近紅外光譜技術結合化學計量學應用于川貝母真偽與規格的快速辨識研究

謝夢迪，田亮玉，桂新景，施鈞瀚, 5，王君明，岳佑凇，[]張 璐, 5，王艷麗，姚 靜, 5，李學林, , 5，劉瑞新, , 5*

近紅外光譜技術結合化學計量學應用于川貝母真偽與規格的快速辨識研究

謝夢迪1，田亮玉1，桂新景2, 3, 4，施鈞瀚2, 3, 4, 5，王君明1，岳佑凇1，[1]張 璐2, 3, 4, 5，王艷麗2, 3, 4，姚 靜2, 3, 4, 5，李學林1, 2, 3, 4, 5，劉瑞新1, 2, 3, 4, 5*

1. 河南中醫藥大學，河南 鄭州 450008 2. 河南中醫藥大學第一附屬醫院 藥學部，河南 鄭州 450000 3. 河南省中藥飲片臨床應用現代化工程研究中心，河南 鄭州 450000 4. 河南中醫藥大學 呼吸疾病中醫藥防治省部共建協同創新中心，河南 鄭州 450000 5. 河南省中藥臨床藥學中醫藥重點實驗室（建設單位），河南 鄭州 450000

目的 探究近紅外光譜技術應用于川貝母快速辨識的可行性。方法 收集80個川貝母待測樣品（含爐貝、松貝、青貝及川貝母偽品等），為獲取上述樣品的真偽和規格信息，首先進行傳統人工鑒別（M1法）與《中國藥典》法鑒別（M2法），并以M1法和M2法相結合的辨識結果作為標桿信息（）；近紅外光譜儀采集待測樣品粉末的光譜信息（），結合主成分分析-判別分析（principal component analysis-discriminant analysis，PCA-DA）、偏最小二乘-判別分析（partial least squares discriminant analysis，PLS-DA）、最小二乘支持向量機（least squares support vector machines，LS-SVM）3種化學計量學方法建立并優化真偽及商品規格辨識模型[＝M()]（M3法）。結果 80個樣品均參與真偽辨識，經留一法交互驗證，結果發現3種真偽辨識模型中均無未分類樣品，準確率依次為98.75%、98.75%、97.50%；80個樣品中有5個因專家對規格的判定意見難以達成一致或樣品本身原因等不參與建模，最終以75個樣品參與規格辨識，模型準確率分別為100.00%（無未分類樣品）、100.00%（有4個未分類樣品）、100.00%（無未分類樣品）。結論 真偽辨識均以PCA-DA、PLS-DA為最終辨識模型，商品規格分類以PCA-DA、LS-SVM為最優辨識模型。表明近紅外光譜技術在川貝母真偽和規格質量快速辨識方面具有良好應用前景。

近紅外光譜技術；川貝母；快速辨識；真偽；規格；主成分分析-判別分析

川貝母為百合科植物川貝母D. Don、暗紫貝母Hsiao et K. C. Hsia、甘肅貝母Maxim.、梭砂貝母Franch．、太白貝母P. Y. Li或瓦布貝母Hsiao et KCHsiavar. Wabuensis (SYTanget SCYue) ZDLiu，SWanget S. C. Chen的干燥鱗莖，按性狀不同分別習稱“松貝”“青貝”“爐貝”和“栽培品”。川貝母始載于《神農本草經》，列為中品，具有潤肺散結、止咳化痰等功效，可用于治療虛勞咳嗽、吐痰咯血等癥，有“止咳圣藥”之稱[1]。由于川貝母的藥用價值高、療效顯著、市場需求量大，過度的濫采濫挖使川貝母瀕臨滅絕[2]，資源量急劇下降，導致川貝母的價格日益昂貴，市場上出現了許多仿偽品。因此，鑒別川貝母的仿偽品、摻雜狀況[3]及商品規格分類對保證中藥飲片質量確保臨床療效至關重要。傳統的中藥質量評價[4]主要為經驗鑒別，即根據外觀性狀特征來判斷真偽[5]優劣。但傳統人工辨識方法存在個體差異，如感官靈敏度不同、主觀性強、易于疲勞等問題，對辨識結果造成影響；隨著現代技術發展，出現了越來越多的鑒別方法，比如薄層鑒別[6]、理化鑒別[7]、分子鑒定[8]、熒光鑒別[9-10]、高效液相鑒別[11]等方法，但這些方法存在耗時長，效率低，價格昂貴等缺點。如何快速[12]準確鑒別川貝母規格及真偽是現階段需解決的問題。

近紅外光譜技術（near infrared spectroscopy，NIRS）[13]系通過測定物質在近紅外光譜區（按波數計為12 800～4 000 cm?1）的特征光譜并利用化學計量學方法[14]提取相關信息，對物質進行定性、定量分析[15]的一種光譜分析技術，具有快速、準確、對樣品無破壞的檢測特性。該技術[16]廣泛應用于食品微生物檢測[17]、肉類新鮮度評估[18]、不同年份大米的產地溯源檢測[19]，煙草中總糖、還原糖、總煙堿的含量測定[20]，另外在中藥及復雜樣品定量分析[21-24]、定性鑒別[25-29]等方面也有較多的應用。已有學者基于便攜式聲光可調濾光器（AOTF）-近紅外光譜技術通過主成分分析法（principal component analysis，PCA）分別對貝母類藥材、川貝母類藥材及商品“松貝”與偽品進行鑒別[30]，該文獻采用近紅外技術結合化學計量學[31]對川貝母進行鑒別，具有一定的學術價值及鑒別意義。然而該文獻用于分析的部分樣品數相對較少，同時僅運用簡單無指導的PCA，并且未對川貝母中青貝、爐貝規格進行分類。因此，為了建立更加準確、完善的模型，本研究收集80個川貝母待測樣品，擬采用NIRS結合多種有指導的化學計量學方法進行分析，從樣品的整體信息進行判別，建立并優化“川貝母”的NIRS真偽及商品規格辨識模型，以實現對川貝母樣品的快速、準確鑒別分析，為中藥飲片的快速鑒別提供參考。

1 儀器與材料

Nicolet 6700型傅里葉變換近紅外光譜儀，配InGaAs檢測器，Opus5.5分析軟件，TQ analys軟件；藥典篩（四號篩，0.25 μm孔徑，浙江上虞市道墟五四儀器廠）；LC-20A型高效液相色譜儀（日本島津公司）；2000ES型蒸發光散射檢測器（美國奧泰公司）；DM1000型電子顯微鏡（Leica公司）；電子游標卡尺（精密度0.01 mm，GB/T21389，成都成量工具集團有限公司）；BCA2248-CW型1/1萬電子天平（Sartorius公司），CP225D型1/10萬電子分析天平（Sartorius公司）；高速萬能粉碎機（FW-100，60～180目，北京科偉永興儀器有限公司）；電熱鼓風干燥箱（GZX-9146MBE，上海博迅實業有限公司醫療設備廠）；HK250型超聲波清洗器（上海科導超聲儀器有限公司）。

對照品貝母素甲（質量分數96.2%，批號110750-201612，中國食品藥品檢定研究院），貝母素乙（質量分數≥98%，批號B20081，上海源葉生物科技有限公司），平貝母對照藥材（批號Y29A9H69015，上海源葉生物有限公司），西貝母堿（質量分數96%，批號110767-201710，中國食品藥品檢定研究院），二乙胺（批號20121006，天津市永大化學試劑開發中心產品），二氯甲烷（批號20170812，天津市恒興化學試劑制造有限公司），甲醇（批號20180301，煙臺市雙雙化工有限公司），氨水（批號20161101，煙臺市雙雙化工有限公司），醋酸乙酯（批號20150324，天津市永大化學試劑有限公司），稀甘油（國藥準字H20073910，南昌白云藥業有限公司），娃哈哈純凈水，色譜級乙腈，三氯甲烷、濃氨水等均為分析純。實驗用80批川貝母待測樣品分別購自于鄭州中醫院、藥材市場、醫藥公司等，產地及批號信息見表1。

表1 川貝母樣品購買信息(含20批平貝母樣品)

Table 1 Purchase information of Fritillariae Cirrhosae Bulbus samples (contains 20 batches of Fritillariae Ussuriensis Bulbussamples)

編號產地批號購買單位編號產地批號購買單位 1四川1712073河南中醫藥大學第一附屬醫院41四川?三七西洋參專賣 2四川1712143河南中醫藥大學第一附屬醫院42四川171101鄭州市中醫院（小包裝） 3四川1801201河南中醫藥大學第一附屬醫院43四川180201鄭州市中醫院（散裝） 4四川1801211河南中醫藥大學第一附屬醫院44四川1712043河中一醫藥經營有限公司 5四川1803261河南中醫藥大學第一附屬醫院45四川1801141河中一醫藥經營有限公司 6四川180408河中一醫藥經營有限公司46四川1710273河中一醫藥經營有限公司 7四川180409河中一醫藥經營有限公司47四川180110河中一醫藥經營有限公司 8四川180410河中一醫藥經營有限公司48四川180111河中一醫藥經營有限公司 9四川180411河中一醫藥經營有限公司49四川180112河中一醫藥經營有限公司 10四川180412河中一醫藥經營有限公司50四川180113河中一醫藥經營有限公司 11四川180413河中一醫藥經營有限公司51四川180114河中一醫藥經營有限公司 12四川180414河中一醫藥經營有限公司52四川180115河中一醫藥經營有限公司 13四川180415河中一醫藥經營有限公司53四川180116河中一醫藥經營有限公司 14四川180416河中一醫藥經營有限公司54四川180117河中一醫藥經營有限公司 15四川180417河中一醫藥經營有限公司55四川180118河中一醫藥經營有限公司 16四川180418河中一醫藥經營有限公司56四川180119河中一醫藥經營有限公司 17四川180419河中一醫藥經營有限公司57四川180120河中一醫藥經營有限公司 18四川180420河中一醫藥經營有限公司58四川180121河中一醫藥經營有限公司 19四川180421河中一醫藥經營有限公司59四川180122河中一醫藥經營有限公司 20四川180422河中一醫藥經營有限公司60四川180123河中一醫藥經營有限公司 21四川?三七參茸堂61浙江?三七參茸行專賣店 22四川?三七西洋參專賣62四川?三七參茸堂 23四川?鄭州市鯤鵬藥材行63貴州?三七西洋參專賣 24四川?鄭州市鯤鵬藥材行64四川?昌盛藥材行 25四川1701073河中一醫藥經營有限公司65四川?昌盛藥材行 26四川1707233河中一醫藥經營有限公司66黑龍江180301河中一醫藥經營有限公司 27四川1711263河中一醫藥經營有限公司67黑龍江180302河中一醫藥經營有限公司 28四川1803051河中一醫藥經營有限公司68黑龍江180303河中一醫藥經營有限公司 29四川1712271河中一醫藥經營有限公司69黑龍江180304河中一醫藥經營有限公司 30四川180125河中一醫藥經營有限公司70黑龍江180305河中一醫藥經營有限公司 31四川180126河中一醫藥經營有限公司71黑龍江180306河中一醫藥經營有限公司 32四川180201河中一醫藥經營有限公司72黑龍江180307河中一醫藥經營有限公司 33四川180202河中一醫藥經營有限公司73黑龍江180308河中一醫藥經營有限公司 34四川180203河中一醫藥經營有限公司74黑龍江180309河中一醫藥經營有限公司 35四川180204河中一醫藥經營有限公司75黑龍江180310河中一醫藥經營有限公司 36四川180205河中一醫藥經營有限公司76黑龍江180311河中一醫藥經營有限公司 37四川180206河中一醫藥經營有限公司77吉林1710241河中一醫藥經營有限公司 38四川180207河中一醫藥經營有限公司78吉林1711261河中一醫藥經營有限公司 39四川180208河中一醫藥經營有限公司79黑龍江180313河中一醫藥經營有限公司 40四川180209河中一醫藥經營有限公司80黑龍江180312河中一醫藥經營有限公司

2 方法與結果

2.1 標桿信息的確定

M1法為傳統人工鑒別方法，聘請在中藥鑒定研究領域具有豐富經驗的專家8名，參照《中國藥典》2020年版[6]一部質量標準外觀性狀規定，將樣品編號后隨機放置，由專家依據氣味、顏色、性狀、味道、質地等外觀指標的差異進行真偽鑒別及規格辨識。M2法為經典的藥典方法，參照《中國藥典》2020年版一部[6]，其中含量測定方法是基于文獻方法[32]改進的高效液相色譜蒸發光散射檢測法（HPLC-ELSD），選擇3位操作人員進行實驗，結果取平均值，色譜條件為Waters XBridge shield RP18色譜柱，流動相乙腈（A）-0.1%二乙胺水溶液（B）梯度洗脫（0～15 min，50%～23% A；15～16 min，23%～50% A；16～28 min，50% A），體積流量1.0 mL/min，柱溫25 ℃。ELSD參數為漂移管溫度108 ℃，載氣體積流量2.8 L/min，進樣量10 μL。當M1法與M2法結果出現差別時，將對樣品進行復檢確定最終結果。若結果仍不統一時，考慮到M2法比M1法更具有客觀性和系統性，考慮以藥典結果作為最終結果。結果見表2。

表2 川貝母樣品信息及2種辨識方法的結果

Table 2 Sample of Fritillariae Cirrhosae Bulbus and two identification results

編號真偽辨識商品規格辨識編號真偽辨識商品規格辨識 M1M2標桿信息YM1M2標桿信息YM1M2標桿信息YM1M2標桿信息Y 111111141?11133 21111114217110101100 31111114318020102200 411111144171204311133 511111145180114111133 611111146171027311133 71111114718011011133 81111114818011111133 91111114918011211133 101111115018011311133 111111115118011411133 121111115218011511133 131111115318011611133 141111115418011711133 151111115518011811133 161111115618011911133 171111115718012011133 181111115818012111133 191111115918012211133 201111116018012311133 2111122261?22244 2211112262?22244 2322200063?22244 2422200064?22244 2511122265?22244 261112226618030122244 271112226718030222244 281112226818030322244 291112226918030422244 301112227018030522244 311112227118030622244 321112227218030722244 331112227318030822244 341112227418030922244 351112227518031022244 361112227618031122244 371802061112277171024122244 381802071112278171126122244 39180208111227918031322200 40180209111228018031222244

真偽鑒別：0-未分類 1-真品 2-偽品；商品規格：0-未分類 1-爐貝 2-松貝 3-青貝 4-平貝 ?不可得

Identification of authenticity: 0-unclassified 1-authentic 2-counterfeit; specifications: 0-Unclassified 1-furnace Fritillary 2-pine Fritillary 3-green fritillary 4-flat fritillary ?not available

2.2 傅里葉變換近紅外光譜信息的采集

將1～80號貝母樣品放置于60 ℃烘箱中烘干6 h，粉碎，過篩（四號藥典篩），粉末置于提前標記好的自封袋內，置干燥器中，待測。每個樣品重復裝樣置石英樣品池中，每次掃描前搖蕩石英杯，使樣品均勻平整，平行掃描3次，見圖1。取平均值作為其近紅外光譜基礎數據，每個樣品導出CSV文件，每個CSV文件包含2列共2076行數據。

圖1 近紅外采集80個貝母樣品光譜圖

2.3 真偽模型的建立及優化

結合M1法和M2法所得最終結果作為標桿信息（），如表2所示。利用NIRS對80批川貝母待測樣品進行檢測，提取其光學數據并借助化學計量學方法建立適宜的辨識模型，模型以近紅外采集的2075個色度信息值為自變量矩陣（80×2075），建立和之間的關系＝M()模型。利用MATLAB 2016b軟件建模，分別建立80個樣品的PCA-DA、PLS-DA、LS-SVM真偽辨識模型（M3法）[33-34]。

2.3.1 PCA-DA辨識模型及交互驗證結果 參數設置：變量選擇7個，識別模式選擇線性，模型最優正判率為98.75%。前3個主成分之和達75%以上，可解釋原變量大部分信息。PCA-DA辨識結果示：23個偽品中79號被錯分為正品，不存在未分類樣品。見圖2。

2.3.2 PLS-DA辨識模型及交互驗證結果 參數設置：變量選擇6、7、8、9、10時正判率最高，識別模式選擇線性；模型最優正判率為98.75%。前4個主成分之和達75%以上，可解釋原變量大部分信息。PLS-DA辨識結果示，23個偽品中79號被錯分為正品，不存在未分類樣品。見圖3。

圖2 PCA-DA模型主成分得分圖

圖3 PLS-DA模型主成分得分圖

2.3.3 LS-SVM辨識模型及交互驗證結果 通過LS-SVM R2009b-R2011a載入矩陣（80×2075）、矩陣（80×1），采用3種不同函數代入程序進行運算，結果發現：線性核函數（lin-kernel）正判率為97.50%，徑向基核函數（RBF-kernel）正判率為71.25%，多核函數（poly-kernel）正判率為86.25%。因此，以正判率最高的線性核函數為最終運行函數，運行結果：23個偽品有2個被錯分為正品，不存在未分類樣品，模型整體正判率為97.50%。

提取的酵母菌DNA進行瓊脂糖凝膠電泳檢測后為單一條帶，無拖尾。說明提取的DNA完整無降解，可用于下一步酵母菌28S rDNA的PCR擴增。擴增結束后，使用1.0%瓊脂糖凝膠電泳檢測，發現在650 bp左右位置有一條明亮清晰的條帶，與目的條帶相符。將PCR產物進行純化與T-A克隆，并將陽性克隆送往武漢天一輝遠生物科技有限公司進行測序。

2.4 商品規格模型的建立及優化

結合M1法和M2法所得最終結果作為標桿信息（），如表2所示。利用NIRS對75批（剔除5個未分類樣品）川貝母待測樣品進行檢測，提取其光學數據并借助化學計量學方法建立適宜的辨識模型，模型以近紅外采集的2075個色度信息值為自變量矩陣（75×2075），標桿信息為因變量矩陣（80×1）建立和之間的關系＝M（）模型。利用MATLAB 2016b軟件，分別建立75個樣品的PCA-DA、PLS-DA、LS-SVM商品規格辨識模型（M3法），方法同上。

2.4.1 PCA-DA辨識模型及交互驗證結果 參數設置：變量選擇16、17、18、19、20個時正判率最高，識別模式選擇線性；模型最優正判率為100.00%。前3個主成分之和達75%以上，可解釋原變量大部分信息。PCA-DA辨識結果顯示：20個爐貝、18個松貝、18個青貝、19個平貝樣品分類均正確；不存在未分類的樣品。見圖4。

圖4 PCA-DA模型得分圖

2.4.2 PLS-DA辨識模型及交互驗證結果 參數設置：變量選擇9個，識別模式選擇線性；模型最優正判率為100.00%。前4個主成分之和達75%以上，可解釋原變量大部分信息。PLS-DA辨識結果顯示：20個爐貝分類正確；26、46、66、80號未被分類。見圖5。

圖5 PLS-DA模型主成分得分圖

2.4.3 LS-SVM辨識模型及交互驗證結果 通過LS-SVM R2009b-R2011a，載入矩陣（80×2075）、矩陣（80×1），同“2.3.2”項的方法一致，結果發現，線性核函數（lin-kernel）正判率為100.00%，徑向基核函數（RBF-kernel）正判率為93.33%。因此，最終以線性核函數為最優函數，模型整體正判率為100.00%。

2.5 M3方法最優辨識結果

M3法以正判率最高的模型結果為最終判別結果，真偽辨識模型正判率最高的PLS-DA與PCA-DA分類結果相同，不作分開表述，具體結果見表3。

表3 M3辨識方法的結果

Table 3 M3 identification results

編號真偽辨識商品規格辨識 1～20真品爐貝 21～22真品松貝 23～24偽品 未分類 25～40真品松貝 41真品青貝 42真品 未分類 43偽品 未分類 44真品青貝 45真品青貝 46～59真品青貝 60真品平貝 61～78真品平貝 79真品 未分類 80真品爐貝

2.6 M3法的時效性計算

參照參考文獻的方法[34]進行計算，結果發現：M3法耗費的時間遠少于M2法（＜0.01）。

2.7 近紅外傳感器信息值（變量）對模型貢獻度分析

真偽與多規格模型分類優選結果：真偽模型選擇PLS-DA及PCA-DA辨識模型，多規格模型選擇PCA-DA、LS-SVM辨識模型。圖6-B、D圖中編號僅代表波長對應的序號，因變量數太多不能完整顯現出來最優波長數。圖7-B圖貢獻率最大的波長范圍是7 960.837～8 045.691 cm?1，D圖貢獻率最大的波長范圍是8 045.691～8 091.975 cm?1。圖7-B中編號僅代表波長對應的序號，其對應最優波長范圍是8 153.687～8 296.396 cm?1。

3 討論

3.1 被剔除樣品的原因

A-PCA-DA真偽辨識模型變量載荷圖 B-PCA-DA真偽辨識模型變量載荷圖最優波長放大圖 C-PLS-DA真偽辨識模型變量載荷圖 D-PLS-DA真偽辨識模型變量載荷圖最優波長放大圖

A-PCA-DA規格辨識模型變量載荷圖 B-PCA-DA規格辨識模型變量載荷圖最優波長放大圖

3.2 判錯樣品原因分析

真偽辨識PCA-DA、PLS-DA模型均認為79號為正品，M1法4個專家認為79號既不屬于川貝母也不屬于平貝母，說明待測樣品中含有摻偽樣品，使建立的模型準確率較低，導致79號樣品判定錯誤。

3.3 未分類樣品分析

PCA-DA、PLS-DA模型是有監督的判別分析方法[35-36]，相對于無監督的PCA，當樣本組間差異小時，它也能實現良好的區分。規格辨識PLS-DA模型中正判率為100%，26、46、66、80號樣品未被分類，但M1法、M2法均能夠明確將其分類，表明PLS-DA模型不是規格辨識的最優模型。

3.4 近紅外光譜法的不足之處

本研究運用傅里葉近紅外光譜技術結合多種有指導的化學計量學方法，對80個川貝母待測樣品分析，優選的模型正判率與藥典方法相比無顯著性差異（＜0.01），相對于人工鑒別大大縮短了時間，節省大量人力物力，實現了對復雜體系快速[37]、無損定性分析。該技術同時也有不足之處：（1）分析需要建立模型，對模型建立要求較高；（2）模型傳遞技術尚不成熟，如果能建立成熟的模型傳遞[38]，使在一臺儀器上建立的定性或定量校正模型可靠地移植到其他相同或類似的儀器上使用，就能減少建模所需的時間和費用。當然，隨著光譜技術計算機技術與化學計量學相結合，使模型建立難度下降，模型準確度增強、模型傳遞技術更加成熟。今后，近紅外光譜技術在中藥質量控制領域將具有更加廣闊的前景。

3.5 真偽與多規格分類正判率比較

川貝母真偽模型正判率大小為PLS-DA=PCA-DA＞LS-SVM，最終優選PCA-DA、PLS-DA為真偽最優判別模型；多規格分類模型正判率大小為PCA-DA＝PLS-DA＝LS-SVM，但因PLS-DA模型中未被分類數太多，故最終優選PCA-DA、LS-SVM為最優判別模型。

綜合比較，近紅外辨識正判率與傳統人工經驗鑒別無顯著性差異，近紅外辨識不如傳統經驗辨識快，但較藥典檢測時間極顯著縮短。綜上所述，近紅外技術結合多元統計方法快速準確的辨識川貝母真偽和商品規格，可為中藥品質評價及質量鑒別提供一種新思路和新技術。

利益沖突 所有作者均聲明不存在利益沖突

[1] 李瑞琦, 吳翠, 徐靚, 等. 基于傳統性狀客觀化分析的川貝母質量評價 [J]. 中國藥學雜志, 2020, 55(1): 14-18.

[2] 仰鐵錘, 謝慧敏, 謝慧淦, 等. 聚合酶鏈式反應-限制性內切酶多態法檢查川貝母的摻偽情況 [J]. 華西藥學雜志, 2020, 35(3): 265-269.

[3] Rodionova O Y, Fernández P J A, Baeten V,. Chemometric non-targeted analysis for detection of soybean meal adulteration by near infrared spectroscopy [J]., 2021, 119: 107459.

[4] 崔治家, 馬艷珠, 張小榮, 等. 川貝母化學成分和藥理作用研究進展及質量標志物的預測分析 [J]. 中草藥, 2021, 52(9): 2768-2784.

[5] 蘭青闊, 趙新, 陳銳, 等. 基于LAMP的中藥材川貝母真偽鑒別方法的建立 [J]. 藥物分析雜志, 2019, 39(3): 551-556.

[6] 中國藥典[S]. 一部. 2020: 126.

[7] 翟映紅, 于國強, 楊永茂, 等. 從川貝母中檢出平貝母的理化鑒別方法 [J]. 華西藥學雜志, 2017, 32(6): 633-635.

[8] 時圣明, 潘明佳, 王潔, 等. 分子鑒定技術在中藥中的應用 [J]. 中草藥, 2016, 47(17): 3121-3126.

[9] 羅達龍, 黃林杰, 黃琳. 實時熒光定量PCR對川貝母的鑒別應用 [J]. 中國藥師, 2016, 19(6): 1068-1070.

[10] 吳雪莉, 王毅, 趙筱萍. 基于熒光探針的消渴安中DPP-4抑制劑的篩選與鑒定 [J]. 中國中藥雜志, 2016, 41(7): 1241-1245.

[11] 劉晶, 王曙, 辛貴忠, 等. HPLC-ELSD測定太白貝母和瓦布貝母中貝母辛的含量 [J]. 中國藥學雜志, 2010, 45(13): 1032-1034.

[12] 楊靖雯, 高秀強, 田清存, 等. 10種中藥材快速經驗鑒別方法總結 [J]. 中藥材, 2018, 41(12): 2792-2794.

[13] 中國藥典[S]. 四部. 2020: 29.

[14] Arndt M, Drees A, Ahlers C,. Determination of the geographical origin of walnuts (L.) using near-infrared spectroscopy and chemometrics [J]., 2020, 9(12): 1860.

[15] Yan H, Pu Z J, Wang Y J,. Rapid qualitative identification and quantitative analysis ofMume based on Fourier transform near infrared spectroscopy [J]., 2021, 249: 119344.

[16] Mishra P, Herrmann I, Angileri M. Improved prediction of potassium and nitrogen in dried bell pepper leaves with visible and near-infrared spectroscopy utilising wavelength selection techniques [J]., 2021, 225: 121971.

[17] 周冰谷, 花振新, 楊榮, 等. 近紅外光譜技術在食品微生物檢測中的應用飼料技術 [J]. 廣東飼料, 2019, 28(8): 44-46.

[18] 陶瑞, 史智佳, 貢慧, 等. 傅里葉變換近紅外光譜技術快速檢測金槍魚新鮮度 [J]. 肉類研究, 2017, 31(4): 43-49.

[19] 宋雪健, 錢麗麗, 張東杰, 等. 基于漫反射傅里葉變換近紅外光譜技術對不同年份的大米產地溯源檢測 [J]. 食品科學, 2017, 38(18): 286-291.

[20] 蔣宏霖, 劉會杰, 王學杰, 等. 近紅外光譜技術在煙葉化學分析中的應用 [J]. 科技與創新, 2019(18): 153-155.

[21] 陳佳樂, 金葉, 陳紅英, 等. 川芎藥材的近紅外多指標快速質量評價 [J]. 中草藥, 2016, 47(6): 1004-1009.

[22] 雷曉晴, 李耿, 王秀麗, 等. 基于近紅外光譜法快速測定丹參中5種成分模型的建立 [J]. 中草藥, 2018, 49(11): 2653-2661.

[23] 戰皓, 吳宏偉, 張東, 等. 近紅外光譜法測定不同產地黃芪中毛蕊異黃酮葡萄糖苷和黃芪甲苷含量 [J]. 光譜學與光譜分析, 2017, 37(5): 1391-1396.

[24] 馬越, 劉永強, 門宇鳳, 等. 近紅外光譜法快速測定芍藥根中芍藥苷和芍藥內酯苷 [J]. 中草藥, 2018, 49(3): 700-707.

[25] 閆珂巍, 王福, 梅國榮, 等. 基于近紅外光譜技術快速定性鑒別廣陳皮模型的建立 [J]. 中草藥, 2015, 46(20): 3096-3099.

[26] 張敏, 韓正洲, 嚴萍, 等. 基于近紅外漫反射光譜的雞血藤藥材定性分析 [J]. 世界科學技術—中醫藥現代化, 2014, 16(7): 1491-1496.

[27] 徐亞, 李慧, 馮學峰, 等. 基于顯微和近紅外方法定性鑒別中藥材威靈仙不同基原品種的比較研究 [J]. 中國中藥雜志, 2015, 40(7): 1278-1282.

[28] 余馳, 姜紅, 劉愛萍. 近紅外漫反射光譜法建立厚樸藥材的定性模型 [J]. 藥物分析雜志, 2009, 29(4): 656-658.

[29] 胡鋼亮, 陳瑞珍, 程柯, 等. 近紅外漫反射光譜快速檢測川貝母中浙貝母的摻入量 [J]. 藥物分析雜志, 2005, 25(2): 150-152.

[30] 楊復森, 武衛紅, 王寧, 等. 基于AOTF-近紅外光譜技術的川貝母藥材即時快速鑒別研究 [J]. 中成藥, 2013, 35(1): 135-140.

[31] Hua H M, Yi Y, Li H L,. Monitoring the extraction process of acidic polysaccharides inby near infrared spectroscopy combined with chemometrics [J]., 2021, 113: 103613.

[32] 雷艷輝, 李會軍, 李萍. 川貝母藥材生物堿成分HPLC-ELSD特征圖譜的研究 [J]. 中成藥, 2014, 36(7): 1477-1481.

[33] 應雨棋, 張洋洋, 虞立, 等. 基于LS-SVM模型的丹參有效成分超聲提取工藝優化 [J]. 中藥材, 2020, 43(4): 936-941.

[34] 劉瑞新, 郝小佳, 張慧杰, 等. 基于電子眼技術的中藥川貝母真偽及規格的快速辨識研究[J]. 中國中藥雜志, 2020, 45(14): 3441-3451.

[35] Ramírez-Elías M G, Guevara E, Zamora-Pedraza C,. Assessment of mezcal aging combining Raman spectroscopy and multivariate analysis techniques [J]., 2017, 6(1/2): 75-81.

[36] Wong K H, Razmovski-Naumovski V, Li K M,. Differentiatingandusing HPTLC coupled with multivariate classification analyses [J]., 2014, 95: 11-19.

[37] 雷曉晴, 王秀麗, 李耿, 等. 近紅外光譜法快速測定當歸中7種成分的含量 [J]. 中草藥, 2019, 50(16): 3947-3954.

[38] 梁晨. 近紅外光譜多元校正模型傳遞方法的研究 [D]. 北京: 北京化工大學, 2016.

Fast identification of authenticity and specification ofby near infrared spectroscopy combined with chemometrics

XIE Meng-di1, TIAN Liang-yu1, GUI Xin-jing2, 3, 4, SHI Jun-han2, 3, 4, 5, WANG Jun-ming1, YUE You-song1, ZHANG Lu2, 3, 4, 5, WANG Yan-li1, YAO Jing2, 3, 4, 5, LI Xue-lin1,2, 3, 4, 5, LIU Rui-xin1,2, 3, 4, 5

1. Henan University of Traditional Chinese Medicine, Zhengzhou 450008, China 2. Department of Pharmacy, The First Affiliated Hospital of Henan University of Chinese Medicine, Zhengzhou 450000, China 3. Henan Engineering Research Center for Modernization of clinical application of Chinese Herbal Pieces, Zhengzhou 450000, China 4. Collaborative Innovation Center for Prevention and Treatment of Respiratory Diseases with Traditional Chinese Medicine, Henan University of Chinese Medicine, Zhengzhou 450000, China 5. Henan Provincial Key Laboratory of TCM Clinical Pharmacy, Zhengzhou 450000, China

Objective To explore the feasibility of the application of near infrared spectroscopy in the rapid identification of. Methods A total of 80 samples ofwere collected. In order to obtain the authenticity and specification information of the samples, traditional manual identification (M1method) and pharmacopoeia identification (M2method) were carried out, and the identification results combined with M1method and M2method were used as benchmark information (). Near Infrared Spectroscopy to collect spectral information of the sample powder (), combined with principal component analysis, discriminant analysis (PCA-DA), partial least squares discriminant analysis (PLS-DA), the least squares support vector machines (LS-SVM) three chemometrics methods to establish and optimize the authenticity and commodity specification identification model [Y=M ()] (M3) Results All the 80 samples participated in the identification of authenticity and falsification. The results showed that there were no unclassified samples in the three identification models, and the accuracy rates were 98.75%, 98.75% and 83.75%, respectively. Among the 80 samples, five samples did not participate in the modeling due to the difficulty in reaching an agreement on the specification by experts or due to the sample itself. Finally, 75 samples were selected to participate in the specification identification, and the model accuracy rates were 100.00% (no unclassified samples), 100.00% (four unclassified samples) and 100.00% (no unclassified sample), respectively. Conclusion PCA-DA and PLS-DA were used as the final identification models for authenticity identification, and PCA-DA and LS-SVM were used as the optimal identification model for commodity specification classification. Near infrared spectroscopy has a good application prospect in the rapid identification of the authenticity and specification of.

near infrared spectroscopy technology;; fast identification; authenticity; specifications; principal component analysis-discriminant analysis

R286.2

A

0253 - 2670(2022)08 - 2490 - 09

10.7501/j.issn.0253-2670.2022.08.026

2021-11-09

國家自然科學基金面上項目（81773892）；河南省衛生健康中青年學科帶頭人專項（HNSWJW-2020014）；河南省中醫藥拔尖人才培養項目（重點項目）（2019ZYBJ07）；河南省高層次人才特殊支持“中原千人計劃”—“中原青年拔尖人才”項目（ZYQR201912158）；中管局基地專項（2018JDZX087）

謝夢迪，在讀碩士，從事中藥飲片臨床應用現代化關鍵技術研究。E-mail: 2082176197@qq.com

劉瑞新，博士，主任藥師，從事中藥飲片臨床應用現代化關鍵技術研究。Tel: (0371)66233562 E-mail: liuruixin7@163.com

[責任編輯 時圣明]