中紅外光譜技術對臨澤小棗中多糖的定量分析

于喆源，楊璽文*，王曉霞，馮穎，梁磊

甘肅省張掖市質量檢驗檢測研究院（張掖 734000）

中國有非常長的栽培棗的歷史，黃河流域一帶是其主要產地，也被認為是中國比較特有的一個果樹資源[1]。臨澤小棗（Linze jujube）主產甘肅省張掖市臨澤縣和甘州區，具有1 400多年的種植栽培歷史，2008年臨澤小棗通過了國家質量監督檢驗檢疫總局組織的專家審查會的評審，獲得了國家地理標志產品保護，是我國著名的加工型優質棗品種之一[2]。多糖作為臨澤小棗一種主要成分，能有效清除人體內氧自由基，具有提高機體免疫力的生理活性，在天然食品及藥品方面有著廣泛的應用前景[3-4]。目前，棗中多糖的測定方法主要以傳統可見光-紫外分光光度法為主，在實際操作過程中存在周期長、操作復雜、需要消耗大量的化學試劑等缺點，且容易產生偶然誤差，難以實現準確快速經濟的目標。

紅外光譜技術是近些年發展起來的一種現代分析新技術，因其分析快速、操作簡單、不需要任何化學試劑、對樣品無損傷等特點，已經在諸多領域發揮出重要的作用[5-6]。其中，中紅外光譜（MIR）可以依據化合物基團振動峰，快速鑒別其結構信息，進而結合化學計量學方法構建相關定量模型，克服近紅外光譜靈敏度低、無法直觀給出特征基團信息等缺點，其靈敏度相比近紅外光譜會有明顯提高[7]。

因此基于中紅外漫反射光譜技術，結合化學計量學方法以及多種波譜預處理方法，建立臨澤小棗中多糖的定量檢測模型，實現對臨澤小棗多糖的快速檢測，為進一步建立全面的臨澤小棗質量評價體系和擴大市場潛力奠定基礎。

1 材料與方法

1.1 材料與試劑

試驗所用到的36批臨澤小棗樣品采集自甘肅張掖臨澤小棗主要產區和成規模引種區域，經甘肅張掖市質量檢驗檢測研究院藥品檢驗中心楊璽文工程師鑒定為鼠李科棗屬植物棗（Jujube）的干燥成熟果實。在采集樣品之后將其放置于陰凉的位置，采取自然保存的方式逐步晾干，在60 ℃下進行24 h的干燥處理，然后將其粉碎，以粒徑0.075 mm的規格進行過篩處理，再封袋以備后續使用。

D-葡萄糖（優級純，國藥集團化學試劑有限公司）；乙醇（分析純，成都市科隆化學品有限公司）；純凈水（娃哈哈集團有限公司）。

1.2 儀器與設備

IRSPirit傅里葉變換紅外光譜儀（日本島津公司）；GL224i-1SCN萬分之一電子天平（賽多利斯上海貿易有限公司）；GL323-2SCN千分之一電子天平（賽多利斯上海貿易有限公司）；HH-4恒溫水浴鍋（上海汗諾儀器有限公司）；DHG-9145A電熱恒溫鼓風干燥箱（上海齊欣科學儀器有限公司）。

1.3 方法

1.3.1 紅棗多糖的測定

紅棗多糖的測定，參考相關學者的優化后方法[8-9]。精密稱取1 g樣品，采用石油醚除去脂，80%乙醇除去可溶性糖后水提多糖，精密最終定容體積50 mL，按《中華人民共和國藥典》（2015年版）第一部正文“枸杞子”下“多糖含量”項，以葡萄糖為標準品，采用硫酸苯酚法，吸取0.2 mL樣品提取液，依法測定[10]。

1.3.2 紅外光譜的采集

利用IRSPirit傅里葉變換紅外光譜儀配備的漫反射附件采集樣品光譜。紅外光譜測定范圍7 900～400cm-1，掃描次數20次，分辨率4 cm-1，測量環境的濕度小于30%，溫度保持在25 ℃。以環境空氣作為背景，光譜數據以log（1/R）形式表示。

1.3.3 模型的建立

采用TQ Analyst光譜分析軟件對所得的紅外光譜進行預處理及模型的構建。選取24個樣品作為校正集，其余12個樣品作為驗證集，分別采用PLS、PCR、CLS和SMLR 4種方式進行定量建模。波譜的預處理工作主要通過二階導數（SD）方法、一階導數（FD）方法、多元散射校正（MSC）方法以及矢量標準歸一化（SNV）方法，然后進行效果的比較，以進一步優化相關的模型。所采用的驗證指標包括預測均方差（RMSEP），校正均方差（RMSEC）以及校正相關系數（R）等。模型的效果越好，R越接近1，而RMSECRMSEP的值越小[11]。

1.3.4 模型驗證

對建好的模型進行評估，取12個驗證集進行模型擬合，查看獨立驗證集各樣品中模型預測多糖含量是否與實測多糖含量相符，如相符則證明模型良好。偏差越小，說明模型預測效果越好。

2 結果與分析

2.1 多糖含量

采用隨機的方法來分配臨澤小棗樣品（總數共計36個），形成所需的驗證集與校正集，二者比例為1：2。具體樣品多糖含量分布見表1。由36個臨澤小棗樣品多糖含量的測定可以發現，所得的多糖含量數據中具有比較大的變化范圍，其中的最小及最大值都處于校正集之中，校正集和驗證集具有比較相近的均值。

表1 校正集和驗證集樣品含量分布

2.2 臨澤小棗中外光譜分析及建模方法的確立

多糖通常指10個以上單糖分子通過糖苷鍵連在一起的長鏈聚合物，各樣品的中紅外漫反射光譜如圖1所示。可以看出，臨澤小棗樣品的紅外吸收峰主要集中在4 000～400 cm-1波數范圍內，因此在后續的建模過程中以4 000～400 cm-1作為建模的全波段。3 600 cm-1處為—OH的伸縮吸收段，3 100～2 800 cm-1處有較強的吸收峰，D-葡萄糖C==O伸縮振動峰的位置處于1 600 cm-1周圍，而α-(1, 4)-糖苷鍵所對應的伸縮振動位置則處于 930 cm-1附近，處于1 100 cm-1周圍區域的通常為多糖O—H與C—C彎曲振動以及C—O伸縮振動所分別對應的峰[12-13]。

基于臨澤小棗的紅外波譜特性，分別用PLS、PCR、CLS和SMLR構建其多糖定量模型。各模型相應的穩定性如表2所示。可以看出，與PCR、CLS、SMLR相比，基于PLS構建的多糖定量模型效果最優，其相關系數R為0.951 8，校正集（RMESC）為2.87，驗證集（RMSEP）為3.51。因此，選用PLS作為構建臨澤小棗多糖中紅外定量模型的建模方法。

圖1 36批臨澤小棗的中紅外漫反射光譜圖

表2 4種化學計量學方法對多糖定量模型穩定性的影響

2.3 光譜預處理方法的選擇

在采集紅外光譜的相關信息過程中，所提取的有效信息將會受到一系列因素的影響，包括背景、散射光以及噪聲等方面，從而引起紅外光譜基線出現一定的漂移現象，所以有必要預處理原始的光譜信息。采用多元散射校正方法（MSC）可將漫反射所致光譜不重復性和鏡面反射等現象予以顯著的消除；而采用矢量標準歸一化的方法（SNV）則可使樣品不均勻所引起的各類噪聲予以有效的消除，此外還能夠消除光程變換的影響和散射作用等；導數處理可消除基線漂移、背景干擾并且忽略譜線重疊，主要用于基線校正與提高光譜分辨率[14-16]。當前的研究工作對比了MSC，SNV，FD以及SD等預處理過程所獲得的結果，具體如表3所示。

表3 不同預處理方法對定量模型性能的影響

比較發現，采用FD+MSC對光譜進行預處理時，R2最大，RMSECV和RMSEP最小。因此，最終確定FD+MSC為試驗最佳預處理方法，結果見圖2。

圖2 臨澤小棗多糖含量的MIR模型預測值與參考值相關圖

2.4 多糖定量模型的驗證

在多糖定量分析模型中導入了驗證集樣品（其數量共計12個）的紅外圖譜數據，進行多糖含量的預測，MIR預測值與真實值比較見表4，偏差圖見圖3。可以發現，所得結果和預測數據十分接近，絕對誤差范圍為-2.94～5.23，相對誤差范圍為2.79%～5.05%，說明建模效果較好，所建立的模型預測結果較為準確，其預測的準確率較高，能夠滿足臨澤小棗關于多糖含量快速檢測任務。

表4 12份驗證集樣品的真實值和預測值

圖3 臨澤小棗多糖含量的MIR預測值與參考值的偏差圖

3 結論

試驗基于中紅外漫反射光譜技術，采用現行主流分光光度法測定臨澤小棗中多糖含量，并與其光譜對應，通過對比不同建模方式和光譜預處理方法處理后的結果，最終采用PLS方式，光譜預處理采用一階導數+多元散射校正，建立臨澤小棗中多糖含量模型。所建立的模型R2為0.965 5，RMSEC為2.71，RESEP為2.93。建立的模型效果較好，可用于臨澤小棗中多糖快速定量，達到快速、無損檢測的目的。研究所建立的基于中紅外漫反射光譜技術對臨澤小棗中多糖快速定量的方法，具有操作簡單、檢測效率高，不耗費試劑等優點，可為臨澤小棗的質量控制和進一步開發潛在價值奠定一定基礎。

此次用于建模的臨澤小棗樣品數量為36批，覆蓋其主要產地甘肅張掖臨澤縣各個種植鄉鎮以及甘肅酒泉玉門市引種地區，但對其他地域引種樣本幾乎沒有涉及。在今后的研究中，將進一步擴大樣本數量，廣泛收集其他引種地域樣本，優化模型，以期使模型更具有實際應用價值。