紅外指紋圖譜結合化學計量學在不同產地姜黃藥材鑒別中的應用

萬洪善，袁芹，賀壯志

（連云港職業技術學院醫藥與化學工程學院，連云港222006）

姜黃為姜科植物姜黃的干燥根莖，可作為保健食品的植物原料或其他一些食品的著色劑[1]。姜黃主要成分為姜黃素類化合物和倍半萜類化合物，臨床上具有抗腫瘤、抗氧化、抗艾滋病、抗老年癡呆等藥理活性[2]，可治療痛經、出血、跌撲腫痛、胸肋刺痛等疾病。

目前已有一些關于姜黃質量控制的研究，Jiang等[3]通過建立化學計量學模型將姜黃中的化學成分與其生物活性相關聯從而達到對姜黃中的姜黃素類化合物質量控制的目的，Ding等[4]通過化學計量學聯合高效液相色譜對姜黃進行產地分析；對姜黃藥材的研究大部分采用高效液相色譜法，罕有通過紅外光譜法對不同產地的姜黃進行品質分析，由于紅外光譜法具有樣品前處理簡單、分析速度快、樣品無損壞等優點，本實驗收集了廣東、廣西、山東、安徽和四川五個地區30種樣品，采用紅外光譜法結合化學計量學對不同產地的姜黃藥材品質進行分析，旨在為姜黃質量評價及資源的開發利用提供快速檢測方法。

1 材料與方法

1.1 儀器設備和參數

島津FT-IR Prestige-21紅外光譜儀，光譜范圍400～4000m-1，分辨率4 cm-1，掃描次數 16次，扣除CO2和H2O的背景干擾。

1.2 姜黃藥材的來源及處理

收集了30份姜黃樣品，產地分別為廣東（0、5、10、15、20 和 25 號）、廣西（1、6、11、16、21 和 26號）、山東（2、7、12、17、22 和 27 號）、安徽（3、8、13、18、2 和 28 號） 和四川 （4、9、14、19、24 和 29號）。

將用于紅外光譜分析的姜黃樣品先用自來水沖洗干凈，后用純凈水清洗后置于60℃的恒溫干燥箱干燥至恒重，粉碎，過200目篩。

1.3 統計學處理

1.3.1 共有峰率和變異峰率雙指標序列分析

依據文獻[5]紅外指紋圖譜的雙指標序列計算公式，計算姜黃樣品間的共有峰率和變異峰率。

1.3.2 系統聚類分析

將不同產地姜黃藥材樣品的紅外指紋圖譜共有的6個特征吸收峰的波數，作為輸入量排列成（6×30）階的數據矩陣，應用SPSS Statistics 22軟件，選取類內平均鏈鎖法，并運用歐式距離平方作為測度，進行系統聚類分析[6]。

1.3.3 主成分分析

應用 SPSS Statistics 22軟件，對前述（6×30）階的數據矩陣進行主成分分析。

2 結果與討論

2.1 姜黃樣品的紅外指紋圖譜和數據

將C0～C4進行紅外光譜測定，紅外光譜光譜圖見圖1，吸收峰數據見表1。

圖1 不同產地姜黃紅外光譜圖

表1 姜黃紅外吸收峰數據

從圖1可看出，不同產地的姜黃均在3002，1572，1294和873 cm-1附近有固定吸收。其中，3002cm-1附近強峰歸屬于-OH的伸縮振動，1572cm-1和1492cm-1附近為苯環骨架的伸縮振動，1294 cm-1附近強吸收峰為-C=O的伸縮振動所采集到的峰，與文獻[7]報道姜黃含有姜黃素類化合物和沒藥烷倍半萜類化合物所含有的基團具有一致性。

2.2 姜黃的紅外指紋圖譜的共有峰率和變異峰率雙指標序列

2.2.1 共有峰的確定方法

如對于姜黃2278cm-1和1580cm-1兩組峰，前組峰的平均波數為2280 cm-1，組峰內最大波數差為6cm-1，相鄰兩組峰的平均波數值為475和799cm-1，改組峰與相鄰兩組峰差分別為1805cm-1和1481cm-1，顯著大于6cm-1，說明2278 cm-1這組峰為 C2、C3、C4、C5 的共有峰。同樣，1580 cm-1對應的一組峰的平均波數為1572cm-1，最大波數差16cm-1，鄰近的前后兩組峰差分別是773，975cm-1，明顯大于16cm-1，所以可確認1580cm-1對應的一組峰為5個姜黃樣品的共有峰。

2.2.2 姜黃的紅外指紋圖譜共有峰率和變異峰率雙指標序列分析

本實驗以5個姜黃樣品為參照點，形成五維序列空間，加上共有峰率和變異峰率雙指標序列空間，可在2+n維(n:樣品數目)空間中觀察樣品間的異同，該法鑒別能力較強，可迅速知道任意一個姜黃樣品與其他樣品的相似度。

C0:C1(53.8；42.9，42.9)，C2(81.8；11.1，11.1)，C3(81.8；11.1，11.1)，C4(54.5；66.7，16.7)

C1:C0(53.8；42.9，42.9)，C2(66.7；22.5，22.5)，C3(66.7；22.5，5)，C4(70.0；42.9，0.0)

C2:C0(81.8；11.1，11.1)，C1(66.7；22.5，22.5)，C3(100.0；0.0，0.0)，C4(70.0；42.9，0.0)

C3:C0(81.8；11.1，11.1)，C1(66.7；22.5，22.5)，C3(100.0；0.0，0.0)，C4(70.0；42.9，0.0)

C4:C0((54.5；16.7，66.7)，C1(70.0；0.0，42.9)，C2(70.0；0.0，42.9)，C3(70.0；0.0，42.9)

5個姜黃樣品的共有峰率均大于53.8%，最高的是C2:C3為100.0%，C2和C3分別產于山東和安徽，地理位置、氣候、采收期相近；最低的是C0:C1為53.8%，C0和C1的產地分別是廣東與廣西，姜黃的生長環境差異較大，所以，共有峰率較低。變異峰率最低的是C3:C4和C2:C3，均為0.0%；最高的是C0:C4，其值為66.7%。

2.3 基于SPSS軟件對30份姜黃樣品進行系統聚類分析和主成分分析

系統聚類分析所得的聚類譜系圖如圖2。從圖2可以看出，姜黃樣品仍然可以按照產地聚為一類。

圖2 30份姜黃樣品聚類分析圖

將6個共有的紅外特征吸收峰的波數，作為輸入變量（30×6）用于主成分分析，得到的主成分分析圖見圖3。因PC1和PC2的總方差貢獻率為88.101%（其中，PC1=68.067%，PC2=20.034%），所以僅擷取PC1和PC2即可。從圖3可以看出，30個姜黃樣品較明顯分為五類。

圖3 30份姜黃樣品的主成分分析圖

首先，在PC1上，廣西和四川的姜黃得分為正值，且廣西姜黃樣品得分最高，廣東姜黃得分最低；因此，在PC1上能較好地區分廣西和廣東姜黃，且較其他產地姜黃，廣西姜黃樣品分布較為疏散。5號峰在PC1上對廣東的姜黃樣品載荷最小，其和1、36號峰能清晰地區分產地分別是廣東和廣西的姜黃樣品。

其次，在PC2上，四川和山東的姜黃樣品得分均為正值，廣東的姜黃樣品得分接近0，四川和廣西的姜黃樣品得分為負值。6號峰在PC2上載荷最大，不能很好地將山東和四川的姜黃樣品分類，2號和5號峰能很清晰的將安徽和四川產地的姜黃樣品區分。

綜上，較PC2而言，不同產地的姜黃樣品在PC1上分布的更分散，能達到很好的分類效果。PC2不能有效地將安徽和山東的姜黃樣品，廣西和四川的姜黃樣品進行區分。

廣西和安徽姜黃樣品綜合得分均為正值，前者綜合得分均值為1.12，得分最高，品質最佳，后者綜合得分為0.49，次之；山東的姜黃樣品品質居中，綜合得分均值為-0.09；四川的姜黃樣品綜合得分為-0.229；廣東的姜黃樣品得分最低，品質最差，綜合得分均值為-0.71。

3 結論

本文運用紅外光譜法結合化學計量學對不同產地姜黃進行分析，達到了產地和品質分類的目的。結果表明，不同產地的姜黃品質受自然和人為因素影響具有一定差異。山東的姜黃樣品綜合得分與安徽的姜黃樣品得分最接近，廣西和廣東的姜黃樣品得分差值最大，且綜合雙指標模型，可得廣西與廣東的姜黃樣品質量差別大。雙指標模型能較精確地分析樣品間親緣關系，系統聚類分析和主成分分析方法僅適用于常規分類，準確度低；但當樣品量過大時，運用雙指標模型較為繁瑣，模式識別為第一選擇。