摘 要：目的 对山东菏泽、安徽亳州、浙江磐安不同产地的白芍药材样品进行判产地别分析。 方法 采集不同产地白芍药材近红外光谱, 采用K-S方法对样品集进行划分，对光谱预处理方法进行优化，采用FORWARD iPLS对波段进行并建立模型。结果 得到稳健可靠的产地判别分析模型，模型的识别率和拒绝率均达100%。结论 采用近红外光谱分析技术建立的白芍药材产地定性模型满足快速鉴别需求。
关键词：白芍药材；近红外光谱技术；质量控制
白芍药材是制备参枝苓口服液的主要原药材之一，其主要成分芍药苷是参枝苓口服[url=https://insevent.instrument.com.cn/t/Yp]液质量指标成分之一，用量较大，对产品质量具有重大影响。白芍药材来源广泛，且不同来源的药材质量不尽相同，对白芍药材产地进行鉴别分析，有利于从源头保障产品质量。近红外光谱技术作为一种应用广泛的绿色PAT技术，已在中药产业定性定量分析、在线检测和过程控制等中药分析领域中显示出了巨大的应用潜力。本实验采用MicroNIR 1700近红外光谱仪对白芍药材进行产地判别分析，以实现对药材来源和质量的控制，为药材的采购、筛选和投料提供依据，从而从源头上为产品生产和产品质量控制提供保障。
1.仪器与材料
1.1 仪器
MicroNIR1700近红外光谱仪（JDSU，USA），附件配置：双集成真空钨灯，线性渐变滤光片（LVF），128线元非制冷铟镓砷（InGaAs)二极管阵列检测器，2×4mm采样窗口；Matlab2010a（Mathworks Inc.,USA)及PLS_toolbox 752分析软件；数显鼓风干燥箱（GZX-9246MBE，上海博迅实业有限公司医疗设备厂）；粉碎机（BL-高速多功能粉碎机）；不锈钢筛网（60目）；其他常用仪器材料。
1.2 药材
分别收集安徽亳州、山东菏泽、浙江磐安产地的白芍药材24、30、25个批次，共计79份样品。60 ℃下烘干，粉碎过60目筛，自封袋密封保存于干燥器中，备用。
光谱处理 |
LVs |
类别 |
校正集 |
验证集 |
识别率 |
拒绝率 |
识别率 |
拒绝率 |
Raw |
6 |
BZ |
0.900 |
1.000 |
1.000 |
0.727 |
HZ |
1.000 |
1.000 |
1.000 |
1.000 |
PA |
1.000 |
0.955 |
0.400 |
1.000 |
SG5+1d |
4 |
BZ |
1.000 |
1.000 |
1.000 |
0.909 |
HZ |
1.000 |
1.000 |
1.000 |
1.000 |
PA |
1.000 |
1.000 |
0.800 |
1.000 |
MSC |
6 |
BZ |
1.000 |
1.000 |
1.000 |
0.909 |
HZ |
1.000 |
1.000 |
1.000 |
1.000 |
PA |
1.000 |
1.000 |
0.8 |
1.000 |
SG5+1d, MSC |
5 |
BZ |
1.000 |
1.000 |
1.000 |
1.000 |
HZ |
1.000 |
1.000 |
1.000 |
1.000 |
PA |
1.000 |
1.000 |
1.000 |
1.000 |
根据表1可知，当采用SG5+1d与MSC组合处理光谱所建模型的识别率和拒绝率均达100%，其结果优于其他预处理方法，因此，选择SG5+1d与MSC组合方法对光谱进行预处理。SG5+1d与MSC组合处理光谱如图2所示，经SG5+1d与MSC组合处理后，光谱基线漂移减小，光谱差异性有所增强。
图2 SG5+1d与MSC组合处理的光谱
采用FORWARD iPLS波段选择方法选择波段，间隔变量数分别为50、40、30，图3为FORWARD iPLS-30所变量区间，图中横坐标为MircroNIR 1700微型近红外光谱仪所采集光谱扫描范围950-1650 nm之间所对应的等步长的125个波长变量，紫色点对应波长点为所选变量区间，选择了61-90之间的波长变量（即1286-1459 nm区间）。
图3 FORWARDiPLS-30所波长变量区间
图4为RMSECV-LVs曲线图，由图可知，潜在变量数为5时，RMSECV出现一个较小值，且在此之后呈现出趋于稳定的趋势，因此，选择潜在变量数5为参考。
图4 RMSECV-LVs关系图
图5、图6、图7分别为潜在变量数为4、5、6是的模型图，当潜在变量数为4、5、6时，所建模型的识别率和拒绝率均为100%，在建模效果相当的前提下，较少的潜在变量数有利于提高模型预测能力，减少运算量，缩短分析时间，因此选择潜在变量数为4。
图5潜在变量数为4模型图
图6潜在变量数为5模型图
图7潜在变量数为6模型图
结论
基于MicroNIR 1700近红外光谱仪的白芍药材光谱经SG15+1d与MSC组合处理后，再经标准化处理，在1285-1459 nm光谱区间内，采用4个潜在变量数所建PLS-DA产地鉴别模型最佳，模型的识别率和拒绝率均达100%。所建立的白芍药材产地鉴别PLSDA定性分析模型，为参枝苓口服液原药材的购买、筛选提供了参考方法，保障投料稳定均一，从源头保障产品质量。
参考文献：
Chao F, Man L, Xiao-Wei S, Qiao W. Pharmacokinetic propertiesof paeoniflorin, albiflorin and oxypaeoniflorin after oral gavage of extractsof Radix Paeoniae Rubra and Radix Paeoniae Alba in rats . Journal ofEthnopharmacology, 2010, 130: 407-413.
Xin-Pei L, Yuan-Peng W, Xin-Hua W. Molecularly imprinted solidphase extraction in a syringefilter for determination of triazine herbicides inRadix Paeoniae Alba by ultra-fast liquid chromatography . Talanta, 2016,148: 539-547.
U.S. Department of Health and Human Services, Food and DrugAdministration. Guidance for Industry, PAT—A Framework for InnovativePharmaceutical Development, Manufacturing, andQualityAssurance. http://www.fda.gov/downloads/drugs/guidancecomplianceregulatoryinformation/guidances/ucm070305.pdf.2004.
Katherine A. B. Process analytical technology: spectroscopic tools and implementation strategies for the chemical and pharmaceutical industries . John Wiley & Sons, 2010.
Stuart B. Infrared spectroscopy .Wiley Online Library, 2004.
Anurag R, Rahul B, Vishal G. Process analytical technology(PAT) for biopharmaceutical products . Analytical and bioanalyticalchemistry, 2010, 398(1): 137-54.
Read E, Shah R, Riley B. Process analytical technology (PAT)for biopharmaceutical products: Part II. Concepts and applications . Biotechnologyand bioengineering, 2010, 105(2): 285-295.
Amari T, Ozaki Y. Generalized two-dimensional attenuated totalreflection/infrared and near-infraredcorrelation spectroscopy studies of real-time monitoring of the initialoligomerization of bis (hydroxyethyl terephthalate) . Macromolecules, 2002,35(21): 8020-8028.
赛默飞实验室产品焕新计划有奖调研！
【七月征文】不一YOUNG实验“猿”
报名开启：ICS2024第十三届光谱网络会议！
推荐收藏！盘点中药材及饮片检测解决方案
