基于HPLC指紋圖譜結(jié)合化學(xué)計量學(xué)的白及與黃花白及辨識研究

范雪花，王艷麗，侯富國，李 涵，李海洋，姚 靜, 3, 5，施鈞瀚, 3, 5，桂新景, , 5*，劉瑞新, 4, 5*

基于HPLC指紋圖譜結(jié)合化學(xué)計量學(xué)的白及與黃花白及辨識研究

范雪花1，王艷麗2，侯富國1，李 涵1，李海洋1，姚 靜2, 3, 5，施鈞瀚2, 3, 5，桂新景1, 2, 5*，劉瑞新2, 4, 5*

1. 河南中醫(yī)藥大學(xué)，河南 鄭州 450046 2. 河南中醫(yī)藥大學(xué)第一附屬醫(yī)院，河南 鄭州 450000 3. 河南省中藥臨床應(yīng)用評價與轉(zhuǎn)化工程研究中心，河南 鄭州 450000 4. 河南中醫(yī)藥大學(xué)呼吸疾病中醫(yī)藥防治省部共建協(xié)同創(chuàng)新中心，河南 鄭州 450046 5. 河南省中藥臨床藥學(xué)中醫(yī)藥重點實驗室，河南 鄭州 450000

通過指紋圖譜結(jié)合化學(xué)計量學(xué)方法對白及與黃花白及進行辨識研究。采用Shim-pack GIST C18-AQ（250 mm×4.6 mm，5mm）色譜柱，流動相為0.1%磷酸水溶液-乙腈梯度洗脫，檢測波長280 nm；體積流量1.0 mL/min；柱溫30 ℃；進樣量10mL。采用ChemPatternTM軟件對白及、黃花白及的指紋圖譜數(shù)據(jù)進行分析，并對其進行相似度評價；采用SIMCA14.1軟件進行主成分分析（principal component analysis，PCA）、偏最小二乘判別分析（partial least squares discriminant analysis，PLS-DA），對二者進行定性辨識研究。在相似度分析中，45批白及的相似度為0.74～0.97，相似度較好，29批黃花白及的相似度為0.44～0.83，部分黃花白及與白及較為相似；聚類分析與PCA分析結(jié)果較為一致，部分樣品可分為2類；PLS-DA分析分類效果顯著，模型參數(shù)Q為0.80，RY為0.85，完全能將兩者區(qū)分開。通過PLS-DA分析結(jié)合VIP值篩選出了影響白及與黃花白及質(zhì)量差異的8個共有峰，對這8個共有峰進行分析，二者之間除15號峰（militarine）峰面積沒有顯著性差異外（＞0.05），其余7個共有峰峰面積白及均顯著小于黃花白及（＜0.01）。HPLC指紋圖譜結(jié)合化學(xué)計量學(xué)方法能夠?qū)崿F(xiàn)白及與黃花白及的鑒別，可為白及飲片的質(zhì)量辨識提供參考。

白及；黃花白及；指紋圖譜；化學(xué)計量學(xué)；1, 4-二[4-(葡萄糖氧)-芐基]-2-異丁基蘋果酸酯；天麻素；質(zhì)量辨識

白及為蘭科植物白及(Thunb.) Reichb. f.的干燥塊莖，具有收斂止血、消腫生肌的功效，臨床上常用于治療咯血、吐血、外傷出血、瘡瘍腫毒、皮膚皸裂等癥[1]。現(xiàn)代藥理研究表明，白及對于常見疑難疾病如腫瘤[2,3]、矽肺[4]、肺結(jié)核[5]、胃潰瘍[6]等具有良好的治療作用；因其在皮膚皸裂、美白方面有良好的療效，也被廣泛用于醫(yī)藥美容領(lǐng)域[7,8]。黃花白及Schltr.與白及同為白及屬植物，在我國南方大部分地區(qū)被用作民間藥物或白及的替代品，其黃花白及被收錄于2010年版《四川省中藥材標準》[9]、小白及（實為黃花白及）收錄于2009年版《甘肅省中藥材標準》[10]和黔白及（實為黃花白及）收錄于2003年版《貴州省中藥材、民族藥材質(zhì)量標準》[11]，其歸經(jīng)及功效記載幾乎與《中國藥典》2020年版記載等同，但《中國藥典》2020年版只收載了白及。鑒于此，有學(xué)者研究白及與黃花白及的化成成分指紋圖譜后提出二者具有相同或相似化學(xué)成分[12,13]，將黃花白及充當正品使用有其合理性和必然性。但在藥典尚未納入黃花白及前，其仍是白及的偽品，且市場上多有黃花白及摻入白及中充當正品使用的情況[14]，而性狀、顯微、薄層方法難以分辨二者[15]，因此基于其化學(xué)成分探討建立一種定性辨識二者的方法尤為重要。

中藥指紋圖譜技術(shù)能從整體上對中藥進行研究，可以全面反映中藥中所含的復(fù)雜化學(xué)成分及相互關(guān)系，被廣泛用于中藥的辨識研究[16-18]。但指紋圖譜包含的信息量龐大，需要借助多元統(tǒng)計分析方法來進行更深入的分析[19]。化學(xué)計量學(xué)是一種通過分析數(shù)據(jù)，最大限度地提供可用的化學(xué)信息的方法，聚類分析、主成分分析、判別分析等化學(xué)計量學(xué)方法被普遍用于中藥的質(zhì)量評價和鑒定[20]。指紋圖譜結(jié)合化學(xué)計量學(xué)的方法可對指紋圖譜的數(shù)據(jù)進行矩陣式整合，對中藥的質(zhì)量差異進行整體描述與合理評價。基于此，本研究利用HPLC法建立白及與黃花白及的指紋圖譜，結(jié)合化學(xué)計量學(xué)方法對其指紋圖譜進行綜合分析，探討該法用于定性鑒別白及與黃花白及的可行性。

1 儀器與材料

1.1 儀器

UltiMate-3000型高效液相色譜儀，包括紫外檢測器等（中國賽默飛世爾科技有限公司）；BSA2245-CW型萬分之一電子分析天平（德國Sartorius公司）；HHS恒溫水浴鍋（北京科偉永興儀器有限公司），HK250型科導(dǎo)式超聲清洗器（上海科導(dǎo)超聲儀器有限公司）；JW-2018H型高速離心機；FW-100型高速萬能粉碎機（60～180目，北京科偉永興儀器有限公司）；藥典篩（四號篩，0.25 μm孔徑，浙江上虞市道墟五四儀器廠）；0.45 μm微孔濾膜。

1.2 材料

1,4-二[4-(葡萄糖氧)-芐基]-2-異丁基蘋果酸酯（militarine）對照品（質(zhì)量分數(shù)≥98%，K18O9B72711，上海源葉生物科技有限公司）；天麻素（批號110807-201809，國家食品藥品檢定研究院），質(zhì)量分數(shù)大于98%；白及對照藥材（批號121261-201706，國家食品藥品檢定研究所）。超純水、稀乙醇、甲醇、乙腈、磷酸均為色譜純。

購買白及飲片45批、黃花白及飲片29批，經(jīng)河南中醫(yī)藥大學(xué)第一附屬醫(yī)院施鈞瀚副主任藥師鑒定白及為蘭科植物白及(Thunb.) Reichb. f. 的干燥塊莖，符合《中國藥典》2020年版規(guī)定；黃花白及為蘭科植物黃花白及Schltr.的干燥塊莖。白及、黃花白及樣品信息見表1，其中白及飲片編號S1～S45；黃花白及飲片編號S46～S74。

表1 白及、黃花白及樣品信息

2 方法與結(jié)果

2.1 色譜條件

色譜柱：Shim-pack GIST C18-AQ柱（250 mm×4.6 mm，5mm）；流動相為0.1%磷酸水溶液（A）-乙腈（B）；梯度洗脫（0～5 min，5%～20% A；5～10 min，20%～24% A；10～20 min，24%～31.5% A；20～25 min，31.5%～35% A；25～30 min，35%～42% A；30～45min，42%～60% A）；體積流量1.0 mL/min；柱溫30 ℃；進樣量10mL；檢測波長280 nm。

2.2 樣品溶液的制備

2.2.1 混合對照品溶液的制備 精密稱取militarine、天麻素對照品適量，置于10 mL棕色量瓶中，加乙腈-水（3∶97）溶解并定容，制成含militarine 0.906 mg/mL、天麻素1.066 mg/mL的混合溶液，搖勻，即得。

2.2.2 供試品溶液的制備 取飲片適量，粉碎過4號篩，精密稱定2.0 g，置于50 mL具塞瓶中，加稀乙醇40 mL，稱定質(zhì)量，超聲提取30 min（功率：200 W，頻率：40 kHz），取出，放冷，用稀乙醇補足減失的質(zhì)量，濾過，濾液濃縮至無醇味，殘渣加乙腈-水（3∶97）溶解，轉(zhuǎn)移至25 mL量瓶中，用乙腈-水（3∶97）稀釋至刻度，搖勻，離心，經(jīng)0.45 μm微孔濾膜濾過，取續(xù)濾液，即得。

2.2.3 重復(fù)性試驗 精密稱定S14號供試品6份，按照“2.2.2”項下方法處理，吸取10 μL，按“2.1”項下色譜條件進樣，以militarine為參照峰計算各共有峰的平均相對保留時間和平均相對峰面積RSD值，分別為0.05%、0.27%。

2.2.4 精密度試驗 精密稱定S14號供試品，按照“2.2.2”項下方法處理，吸取10 μL，按“2.1”項下色譜條件連續(xù)進樣6次，以militarine為參照峰計算各共有峰的平均相對保留時間和平均相對峰面積RSD值，分別為0.04%、0.13%，說明儀器精密度良好。

2.2.5 穩(wěn)定性試驗 稱定S2號供試品，按照“2.2.2”項下方法處理，吸取10 μL，按“2.1”項下色譜條件分別在0、2、4、8、12、24 h進樣，以militarine為參照峰計算各共有峰的平均相對保留時間和平均相對峰面積的RSD值，分別為0.07 %、0.33 %，說明供試品溶液在24 h內(nèi)穩(wěn)定性良好。

2.3 指紋圖譜的建立

2.3.1 指紋圖譜的建立和共有峰的指認 采用ChemPatternTM化學(xué)指紋圖譜分析軟件對74批樣品進行HPLC指紋圖譜分析，見圖1。經(jīng)對比，45批白及樣品中共指認出8個共有峰，45批白及樣品與29批黃花白及樣品共指認出4個共有峰。選取白及飲片中具有代表性的17批飲片的特征峰導(dǎo)入ChemPatternTM軟件進行處理，生成白及飲片共有模式特征圖譜（圖2），結(jié)果共提取出19個共有峰。取“2.2.1”項下混合對照品溶液，按照“2.1”項下色譜條件進樣所得混合對照品色譜圖（圖3）。通過與混合對照品色譜圖比對，指認出2個共有峰，峰4為天麻素，峰15為militarine。

4-天麻素 15-militarine

圖3 混合對照品指紋圖譜

2.3.2 相似度評價 將白及、黃花白及樣品的cdf格式指紋圖譜數(shù)據(jù)導(dǎo)入ChemPatternTM軟件，采用夾角余弦算法對數(shù)據(jù)進行處理分析后計算其相似度，利用Origin2022軟件將白及和黃花白及相似度結(jié)果分別與白及共有模式特征圖譜兩兩比較進行相似度分析，如圖4所示。以共有模式特征圖譜為參照，從圖4中可以直觀看到每類樣本的相似度分布范圍，45批白及與共有模式相似度較高，相似度在0.74～0.97（均值0.89）；29批黃花白及的相似度在0.44～0.83（均值0.67），僅個別樣品（S61、S62、S63、S70）與白及相似度較高，不易區(qū)分。

圖4 白及、黃花白及相似度分析散點圖

2.4 化學(xué)計量學(xué)分析

2.4.1 聚類分析（hierarchical clustering analysis，HCA） 以指紋圖譜中得到的19個共有峰峰面積為變量，以Euclidean為測度，最長距離為聚類方法，采用夾角余弦算法對白及和黃花白及進行聚類分析，結(jié)果見圖5。當距離為0.5時，74批樣品可聚為2類，35批白及、5批黃花白及（S61、S62、S63、S70、S71）聚為一類，剩余的24批黃花白及與10批白及（S14、S17、S28、S37、S38、S40、S41、S42、S43、S45）聚為一類。對其深入分析發(fā)現(xiàn)，10批聚錯類白及中的18號峰的平均峰面積顯著大于其余36批白及（＜0.01），而在變量重要性投影（variable importance projection，VIP）圖中，18號峰又是對白及與黃花白及分類影響最大的峰，這可能是其聚錯類的原因，聚類分析方法不能將白及與黃花白及區(qū)分開。

圖5 白及、黃花白及的聚類分析

2.4.2 主成分分析（principal component analysis，PCA） 將74批樣品的19個共有峰峰面積經(jīng)歸一化處理后導(dǎo)入到SIMCA14.1軟件建立PCA模型，采用等方差法（UV）法進行縮放，提取3個主成分，得到模型解釋參數(shù)R為0.71，預(yù)測能力參數(shù)Q為0.40，PCA得分圖如圖6所示。根據(jù)主成分結(jié)果分析，對2類樣品具有重要鑒別的變量PC1得分50.10%、PC2得分12.60%、PC3得分8.39%，三者之和為71.09%，表明提取的3個主成分可以解釋71.09%的原始變量，可解釋樣品大部分樣品信息。雖然模型的預(yù)測能力稍低，且白及、黃花白及樣品有部分重疊，但大部分樣品可基本分為2類，與聚類結(jié)果較為一致。

圖6 白及、黃花白及的PCA得分圖

2.4.3 偏最小二乘判別分析（partial least squares discriminant analysis，PLS-DA） 將74批樣品的共有峰峰面積經(jīng)歸一化處理后組成19×74階矩陣導(dǎo)入SIMCA14.1軟件進行PLS-DA分析，結(jié)果見圖7。前三個潛變量可以解釋樣本57.70%的變異信息，模型參數(shù)R為0.85，Q為0.80，均大于0.5，說明模型有較好的穩(wěn)定性和預(yù)測能力[21]。從圖7中可以看出，與PCA模型相比，白及、黃花白及樣品可以明顯分為2類，分類效果顯著，表明該方法分類效果較好。為驗證該模型是否過度擬合，利用SIMCA14.1軟件對其進行了200次置換檢驗，結(jié)果如圖8所示，左端隨機排列的R、Q均小于右端的原始值，且Q的回歸曲線是相交于Y軸的負軸[22]，表明模型擬合良好，沒有過擬合。PLS-DA模型中的VIP圖見圖9，VIP值越大表明該峰的差異對白及與黃花白及分類的貢獻越高，一般以VIP＞1表示對樣品質(zhì)量影響有統(tǒng)計學(xué)意義。以VIP>1為閾值，共篩選出了8個共有峰，從圖中可以看出，對樣品質(zhì)量影響較大的峰依次是峰18＞峰5＞峰6＞峰4（天麻素）＞峰9＞峰12＞峰15（militarine）＞峰3，提示這8個共有峰是引起白及與黃花白及飲片質(zhì)量差異的主要變量。

圖7 白及、黃花白及的PLS-DA分析

圖8 PLS-DA模型的置換檢驗結(jié)果（n＝200）

圖9 白及、黃花白及19個共有峰的的VIP值圖

通過PLA-DA分析結(jié)合VIP值篩選出了對白及、黃花白及樣品質(zhì)量影響較大的8個峰，平均峰面積占比69.74%。利用Graphpad軟件對這8個共有峰峰面積進行對比分析，結(jié)果見圖10。發(fā)現(xiàn)影響白及與黃花白及飲片質(zhì)量差異的這8個共有峰，在白及中的平均峰面積均小于黃花白及，二者除了在militarine成分上沒有顯著性差異外（＞0.05），其余7個峰的峰面積均有極顯著性差異（＜0.01）。在本研究中，白及與黃花白及中的militarine成分沒有顯著差異，這可能與不同生長環(huán)境以及不同栽培方式的化學(xué)成分累積的差異有關(guān)。野生白及極為稀少，現(xiàn)多為栽培白及，有研究表明栽培白及中的 militarine含量整體低于野生白及（＜0.05）[23]，這就提醒研究者在人工培育白及時應(yīng)注意其指標成分含量的變化是否與栽培品有較大差異，在發(fā)展人工栽培技術(shù)的同時兼顧藥材質(zhì)量，保證白及質(zhì)量與臨床療效的一致性。

圖10 白及、黃花白及8個共有峰峰面積箱形圖

3 討論

3.1 樣品的采集

為了深入了解白及目前真實的市場情況，本研究從藥材市場、醫(yī)院、藥店等多渠道采集實驗樣品，包含了白及的道地產(chǎn)區(qū)貴州以及主產(chǎn)區(qū)云南，確保采集樣品的代表性。

3.2 指標成分的選擇

相比于《中國藥典》2015年版，《中國藥典》2020年版新增了1,4-二[4-(葡萄糖氧)芐基]-2-異丁基蘋果酸酯（militarine）的含量測定項目，考慮到中藥活性成分的復(fù)雜多樣性，僅單一成分作為測定指標不夠全面，因此又增選了白及化學(xué)成分研究中常用的成分天麻素[23,24]作為測量指標，探討其是否可以用于白及與黃花白及的質(zhì)量評價研究。從PLS-DA分析結(jié)果中可以看出，白及與黃花白及中的天麻素具有極顯著差異（＜0.01），這表明將天麻素用于二者的質(zhì)量評價研究是可行的。另一方面，天麻素具有抗驚厥、鎮(zhèn)痛、降血壓及保護神經(jīng)細胞等作用[25]，在白及發(fā)揮中樞神經(jīng)系統(tǒng)藥理作用方面起著重要作用，因此建議加大對白及中該成分的研究力度，進一步完善白及的質(zhì)量控制。

3.3 色譜條件的選擇

由于藥典中還未收載白及的指紋圖譜方法，因此本實驗基于文獻方法開展了白及的指紋圖譜研究：①預(yù)實驗參照文獻報道[23, 26]中白及供試品溶液的制備方法進行了研究，發(fā)現(xiàn)以甲醇為溶劑提取的供試品溶液色譜中不含有天麻素成分，以50%乙醇為溶劑制備的供試品溶液色譜中可檢測到天麻素[36]成分。②實驗針對供試品溶液的進樣量進行預(yù)試，比較了進樣量為2、5、10、20mL時，色譜峰的峰形、峰面積大小以及分離度變化，結(jié)果顯示進樣量10mL時，峰形最優(yōu)，峰面積適中，分離度較好。③考察了不同流速、不同柱溫對色譜峰的影響，發(fā)現(xiàn)體積流量為1.0 mL/min、柱溫為30 ℃時色譜峰的分離效果較好。④比較了白及液相色譜在紫外檢測器220、230、270、280 nm波長下的紫外吸收情況，發(fā)現(xiàn)其在280 nm波長下色譜峰的響應(yīng)值最佳，檢出的色譜信息較多，能夠較全面地反映樣品的圖譜特征。

3.4 化學(xué)計量學(xué)方法特點分析

本研究所采用的化學(xué)計量學(xué)方法包括無監(jiān)督的分類模型（HCA、PCA）和有監(jiān)督的分類模型（PLS-DA）。聚類分析、PCA分析結(jié)果大致能將樣品區(qū)分為2類，個別樣品不能區(qū)分；PLS-DA分析能明確的將樣品區(qū)分為白及和黃花白及。其中聚類分析[27]是對數(shù)據(jù)的初步探索，具有直觀、結(jié)論形式簡明的優(yōu)點，但當樣品量過大時，聚類分析就無法對分類結(jié)果的準確性進行預(yù)測。PCA是在力求數(shù)據(jù)信息丟失最少的原則下，對高維的變量進行降維，使大部分數(shù)據(jù)信息包含在較少的新變量上，新生成的變量相互正交，彼此獨立[28]。因此常利用PCA的降維功能，來評估測量的重復(fù)性并檢測出明顯的離群值，發(fā)現(xiàn)其潛在的組間區(qū)分趨勢，為后續(xù)的分類或預(yù)測的多元統(tǒng)計分析作基礎(chǔ)[29]。而PLS-DA分析是一種潛在的變量分類指向，有利于數(shù)據(jù)模型指導(dǎo)樣本分類和尋找組間的差異[30]，因而可將樣品明確區(qū)分。

4 討論

綜上，本研究基于HPLC指紋圖譜結(jié)合化學(xué)計量學(xué)方法對白及和黃花白及進行定性辨識研究，建立了白及、黃花白及指紋圖譜，對二者進行了相似度評價、HCA、PCA和PLS-DA分析。相似度評價結(jié)果與HCA、PCA分析結(jié)果較為一致，樣品能大致被分為2類，但存在一定偏差；PLS-DA分析能將白及與黃花白及樣品完全分開，并篩選了8個影響白及、黃花白及質(zhì)量差異的共有峰，二者除militarine峰無顯著性差異外，其余7個共有峰峰面積均存在極顯著差異。本研究建立的白及與黃花白及的定性辨識方法具有較高的可行性，可為白及等易摻偽中藥的質(zhì)量評價方法的建立提供一定的參考。

利益沖突 所有作者均聲明不存在利益沖突

[1] 中國藥典 [S]. 一部. 2020: 106.

[2] Niu J F, Wang S P, Wang B L,. Structure and anti-tumor activity of a polysaccharide fromschltr [J]., 2020, 154: 1548-1555.

[3] 陳思思, 吳蓓, 譚婷, 等. 白及多糖BSP-1的分離純化、結(jié)構(gòu)表征及抗腫瘤活性研究 [J]. 中草藥, 2019, 50(8): 1921-1926.

[4] 李浩宇, 史珍珍, 舒立峰, 等. 白及多糖抗矽肺大鼠肺纖維化活性研究 [J]. 中藥材, 2016, 39(7): 1638-1642.

[5] 劉媛, 陳潔, 孫輝, 等. 中藥治療肺結(jié)核的用藥規(guī)律及其核心藥物作用機制的探討 [J]. 中國防癆雜志, 2022, 44(2): 131-140.

[6] 高俊, 丁興紅, 丁志山, 等. 白及對阿司匹林致大鼠胃潰瘍的治療作用研究 [J]. 浙江中醫(yī)藥大學(xué)學(xué)報, 2019, 43(2): 182-187.

[7] 蔣俊, 陳紅霞, 湯興利, 等. 基于中醫(yī)藥美白理論的白及研發(fā)思考 [J]. 中草藥, 2017, 48(11): 2313-2320.

[8] 李萌, 劉方舟, 杜昱, 等. 運用數(shù)據(jù)挖掘技術(shù)分析中醫(yī)美容外用方劑配伍規(guī)律[J]. 新中醫(yī), 2022, 54(12): 16-22.

[9] 四川省食品藥品監(jiān)督管理局. 四川省中藥材標準: 2010年版 [M]. 成都: 四川科學(xué)技術(shù)出版社, 2011: 583.

[10] 甘肅省藥品監(jiān)督管理局. 甘肅省中藥材標準: 2020年版 [M]. 蘭州: 蘭州大學(xué)出版社, 2021.

[11] 貴州省藥品監(jiān)督管理局. 貴州省中藥材、民族藥材質(zhì)量標準: 2003年版 [M]. 貴陽: 貴州科技出版社, 2003: 421.

[12] 陳美君, 李峰慶, 陳鴻平, 等. 中藥白及與黃花白及的UPLC指紋圖譜研究 [J]. 中藥與臨床, 2017, 8(5): 8-14.

[13] 楊麗云, 程遠輝, 蘇澤春, 等. 3種白及屬植物化學(xué)成分分析 [J]. 安徽農(nóng)業(yè)科學(xué), 2021, 49(19): 173-176.

[14] 陳美君, 李峰慶, 呂蒙, 等. 白及與其混偽品ITS2序列二級結(jié)構(gòu)比較與鑒別 [J]. 中國實驗方劑學(xué)雜志, 2017, 23(15): 46-52.

[15] 李明華, 程顯隆, 李寧新, 等. 白及的質(zhì)量問題及真?zhèn)舞b別方法 [J]. 中國藥事, 2018, 32(11): 1490-1499.

[16] 李燦, 曾娟, 龍雨青, 等. HPLC指紋圖譜結(jié)合多模式化學(xué)計量學(xué)方法評價枳殼藥材質(zhì)量 [J]. 天然產(chǎn)物研究與開發(fā), 2022, 34(4): 665-676.

[17] 劉天亮, 楊林林, 董誠明, 等. 基于化學(xué)模式識別的不同產(chǎn)地金銀花HPLC指紋圖譜研究 [J]. 中草藥, 2022, 53(15): 4833-4843.

[18] 謝蘇夢, 季巧遇, 呂尚, 等. 不同產(chǎn)地野菊花HPLC指紋圖譜建立及化學(xué)模式識別研究 [J]. 中草藥, 2021, 52(24): 7616-7623.

[19] 張艷欣, 吳佩穎, 王丹丹. 中藥指紋圖譜中常用的數(shù)理統(tǒng)計方法 [J]. 上海醫(yī)藥, 2019, 40(9): 74-77.

[20] Rebiai A, Hemmami H, Zeghoud S,. Current application of chemometrics analysis in authentication of natural products: A review [J]., 2022, 25(6): 945-972.

[21] 閆凱莉, 尹程程, 劉夢瑤, 等. 芩連潤肺湯的HPLC指紋圖譜建立、含量測定及多元統(tǒng)計分析[J]. 中國藥房, 2021, 32(16): 1956-1963.

[22] 蔣勛, 陶會, 宋杰玉, 等. 不同等級普安紅茶的成分差異及其品質(zhì)特征 [J]. 食品安全質(zhì)量檢測學(xué)報, 2022, 13(13): 4235-4241.

[23] 周海婷, 陳志敏, 李文兵, 等. 野生與栽培白及HPLC指紋圖譜建立及天麻素與militarine含量測定 [J]. 中藥材, 2018, 41(11): 2527-2533.

[24] 秦亞東, 汪榮斌, 方鳳滿, 等. 化學(xué)模式識別分析白及不同采收期次生代謝產(chǎn)物動態(tài)變化特征 [J]. 天然產(chǎn)物研究與開發(fā), 2020, 32(1): 11-17.

[25] Wang Y, Wu Z, Liu X,. Gastrodin ameliorates parkinson’s disease by downregulating connexin 43 [J]., 2013, 8(2): 585-590.

[26] 劉剛, 丁志山, 劉育辰, 等. 白及藥材的HPLC指紋圖譜建立及聚類分析 [J]. 中國藥房, 2018, 29(22): 3050-3053.

[27] 孫立麗, 王萌, 任曉亮. 化學(xué)模式識別方法在中藥質(zhì)量控制研究中的應(yīng)用進展 [J]. 中草藥, 2017, 48(20): 4339-4345.

[28] 相倩倩, 張云權(quán), 王小花, 等. 化學(xué)計量學(xué)方法在蜂蜜鑒偽中的應(yīng)用研究進展 [J]. 江蘇農(nóng)業(yè)科學(xué), 2020, 48(8): 32-40.

[29] Se K W, Ghoshal S K, Wahab R A,. A simple approach for rapid detection and quantification of adulterants in stingless bees () honey [J]., 2018, 105: 453-460.

[30] Lennart E, Johan T, Wold S. CV‐ANOVA for significance testing of PLS and OPLS?models [J]., 2008, 22(11/12): 594-600.

Identification ofandby HPLC coupled with chemometrics

FAN Xue-hua1, WANG Yan-li2, HOU Fu-guo1, LI Han1, LI Hai-yang1, YAO Jing2, 3, 5, SHI Jun-han2, 3, 5, GUI Xin-jing1, 2, 5, LIU Rui-xin2, 4, 5

1. Henan University of Chinese Medicine, Zhengzhou 450046, China 2. The First Affiliated Hospital of Henan University of Chinese Medicine, Zhengzhou 450000, China 3. Henan Province Engineering Research Center for Clinical Application, Evaluation and Transformation of Traditional Chinese Medicine, Zhengzhou 450000, China 4. Co-construction Collaborative Innovation Center for Chinese Medicine and Respiratory Diseases by Henan & Education Ministry of China, Henan University of Chinese Medicine, Zhengzhou 450046, China 5. Henan Key Laboratory for Clinical Pharmacy of Traditional Chinese Medicine, Zhengzhou 450000, China

To identificate Baiji ((Thunb.) Reichb. f.)and Huanghuabaiji (Schltr.) by fingerprint combined with chemometrics method.Shim-pack GIST C18-AQ (250 mm′4.6 mm, 5mm) column was used. The mobile phase was 0.1 % phosphoric acid-acetonitrile. The detection wavelength was 280 nm. Flow rate was 1.0 mL/min. Column temperature was 30 °C. Injection volume was 10 μL. ChemPatternTMsoftware was used to analyze the fingerprint data ofand, and the similarity was evaluated. SIMCA14.1 software was used for principal component analysis (PCA) and partial least squares discriminant analysis (PLS-DA ) to study the qualitative identification of the two.In the similarity analysis, the similarity of 45 batches ofwas 0.74—0.97, and the similarity was good. The similarity of 29 batches ofwas 0.44—0.83, and somewere similar to. The results of principal component analysis and cluster analysis were consistent, and most samples could be divided into two categories. The partial least squares discriminant analysis had obvious classification effect, and the model parametersQandRYwere 0.80, 0.85, respectively, which can distinguish the two. Eight common peaks affecting the quality difference ofandwere screened by PLS-DA analysis combined with VIP value, and the eight common peaks were analyzed. Except for the peak area of peak 15 (militarine), there was no significant difference between them (＞0.05), the area of seven common peaks ofwas significantly smaller than that of(＜0.01 ).HPLC fingerprint combined with chemometrics method can realize the identification ofand, which can provide reference for the quality identification ofdecoction pieces.

(Thunb.) Reichb. f.;Schltr.; fingerprint; chemometrics; militarine ; gastrodine; quality identification

R286.2

A

0253 - 2670(2023)12 - 3990 - 09

10.7501/j.issn.0253-2670.2023.12.025

2022-12-06

國家自然科學(xué)基金項目（81773892）；國家重點研發(fā)計劃中醫(yī)藥現(xiàn)代化重點專項（2017YFC1703400）；河南省衛(wèi)生健康委員會國家中醫(yī)臨床研究基地科研專項課題（2021JDZY104）；河南省中醫(yī)藥拔尖人才培養(yǎng)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）；河南省衛(wèi)生健康中青年學(xué)科帶頭人專項（HNSWJW-2020014）；河南省科技攻關(guān)項目（222102310377）

范雪花（1999—），女，河南開封，碩士在讀,研究方向為中藥質(zhì)量評價及臨床應(yīng)用研究。E-mail: fan_jingjing@163.com。

通信作者：劉瑞新（1980—），男，主任藥師，研究方向為中藥飲片臨床應(yīng)用現(xiàn)代化關(guān)鍵技術(shù)研究。E-mail: liuruixin7@163.com

桂新景（1991—），男，主管藥師，研究方向為中藥質(zhì)量評價及臨床應(yīng)用研究。E-mail: guixinjing1991@126.com

[責(zé)任編輯 時圣明]