近紅外光譜法快速測定女貞子藥材中女貞苷的含量Δ

張迪文，白 雁，謝彩俠，雷敬衛，周琳琳，張 苗（河南中醫學院藥學院，鄭州 450046）

近紅外光譜法快速測定女貞子藥材中女貞苷的含量Δ

張迪文＊，白 雁，謝彩俠#，雷敬衛，周琳琳，張 苗（河南中醫學院藥學院，鄭州 450046）

目的：建立快速測定女貞子藥材中女貞苷含量的方法。方法：采用高效液相色譜法（HPLC）測定藥材中女貞苷的含量（作為參考值）：色譜柱為Diamonsil C18，流動相為乙腈-水（梯度洗脫），流速為1.0 ml/min，檢測波長為230 nm，柱溫為30Ⅱ，進樣量為10 μl。采用偏最小二乘法-近紅外光譜法建立預測藥材中女貞苷含量的定量校正模型：根據HPLC法含量測定結果，采集校正集樣品72份、驗證集樣品24份，以多元散射校正法聯合一階導數法預處理光譜，最佳波段為9 999.89～4 001.01 cm－1，主成分因子數為9。結果：女貞苷含量測定方法學考察符合要求。女貞苷含量預測的定量校正模型內部交叉驗證決定系數為0.984 69，校正均方根偏差為0.097，預測均方根偏差為0.100，交叉驗證均方根偏差為0.240 13，預測值與實測值差異無統計學意義（P＞0.05）。結論：該方法快速、準確、簡便、無破壞、無污染，可用于女貞子藥材中女貞苷含量的快速測定。

近紅外光譜法；偏最小二乘法；女貞子；女貞苷；含量

女貞子是木犀科植物女貞Ligustrum lucidum Ait.的干燥成熟果實，為一味傳統的扶正固本藥物，具有滋補肝腎、明目烏發之功效[1]，屬于補益類中藥中的上品。我國女貞子藥材資源豐富，現代研究發現其中主要含有三萜類、環烯醚萜類、黃酮類及苯乙醇苷類等成分，具有調節免疫、降血糖、降血脂、抗氧化、抗炎抑菌及保肝等藥理作用[2-4]。女貞苷為環烯醚萜類中含量較高的成分之一，可以作為女貞子藥材專屬指標性成分，用于評價其質量。女貞苷傳統測定方法為高效液相色譜法（HPLC），雖然測定結果較準確，但其前處理煩瑣復雜，且化學試劑污染空氣環境，測定過程較長。

近紅外光譜（NIR）技術簡便、快捷，獲得信息多，對環境零污染，具有非破壞性[5]。故本研究以96批不同產地的女貞子藥材為樣品，利用NIR儀采集其NIR，根據HPLC法含量測定結果，建立預測其中女貞苷含量的定量校正模型。

1 材料

1.1 儀器

Nicolet 6700型傅里葉變換NIR儀（美國Thermo公司）；2695型HPLC儀，包括2998檢測器（美國Waters公司）；SZ-93型自動雙重純水蒸餾器（上海亞榮生化儀器廠）；ME54E型萬分之一電子分析天平（瑞士Mettler-Toledo公司）；CPA225D型十萬分之一電子分析天平（德國Sartorius公司）；TY-500型超聲波清洗儀（北京天佑恒達科技有限公司，功率：500 W，頻率：40 kHz）。

1.2 試劑

女貞苷對照品（成都曼思特生物科技有限公司，批號：MUST-14062606，純度＞98%）；甲醇為色譜純，乙腈為分析純，水為超純水。

1.3 藥材

女貞子藥材采購于四川、湖南、浙江、河南4個產地，共96批樣品，由河南中醫學院董誠明教授鑒定為真品。

2 方法與結果

2.1 NIR的采集

取樣品適量，粉碎，過40目篩，取約5 g粉末置于石英杯中，混合均勻，采用積分球漫反射系統，以空氣為參比，扣除背景采集NIR。采集條件：分辨率為8 cm－1，掃描范圍為12 000～4 000 cm－1，掃描累積次數為64次，每次掃描背景間隔為20 min，溫度為25～28Ⅱ，相對濕度為18%～20%。96批樣品的近紅外原始光譜疊加圖見圖1。

圖1 96批樣品的近紅外原始光譜疊加圖Fig 1 The near-infrared reflectance spectra of 96 samples

2.2 女貞苷含量的HPLC法測定

2.2.1 色譜條件與系統適用性試驗 色譜柱：Diamonsil C18（250 mm×4.6 mm，5 μm）；流動相：乙腈（A）-水（B），梯度洗脫（0～30 min，15%→34%A）；流速：1.0 ml/min；檢測波長：230 nm；柱溫：30Ⅱ；進樣量：10 μl。在上述色譜條件下，理論板數以女貞苷峰計不少于3 000；各成分基線分離良好，分離度＞1.5，詳見圖2。

圖2 高效液相色譜圖A.對照品；B.供試品；1.女貞苷Fig 2 HPLC chromatogramsA.reference substance；B.test sample；1.ligustroflavone

2.2.2 對照品溶液的制備 精密稱取女貞苷對照品1.08 mg，置于50 ml量瓶中，加水溶解并定容，搖勻，即得女貞苷質量濃度為0.021 6 mg/ml的對照品溶液。

2.2.3 供試品溶液的制備 取樣品粉末0.2 g，精密稱定，置于100 ml錐形瓶中，加甲醇25 ml，超聲處理30 min，處理2次，濾過，合并濾液至100 ml蒸發皿中，蒸干，殘渣用水溶解并定容至10 ml，搖勻，以0.45 μm濾膜濾過，取續濾液，即得。

2.2.4 方法學考察 按相關標準進行方法學試驗，結果表明，精密度、穩定性、重復性試驗中女貞苷峰面積的RSD均＜3.0%，表明儀器精密度、溶液穩定性、方法重復性均較好。

2.2.5 樣品含量測定 取96批樣品各適量，分別按“2.2.3”項下方法制備供試品溶液，再按“2.2.1”項下色譜條件進樣測定，記錄峰面積并計算樣品含量，結果見表1。

2.3 NIR定量校正模型建立與驗證

2.3.1 校正集與驗證集樣品的選擇 根據“2.2.5”項下女貞苷含量分布情況，從96批樣品中選取72批組成校正集，用于建立模型；其余24批樣品組成驗證集，用于驗證模型。選擇原則為驗證集樣品女貞苷含量分布范圍應包含在校正集樣品女貞苷含量分布范圍之內，詳見表2。

2.3.2 光譜預處理方法的選擇 分別以常數偏移消除法（COE）、多元散射校正法（MSC）、Savitzky-Golay濾波法（SG）、Norris derivative濾波法（ND）、標準歸一化法（SNV）、一階導數法（First derivative）、二階導數法（Second derivative）等[6]方法預處理光譜，得不同校正集內部交叉驗證決定系數（R2）、校正均方根偏差（RMSEC）和預測均方決定差（RMSEP），詳見表3。

表1 樣品含量測定結果（n＝3，%）Tab 1 Results of contents determination of samples（n＝3，%）

表2 校正集與驗證集樣品女貞苷含量分布范圍Tab 2 Distribution ranges of calibration and validation for ligustroflavone content

運用TQ Analyst 8.0分析軟件對表3數據進行處理，結合偏最小二乘法建立NIR定量校正模型。選擇R2、RMSEC、RMSEP為評價指標，綜合評價不同模型的準確性和適用性。其中，R2越接近1，NIR模型預測值與實測值相關性越好；RMSEC與RMSEP越接近，且RMSEC略小于RMSEP，所建模型適用性越強，預測效果越好[7-8]。結果表明，以MSC+First derivative預處理光譜效果最好，可以消除多重光譜偏差。對導數光譜進行微調處理，經最佳光譜預處理方法處理后的NIR見圖3。2.3.3 建模波段的選擇 建模波段區間要求包含樣品的大量信息，同時要避免冗余信息，降低噪聲干擾[9]。交叉驗證均方根偏差（RMSECV）越小，所建模型適用性越強，預測效果越好。采用MSC+First derivative對不同的波段進行手動優化比較，通過TQ Analyst 8.0分析軟件得到最佳波段范圍為9 999.89～4 001.01 cm－1，詳見表4。

表3 不同光譜預處理方法對定量校正模型性能的影響Tab 3 Effects of different pretreatment methods on quantitative model performance

圖3 預處理后的近紅外光譜Fig 3 The near-infrared spectra after pretreatment

表4 不同波段范圍對R2和RMSECV的影響Tab 4 Effects of different spectral range on R2and RMSECV

2.3.4 主成分數的選擇 在建模過程中，采用不同的主成分數，模型的預測能力不同，若主成分數太少，建模信息不全，預測能力太低；反之，主成分數太多，驗證過程會出現過擬合現象[10]。采用內部交叉驗證考察主成分數對RMSECV的影響，并作曲線，詳見圖4。結果表明，當偏最小二乘法因子數為9時，RMSECV最小，即最佳建模主成分數為9。

圖4 主成分數對RMSECV的影響Fig 4 Effects of principal component numbers on RMSECV

2.3.5 定量校正模型的建立 運用TQ Analyst 8.0分析軟件，以72批校正集樣品NIR為準，對光譜采用MSC+First derivative預處理方法，在9 999.89～4 001.01 cm－1波段范圍，選擇9個主成分數進行建模。結果，用校正集樣品進行內部驗證，R2＝0.984 69，RMSEC＝0.097，RMSEP＝0.100，RMSECV＝0.240 13。女貞苷NIR預測值與實測值的相關圖和偏差圖見圖5。由圖5可知，NIR預測值與實測值的相關性較高，且結果很接近，所建模型的性能較好，可以用于女貞子藥材中女貞苷的定量分析。

圖5 女貞苷NIR預測值與實測值的相關圖和偏差圖A.相關圖；B.偏差圖Fig 5 Correlation and deviation between NIR predicted value and content reference value of ligustroflavoneA.correlation；B.deviation

2.3.6 定量校正模型的驗證 選擇24批驗證集樣品進行外部驗證。將其NIR輸入定量校正模型，預測女貞苷含量，再與實測值進行比較，結果見表5。由表5可知，驗證集樣品的NIR預測值與實測值的絕對誤差不超過0.13%，相對誤差為0.50%～5.62%，平均相對誤差為2.77%，說明所建模型具有良好的預測能力與適應性。將驗證集樣品含量實測值與NIR預測值進行配對t檢驗，t＝0.107，P＝0.914＞0.05，按0.05的顯著性水平分析，實測值與預測值差異無統計學意義，說明該模型預測結果可靠，可用于樣品中女貞苷含量的快速測定。

表5 24批驗證集樣品的NIR定量校正模型預測結果（%）Tab 5 NIR predicted values of 24 validation samples（%）

3 討論

NIR定量校正模型的適用范圍取決于校正集樣品指標性成分的含量范圍。本試驗收集到的女貞子藥材樣品來自四川、湖南、浙江、河南等多個產地，涵蓋范圍較廣且分布較為均勻，具有一定的代表性。因此，所建模型適用性較強，可用于女貞子藥材中指標性成分女貞苷的含量預測。

本試驗運用NIR法結合偏最小二乘法建立了一種快速測定女貞子藥材中女貞苷含量的新方法。本方法簡便、快捷，成本較低，獲得信息多，具有非破壞性，并且對環境零污染，符合現代中醫藥科學發展的理念，也為女貞子藥材及其制劑的臨床應用和質量檢驗提供了一定的參考。

[1] 國家藥典委員會.中華人民共和國藥典：一部[S].2015年版.北京：中國醫藥科技出版社，2015：45.

[2] 江洪波，董小萍.女貞子總三萜的制備及抗氧化活性研究[J].世界科學技術：中醫藥現代化，2015，17（1）：189.

[3] 劉亭亭，王萌.女貞子化學成分與藥理作用研究進展[J].中國實驗方劑學雜志，2014，20（14）：228.

[4] 張金玲，王小虎，鄧振濤，等.中藥女貞子化學成分及藥理作用研究進展[J].現代中西醫結合雜志，2013，22（36）：4 100.

[5] 陸婉珍.現代近紅外光譜分析技術[M].北京：中國石化出版社，2007：35.

[6] 白雁.現代近紅外光譜分析技術在藥品及食品品質評價系統中的應用[M].北京：高等教育出版社，2009：81.

[7] 雷敬衛，樊明月，郭艷利，等.近紅外光譜法快速測定木香中木香烴內酯與去氫木香內酯的含量[J].天然產物研究與開發，2014，26（7）：1 062.

[8] 郭瑞峰，郄冰冰，張鋮源.鹽酸地芬尼多片近紅外光譜定量模型的建立[J].中國藥房，2014，25（25）：2 352.

[9] 杜文俊，劉雪松，陶玲艷，等.熱毒寧注射液金銀花和青蒿（金青）醇沉過程中多指標的近紅外快速檢測[J].中草藥，2015，46（1）：61.

[10] 白雁，樊明月，雷敬衛，等.近紅外漫反射光譜法快速測定枳實藥材中醇浸出物的含量[J].中國實驗方劑學雜志，2015，21（1）：73.

Rapid Determination of Ligustroflavone in Fructus ligustri by PLS-NIR Spectroscopy

ZHANG Diwen，BAI Yan，XIE Caixia，LEI Jingwei，ZHOU Linlin，ZHANG Miao（College of Pharmacy，Henan University of Traditional Chinese Medicine，Zhengzhou 450046，China）

OBJECTIVE：To establish a method for the rapid determination of ligustroflavone in Fructus ligustri.METHODS：HPLC was conducted to determine the content of ligustroflavone（as reference value）：the column was Diamonsil C18with mobile phase of acetonitrile-water（gradient elution）at a flow rate of 1 ml/min，the detection wavelength was 230 nm，column temperature was 30Ⅱand the injection volume was 10 μl.Partial least square（PLS）-near infrared spectroscopy（NIRS）were adopted to establish the quantitative calibration model of ligustroflavone content：according to the determination results of ligustroflavone content，72 samples of calibration set and 24 samples of validation set were collected and pretreated spectrum by multivariate scattering correction（MSC）combined with the First Derivative，the optimized wavelength band was 9 999.89-4 001.01 cm－1and principal component factor number was 9.RESULTS：Methodology validation of content determination for ligustroflavone was in line with the requirement.Internal cross-validation coefficient of the quantitative calibration model for ligustroflavone was 0.984 69，corrected root mean square deviation was 0.097，the root mean square error of predication was 0.100，and the root mean square error of cross validation was 0.240 13.There was no significant different between the predicted value and the measured value.CONCLUSIONS：The method is rapid，accurate，simple without destruction and pollution，and can be used for the rapid determination of ligustroflavone in F.ligustri.

Near-infrared spectroscopy；Partial least square；Fructus ligustri；Ligustroflavone；Content

R917

A

1001-0408（2016）36-5140-04

2016-01-07

2016-04-30）

（編輯：張 靜）

河南省高等學校重點科研項目（No.15A360010）

＊碩士研究生。研究方向：中藥品質的分析、評價。E-mail：908625387@qq.com

#通信作者：教授，碩士生導師。研究方向：中藥品質的分析、評價。電話：0371-65962967。E-mail：2590464842@qq.com

DOI10.6039/j.issn.1001-0408.2016.36.32