基于近紅外光譜技術的陳皮提取物質量監控方法研究

段曉婷，馮杰明，黃俊斌，洪慶龍，王彥波，許代松

（廣東一方制藥有限公司/廣東省中藥配方顆粒企業重點實驗室，廣東 佛山 528244）

陳皮為蕓香科植物橘Citrus reticulataBlanco及其栽培變種的干燥成熟果皮，具有理氣健脾、燥濕化痰的功效[1]。陳皮主要化學成分為揮發油、黃酮類和生物堿[2]。黃酮類化合物具有多種生物活性，如抗痙攣、抗炎或抗菌活性。其中，橙皮苷是最主要活性成分之一。因此，橙皮苷含量是陳皮質量控制的重要指標[3-4]。

陳皮配方顆粒由陳皮飲片經水提、濃縮、干燥、制粒而成，相對于傳統湯劑而言，使用、調配更為方便。由于產地、種源、藥材質量等因素的影響，陳皮配方顆粒的產品質量存在一定的波動，為保證產品質量的穩定，應對中間產品物料及時進行質量監控。陳皮配方顆粒質量標準將橙皮苷作為質量評價指標，藥典規定的含量測定檢測方法操作復雜，分析周期長，適于產品檢驗，但難以適應生產過程的現場檢測需求。近紅外光譜（Near Infrared Spectroscopy,NIRS）技術是近年來發展迅速的一種高效的現代分析技術，具有無損、高效、快速、無污染、結果準確等優點[5-6]，已廣泛應用于中藥的真偽鑒別、含量測定以及在線監控等方面[7-9]。目前尚未見有關近紅外分析方法應用于陳皮提取物質量檢測的文獻報道。本研究以陳皮飲片經水提取、濃縮、干燥制得陳皮提取物作為研究對象，以水分、橙皮苷、浸出物作為評價指標，建立NIRS 模型，達到在線質量監控的目的，為其生產過程質量監控提供借鑒意義。

1 儀器與試藥

1.1 儀器

TANGO-R 近紅外光譜儀（德國Bruker 公司），配備積分球漫反射檢測器及OPUS 7.5分析軟件。

1.2 試藥

110 批陳皮提取物（廣東一方制藥有限公司），為2021 年和2022 年生產批次。橙皮苷對照品（批號：110721～202019，質量分數95.3%）購自中國食品藥品檢定研究院。

2 方法與結果

2.1 水分測定

取陳皮提取物約2 g，采用烘干法（《中國藥典》2020年版四部通則0832）測定。

2.2 含量測定

橙皮苷含量照高效液相色譜法（《中國藥典》2020 年版四部通則0512）測定。取陳皮提取物約0.2 g，精密稱定，置具塞錐形瓶中，精密加入甲醇50 mL，稱定質量，超聲處理（功率300 W，頻率40 kHz）30 min，放冷，再稱定質量，用甲醇補足減失的質量，搖勻，濾過，取續濾液，即得供試品溶液。取橙皮苷對照品適量，精密稱定，加甲醇制成每1 mL含0.1 mg 的溶液，即得對照品溶液。色譜條件：以十八烷基硅烷鍵合硅膠為填充劑；以甲醇-醋酸-水（35∶4∶61）為流動相；檢測波長為283 nm。在上述色譜條件下，分別精密吸取對照品溶液與供試品溶液各10 μL，注入液相色譜儀，測定。

2.3 浸出物測定

取陳皮提取物約2 g，精密稱定，精密加入乙醇100 mL，照醇溶性浸出物測定法（《中國藥典》2020年版通則2201）項下的熱浸法測定。

2.4 指標成分測定結果

110 批樣品中水分含量的變化范圍為4.1%～6.7%，橙皮苷含量的變化范圍為6.5～10.3 mg/g，浸出物變化范圍為35.33%～55.80%。

2.5 近紅外光譜的采集

取混合均勻的樣品裝入光譜采集樣品瓶內，用積分球漫反射系統采集近紅外光譜。采集條件：以儀器內置背景為參比，掃描范圍12 000～4 000 cm-1，分辨率8 cm-1，掃描次數64 次，每批樣品重復測量2次，110批樣品共得220張光譜（圖1）。

圖1 陳皮提取物原始NIRS圖Figure 1 Original NIRS of Citri Reticulatae Pericarpium extract

2.6 模型性能評價指標

采用OPUS 7.5分析軟件建立模型，運用偏最小二乘回歸法（PLSR）建立陳皮提取物水分、橙皮苷、浸出物3個組分的定量模型，選擇合適的光譜范圍及光譜預處理方法，通過交叉驗證的決定系數（R2）、交叉驗證均方差（RMSECV）考察模型性能，以R2無限趨近于1，RMSECV越小，評價模型性能越好。將陳皮提取物驗證集樣品的近紅外圖譜導入建立的定量模型中，預測各組分的含量，驗證所建定量模型的預測性能。采用相對平均偏差、預測均方差（RMSEP）評價模型的預測性能。參數公式定義如下：

2.7 近紅外定量模型的建立

110批樣品中，將89批樣品選入校正集，用于建模，剩余21 批樣品劃入驗證集。89 批樣品，每批樣品的2 張光譜用于建立模型，以增加所建模型的耐用性。采用近紅外OPUS 7.5 分析軟件建立校正模型，采用化學計量法將上述樣品經掃描所得的光譜圖和檢驗測得的水分、橙皮苷、浸出物含量值進行分析，選定光譜影響值和化學值誤差，剔除測定的異常值，軟件計算后得出的模型比較RMSECV和R2的大小。

2.7.1 光譜預處理及波段選擇 采用OPUS 7.5 分析軟件，取178 張校正集光譜的全波長12 000 ～4 000 cm-1光譜數據，選擇5 種預處理方法，包括一階導數+MSC，一階導數+矢量歸一化（SNV），一階導數，多元散射校正，矢量歸一化（SNV），比較5 種不同預處理方法對模型性能的影響，結果見表1。結果顯示，水分、橙皮苷、浸出物定量模型選用一階導數+矢量歸一化（SNV）的光譜預處理方法，所得的模型RMSECV 值最小且R2越接近1。經方法預處理后的光譜見圖2。

表1 陳皮提取物3種指標模型在不同預處理方法下的模型參數Table 1 Model parameters of models of three indexes of Citri Reticulatae Pericarpium extract under different pretreatment methods

圖2 建模樣品經一階導數+矢量歸一化（SNV）預處理后的NIRS光譜Figure 2 NIRS spectra of modeling samples after first derivative+vector normalization（SNV）pretreatment

結合OPUS 7.5 軟件自動優化的結果，通過比較不同建模譜段對模型性能的影響，最終選擇水分、橙皮苷、浸出物模型的建模譜段分別為9 403.1～4 595.4 cm-1；6 105.6 ～5 444.3 cm-1；9 403.1 ～7 493.1 cm-1、6 105.5～5 444.3 cm-1、4 422～4 244.5 cm-1。

2.7.2 NIRS 定量模型的建立 通過近紅外OPUS 7.5 分析軟件，選擇合適的預處理方法，以89 批樣品作為校正集，21 批樣品作為驗證集。運用偏最小二乘法建立NIRS 定量校正模型，其預測值與實測值相關圖見圖3。

圖3 NIRS定量校正模型預測值與實測值相關圖Figure 3 Correlation between the predicted and measured values of NIRS quantitative correction model

2.8 NIRS定量模型的驗證

2.8.1 準確性 為了確定所建模型的適用性，選取21批驗證集樣品的42張光譜導入所建的NIRS定量模型中，預測其水分、橙皮苷、浸出物3種指標成分的含量值，并與法定檢驗方法結果作比較，結果見表2。結果表明NIRS預測值與實測值均較為接近，相對平均偏差分別為0.07、0.06、0.07，均在0.1以內，RMSEP分別為0.30、0.56、0.96，評價為模型預測性能良好。

表2 21批樣品NIRS預測值與實測值比較Table 2 Comparison of NIRS predicted values and measured values of 21 batches of samples

2.8.2 精密度 取同一陳皮提取物樣品重復6 次采集光譜，將所得近紅外光譜代入NIRS 定量校正模型進行預測分析，所得水分、橙皮苷、浸出物的含量預測值的RSD 值分別為0.37%、0.74%、0.12%，表明所建NIRS分析方法精密度較好。

2.8.3 重復性 取同一批次的陳皮提取物樣品6份，在相同光譜采集條件下分別采集光譜1 次，將所得近紅外光譜代入建立的NIRS 定量校正模型進行預測分析，所得水分、橙皮苷、浸出物含量預測值的RSD 值分別為0.35%、1.16%、0.13%，表明所建NIRS分析方法重復性良好。

3 討論

中藥質量控制與質量標準的建立是中醫藥發展的關鍵，獲取質量有保證的產品是中藥商品化的前提。將NIRS 技術應用于中藥生產過程的監控，本研究將NIRS 應用于陳皮提取物的生產過程質量監控，建立了NIRS 在陳皮提取物中水分、橙皮苷、浸出物3 個關鍵質量控制指標的快速檢測方法，并考察了不同光譜預處理方法對定量模型性能的影響。實驗結果表明，所建立的NIRS 模型性能良好，可用于陳皮提取物樣品質量指標成分的快速定量分析，并初步驗證了所建NIRS 快速檢測方法，該方法準確性、精密度和重復性結果均良好。本研究為陳皮提取物提供了一種準確、可靠的陳皮提取物檢測手段，可應用于其他中藥配方顆粒及其中間產品的質量控制，實現生產過程中的現場快速檢測，從而保證最終產品的質量穩定均一、安全有效，對提高中藥配方顆粒質量控制效率和生產效率具有重要意義。未來研究重點為逐步擴大和完善陳皮提取物及其他中藥產品的近紅外光譜模型系統，提高模型的穩定性和準確率。