基于AOTF-近紅外光譜技術的川貝母藥材即時快速鑒別研究

楊復森， 武衛紅， 王 寧，*， 黃林芳， 董海平

(1.山東中醫藥大學，山東濟南250002;2.山東醫學高等專科學校，山東濟南250002;3.中國醫學科學院藥用植物研究所，北京100193;4.濟南金宏利實業有限公司，山東濟南250100)

貝母為臨床常用藥，具清熱散結，化痰止咳功效。2010年版《中國藥典》［1］收載貝母類藥材包括川貝母、浙貝母、伊貝母、平貝母和湖北貝母共5大類。收載川貝母的基原植物共6種［1］，即川貝母Fritillaria cirrhosa D．Don、暗紫貝母Fritillaria unibracteata Hsiao et K．C．Hsia、甘肅貝母Fritillaria przewalskii Maxim、梭砂貝母 Fritillar delavayi Franch、太白貝母Fritillaria taipaiensis P．Y．Li和瓦布貝母 Fritillaria unibracteata Hsiao et K．C．Hsia var．wabuensis(S．Y．Tang et S．C．Yue)Z．D．Liu，S．Wang et S．C．chen，其藥材按照性狀不同分別習稱“松貝” “青貝” “爐貝”和“栽培品”。

川貝母臨床用藥歷史悠久、療效確切，但正品川貝母資源匱乏，價格昂貴，在實際應用中存在兩大問題:一是貝母類藥材均來源于百合科植物的干燥鱗莖，貝母屬植物分布廣泛，種間變異復雜外形相似，給川貝母的基原鑒定帶來極大困難;二是川貝母商品主要規格“松貝”中常摻雜價格低廉的平貝母、東貝母和珠貝等［2］，存在以次充好、以假亂真的問題。而現行的檢測方法中無論傳統鑒別方法還是現代研究技術 (薄層色譜法、HPLC法、熱分析法、分子鑒定法［3］等)均存在操作繁瑣，分析周期長，難以適時應用于現場快速檢測的問題，因此，目前亟待建立在流通領域中對川貝母的現場即時快速鑒別方法，以規范川貝母藥材市場及保證臨床用藥的安全有效。

便攜式聲光可調濾光器 (AOTF)-近紅外光譜儀克服了傳統車載近紅外光譜儀的缺點，為在現場適時作業提供了可能，近年來應用于中成藥、煙草、化工等分析領域［4-5］。本研究基于AOTF-近紅外光譜技術，結合化學計量學方法建立了川貝母基原鑒別方法及商品“松貝”的快速識別方法，獲得了滿意結果。

1 儀器和材料

1.1 儀器 Luminar 5030型便攜式AOTF近紅外光譜儀 (美國BRIMROSE公司)，包括:Snap!光譜采集軟件和The Unscrambler分析軟件 (挪威CAMO公司);YF111型高速中藥粉碎機 (浙江省瑞安市永歷制藥機械有限公司)。

1.2 樣品 多數收集自各貝母主產地，少數購于藥材市場，詳見表1，樣品經中國醫學科學院藥用植物研究所黃林芳教授和山東大學藥學院趙華英教授鑒定。

2 方法與結果

2.1 近紅外光譜采集與預處理 將所有樣品置于恒溫干燥箱內60℃干燥12 h后，粉碎，過80目篩，分別采集光譜，取約5 g粉末置于樣品槽，用盒蓋將樣品表面刮平，加蓋一起置于支架上，將光譜儀的探頭垂直卡在樣品盒蓋的圓孔處。儀器參數設置:波長范圍1 100～2 300 nm、波長增量2.0 nm、掃描次數300;每個樣品重復測量3次，取平均光譜。所測近紅外光譜見圖1。

為了消除基線漂移的影響，提高分辨率和靈敏度，經比較本研究采取一階微分處理光譜數據效果較好，同時選擇平滑數為9，可達到理想效果。圖2為預處理后的吸收光譜圖。

2.2 主成分分析法快速鑒別川貝母 主成分分析法 (PCA)是一種簡化數據結構、突出主要矛盾的多元分析方法，被廣泛應用在化學與測譜學分析中［6］。本研究首先利用該方法對所有貝母類藥材進行分析，將預處理后的光譜數據導入The Unscrambler分析軟件，進行PCA運算，結果以空間分布圖表示，見圖3。從川貝母6個基原品種中各隨機選取1批，共6批作為陽性驗證集樣本，其余50批為建模集樣本，7種非貝母類藥材中各隨機選取2批，共14批作為陰性驗證集樣本，繼續利用PCA分析方法建立川貝母類藥材的分析模型，并對驗證集進行驗證，結果見圖4。驗證結果可采用兩種表示方法:一是Excel表格顯示法，二是模型區域判別法，如圖4左側表格中，如果樣品編號后是空白，說明該樣品被檢測為不屬于模型內樣品，如果樣品編號后有*號標記，說明該樣品被檢測為屬于模型內的樣品;圖4右側是模型分布區域圖，如果被檢測樣品x落在分析模型區域內，說明該樣品屬于川貝母，反之，說明被檢測的樣品與建模樣品不相同，不是川貝母。

表1 貝母樣品Tab.1 Samples of Fritillaria

圖1 川貝母及其他貝母品種的近紅外原始吸收光譜圖Fig.1 Raw NIR absorption spectrum of Fritillariae cirrhosae Bulbus and other Fritillaria varieties

圖2 川貝母及其他貝母品種的近紅外一階導數吸收光譜圖Fig.2 First-order derivative NIR absorbance spectrum of Fritillariae cirrhosae Bu lbus and other Fritillariae species

圖3 貝母類藥材的PCA空間分布圖Fig.3 PCA spatial distribution map of Fritillaria

圖4 川貝母分析模型對非川貝母類藥材驗證圖Fig.4 Validation figures on the non-Fritillariae cirrhosae Bulbus confirmed by Fritillariae cirrhosae Bulbus analysismodel

圖3中所示樣品前3個主成分的累計方差貢獻率為97%，能夠代表原近紅外光譜的主要信息。由樣品的空間分布情況可知，川貝類藥材 (川貝母、暗紫貝母、甘肅貝母、梭砂貝母、瓦布貝母和太白貝母)空間分布區域集中，聚為一類，而其他貝母藥材 (平貝、伊貝、浙貝、東貝、湖北貝母和安徽貝母)有各自相對集中的聚集區，且各聚集區與川貝類專屬區有一定的距離，能夠進行明確的區域識別。圖4顯示川貝母分析模型可將川貝母、暗紫貝母、甘肅貝母、梭砂貝母、瓦布貝母和太白貝母正確判別為與建模樣品相同的川貝母類藥材，而平貝、伊貝、浙貝、東貝、湖北貝母和安徽貝母則判為非模型內藥材，即不是川貝母。綜上說明該方法可將川貝母類藥材與非川貝類藥材有效區別開來。

2.3 基于暗紫貝母的6種基原川貝母品種定性分析 “松貝”是商品川貝母的主要規格，而暗紫貝母是松貝的主要來源［7］，從收集到的28批暗紫貝母中隨機選取5批作為陽性驗證集樣本，剩余23批為建模集樣本，其他5種基原川貝母中各隨機選取3批，共15批作為陰性驗證集樣本，利用PCA分析法建立了暗紫貝母的近紅外定性分析模型，并利用該模型對驗證集進行驗證，其結果見圖5。

圖5 暗紫貝母定性分析模型對6種基原川貝母的驗證結果Fig.5 Results on Fritillaria unibracteata qualitative model for verifying Fritillariae cirrhosae Bulbus from six sources

圖中顯示，陽性驗證集均落在模型區內，說明其與建模樣品相同，可被模型正確判別為暗紫貝母，模型的準確判別率較高。陰性驗證集中川貝母、梭砂貝母、太白貝母全部落在模型區外，說明該驗證集樣品與建模樣品不相同，可被模型正確排除。而陰性驗證集瓦布貝母、甘肅貝母則各有兩批落在模型區外，一批落在模型區內，說明二者易被誤判為暗紫貝母。有研究者認為瓦布貝母為暗紫貝母的變種［8］，而甘肅貝母和暗紫貝母的親緣關系十分密切［9］，這可能是二者被模型誤判的根本原因。

由圖5的分布情況還可看出，瓦布貝母與甘肅貝母離暗紫貝母分布區最近，川貝母次之，太白貝母和梭砂貝母最遠，可推測瓦布貝母、甘肅貝母與

暗紫貝母的親緣關系最近，川貝母次之，太白貝母和梭砂貝母與暗紫貝母的親緣關系最遠，該結果與李慶等［3］通過遺傳聚類分析方法研究報道結果一致。圖中還顯示太白貝母和梭砂貝母空間分布區域有交叉，也許是二者親緣關系接近的表現，這一結果還需深入研究。

2.4 “松貝”與其混偽品的快速鑒別 “松貝”價格高、資源少，藥材市場多見以“小平貝”、“珠貝”、 “小東貝”混充松貝。本研究利用PCA分析法建立了25批松貝 (暗紫貝母為其主要來源)的近紅外定性分析模型，經對3批松貝作陽性驗證，結果準確，模型的判別能力良好。調用松貝模型對小平貝 (8批)、珠貝 (2批)、小東貝(2批)作驗證，結果見圖6。

圖6 松貝定性分析模型對其混偽品的驗證結果Fig.6 Verification results of qualitative analysis of"F．sungbei Hsiao et K．C．Hsia"on its adulterants

結果顯示，小平貝、珠貝和小東貝均落在所建模型區之外，說明驗證集樣品與建模樣品不相同，可被模型正確排除，即不是松貝。

3 小結與討論

3.1 近紅外光譜具有全息性特點，可反映被測對象的物理、化學性質甚至生物學屬性［10］，而AOTF-NIR光譜儀的便攜性又增加了其現場快速分析的優勢，本研究借助PCA分析法，從對川貝母群的識別、川貝母群內不同基原品種的定性分析及商品“松貝”與偽品之間的鑒別三個角度進行了初步探討研究，結果較理想，為實現川貝母現場即時快速檢測方法的建立提供了借鑒。

3.2 由于貝母為多年生植物，種植方式多樣 (包括種子和鱗莖)，造成不同年限、不同種植方式、不同采收期鱗莖性狀有差異，所以若想將該技術應用于實際工作中，PCA分析模型的建立是關鍵，需要通過收集大批量的藥材，擴大建模集的數量，得到更為準確和完善的川貝母定性分析模型，從而擴大其應用范圍。

3.3 2005年版《中國藥典》收載川貝母共四種基原植物，分別為川貝母、暗紫貝母、甘肅貝母、梭砂貝母。由于川貝母資源短缺，2010年版《中國藥典》新增了太白貝母與瓦布貝母作為川貝母的基原植物，從本實驗研究結果來看，新增的兩個基原與原來的四個基原貝母藥材在PCA空間分布圖中能夠很好的聚為一類，屬于川貝母群，可見他們在理化性質方面極為相近，表現為較近的親緣關系，與文獻［11-13］研究結果一致，進一步說明《中國藥典》新增二者為川貝母的基原是科學合理的。

［1］國家藥典委員會．中華人民共和國藥典:2010年版一部［S］．北京:中國醫藥科技出版社，2010:34.

［2］魏 龍．松貝及常見混淆品的鑒別［J］．中國醫藥導報，2009，6(29):144-145.

［3］李 慶，陳 新，王 曙．川貝母復合群之間的分子生物學親緣關系探討［J］．華西藥學雜志，2010，25(2):140-143.

［4］王 寧，蔡紹松，武衛紅，等．一種基于聲光可調-近紅外光譜技術的復方丹參片快速定性分析方法［J］．中國中藥雜志，2008，33(16):1964-1967.

［5］王 寧，陳 雷，武衛紅．基于聲光可調濾光器-近紅外光譜技術對六味地黃丸快速鑒別分析方法的研究［J］．藥物分析雜志，2010，30(8):1467-1471.

［6］梁逸曾，龔 范，俞汝勤．化學計量學用于中醫藥研究［J］．化學進展，1999，19(2):208-209.

［7］聶小忠．對歷版《中國藥典》所載川貝品種的探討［J］．中國藥房，2008，19(9):717-718.

［8］劉震東，王 曙，陳心啟．關于瓦布貝母分類等級研究［J］．云南植物研究，2009，31(2):145-427.

［9］張莉娜，張耀甲，孫紀周．甘肅貝母性狀變異式樣的分析及分類處理［J］．西北植物學報，2001，25(1):844-856.

［10］Siesler H W，Ozaki Y，Kawata S，et al．Near-infrared spectroscopy:principles，instruments and applications［M］．Weinheim:Wiley-VCH，2002.

［11］徐傳林，李會軍，李 萍，等．川貝母藥材分子鑒定方法研究［J］．中國藥科大學學報，2010，41(3):226-230.

［12］段寶忠，黃林芳，王麗芝，等．川貝母新資源太白貝母中生物堿類成分含量測定［J］．中國藥學雜志，2011，46(5):382-384.

［13］黃林芳，段寶忠，王麗芝，等．川貝母新資源太白貝母中水溶性成分的含量測定［J］．中國中藥雜志，2011，36(5):585-588.