杭白菊提取物中輔料麥芽糊精的中紅外快速定量分析

劉艷，李燕青，丁姍姍，牟衛偉，王磊，馮帥

(1.煙臺市食品藥品檢驗檢測中心,山東 煙臺 264003；2.煙臺新時代健康產業有限公司,山東 煙臺 264006；3.山東中醫藥大學,山東 濟南 250355)

杭白菊(Chrysanthemummorifolium)也叫“杭菊”，來源于菊(ChrysanthemummorifoliumRamat)的干燥頭狀花序，屬于我國四大名菊之一，主要出產自浙江桐鄉，年產量占國內總量的九成，加工品暢銷國內外市場[1]。杭白菊屬“浙八味”之一，藥用食用俱佳。現代研究證實，杭白菊有著明目、降壓、散熱、解毒等藥理作用。杭白菊的提取物能夠去除自由基、降低膽固醇，具有延緩衰老、增強免疫以及改善心血管系統功效[2]。

藥用輔料是包含在藥物中的賦形劑等物質，是決定藥物制劑安全、有效以及穩定的重要組成部分[3]。現階段，藥用輔料監管領域還存在一些問題，藥用輔料的標準化仍有待于進一步完善[4]。紅外光譜法(IRS)是近年來發展起來的一種對化學物質進行間接分析的技術，它運用化學計量學對待測物進行定性以及定量分析，因該技術自身存在的綠色、快速等特點，在藥學、農業以及其他領域得以泛應用[5-11]。目前，國內外尚未有杭白菊提取物中輔料的中紅外研究的相關報道。本文采用中紅外光譜技術，對杭白菊提取物中的麥芽糊精輔料進行定量分析[12-15]。通過采用偏最小二乘回歸法，對已知麥芽糊精濃度的樣品紅外譜圖進行預處理，結果表明，所建模型定量準確，可用于定量分析杭白菊提取物中的麥芽糊精輔料。

1 材料與方法

1.1 原料 杭白菊提取物4批(批號：20180612、20180320，深圳深寶實業股份有限公司；批號：20180424、20180715，寧波立華制藥有限公司)；麥芽糊精(批號：20180704，保齡寶生物股份有限公司)。

1.2 儀器與設備 ME204TE/02天平(梅特勒-托利多)；MM200型研磨儀(萊馳公司)；Frontier型紅外光譜儀(珀金埃爾默公司)。

1.3 方法

1.3.1 樣品的制備 分別準確稱定杭白菊提取物純物質和麥芽糊精置于研磨罐中。制備總量為0.50 g左右，其中麥芽糊精的含量占杭白菊提取物純物質與麥芽糊精混合物的2%～80%，共制備78份樣品，包括校正集39份，驗證集39份，詳情見表1。將研磨罐置于研磨儀上，使樣品充分混勻，備用。振動頻率25.0次/s、研磨時間4 min。

表1(續)

1.3.2 譜圖的測定 采用Frontier紅外光譜儀(ATR附件)測試樣品，采集漫反射光譜圖。實時扣除H2O和CO2的背景干擾，采集范圍為450～4 000 cm-1，分辨率設置為4 cm-1，每個供試品掃描64次，采集78個供試品的紅外光譜圖。

1.4 定量模型的建立

1.4.1 校正集的建立 采用Sperctrum Quant(美國PerkinElmer公司軟件)對39個校正集樣品譜圖進行賦值，采用去一法(Leave 1 Out)進行交叉驗證。

1.4.2 譜圖預處理 利用操作軟件對“1.4.1”項下所述樣品譜圖進行歸一化處理、基線校正、平滑處理等。

1.4.3 選擇算法 在簡單的校正模型建立過程中，只有一個自變量和一個因變量，適用一元回歸法描述兩變量關系。當多于一個自變量時，則適用多元回歸方法[16-18]。做多元回歸分析時，一般情況下，偏最小二乘回歸法一般情況下均優于主成分回歸法[19-20]。在紅外光譜分析中，偏最小二乘法應用最多，可以更好去除噪聲、解決光譜共線和多重相關性問題，被公認為模型最穩定的多元校正方法之一[21]。綜上原因，本文選取偏最小二乘法。

1.4.4 模型報告 查看定量模型，包括決定系數R2、因子數、預測標準差(standard error of prediction,SEP)。

1.4.5 模型驗證 按照“1.4.2”項下方法對39個驗證集供試品進行操作賦值，點擊運行進行驗證。

2 結果與分析

2.1 杭白菊提取物和麥芽糊精的紅外光譜分析 杭白菊提取物中，3 414 cm-1為O-H伸縮振動吸收峰，2 925 cm-1為亞甲基碳氫C-H反對稱伸縮振動吸收峰，1 736 cm-1吸收峰位羥基C=O伸縮振動吸收峰，1 631 cm-1吸收峰可能同時包含共軛羥基C=O伸縮振動吸收以及芳香環骨架振動吸收，1 450～1 400 cm-1附近的吸收峰可能包含如芳香環骨架伸縮振動、C-H彎曲振動以及C-O伸縮振動等多種成分，1 300～950 cm-1區域主要為各類C-O伸縮振動吸收峰，譜圖見圖1。

圖1 杭白菊純粉紅外光譜圖

麥芽糊精的紅外光譜中，3 428 cm-1是O-H伸縮振動吸收峰，2 927 cm-1是亞甲基C-H反對稱伸縮振動吸收峰，1 644 cm-1是O-H彎曲振動吸收峰，1 450～1 350 cm-1區域內的重疊峰包含C-H彎曲振動吸收以及C-O伸縮振動吸收等。在1 300 cm-1以下，1 156 cm-1、1 080 cm-1和1 021 cm-1等是C-O伸縮振動吸收峰，這組峰的位置與形狀是麥芽糊精紅外光譜的典型特征。在900 cm-1以下，還有848 cm-1、762 cm-1、707 cm-1、577 cm-1和527 cm-1等多個指紋特征峰，譜圖見圖2。

圖2 麥芽糊精的紅外光譜圖

2.2 杭白菊與麥芽糊精混合物的紅外譜圖預處理 分別采集39個杭白菊提取物與樣品的紅外光譜圖，并對原始光譜進行基線校正、歸一化等預處理以避免空氣中二氧化碳、水、儀器漂移等對樣本的影響。杭白菊麥芽糊精混合物樣品紅外光譜圖見圖3所示。

a.原始圖譜；b.基線校正；c.基線校正和歸一化圖3 杭白菊麥芽糊精混合物樣品原始光譜圖及預處理后的光譜圖

2.3 模型報告 定量模型的因子數選擇不當會造成欠擬合與過擬合[19]，通常選擇3～7。決定系數越接近于1，預測標準差越小，說明模型的擬合效果越好。本文中定量模型選擇7作為因子數，經計算得R2為0.998 7，RSD為1.137%，校正集供試品中麥芽糊精的含量測定值和模型預測值比較接近，線性關系良好。模型相關關系以及因子數選擇如圖4所示。

a.模型相關關系圖；b.因子數圖4 模型相關圖譜

2.4 預測模型的驗證 利用39個驗證集樣品測定結果對定量模型進行驗證，結果如表2、圖5所示。

表2 麥芽糊精預測模型預測結果

圖5 麥芽糊精獨立驗證結果

從圖5和表2中可知，驗證集中39個樣本的平均預測差值小于2%，有兩個樣品差值大于3%，均不大于5%，說明該模型預測效果良好，可用于杭白菊提取物中麥芽糊精的含量測定。

2.5 定量模型的應用 利用上述定量模型，對17批未知含量的杭白菊提取物進行麥芽糊精含量測定，同時對供試品中總黃酮含量進行檢測。如表3所示，17批杭白菊提取物中麥芽糊精含量分布在29.9%～61.7%之間，RSD為10%，批間差異大，總黃酮含量分布在9.21%～12.8%之間，RSD為1.46%，批間差異小。分析原因，可能通過人為添加麥芽糊精的比例來控制杭白菊提取物中總黃酮的含量水平。

表3 麥芽糊精含量統計摘要

3 結論

本文通過已知麥芽糊精含量的39個校正集杭白菊提取物樣品進行紅外光譜檢測，建立了合理的偏最小二乘回歸定量模型，經39個驗證集供試品驗證，該定量模型定量結果良好。綜上所述，該方法可用于杭白菊提取物中麥芽糊精含量的快速定量分析，并為其他輔料的含量測定提供借鑒。