近紅外光譜法測定桂枝藥材中肉桂酸與桂皮醛的含量研究

劉永好，嚴妲妲，魯 萍，羅捷華

(1.太極集團浙江東方制藥有限公司，浙江 紹興 312000；2.合肥瑾翔醫藥科技有限公司，安徽 合肥 230088)

近紅外光譜法測定桂枝藥材中肉桂酸與桂皮醛的含量研究

劉永好1，嚴妲妲1，魯 萍1，羅捷華2

(1.太極集團浙江東方制藥有限公司，浙江 紹興 312000；2.合肥瑾翔醫藥科技有限公司，安徽 合肥 230088)

運用近紅外光譜法建立桂枝藥材中肉桂酸與桂皮醛含量的定量分析模型，采用HPLC為對照測定桂枝藥材中肉桂酸、桂皮醛含量，運用偏最小二乘(PLS)法建立NIR光譜與二者分析值之間的多元校正模型，并對未知樣品進行預測。得出校正集內部交叉驗證決定系數分別是0.930 2、0.952 0，內部校正均方差分別為0.003 4、0.023 3,外部預測均方差為0.012 8、0.065 1。因此得出利用近紅外光譜法測定桂枝藥材中肉桂酸與桂皮醛是可行的，該法具有快速、簡便、無損等特點。

近紅外光譜；桂枝；肉桂酸；桂皮醛

桂枝，別名：柳桂(學名：Cinnamomum cassia Presl)為樟科植物肉桂 Cinnamomum cassia Presl的干燥嫩枝，主要功能有發汗解肌，溫經通脈，助陽化氣，散寒止痛[1]。桂枝主要有效成分為桂皮醛和肉桂酸，目前對桂枝有效成分的定量分析多采用HPLC、GC等方法，但是實際使用中發現定量分析這種方法花費更長的時間，藥品生產過程中的質量控制不容易去適應原藥材的快速測定以及在線檢測的需要。

近紅外光譜技術(near-infrared,NIR),具有分析速度快，無損傷，無化學污染的樣本和其他重要特征，廣泛應用于中藥(TCM)近年來分類和有效成分的確定等[2-3],本研究采用近紅外漫反射光譜,桂枝藥材建立定量分析模型,快速分析[4-6]。

1 材料

Luminar：5030-731便攜式近紅外光譜儀AOTF技術(BRIMROSE公司)；多元數據分析軟件(CAMO公司)；Anglient 1100高效液相色譜儀；BP211D式電子天平(德國Sartorius)；5415 d高速離心機埃普多夫(德國)；Milli-Q學術純水機(法國)。43批桂枝藥材飲片，采購自浙江震元飲片廠，經公司質量部檢驗人員鑒定為正品。

桂皮醛、肉桂酸檢測對照品(制藥、生物制品)從中檢所購買，批號：110710-200714，110786-200503)乙腈(色譜純)、純水(超)；其余的試劑都是分析純。

2 方法與結果

2.1 測定肉桂酸、桂肉醛化學值(高效液相色譜)

供試品溶液的制備：取本品粉末(過四號篩)約0.5 g，精密稱定，置具塞錐形瓶中，精密加入甲醇25 ml，稱定重量，超聲處理(功率250 W，頻率40 Hz)30分鐘，放冷，再稱定重量，用甲醇補足減少的重量，搖勻，濾過，精密量取續濾液1 ml，置25 ml量瓶中，加甲醇至刻度，搖勻，即得。

色譜條件：水域對稱C18色譜柱(4.6×250毫米，5微米)；流動相：0.02%三氟乙酸(A)(B)乙腈，梯度洗脫，0 min，16%B；0～15 min，16%～26%B；15～30 min，26%～33% B；30～60 min，33%～58%；柱溫：30 ℃；測定波長275 nm；流速：1.0 ml/min；進樣量：10 μl；見圖1。

2.2 近紅外光譜采集

選擇不同的加工批次的樣本，粉碎，45孔篩，樣品的粉末樣品柜分別裝樣量不得少于1厘米，用專用槽蓋樣品粉末表面光滑，在1 100～2 300 nm掃描，2 nm波長增加，掃描時間平均600次。每個樣品檢測3次，取平均值作為樣品的近紅外光譜，得到總43樣品近紅外光譜圖，如圖2所示。

圖1 桂枝藥材 HPLC圖(1—肉桂酸，2—桂皮醛)

圖2 桂枝樣品的近紅外漫反射光譜

3 定量模型的建立與驗證

由于干擾樣本，不同組件之間的近紅外光譜帶會導致重疊，含量低的組件很容易掩蓋的高含量成分譜峰譜峰信號噪聲，通常需要一些預處理，才能消除各方面的因素對光譜信息產生的影響[7]。

3.1 數據處理方法的選擇

運用TheUn-scrambler分析軟件進行數據處理，偏最小二乘(PLS)和主成分回歸(PCR)建模算法的比較試驗。結果表明，PLS建立模型優于PCR方法，因為PCR方法利用光譜信息計算主成分，并且使用光譜數據和方法集中在同一時間信息計算的主要因素，而PLS建模方法比PCR方法具有更好的效果，因此，選擇采用PLS方法建立定量校正模型進行了分析。與相關系數(R)和均方誤差修正模型參數(RMSEC)作為索引選擇和優化的結構模型，來預測均方誤差(RMSEP)模型的預測性能和泛化能力[8]。

3.2 光譜預處理方法的選擇

為了減小光譜基線的漂移和斜率變化等非線性因素對校正模型性能產生的不良影響，同時能夠最大限度地保留樣品成分濃度與近紅外光譜間的線性關系，一般在使用化學計量學方法建立校正模型對光譜預處理消除不利影響。實驗采取了不同的光譜預處理方法比較找出最優預處理方法。從表1可以看出，最合適最科學的預處理方法為標準歸一化法。

表1 不同光譜預處理方法對建模的影響

3.3 建模波段選擇

科學合理的建模波段，不但包含了待測組分的最大信息量和避免冗余信息，而且同時盡可能地降低了噪聲干擾，進一步改善所建模型的性能，從而獲得了最佳的預測效果。從表2中的各波段對應的校正相關系數(R)、校正均方差(RMSEC)和預測均方差(RMSEP)的值可以得出結果：桂枝藥材中肉桂酸和桂皮醛含量所對應的最佳建模波段范圍均為：1 100～2 300 nm。

3.4 確定最優量化分析模型

上面集成建模條件優化結果，決定采用光譜標準歸一化處理，1 100 nm～2 300 nm波長范圍，建立模型、光譜預處理后，光譜數據與高效液相色譜法分析相關數據，通過最小二乘法(PLS1)，交叉驗證方法，利用多元數據定量分析軟件模型。肉桂酸、桂皮醛的主成分數則通過校正樣品集RMSECV-主成分數(PC)圖來確定，如圖3所示，RMSECV值越小，說明模型的預測能力越佳，最后選定的肉桂酸、肉桂醛主成分數分別為9、13，以致得到了更為理想的肉桂酸、肉桂醛定量模型。通過模型樣本肉桂酸、肉桂醛的預測值和高效液相色譜之間的相關性分析，結論良好。測量數據偏差小，內部交叉驗證的決定系數(R)，分別是0.930 2、0.952 0，內部校正均方差分別為0.003 4、0.023 3，外部預測均方差為0.012 8、0.065 1，定量模型見圖4。

表2 建模波段對模型的影響

圖3 校正集RMSECV與主成分數之間的相關圖

圖4 預測值與測定值之間的相關圖

3.5 模型的驗證

將HPLC測定值作為化驗值，用近紅外

預測值與化驗值的相對誤差來衡量模型的預測能力。如表3所示：5批預測集樣本的相對誤差均未超過10%。

表3 預測集樣本的近紅外模型預測值

4 討論

實驗使用近紅外光譜快速分析桂枝藥用材料，通過實驗發現，近紅外光譜法可以準確、快速、無損、有效地評價桂枝藥材的質量。這種方法只需要一個簡單的樣品處理，與傳統方法相比，如高效液相色譜法，可以節省大量的時間和分析成本。伴隨著標準樣品的增加，建立不斷提高和完善的標準光譜庫，建立的近紅外光譜藥材質量評價方法可以用于中藥原料的質量控制，滿足于中藥生產企業需要。

[1]劉江云，楊學東，徐麗珍，等．桂枝的化學成分[J]．中草藥，2002，33(8)：681-683．

[2]王寧，蔡紹松，魏紅，等．聲光可調-近紅外光譜技術快速分析復方丹參片中丹參酮ⅡA和丹酚酸B的新方法[J].中國中藥雜志，2008，33(3)：262-265.

[3]孫國明，劉國林.近紅外光譜技術在獨活屬藥用植物分類中的應用[J].中國中藥雜志，2006，3(23)：1996-1998．

[4]孫麗英，楊天鳴，王云英．不同產地黃柏的近紅外指紋圖譜鑒別分析[J].計算機與應用化學，2008，25(3)：329-332．

[5]杜德國，孫素琴，周群，等．蘆丁和維生素C的近紅外漫反射技術定量分析研究[J].光譜學與光譜分析，2000，20(4)：474-476．

[6]白雁，余振喜，孫素琴，等．近紅外漫反射技術測定牛膝中蛻皮甾酮[J].中草藥，2005，36(9)：1391-1394.

[7]儲小立，袁洪福，陸宛珍．近紅外分析中光譜預處理及波長選擇[J].化學進展，2004，16(4)：528-539.

[8]朱向榮，史新元，張卓勇，等．SPXY樣本劃分法及蒙特卡羅交叉驗證結合近紅外光譜用于橘葉中橙皮苷的含量測定[J].光譜學與光譜分析，2009(4)：964-968．

DeterminationofCinnamicAcidandCinnamicAldehydeinCassiaTwigbyNear-infraredSpectroscopy

LIU Yonghao1, YAN Dada1, LU ping1, LUO Jiehua2

(1.ZhejiangDongfangPharmaceuticalCo.,Ltd.TaijiGroup,Shaoxing312000,China; 2.HefeiJinxiangPharmaceuticalTechnologyCo.Ltd.Hefei230088,China)

The quantitative analysis model for determination of the content of cinnamic acid and cinnamic aldehyde in Cassia twig by near — infrared Spectroscopy. HPLC was used as the reference method to determine the contents of cinnamic acid and cinnamic aldehyde. NIR diffuse reflectance spectra of the samples were collected, Multivariate calibration models based on PLS algorithm were developed. The correlation coefficients of the calibration models were 0.9302 and 0.9520. Root mean square error of cross validation were 0.0034 and 0.0233, Root mean square error of prediction were 0.0128 and 0.0651. It was feasible to determine cinnamic acid and cinnamic aldehyde in Cassia twig and it provided a rapid convenient method for quality control.

near-infrared spectroscopy; Cassia twig; cinnamic acid; cinnamic aldehyde

R284.1

A

1009-9735(2017)05-0085-04

2017-03-31

劉永好(1975-)，男，安徽望江人，工程師，執業中藥師，研究方向：中藥質量控制及制劑。