近紅外漫反射光譜法快速測定黃芩藥材中黃芩苷和漢黃芩苷含量

潘建超薛東升 劉紹勇

（上海凱寶藥業股份有限公司，上海 201401）

近紅外漫反射光譜法快速測定黃芩藥材中黃芩苷和漢黃芩苷含量

潘建超*薛東升 劉紹勇

（上海凱寶藥業股份有限公司，上海 201401）

目的針對中藥生產中藥材質量控制的問題，運用近紅外漫反射光譜技術，結合化學計量學，提出一種快速測定黃芩藥材中黃芩苷和漢黃芩苷含量的方法。方法利用HPLC法測定黃芩藥材中黃芩苷和漢黃芩苷的含量作為對照值，運用偏最小二乘回歸（PLS）建立黃芩藥材近紅外光譜與HPLC法含量測定值之間的多元校正模型，并對未知樣本進行預測。結果黃芩苷和漢黃芩苷校正模型的相關系數分別為0.995、0.969，交叉驗證誤差均方根RMSECV分別為0.678、0.143，驗證集預測誤差均方根RMSEP分別為0.602、0.221。結論該方法可實現對黃芩藥材的快速分析，預測結果準確可靠，可推廣用于其他中藥材的質量控制。

近紅外漫反射光譜；黃芩；偏最小二乘；藥材質量控制

黃芩為唇形科植物黃芩Scutellaria baicalensis Georgi的干燥根，具有清熱燥濕，瀉火解毒等功效，其化學成分主要為黃酮類物質，如黃芩苷、漢黃芩苷等[1]，是黃芩藥材質量控制的重要指標。常用的黃芩藥材分析方法有高效液相色譜法、紫外分光光度法等[2,3]，但上述方法操作繁瑣，分析耗時長，不適合用于中藥生產中大批量藥材的快速分析。近年來，近紅外光譜技術以其快速、穩定和無污染等優勢在煙草、制藥、食品等領域發揮著重要的作用[4-6]，本研究采用近紅外漫反射光譜技術，實現了對黃芩藥材中黃芩苷和漢黃芩苷含量的快速分析，為黃芩藥材的質量控制提供了新方法。

1 儀器與試劑

1.1 儀器

Antaris傅里葉變換NIR光譜儀（Thermo Nicolet Corporation，USA），儀器配有Result 3.0B光譜采集軟件；Agilent 1100型高效液相色譜儀（美國Agilent公司）；MILLIPORE超純水器（美國Millipore公司）；METTLER AE240電子天平（梅特勒－托利多上海有限公司）；FL-027高速臺式離心機（德國Eppendorf公司），數據處理采用TQ Analyst 8.0和Matlab數據處理軟件。

1.2 試劑及樣品

實驗用甲醇、乙腈、甲酸均為色譜純，實驗用水為超純水。黃芩苷（110715-200514）、漢黃芩苷（080612）購自中國藥品生物制品檢定所。

實驗所用的黃芩樣品中30批由上海凱寶藥業有限公司提供，5批購于杭州市各大藥房。以上35批黃芩藥材由于產地不同，其成分含量不均勻，為使樣本中各成分含量分布范圍更加均勻，將35批黃芩藥材按照不同比例進行混合，得到47批實驗室自制黃芩藥材粉末，共82批黃芩粉末樣品。

2 方法與結果

2.1 樣品預處理

將黃芩藥材粉碎，過60目篩，過篩后的粉末置于烘箱中，60℃下干燥10h，將干燥后的黃芩粉末密封保存于干燥器中。

2.2 HPLC分析

色譜條件：色譜柱：Agilent Zorbax SB-C18（250 mm×4.6 mm，5μm）；流動相：A相：0.2%甲酸-水，B相：0.2%甲酸-乙腈，梯度洗脫程序為：0～10min，A相85%～70%；10～18min，A相70%～65%；18～24min，A相65%～65%；24～30min，A相65%～40%；30～31min，A相40%～1%；31～36min，A相1%～1%；流速：1mL/min；柱溫：40℃；檢測波長：276nm；進樣量：5μL。

精密稱取黃芩藥材粉末10mg于5mL量瓶中，加提取溶劑（甲醇∶水∶甲酸＝70∶29∶1）超聲提取45min后，定容至刻度，搖勻，12000r/min離心10min，取上清液作為供試品溶液，進行HPLC分析。

2.3 近紅外光譜掃描條件

光譜采集條件：采用積分球漫反射法采集黃芩藥材粉末的近紅外光譜圖。光譜采集波長范圍：4000～10000cm-1，分辨率：4.0cm-1，增益：2x，衰減：Empty，掃描次數：64次。見圖1。

圖1 黃芩藥材粉末的近紅外漫反射光譜圖

2.4 運用PLS法建立多元校正模型

選擇合適的建模波段，并對光譜進行適當的預處理，采用偏最小二乘回歸（PLS）建立黃芩藥材粉末近紅外光譜與黃芩苷、漢黃芩苷HPLC含量測定值之間的多元校正模型。以交叉驗證誤差均方根（RMSECV）為指標，采用留一法交叉驗證確定建模最佳主成分數。模型對校正集樣本和驗證集樣本的預測誤差分別用校正集預測誤差均方根（RMSEC）和驗證集預測誤差均方根（RMSEP）來考核。

3 討 論

3.1 樣本異常點的剔除及分類

在近紅外光譜掃描過程中，由于光譜儀系統誤差、樣品性質差異較大等因素，可能出現異常光譜，這些異常光譜加入模型會影響模型的預測精度。本研究通過計算每個樣品近紅外光譜與平均光譜的馬氏距離，經過Chauvenet 檢驗，發現有2個異常光譜，將這兩個樣品剔除，剩余的80份樣品用來建模。為了使校正集樣本更具有代表性，同時在一定程度上避免校正集樣本分布不均勻，本研究采用Kennard–Stone（KS）分類法對樣本進行分類，將80份黃芩樣品分成2類，校正集樣本60個，驗證集樣本20個。

3.2 黃芩樣品含量測定結果（%）

將黃芩藥材粉末按照2.2項下樣品預處理方法進行處理，并進行HPLC分析，分別得到校正集和驗證集樣品中黃芩苷和漢黃芩苷的含量分布范圍，見表1。

表1 黃芩苷和漢黃芩苷的含量分布范圍（%）

3.3 不同的光譜采集方式對模型性能的影響

本研究比較了兩種不同的光譜采集方式對模型預測性能的影響。分別采用積分球漫反射法和光纖探針漫反射法采集全部黃芩樣品的近紅外光譜圖，運用相同的建模波段和光譜預處理方法進行建模，分別得到黃芩苷和漢黃芩苷含量測定的校正模型，并對驗證集中20份樣品進行含量預測，比較兩種不同的光譜采集方式所得模型的性能參數，結果見表2，由結果可知，采用積分球漫反射法所得的模型性能參數均優于光纖探針漫反射法，對驗證集樣品的預測準確率較高，這可能是由于采用積分球漫反射法采集光譜時，樣品填充的松緊程度比較均一，減小了粒徑不均對光程的影響，且采集過程中樣品杯的勻速轉動可以采集到不同位置樣品的光譜信息，得到的光譜信息更加準確可靠。

表2 不同光譜采集方式所得模型性能參數

表3 不同光譜預處理方法所得模型參數比較

3.4 建模波段的選擇

運用PLS方法建模時，建模前對光譜波段進行篩選，可以更好地提取光譜中的有效信息，改善模型性能，提高計算速度。本研究采用相關系數法和方差圖譜來篩選建模波段。相關系數法是將校正集光譜的每個波長點對應的吸收值與濃度值進行相關性計算，得到波長與相關系數之間的相關圖，相關系數越大的波段，包含的樣品信息越多。圖2顯示了每個波長點的相關系數圖，可以看出在4000～6200cm-1范圍的相關系數值較大，基本在0.50以上。方差圖譜是指所有樣品在每個波長點吸收值的方差圖，它反映了樣品在每個波長點吸收值的變化情況，方差大的波長點包含的信息較豐富，更能體現樣品之間的差別。圖3顯示的是所有樣品在每個波長點的吸收方差值，可以看出在4500～5500cm-1、6900～7500cm-1波段的方差值較大。綜合以上分析，本研究選用4500～7500cm-1區間作為建模波段。

圖2 每個波長點吸收值與對照值相關系數圖

圖3 近紅外光譜方差圖譜

3.5 光譜預處理方法的選擇

在近紅外光譜掃描過程中，環境溫度、濕度的變化，填充不均勻等因素可能引起光譜基線的飄移、噪聲和光散射等干擾，對光譜進行適當的預處理可以減少干擾，充分提取光譜中的有效信息，提高校正模型的預測精度。本研究比較了各種光譜預處理方法對黃芩苷和漢黃芩苷校正模型的R（交叉驗證）和RMSECV的影響，結果見表3。可見，對于黃芩苷模型，采用SNV，一階導數，Savitzky-Golay卷積平滑法的建模效果較好，而對于漢黃芩苷，采用原始光譜的建模效果較好。

3.6 校正模型的建立及預測結果

圖4 HPLC測定值與NIR光譜預測值的相關圖

選擇合適的建模波段，并對光譜進行適當的預處理，采用留一法交叉驗證確定建模最佳主成分數，采用偏最小二乘回歸（PLS）建立黃芩藥材粉末近紅外光譜與黃芩苷、漢黃芩苷HPLC含量測定值之間的多元校正模型，見圖4。黃芩苷和漢黃芩苷校正模型的相關系數分別為0.995、0.969，驗證集預測誤差均方根RMSEP分別為0.602、0.221，驗證集黃芩苷和漢黃芩苷的相對預測誤差分別為-1.45%和0.62%，結果準確，模型的預測性能良好。可見，采用所建立的近紅外光譜校正模型可以快速準確地對黃芩藥材進行分析。

3.7 小結

本研究提出了一種應用近紅外光譜技術快速分析黃芩藥材的方法，在比較了不同的光譜采集方式，篩選合適的建模波段和適當的光譜預處理方式的基礎上，采用偏最小二乘回歸法建立了黃芩苷和漢黃芩苷的近紅外光譜定量校正模型，模型成功建立后，在短時間內就可以完成光譜采集，并計算出比較準確的含量，提供準確可靠的質量控制數據，尤其適用于中藥生產中大批量藥材的快速分析。本法快速簡便，準確可靠，可進一步推廣用于其他中藥材的質量控制。

[1]符洪,肖新月,張南平,等.藥用黃芩中主要化學成分分析[J].藥物分析雜志, 2003,23(1): 33-39.

[2]宋雙紅,王哲制,張媛,等.黃芩藥材HPLC指紋圖譜的研究[J].中國藥學雜志,2006,6(41): 413-417.

[3]李云鵬,黃蕓,魏春娥,等.紫外分光光度法測定黃芩中總黃酮含量[J].河北中醫藥學報,2007,22(11): 36-39.

[4]He Y,Li XL,Deng XF.Discrimination of varieties of tea using near infrared spectroscopy by principal component analysis and BP model[J].J Food Engineering,2007,79(4): 1238-1342.

[5]瞿海斌,李斌,劉雪松,等.紅參醇提取液濃縮過程近紅外光譜在線分析方法[J].中國藥學雜志,2005,24(40): 1897-1903.

[6]孫君明,韓粉霞,閏淑榮,等.傅里葉近紅外反射光譜法快速測定大豆脂肪酸含量[J].光譜學與光譜分析,2008,6(28): 1290-1295.

R282.710.5；R917

B

1671-8194（2011）34-0054-03

*通訊作者