真偽天麻的交叉響應特征譜研究

, ,,

(湖南環境生物職業技術學院,湖南衡陽 421000)

真偽天麻的交叉響應特征譜研究

楊賽男,戴斌*,咼愛秀,雷黎明

(湖南環境生物職業技術學院,湖南衡陽 421000)

利用哺乳動物味覺系統的交叉響應原理,構建天麻特征譜,對真偽天麻進行鑒別,并對該檢測系統進行精簡。利用96孔板構建8傳感單元的陣列傳感器,使用酶標儀采集信號,組合8個傳感單元信號即構成檢測對象的特征譜。利用該傳感器對天麻、新鮮天麻,以及天麻的4種常見偽品(芭蕉芋、馬鈴薯、羊角天麻、紫茉莉根)進行鑒別。結合主成分分析(PCA)、分層聚類分析(HCA)和判別分析(LDA)等模式識別方法進行數據處理。PCA結果顯示,該傳感器主要是基于極性與酸堿度實現對6種樣本的識別;HCA 結果表明,6類材料共24個樣本均正確歸類;LDA結果顯示,該傳感器對6類材料的識別準確率達100%。通過分析8個傳感點的相關性,可對傳感器進行精簡,精簡后的3單元傳感器也可將6類材料聚類分開。該方法簡單有效,且可批量操作,在真偽天麻的快速、通量鑒別中有潛在應用價值。

天麻,鑒別,味覺仿生,陣列傳感器,特征譜

天麻作為我國的一種名貴中藥材,常用于小兒驚風、頭痛眩暈、癲癇抽搐等癥狀和疾病。天麻用途廣泛,且可藥食同源,因此市場需求大,導致一些不良商販以次充好。目前,用于天麻鑒別的方法有性狀鑒別和理化鑒別[1],但這些方法以單一的指標進行鑒別,而天麻含有多種有效成分,單一指標不能完整的反映其真實信息。近年化學指紋圖譜法彌補了這種不足,可反映藥材整體信息,具有整體性和模糊性,是中藥質量控制的一種新的方法[2]。目前天麻指紋圖譜方法包括:液相色譜法[3]、薄層色譜法[4]、紅外光譜法[5]等。而本研究提供的陣列檢測分析,為天麻的鑒別拓展了方法。

陣列傳感分析是一種新型的味覺仿生技術,哺乳動物對于味道的識別是基于交叉響應識別的機理[6],即每一種味道在大腦里都是一個組合,一種由系列感受器響應所形成的信號組合。陣列傳感技術通過構建一系列的傳感點,集合各傳感點對被檢測物的響應信號,形成一個指紋譜圖。該類傳感器由多個傳感點構成,每個傳感點不必具有特異性,只需對不同的分析對象有不同程度響應,綜合所有傳感點的信息構成了分析對象的指紋圖譜。雖然每個傳感點不具備特異性,但集合幾個傳感點信號所形成的指紋圖譜特異性強,已有課題組用于檢測生物堿[7]、芳香胺[8]、蛋白質[9]、白酒[10]等。本研究利用交叉響應原理構建的陣列傳感器,對天麻、新鮮天麻及其常見的4種偽品進行了識別。

1 材料與方法

1.1材料與儀器

溴酚藍鈉鹽、甲基橙、桑色素、鄰苯二酚、橙黃G、甲基藍、次甲基藍、4氨基比林 分析純,阿拉丁公司。

測試樣本包括芭蕉芋(新鮮,BJY)、馬鈴薯(新鮮,MLS)、天麻(TM)、新鮮天麻(XXTM)、羊角天麻(YJTM)、紫茉莉根(ZMLG),其中天麻、羊角天麻與紫茉莉根 瑞豐成中藥材有限公司,芭蕉芋、馬鈴薯與新鮮天麻 竹林桃源百貨。

SK201酶標儀 深圳盛信康科技有限公司;FW135中藥粉碎機 天津泰斯特儀器有限公司;KQ2200超聲儀 昆山超聲儀器有限公司。

1.2實驗方法

1.2.1 實驗樣品的準備 取各樣本粉末0.5 g(過一號篩),加5 mL 70%甲醇,超聲處理(功率100 W,頻率40 kHz)30 min,濾過,取濾液作為測試樣溶液。

1.2.2 傳感器構建 選取了8種感應物質,其中溴酚藍鈉鹽、甲基橙、橙黃G和甲基藍對檢測體系的酸堿度有響應,甲基橙、鄰苯二酚、次甲基藍和4-氨基比林對檢測體系的氧化還原性有響應,甲基藍對檢測體系的極性有響應,桑色素對檢測體系的金屬離子有響應。

利用96孔板構建陣列傳感器,如圖1所示布局,每列的8個孔構成一個陣列,相當于一個傳感器。一塊96孔板,相當于12個傳感器,可進行12個樣本的檢測。

圖1 傳感器構建圖Fig.1 Actual picture of the array sensor

向每一列的8個孔中,分別加入100 μL對應傳感物質S1～S8,傳感物質的檢測波長如表1所示;再向這8孔中,加入100 μL待檢測物,于20 ℃下振蕩10 min,測定對應波長的光密度(OD值),每個樣本進行4個平行樣測定。

表1 8種傳感材料及其檢測波長Table 1 The wavelengths of 8 sensing material

2 結果與討論

2.1各分析物的指紋圖譜

利用8個傳感物質對同一個分析物進行檢測時,可檢測到8個OD值,將其組合即構成相應的檢測特征譜圖。實驗研究了傳感器對于6種材料的檢測效果,所構成的特征譜如圖2所示。利用單一的傳感點,無法將6種材料分開,而集合了8個傳感點的數據,所形成的特征譜,可以明顯將6種材料區分。

圖2 6種材料的特征譜Fig.2 The characteristic spectrum of six analytes

2.2主成分分析(HCA)

圖3 前兩個主成分為軸的樣本散點分布圖Fig.3 PCA score plot using the two most important principalcomponents based on the data for six analytes

利用陣列傳感器進行檢測分析時,其產生的反應數據是多維的,要從這些數據中分析檢測機理難度大,因此,引入主成分分析對數據進行降維處理,以推斷其檢測機理。主成分分析是通過正交變換將原本有相關性的一組變量,刪除重復的變量從而得到一組線性不相關的新變量,用盡可能少的綜合變量來體現原來變量的信息。利用SPSS軟件的主成分分析模塊對數據進行處理,以提取的第一主成分作橫坐標,第二主成分作縱坐標,可得到樣本的二維散點分布圖,如圖3所示。由圖可知,降維后所得到的兩個綜合變量主成分1(PC1)和主成分2(PC2),即覆蓋了原有變量82.1%的信息。樣本在第一主成分上的投影依次為羊角天麻、天麻、紫茉莉根、新鮮天麻、芭蕉芋、馬鈴薯。從投影的順序看得,前三個樣本均為干品,后三個樣本均為新鮮樣本,而含水量以及揮發油含量可影響溶液極性,溶液的極性影響指示劑顏色變化[11],因此推斷第一主成分是基于樣本極性的識別。樣本在第二主成分上的投影依次為新鮮天麻、天麻、羊角天麻、芭蕉芋、馬鈴薯、紫茉莉根。從各物質的化學成分分析,各樣本中均含有有機酸,而紫茉莉根有機酸最高[12],因此,推斷第二主成分是基于樣本的酸度的識別。

表2 8個傳感點的相關性Table 2 The correlation of 8 sensing units

2.3聚類分析(HCA)

聚類分析是綜合所有的數據信息對樣本進行分析,依據分析對象之間的相似程度進行分類,性質相似的樣本成一簇。該方法是對樣本逐個掃描,根據每個樣本與掃描過的樣本的距離,歸為一類或生成新類,并按照一定的標準,按類間距離進行合并,常用到的距離為歐式距離。聚類分析結果如圖4所示。由結果可知,各種材料均清晰分類,而平行樣均聚成一簇,表明該檢測陣列重復性好,且分辨率高。其中,天麻與新鮮天麻在聚類分析圖上,形成了兩簇,說明天麻與新鮮天麻在成分上存在差異,然而,隨著歐氏距離的增加,天麻與新鮮天麻又聚成了一簇,雖然兩者存在差異,但差異較小。而其他的4類偽天麻,明顯與天麻區分開。其中芭蕉芋與馬鈴薯聚成一簇,而羊角天麻,雖然在外觀上與天麻最為類似,但利用該方法進行分辨時,其區別最大,反而更易區分。

圖4 6種材料的聚類分析圖Fig.4 HCA plots for six analytes

2.4判別分析(LDA)

判別分析是利用已有分類的樣本信息進行訓練,按照一定的判別規則建立一個或多個判別函數,通過判別函數計算未知樣本的判別指標,從而判定其歸屬何類。本研究中,利用SPSS中“leave one out”模式進行判別分析,即任意取出1個樣本,用剩余的23個樣本作訓練樣本,得到判別模型,利用該模型對取出的1個樣本進行分類,并與該樣本的實際類別對比。依次對24個樣本進行該項分析,判別結果表明,該液體陣列對6種材料識別準確率可達100%,無一例誤判。

2.5陣列精簡

陣列傳感器的傳感點越多,其交叉相應識別性能越強大,但過多的傳感點,使得該傳感分析技術成本增加,也不利于該傳感陣列的微型化。而對于傳感點數量的確定,有一定的隨意性,作者未見關于陣列精簡的相關研究,因此本研究對構建的8單元傳感陣列進行了精簡。構建陣列時,所選擇傳感物質均具有廣譜響應的特點,而這些敏感物質在對同一分析物響應時,可能會信息重復,所以可以通過剔除識別性能相近的傳感點以精簡陣列。通過主成分分析,得到各傳感點的相關性,如表2所示。

由表可知,S1與S6與其他幾類傳感器相關性低,保留S1和S6,而S2與S3、S4、S5、S7、S8相關性高,因此,僅保留S2。利用S1、S2、S6構建新陣列,對這6種材料進行鑒別,聚類分析結果如圖5所示,結果表明,S1、S2、S6構建的陣列可將6種材料區分。

圖5 3單元陣列(S1、S2、S6)檢測6類材料的聚類分析圖Fig.5 HCA plots for six analytes by the sensorincluding 3 sensing units(S1,S2,S6)

使用相關性高的S2、S3、S4構成新陣列,對6種材料鑒別,聚類分析結果如圖6,結果顯示該陣列的鑒別能力要明顯低于S1、S2、S6所構成的陣列。

圖6 3單元陣列(S2、S3、S4)檢測6類材料的聚類分析圖Fig.6 HCA plots for six analytes by the sensorincluding 3 sensing units(S2,S3,S4)

因此,通過分析各傳感點的相關性,可以對陣列進行精簡。在精簡實驗中,發現僅利用3種傳感物質即可對6種材料進行明顯區分。

3 結論

本文利用8種常見的敏感材料構建了檢測陣列,結合8種材料的光譜響應數據構成了分析物的特征譜,該檢測陣列成本低廉且簡單易行,所構成的指紋圖譜分辨力高,利用該方法可對天麻以及其常見偽品進行了識別。同時,本文利用各傳感點的相關性進行了陣列精簡,為精簡和優化陣列傳感器提供了思路,精簡后的3單元陣列有強大的鑒別能力,一次96孔板的測試能進行32個樣本的分析,因此在天麻真偽快速通量鑒別方面有潛在應用價值。

[1]國家藥典委員會. 中華人民共和國藥典[S].一部. 北京:中國醫藥科技出版社,2015:58-59.

[2]韓嘩華,霍飛鳳,楊悠悠,等. 中藥指紋圖譜研究的某些進展與展望[J]. 色譜,2008,26(2):142-152.

[3]楊芝芳,鄧薇,宗露,等. 不同產地和品種天麻的HPLC指紋圖譜研究[J]. 華西藥學雜志,2016,31(2):188-191.

[4]朱迪,譚丹,謝玉敏,等. 不同產地天麻藥材薄層色譜指紋圖譜分析[J]. 中國實驗方劑學雜志,2015,21(5):75-78.

[5]季曉巧,李娜,王俊儒,等. 天麻及其5種偽品紅外指紋圖譜鑒別研究[J]. 西北植物學報,2008,28(4):831-835.

[6]K Mori,YK Takahashi,KM Igarashi,et al. Maps of odorant molecular features in the Mammalian olfactory bulb[J]. Physiological Reviews,2006,86(2):409-412.

[7]R Pei,A Shen,MJ Olah,et al. High resolution cross reactive array for alkaloids[J]. Chemical Communications,2009,22(22):3193-3195.

[8]NT Greene,KD Shimizu. Molecularly imprinted polymer sensor array[J]. Journal of the American Chemical Society,2005,127(15):5695-5700.

[9]Hao Kong,Da Liu,Sichun Zhang,et al. Protein sensing and cell discrimination using a sensor array based on nanomaterial assisted chemiluminescence[J]. Anal Chem,2011,83(6):1867-1870.

[10]侯長軍,戴斌,霍丹群,等. 基于液體陣列味覺仿生傳感器鑒別白酒香型的新方法[J]. 高等學校化學學報,2013,34(7):1623-1628.

[11]何瑾馨.染料化學.北京:中國紡織出版社,2004:54.

[12]中華本草編委會. 中華本草[S].第二卷. 上海:上海科學技術出版社,1999:748.

StudyoncharacteristicspectrumofGastrodiaelatabasedoncrossresponse

YANGSai-nan,DAIBin*,WOAi-xiu,LEILi-ming

(Hunan Polytechnic of Environment and Biology,Hengyang 421000,China)

A characteristic spectrum ofGastrodiaelatawas established based on the crossing response of gustatory system of mammals to identify true and falseGastrodiaelata. This detection system was simplified. The array sensor with 8 sensing units was established by a piece of 96-well plate. Signal were collected by the ELIASA and combined with signals of 8 sensing units into the characteristic spectrum of detection objects.Gastrodiaelata,freshGastrodiaelataand four common categories of fakeGastrodiaelata(Canna edulis Ker,potato,Dobinea delavayi and Radix Mirabilis)were identified by this sensor. Data processing was carried out by combining principal component analysis(PCA),hierarchical clustering analysis(HCA)and linear discriminant analysis(LDA). PCA results demonstrated that this sensor mainly identifies 6 samples based on polarity and pH value. According to HCA results,24 samples of 6 categories were all classified accurately. LDA results showed that the identification accuracy of this sensor to six categories reached 100%. The established array sensor could be simplified into a sensor with 3 sensing units by analyzing correlation of 8 sensing units. The simplified sensor also can make accurate classification of 6 sample categories. The proposed method is simple and effective and can make mass-operations. It possesses promising potential application values in fast flux identification ofGastrodiaelata.

Gastrodiaeelata;identification;taste biomimetic;sensor array;characteristic spectrum

TS201.2

A

1002-0306(2017)19-0227-04

10.13386/j.issn1002-0306.2017.19.041

2017-04-14

楊賽男(1988-)，女，碩士，講師，研究方向：中藥質量控制，E-mail:keepmoving9@163.com。

*通訊作者:戴斌(1986-)，男，碩士，講師，研究方向：藥物分析， E-mail:daibin208@126.com。

湖南環境生物職業技術學院青年基金項目(Z2015-05)。