微型近紅外光譜儀快速測定桔梗有效成分研究＊

張湘東，馬晉芳，羅娟敏，葛發歡，肖 雪

（1.中山大學南沙研究院 廣州 511458；2.中山大學藥學院 廣州 510006；3.江西中煙工業有限責任公司技術研發中心 南昌 330006；4.廣東藥科大學 廣州 510006；5.廣州中大南沙科技創新產業園有限公司 廣州 511458）

R93近紅外光譜具有無損、分析速度快、分析成本低、適用性廣、可以同時檢測多種樣品或多種成分等優勢，因此，近紅外光譜快檢技術作為一種新型的檢測手段[1-2]，已經被越來越多地應用于飼料、食品、藥品快檢等行業。實際工作中，尤其是中藥材質量評價中，需要根據《中國藥典》對該藥材進行質量評價，但操作繁瑣，費時費力。近紅外光譜快檢技術的出現，可以在現場進行質量評價，因此彌補了中藥材采收或收購現場質量把關的不足，節省了檢測時間，提高了工作效率。隨著這一需求的出現，相應的微型近紅外光譜儀也在食品、藥品、飼料行業盛行開來。

Micro NIR-1700微型近紅外光譜儀[3-5]因為具有體積小，光源、濾光片、檢測器集于一體等優勢，可現場直接連接電腦進行采樣和實際測量，為中藥材質量評價提供了便利。中藥桔梗是桔梗科植物桔梗Platycodon grondiflonm（Jacq.）A.DC.的干燥根，味苦、辛，性平，肺經[6]，是臨床應用較多的一味中藥，且藥食同源，市場需求量大[7-8]。其中桔梗皂苷D是其主要活性成分[9]。

本研究采用Micro NIR-1700微型近紅外光譜儀，以中藥桔梗為例，使用THUNIR V3.0化學計量學分析系統，結合偏最小二乘法，建立桔梗皂苷D的定量校正模型，驗證微型近紅外光譜儀的實際應用的準確性和適應性。

1 材料和方法

1.1 儀器和藥材

UltiMate 3000高效液相色譜儀（美國Thermo公司）；十萬分之一分析天平（XS205 DuaLRange型，梅特勒-托利多）；Micro NIR-1700微型近紅外光譜儀（美國JDSU公司）；化學計量學分析系統（THUNIR V3.0，清華大學）；桔梗皂苷D（純度99.00%，購自于中國食品藥品研究院）。乙腈（色譜級，購于德國默克公司），其它試劑均為分析純。桔梗藥材（市售，一共65個批次）。

圖1 桔梗粉末原始近紅外光譜圖

表1 校正集樣本中桔梗皂苷D的含量測定表

1.2 各樣本真實值的測定[10-11]

1.2.1 色譜條件

Kromasil100-C18柱（250 mm×4.6 mm，5 μm），以乙腈-0.02 mol/L磷酸二氫鉀緩沖溶液（pH=3.0）（30∶70）為流動相，檢測波長210 nm，流速為0.7 ml/min，柱溫35℃，進樣量20 μL。

1.2.2 溶液的制備

精密稱取桔梗皂苷D對照品適量，精密稱定，加甲醇制成每1 mL含0.5 mg的溶液，即得。

精密稱取5 g桔梗粉末，至于50 mL錐形瓶中，加入25 mL甲醇，超聲提取30 min，過濾，取濾液，旋轉蒸發器回收甲醇，收集提取物，向其中加入20 mL水，再加入30 mL乙醚脫脂，收集水溶液，用水飽和正丁醇提取，提取液濃縮至干，加甲醇溶解定容至10 mL。

1.2.3 真實值的測定

按照色譜條件，經HPLC測定，得各樣本的真實值。

1.3 各樣本近紅外光譜的測定

取65批的桔梗樣品，采用近紅外光譜儀進行近紅外光譜數據的采集，按如下條件掃描：漫反射模式，分辨率2 nm，掃描次數32次，波長掃描范圍900～1 700 nm。每丸重復掃描3次，得出平均的準確的光譜數據保存為txt格式，并轉換為CVS格式。采集的原始近紅外光譜見圖1。

1.4 模型的建立

采用THUNIR軟件[12-13]，對采集的近紅外光譜數據進行多種光譜預處理方法的比較，同時，根據HPLC測定的質控指標成分的含量真實值，選擇具有特征的波段，結合偏最小二乘法（partial least squares，PLS）建立桔梗皂苷D的定量校正模型，采用留一法進行內部交叉驗證，確定模型的主因子數，對未知的桔梗樣本進行桔梗皂苷D的含量預測，并與真實值進行比較。采用交叉驗證標準誤差（SECV）、相關系數（R2）對模型的優劣進行評價。

2 結果與分析

2.1 指標性成分真實值測定的方法學考察

采用HPLC法測定桔梗中桔梗皂苷D，采用外標法進行計算，繪制了桔梗皂苷D的標準曲線，得到回歸方程Y=130.3848X-64.4824。方法學考察中，精密度試驗的RSD值為1.35%、重復性試驗的RSD值為3.78%、穩定性試驗的RSD值為2.57%，均低于3%。加樣回收率試驗采用加入100%濃度的六份樣品進行測定，回收率在98%～105%之間，RSD低于3%。實驗結果表明，方法學考察均符合要求，可見該HPLC測定方法的精度高、重復性好、穩定性好、回收率高。

2.2 近紅外校正集樣本和驗證集樣本的選擇及劃分

根據HPLC測定結果，將測定的65個桔梗樣本分為校準集（52個）和預測集（13個）。如表1所示，并對校正集或預測值的桔梗皂苷D的含量進行比較，校準集的含量范圍更大，且含量數據分布均勻，符合建模條件。

2.3 桔梗皂苷D定量校正模型的建立

2.3.1 異常樣本的剔除

近紅外光譜在采集過程中，會由于儀器或其他實驗誤差，可能導致采集的光譜存在異常，影響到模型的預測精度。THUNIR軟件本身自帶的離群樣品判定方法可以進行異常樣本的判定和剔除，本實驗應用馬氏距離閾值判定方法進行分析，將52個桔梗樣本按照馬氏距離排序，所有樣本的馬氏距離平均值為0.1346，閾值為0.2604，顯示無異常樣本超過閾值，證明52個樣本均可以用來進行模型的建立，具體如下表所示。

表2 驗證集樣本中桔梗皂苷D的含量測定表

表3 離群樣品判定原始數據

圖2 桔梗皂苷D的近紅外光譜預處理方法比較

2.3.2 近紅外光譜的預處理

根據近紅外光譜的特征，結合采集光譜的過程中，由于環境溫濕度和粉末本身的均勻度等因素對光譜產生的影響，本研究中對桔梗的原始光譜和預處理光譜進行比較，進而提高信噪比和模型的預測精度，預處理方法見圖2。由于近紅外光譜主要反映-CH、-NH、-OH、-SH等官能團信息，因此，對常用的光譜預處理方法有卷積平滑、導數處理、多元散射校正、標準正態變量變換等等進行比較分析，結果顯示一階卷積求導的光譜預處理方法最有利于模型的建立，如表4所示。

2.4 近紅外光譜的波段選擇

近紅外光譜中，存在有效信息的同時，還包含有噪音等干擾信息，導致建模的工作量增加，影響模型的精度，因此，在建模時，需要優選出最佳建模波段。本研究中，采用化學計量學軟件提供的光譜區間選擇功能，進行不同的波長選擇方法的比較，比如有：相關系數法選擇波長區間、全波長法選擇波長區間、迭代優化波長選擇方法等等方法，優選出最佳波段為1 050～1 614 nm，此波段建模SECV值更小，R值更大，所建模型的效果更好，如表5所示。

2.5 模型主因子數的確定

采用PLS方法建立定量分析模型時，主因子數是優化模型的關鍵步驟，主因子數的選擇反映的是未知樣本被測組分產生的光譜變化，直接影響到模型的實際預測能力。根據參考文獻報道[12]，本實驗采取內部交叉驗證方法，考察不同主因子數對SECV的影響，優選出最佳的主因子數，結果表明，隨著主因子數增加，SECV陡然下降，因此，選擇主因子數為8，具體見圖3所示。

表4 光譜預處理方法的模型參數比較

表5 波長選擇方法的模型參數比較

2.6 建立最佳定量校正模型

本研究運用THUNIR V3.0化學計量學分析系統，根據表1中桔梗皂苷D的含量測定結果，建立定量分析模型，52份樣品用于建模，選用一階卷積求導對原始光譜進行預處理，最佳波段為1 050～1 614 nm，最佳主成分數是8，得到的定量校正分析模型的R2為0.9563，SECV值為0.0168，SEC值為0.0117，其他相關參數見圖4。

圖3 桔梗皂苷D的最佳主因子數選擇

圖4 桔梗皂苷D校正模型的相關參數

圖5 桔梗皂苷D的預測值與真實值擬合圖

2.7 定量校正模型的驗證

采用建立的桔梗皂苷D定量校正模型，分別對剩余的13個驗證集樣本進行含量預測，如圖5，結果顯示桔梗皂苷D的真實值與預測值高度匹配，其預測的相關系數R2均≥0.90，表明桔梗皂苷D的模型具有較好的預測能力。

3 討論

本研究采用Micro NIR-1700微型近紅外光譜儀，采集桔梗藥材的近紅外光譜，并建立了桔梗皂苷D含量的近紅外定量校正模型。結果顯示該光譜儀的分析精度準確，能夠滿足實際快檢應用中的需要。但與生產線中的近紅外設備一樣，屬于一種間接的分析技術，其預測的準確性是建立在大量具有代表性樣本準確測定的前提下。但其建立的過程中，需要耗費一定的人力進行樣本的篩選，且花費大量的時間和精力。

微型近紅外光譜儀在現代中藥中的推廣使用，可以為采購藥材時的提供一種隨時檢測分析的新方法，使近紅外光譜實現真正的便民服務。