基于近紅外光譜及組合間隔偏最小二乘法的天南星中水分及總黃酮含量測定研究

王維皓 張永欣 馮偉紅 楊立新

摘要：目的 建立天南星中水分及總黃酮的近紅外含量預(yù)測模型。方法 采用近紅外漫反射光譜，利用TQ Analyst 9.0軟件進(jìn)行光譜預(yù)處理，并結(jié)合Matlab平臺下的組合間隔偏最小二乘法進(jìn)行波段的優(yōu)選。以校正集相關(guān)系數(shù)（Rc2）、校正集預(yù)測均方根誤差（RMSEC）、驗(yàn)證集相關(guān)系數(shù)（Rp2）、驗(yàn)證集預(yù)測均方根誤差（RMSEP）為指標(biāo)評價模型的優(yōu)劣。結(jié)果 水分較為理想的建模波段范圍為4613.6～4968.4 cm-1、8871.2～9226 cm-1、10299.4～10645.2 cm-1；總黃酮建模波段范圍為4376.3～4849.6 cm-1、5796.2～6269.5 cm-1、8182.6～8635.9 cm-1。建模后水分的含量預(yù)測模型Rc2=0.956 2，RMSEC=0.332，Rp2=0.905 2，RMSEP=0.554；總黃酮含量預(yù)測模型為Rc2=0.937 7，RMSEC=0.021，Rp2=0.898 8，RMSEP=0.027。結(jié)論 建立的近紅外光譜測定方法操作簡便、快速、準(zhǔn)確，為水分及總黃酮含量的快速檢測提供了借鑒。

關(guān)鍵詞：近紅外光譜；天南星；組合間隔偏最小二乘法；水分；總黃酮

DOI：10.3969/j.issn.1005-5304.2017.07.017

中圖分類號：R284.1 文獻(xiàn)標(biāo)識碼：A 文章編號：1005-5304（2017）07-0072-04

Abstract： Objective To establish the prediction model for near infrared spectroscopy （NIR） content determination of moisture and total flavonoids of Arisaematis Rhizoma. Methods NIR was applied on TQ Analyst 9.0 software and together with synergy interval partial least squares （SIPLS） program in Matlab platform to optimize waveband. The evaluation index of prediction model included root mean square error of calibration （RMSEC）， correlation coefficient of calibration （Rc2）， root mean square error of prediction （RMSEP） and the correlation coefficient of prediction （Rp2）. Results The characteristic wavelength regions for measurement of moisture were 4613.6–4968.4 cm-1， 8871.2–9226 cm-1， and 10 299.4–10 645.2 cm-1. While for total flavonoids， the sensitive wavelength regions were 4376.3–4849.6 cm-1， 5796.2–6269.5 cm-1， and 8182.6–8635.9 cm-1. As a result， the Rc2， RMSEC， Rp2 and RMSEP values for prediction of moisture were 0.956 2， 0.332， 0.905 2 and 0.554， respectively. And the Rc2， RMSEC， Rp2 and RMSEP values for prediction of total flavoniods were 0.937 7， 0.021， 0.898 8 and 0.027， respectively. Conclusion The established method is simple， rapid and accurate， which can be used as an option for rapid quality evaluation of moisture and total flavonoids of Arisaematis Rhizoma.

Key words： near infrared spectroscopy； Arisaematis Rhizoma； synergy interval partial least squares； moisture； total flavonoids

天南星為天南星科植物天南星Arisaema erubescens的干燥塊莖，具有祛風(fēng)解痙、燥濕化痰功效[1]。臨床用于中風(fēng)引起的痰癥、咳喘、驚癇[2]，亦可治療半身不遂、破傷風(fēng)、風(fēng)寒痹痛等癥[3]。外敷可治療癰腫、蛇蟲叮咬[4]?，F(xiàn)代藥理研究表明，天南星提取液能抑制HeLa細(xì)胞生長，對小白鼠體內(nèi)的腫瘤有抑瘤作用[5]，還能誘導(dǎo)人肝癌SMMC-7721細(xì)胞凋亡[6]。天南星的化學(xué)成分主要為黃酮、生物堿和苷類。2015年版《中華人民共和國藥典》（一部）采用分光光度法對天南星中的總黃酮進(jìn)行質(zhì)量控制[4]，操作較為繁瑣。藥材中水分含量對藥材的質(zhì)量、貯藏、臨床應(yīng)用等存在重要影響。因此，水分的測定一直是中藥材質(zhì)量控制不可或缺的內(nèi)容。藥典對于天南星水分的控制采用烘干法，測定周期漫長。目前中藥質(zhì)量評價中類似天南星的情況很多，傳統(tǒng)的質(zhì)量控制方法樣品前處理過程繁瑣、測定周期冗長，耗費(fèi)大量人力、物力，很難滿足藥材質(zhì)量快速評價的現(xiàn)實(shí)要求。因此，研究建立操作簡便、快速、清潔的質(zhì)量評價方法成為中藥質(zhì)量評價的一個發(fā)展方向。

近紅外光譜（near infrared spectroscopy，NIR）技術(shù)操作簡便，簡化了樣品前處理過程，滿足結(jié)果準(zhǔn)確、快速測定的實(shí)際需要。目前，NIR技術(shù)在藥品生產(chǎn)的在線控制、中藥制劑及中藥材鑒別等方面都有成功應(yīng)用。通過多元統(tǒng)計(jì)分析，剔除噪聲及冗余信息的干擾，建立理想的測定模型以確保模型的精度和穩(wěn)定是NIR定性或定量分析研究的核心內(nèi)容。但是，鑒于NIR光譜的復(fù)雜性，譜帶冗余信息較多，為了建立良好測定模型，選擇特征檢測波段，保證模型的準(zhǔn)確性是建模的關(guān)鍵部分。本研究運(yùn)用NIR技術(shù)，以天南星為研究對象，采用組合間隔偏最小二乘（synergy interval partial least squares，SIPLS）法對建模波段進(jìn)行優(yōu)選，結(jié)合TQ Analyst 9.0軟件，建立天南星中總黃酮及水分的含量測定方法，為天南星的快速質(zhì)量評價提供可供借鑒的方法。

1 儀器與試藥

T6型紫外分光光度計(jì)，北京普析通用儀器有限責(zé)任公司；KQ3200DE型超聲波清洗儀，江蘇省昆山市超聲儀器有限公司；XS105型十萬分之一分析天平，瑞士梅特勒斯托利多公司；Thermo Antaris近紅外掃描儀，美國賽默飛世爾科技有限公司。

天南星收集于8個?。ㄋ拇?、成都、甘肅、云南、吉林、湖北、湖南、廣西），共100批，經(jīng)中國中醫(yī)科學(xué)院中藥資源中心袁媛研究員鑒定為天南星Arisaema erubescens的干燥塊莖。

2 方法與結(jié)果

2.1 水分測定

參照2015年版《中華人民共和國藥典》（四部）0832水分測定法項(xiàng)下烘干法進(jìn)行[7]，結(jié)果100批天南星的水分含量為7.43%～12.40%，平均值為10.38%。

2.2 總黃酮含量測定

采用2015年版《中華人民共和國藥典》（一部）天南星項(xiàng)下含量測定步驟[4]對100批天南星的總黃酮進(jìn)行含量測定，結(jié)果總黃酮含量為0.009%～0.218%，平均值為0.098%。

2.3 光譜數(shù)據(jù)采集

100批天南星室溫干燥14 d，粉碎過60目篩。分別取各批次樣品粉末適量，裝入石英樣品杯中，攤平。以空氣做參比，扣除背景，采集光譜圖。采樣方式：積分球漫反射法；采集區(qū)域設(shè)置：4000～12 000 cm-1；分辨率：32.0 cm-1；掃描次數(shù)：64次；增益：2X；溫度：25 ℃。100個樣品的近紅外掃描結(jié)果見圖1。

2.4 光譜預(yù)處理方法

采用TQ Analyst 9.0軟件，以校正集預(yù)測均方根誤差（RMSEC）、校正集相關(guān)系數(shù)（Rc2）、驗(yàn)證集預(yù)測均方根誤差（RMSEP）、驗(yàn)證集相關(guān)系數(shù)（Rp2）為指標(biāo)，篩選光譜預(yù)處理方法[8-9]。采用TQ Analyst 9.0軟件對100批樣品進(jìn)行隨機(jī)樣本劃分，并將樣品的真實(shí)值和計(jì)算值的偏差作為判定異常樣本的標(biāo)準(zhǔn)。對于水分，以偏差>±0.5%作為異常樣本剔除標(biāo)準(zhǔn)，總黃酮以偏差>±0.3%作為異常樣本剔除標(biāo)準(zhǔn)。最終，水分及總黃酮的測定均剔除7個異常樣本，選取73個樣本為校正集，20個樣本作為驗(yàn)證集。采用TQ Analyst 9.0軟件進(jìn)行含量計(jì)算，在全波長范圍內(nèi)，經(jīng)多元散射矯正（multiplicative signal correction，MSC）、標(biāo)準(zhǔn)正態(tài)變量（standard normal variate，SNV）或恒量（constant）等化學(xué)計(jì)量學(xué)處理方法消除由于樣品顆粒均勻程度的差異造成的光譜差異；經(jīng)一階導(dǎo)數(shù)（1stDR）或二階導(dǎo)數(shù)（2ndDR）、光譜不平滑處理（no smoothing）或平滑濾波（Savitzky-Golay filter，SG）等化學(xué)計(jì)量學(xué)方法消除由于儀器噪聲或基線波動產(chǎn)生的誤差。經(jīng)比較各預(yù)處理方法所建模型的RMSEC、Rc2，確定水分及總黃酮較優(yōu)的光譜預(yù)處理方法。篩選過程見表1。針對水分和總黃酮均以constant+2ndDR+no smoothing進(jìn)行光譜預(yù)處理的RMSEC數(shù)值最小，真實(shí)值和預(yù)測值的相關(guān)性（Rc2）最優(yōu)，潛變量因子數(shù)較小。因此，采用上述方法進(jìn)行光譜預(yù)處理。

2.5 建模波段選擇

由于NIR存在譜帶冗余信息，為保證所建立的模型穩(wěn)定可靠，在建模過程中應(yīng)對建模波段進(jìn)行優(yōu)選。本研究在Matlab 2012a平臺下采用SIPLS法[10]分別以光譜非中心化處理或光譜中心化處理2種方法對全波長范圍光譜進(jìn)行波段劃分。篩選過程參數(shù)：非中心化處理后的全波長光譜劃分為20個區(qū)間；中心化處理的全波長光譜劃分為15個區(qū)間。最大潛變量因子10，組合數(shù)3。以潛變量因子數(shù)、RMSEC及Rc2數(shù)值作為選擇最佳檢測波長的標(biāo)準(zhǔn)，將建模后潛變量因子數(shù)和RMSEC均較小而Rc2較大的模型所對應(yīng)的波長區(qū)間確定為最佳波段區(qū)間。篩選結(jié)果見表2。結(jié)果顯示：對于水分，采用非中心化處理并將全波段光譜劃分為20個區(qū)間建模效果較好，其中組合區(qū)間[3，15，19]，即波長區(qū)間為4613.6～4968.4 cm-1、8871～9226 cm-1、10 645.2～10 299.4 cm-1建模效果最佳；對于總黃酮，采用中心化處理，并將全波段光譜區(qū)分為15個區(qū)間進(jìn)行建模效果較好，其中組合區(qū)間[2，5，10]，即波長范圍4737.3～4849.6 cm-1、5796.2～6269.5 cm-1、8182.6～8635.9 cm-1建模效果最佳。波長篩選結(jié)果見圖2，模型的建立結(jié)果見圖3，因子數(shù)選擇見圖4。

3 討論

在NIR模型建立過程中，建模波段的設(shè)置是保證模型穩(wěn)健、準(zhǔn)確的關(guān)鍵。SIPLS法主要用于偏最小二乘建模的波段篩選。將精度較高的幾個波段進(jìn)行組合，以組合模型的RMSEC值作為判斷模型精度的標(biāo)準(zhǔn)[11]，得到最佳波段區(qū)間。采用SIPLS篩選波段，縮小了篩選范圍，增強(qiáng)針對性，減小了波段優(yōu)選的工作量，避免了在近紅外建模過程中波段篩選的盲目性。

在本研究前期，僅經(jīng)光譜預(yù)處理方法，以全波段建立的模型Rc2及RMSEC數(shù)值均不理想，后經(jīng)波段篩選并結(jié)合光譜預(yù)處理方法得到了較為理想的模型，表明建模波段選擇的重要性。

本研究以天南星中的水分及總黃酮為考察對象，采用SIPLS法對水分及總黃酮的檢測波長進(jìn)行了篩選，建立了其含量的NIR預(yù)測模型。結(jié)果顯示，所建立的NIR測定方法操作簡便、快速、準(zhǔn)確，為水分及總黃酮的含量快速檢測提供了方法上的借鑒。

參考文獻(xiàn)：

[1] 毛淑杰，吳連英.天南星（虎掌南星）生、制品鎮(zhèn)靜抗驚厥作用比較研究[J].中國中藥雜志，1994，19（4）：218.

[2] 趙紅霞，汪文來，于智敏，等.半夏、天南星的臨床應(yīng)用及現(xiàn)代研究[J].中國中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志，2005，11（12）：955-956.

[3] 劉英波，潘年松，莫應(yīng)明.中藥天南星研究進(jìn)展綜述[J].中國西部科技， 2015，14（6）：106-107，50.

[4] 國家藥典委員會.中華人民共和國藥典：一部[M].北京：中國醫(yī)藥科技出版社，2015：57.

[5] 張蕻，李燕玲，任連生，等.馬錢子天南星對小鼠移植性腫瘤H22的抑瘤作用[J].中國藥物與臨床，2005，5（4）：272-274.

[6] 楊宗輝，尹建元，魏征人，等.天南星提取物誘導(dǎo)人肝癌SMMC-7721細(xì)胞凋亡及其機(jī)制的實(shí)驗(yàn)研究[J].中國老年學(xué)雜志，2007，27（2）：142-144.

[7] 國家藥典委員會.中華人民共和國藥典：四部[M].北京：中國醫(yī)藥科技出版社，2015：104.

[8] 褚小立.近紅外光譜分析技術(shù)實(shí)用手冊[M].北京：機(jī)械工業(yè)出版社， 2016：114-122.

[9] ZHAO N， WU Z S， ZHANG Q， et al. Optimization of parameter selection for partial least squares model development[J]. Sci Rep，2015，5：11647.

[10] 朱向榮，李高陽，蘇東林，等.基于近紅外光譜與組合間隔偏最小二乘法的稻米鎘含量快速檢測[J].食品與機(jī)械，2015，31（4）：43.

[11] WU Z， PENG Y， CHEN W， et al. NIR spectroscopy as a process analytical technology （PAT） tool for monitoring and understanding of a hydrolysis process[J]. Bioresour Technol，2013，137：394-399.

（收稿日期：2016-10-10）

（修回日期：2016-10-24；編輯：陳靜）