和園參的質(zhì)量控制。

2.3 人參類別鑒別

不同類別人參的品質(zhì)不同，一般來說不同類別人參的品質(zhì)優(yōu)劣為野山參品質(zhì)優(yōu)于林下參優(yōu)于移山參優(yōu)于園參，且市場上常將其他類似藥材與人參混雜在一起銷售，損害消費(fèi)者的利益[36-39]。近紅外光譜技術(shù)不僅可以判斷人參的年份和產(chǎn)地，還可以準(zhǔn)確區(qū)分人參類別，從而更好地保護(hù)和管理人參資源。王靈靈等[40]、李玲等[41]、LUCIO-GUTIERREZ等[42]、LU等[43]均采用近紅外光譜技術(shù)分析人參的品種及人參原料真?zhèn)?，?shù)據(jù)表現(xiàn)良好，表明近紅外線光譜技術(shù)可用于鑒定人參類別及真?zhèn)巍?/p>

2.4 人參皂苷檢測

人參皂苷可以改善心血管疾病[44]、神經(jīng)系統(tǒng)疾病[45]、腫瘤[46]等疾病。目前，人參皂苷的檢測方法主要有質(zhì)譜法[47]、指紋圖譜法[48]等，此類方法檢測過程復(fù)雜，且需要用到很多化學(xué)試劑。近紅外線光譜技術(shù)可以有效、快速地對(duì)人參中皂苷進(jìn)行定量分析。肖雪等[49]、呂尚等[50]、TETSUYA等[51]利用近紅外光譜技術(shù)對(duì)人參單體皂苷含量進(jìn)行了分析研究，CHEN等[52]、XU等[53]利用近紅外光譜技術(shù)對(duì)人參總皂苷含量進(jìn)行了分析研究，結(jié)果表明，近紅外光譜技術(shù)可用于人參皂苷含量檢測。

2.5 人參多糖檢測

人參多糖是一類復(fù)雜的多糖化合物，存在于人參植物中，被廣泛應(yīng)用于傳統(tǒng)藥物和保健品中。人參多糖表現(xiàn)出較強(qiáng)的生物活性，如免疫調(diào)節(jié)、抗腫瘤[54]、抗氧化[55]等。目前，人參多糖的檢測方法主要有氣相色譜-質(zhì)譜聯(lián)用[56]等，而BU等[57]開發(fā)了利用近紅外光譜技術(shù)檢測人參多糖的方法，采用偏最小二乘回歸法，通過相關(guān)系數(shù)和預(yù)測平均方根誤差對(duì)最終模型進(jìn)行評(píng)價(jià)，人參多糖的最佳平均方根誤差P值為2.20，相關(guān)系數(shù)為0.965。研究顯示，近紅外光譜法可用于人參多糖的快速測定。

3 結(jié)語

近紅外光譜技術(shù)具有廣泛的應(yīng)用前景，但也存在一些亟待解決的問題，如光譜數(shù)據(jù)處理方法的選擇、模型建立和優(yōu)化、儀器的精度和穩(wěn)定性等。還可將近紅外光譜技術(shù)用于其他方面檢測，如蛋白質(zhì)、農(nóng)藥殘留、無機(jī)成分等。綜上所述，進(jìn)一步研究和發(fā)展近紅外光譜技術(shù)可使其在人參質(zhì)量評(píng)價(jià)中發(fā)揮更大的作用，更好地保障人參產(chǎn)品的質(zhì)量和安全。

參考文獻(xiàn)

[1]國家藥典委員會(huì).中華人民共和國藥典[M].北京：中國醫(yī)藥科技出版社，2020.

[2]HUANG B M，ZHA Q L，CHEN T B，et al.Discovery of markers for discriminating the age of cultivated ginseng by using UHPLC-QTOF/MS coupled with OPLS-DA[J].Phytomedicine，2018，45：8-17.

[3]劉志，阮長春，劉天志，等.HPLC法同時(shí)測定林下參、鮮人參、生曬參和紅參中14種人參皂苷[J].中草藥，2012，43（12）：2431-2434.

[4]由宗芳.林下參質(zhì)量評(píng)價(jià)[D].長春：吉林農(nóng)業(yè)大學(xué)，2007.

[5]王影，查琳，楊懷雷，等.人參及制品中重金屬研究概述[J].人參研究，2019，31（6）：47-52.

[6]徐光憲，王祥云.物質(zhì)結(jié)構(gòu)[M].2版.北京：科學(xué)出版社，2010.

[7]陸婉珍.現(xiàn)代近紅外光譜分析技術(shù)[M].2版.北京：中國石化出版社，2010.

[8]褚小立.化學(xué)計(jì)量學(xué)方法與分子光譜分析技術(shù)[M].北京：化學(xué)工業(yè)出版社，2011.

[9]CENTNER V，MASSART D L，DENOORD O E，

et al.Elimination of uninformative variables for multivariate calibration[J].Analytical Chemistry，1996，68（21）：3851-3858.

[10]GALVAO R K H，ARAUJO M C U，F(xiàn)RAGOSO W D，et al.A variable elimination method to improve the parsimony of MLR models using the successive projections algorithm[J].Chemometrics and Intelligent Laboratory Systems，2008，92（1）：83-91.

[11]LEARDI R，GONZALEZ A L.Genetic algorithms applied to feature selection in PLS regression： how and when to use them[J].Chemometrics and Intelligent Laboratory Systems，1998，41（2）：195-207.

[12]LI H D，LIANG Y Z，XU Q S，et al.Key wavelengths screening using competitive adaptive reweighted sampling method for multivariate calibration[J].Analytica Chimica Acta，2009，648（1）：77-84.

[13]FAVILLA S，DURANTE C，VIGNI M L，et al.Assessing feature relevance in NPLS models by VIP[J].Chemometrics and Intelligent Laboratory Systems，2013，129：76-86.

[14]HOERCHNER U，KALIVAS J H.Simulated-annealing-based optimization algorithms：fundamentals and wavelength selection applications[J].Journal of Chemometrics，1995，9（4）：283.

[15]WANG Y，HUANG J J，ZHOU N，et al.Incorporating PLS model information into particle swarm optimization for descriptor selection in QSAR/QSPR[J].Journal of Chemometrics，

2015，29（12）：627-636.

[16]JANUSA G S，MARCO F F，JO?O C F.Multivariate analysis to applied in the identification of antidepressants.Part II：principal components analysis （PCA） and soft independent modeling of class analogies （SIMCA）[J].Revista Brasileira de Ciências Farmacêuticas，2004，40（3）：387-396.

[17]ROMAN M B，EKATERINA I L.Support vector machine regression （SVR/LS-SVM）-an alternative to neural networks （ANN） for analytical chemistry？ Comparison of nonlinear methods on near infrared （NIR） spectroscopy data[J].The Analyst，2011，136（8）：1703-1712.

[18]國家標(biāo)準(zhǔn)化管理委員會(huì)，國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局.分子光譜多元校正定量分析通則：GB/T 29858—2013[S].北京：中國標(biāo)準(zhǔn)出版社，2013.

[19]國家市場監(jiān)督管理總局，國家標(biāo)準(zhǔn)化管理委員會(huì).近紅外光譜定性分析通則：GB/T 37969—2019[S].北京：中國標(biāo)準(zhǔn)出版社，2019.

[20]ABDELKADER F M，COOPER B J，LARKIN M C.Calibration transfer of partial least squares jet fuel property models using a segmented virtual standards slope-bias correction method[J].Chemometrics and Intelligent Laboratory Systems，2012，110（1）：64-73.

[21]王曉郁.吉林省不同產(chǎn)地人參產(chǎn)量及質(zhì)量研究[D].長春：吉林農(nóng)業(yè)大學(xué)，2013.

[22]李慧，許亮，溫美佳，等.不同產(chǎn)地人參皂苷成分含量UPLC法測定及質(zhì)量評(píng)價(jià)[J].中華中醫(yī)藥雜志，2015，30（6）：1963-1968.

[23]楊秀偉，王洪平，徐嵬，等.不同產(chǎn)地人參根和根莖中人參皂苷的含量分析[J].藥物分析雜志，2017，37（1）：

30-36.

[24]ZHANG K M，ZHANG S G，ATSUSHI E，et al.The current research progress of ginseng species：The cultivation and application[J]. Cogent Food amp; Agriculture，2023，9（1）：2216483.

[25]KIYOON K，JEONG-HOON H，YURRY U，et al.The comparative of growth characteristics and ginsenoside contents in wild-simulated ginseng （Panax ginseng） on different years by soil properties of cultivation regions[J].Korean Journal of Plant Resources ，2020，33（6）：651-658.

[26]CHEN H，TAN C，LIN Z.Geographical origin identification of ginseng using near-infrared spectroscopy coupled with subspace-based ensemble classifiers[J].Spectrochimica Acta Part A：Molecular and Biomolecular Spectroscopy，2024，304：123315.

[27]邢琳.FT-NIR光譜結(jié)合化學(xué)計(jì)量學(xué)對(duì)人參無損檢測技術(shù)的研究[D].長春：吉林農(nóng)業(yè)大學(xué)，2019.

[28]汪靜靜，閆述模，楊濱.近紅外光譜技術(shù)對(duì)人參藥材人參皂苷含量測定及產(chǎn)地識(shí)別的研究[J].光譜學(xué)與光譜分析，2015，35（7）：1885-1888.

[29]趙幻希，王秋穎，吳冬雪，等.基于高效液相色譜－三重四極桿質(zhì)譜的不同產(chǎn)地和年限人參中皂苷含量的差異性分析[C]//2018年中國質(zhì)譜學(xué)術(shù)大會(huì)（CMSC 2018）論文集.北京：中國質(zhì)譜學(xué)會(huì)，2018：1.

[30]白雪媛，趙雨，劉海龍，等.不同品種和年限人參中糖類含量比較研究[J].安徽農(nóng)業(yè)科學(xué)，2012，40（1）：152-153.

[31]QIU Y Q，LU X，PANG T，et al.Determination of radix ginseng volatile oils at different ages by comprehensive two-dimensional gas chromatography/time-of-flight mass spectrometry[J].Journal of Separation Science，2015，31（19）：3451-3457.

[32]LIU Z，WANG C，ZHU X，et al.Dynamic changes in neutral and acidic ginsenosides with different cultivation ages and harvest seasons：identification of chemical characteristics for panax ginseng quality control[J].Molecules，2017，22（5）：734.

[33]韓士冬，張倩，劉強(qiáng)，等.野山參生長年限與近紅外光譜的相關(guān)性研究[J].人參研究，2014，26（03）：30-32.

[34]YONG-KOOK K，MYUNG S A，JONG S P，

et al.Discrimination of cultivation ages and cultivars of ginseng leaves using Fourier transform infrared spectroscopy combined with multivariate analysis[J].Journal of Ginseng Research，2014，38（1），52-58.

[35]卜海博，聶黎行，王丹，等.近紅外光譜法無損識(shí)別林下山參及其生長年限[J].光譜學(xué)與光譜分析，2012，32（7）：1801-1805.

[36]楊文志，婁子恒，王明芝，等.林下山參與園參理化性質(zhì)的比較研究[J].人參研究，2018，30（1）：17-21.

[37]幺寶金，趙雨，邢楠楠，等.園參、野山參、西洋參中水溶性蛋白成分的比較研究[J].時(shí)珍國醫(yī)國藥，2010，21（1）：51-53.

[38]陳穎，劉建璇，富平，等.野山參、林下參與園參中無機(jī)元素的測定[J].世界元素醫(yī)學(xué)，2011，18（1/2）：25-27.

[39]雷秀娟，孫立偉，麻銳，等.不同類型人參和西洋參十二種必需元素的比較[J].中國老年學(xué)，2010，30（7）：908-910.

[40]王靈靈，黃亞偉，戚淑葉，等.基于主根橫斷面近紅外光譜的西洋參和人參鑒別研究[J].光譜學(xué)與光譜分析，2012，32（4）：925-929.

[41]李玲，江美芳，趙林松，等.林下山參、園參、紅參與西洋參粉末的化學(xué)成分及快速無損鑒別[J].上海中醫(yī)藥雜志，2023，57（1）：76-86.

[42]LUCIO-GUTIERREZ R J，COELLO J，MASPOCH S.Expeditious identification and semi-quantification of Panax ginseng using near infrared spectral fingerprints and multivariate analysis[J].Analytical Methods，2013，5（4）：857-865.

[43]LU G，ZHOU Q，SUN S，et al.Differentiation of Asian ginseng，American ginseng and Notoginseng by Fourier transform infrared spectroscopy combined with two-dimensional correlation infrared spectroscopy[J].Journal of Molecular Structure，2007，883：91-98.

[44]CHU S F，ZHANG Z，ZHOU X，et al.Ginsenoside Rg1 protects against ischemic/reperfusion induced neuronal injury through miR-144/Nrf2/ARE pathway[J].Acta Pharmacologica Sinica，2019，40（1）：13-25.

[45]HE Q，SUN J，WANG Q，et al.Neuroprotective effects of ginsenoside Rg1 against oxygen-glucose deprivation in cultured hippocampal neurons[J].Journal of the Chinese Medical Association，2014，77（3）：142-149.

[46]CARMELA F，LORENZO F，ELEONORA T，

et al.Metabolic and toxicological considerations of botanicals in anticancer therapy[J].Expert Opinion on Drug Metabolism Toxicology，2012，8（7）：819-832.

[47]李瑩，葛盟，王安琪，等.UPLC-MS法同時(shí)測定人參不同部位中16種皂苷含量及差異性分析研究[J].特產(chǎn)研究，2023，45（4）：139-145.

[48]曾琪.黑參的指紋圖譜、人參皂苷類成分含量測定以及藥代動(dòng)力學(xué)研究[D].長沙：湖南中醫(yī)藥大學(xué)，2022.

[49]肖雪，李軍山，張博，等.近紅外光譜快速測定紅參提取過程中5種人參皂苷成分含量[J].南開大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，50（3）：44-48.

[50]呂尚，周海濱，汪俊，等.近紅外光譜快速檢測西洋參提取液中有效成分含量的方法研究[J].中華中醫(yī)藥雜志，2018，33（2）：744-747.

[51]TETSUYA I，NORIHISA K，RAE-KWANG C，

et al.Near infrared estimation of concentration of ginsenosides in Asian ginseng[J].Journal of Near Infrared Spectroscopy，

2019，27（2）：115-122.

[52]CHEN H C，CHEN X D，LU Y J，et al.Fast determination of total ginsenosides content in ginseng powder by near infrared reflectance spectroscopy[C]//ICO20 Biomedical Optics. Bellingham， USA： SPIE Proceedings，2006：60261C.

[53]XU X，NIE L，PAN L，et al.Quantitative analysis of panax ginseng by FT-NIR spectroscopy[J].Journal of Analytical Methods in Chemistry，2014，2014：741571.

[54]NI W H，ZHANG X，WANG B，et al.Antitumor activities and immunomodulatory effects of ginseng neutral polysaccharides in combination with 5-fluorouracil[J].Journal of Medicinal Food，2010，13（2）：270-277.

[55]吳恒梅，慕雪，吳玉德，等.人參多糖的提取工藝及生物活性研究進(jìn)展[J].農(nóng)業(yè)與技術(shù)，2023，43（14）：27-29.

[56]王國明，徐清華，謝麗娟，等.人參、西洋參中多糖成分分析及其抗氧化活性研究[J].糧食與油脂，2022，35（6）：143-146.

[57]BU H B，NIE LI X，WANG D，et al.Rapid determination of Panax ginseng by near-infrared spectroscopy[J].Analytical Methods，2013，5（23）：6715-6721.

基金項(xiàng)目：省科技廳重點(diǎn)研發(fā)項(xiàng)目“基于傅里葉變換近紅外光譜結(jié)合化學(xué)計(jì)量學(xué)建立人參紅外指紋圖譜無損鑒別技術(shù)的研究”（20210204021YY）。

作者簡介：劉日爽（1993—），女，遼寧蓋州人，本科，助理農(nóng)藝師。研究方向：農(nóng)藝與種業(yè)。

通信作者：趙丹（1982—），男，吉林柳河人，博士，實(shí)驗(yàn)師。研究方向：農(nóng)產(chǎn)品質(zhì)量安全。E-mail：zhaodan7096@jlau.edu.cn。