近紅外光譜對蚌毒靈散中黃芩進行整體定量分析研究

樊克鋒，湯法銀，孫素琴，周 群，王新杰

(1．河南牧業經濟學院制藥工程學院，河南 鄭州 450000;2．清華大學化學系，北京 海淀 100084; 3．北京仁森寶生物科技有限公司，北京 通州 101100)

近紅外光譜對蚌毒靈散中黃芩進行整體定量分析研究

樊克鋒1，湯法銀1，孫素琴2，周 群2，王新杰3

(1．河南牧業經濟學院制藥工程學院，河南 鄭州 450000;2．清華大學化學系，北京 海淀 100084; 3．北京仁森寶生物科技有限公司，北京 通州 101100)

為了對中獸藥復方散劑建立一種單味中藥無損快速“整體定量”方法的分析研究。采用近紅外光譜技術結合化學計量學。結果:復方散劑中“黃芩整體含量”在樣品訓練集測定值與真實值之間的相關圖呈非常好的線性關系，預測結果滿意。表明該方法為廣泛應用的中獸藥散劑中不同“單味中藥整體定量”分析研究提供一個新的無損快速測定技術。

近紅外光譜;黃芩;整體定量;無損快速

目前，中獸藥散劑在臨床應用中仍占絕對優勢(《獸藥典》中85%以上的中獸藥制劑仍然是散劑)，其復雜多樣的化學成分及作用機理仍然無法完全明晰，這給評價中獸藥藥理藥效和質量標準制定帶來了極大的困難。目前慣用方法仍然是模仿化學藥物的質量控制模式，即以已知單一或幾個指標成分作為質量控制和評價標準，通過單一的定性和定量的分析，判斷中獸藥(復方)是否“合格”并制定非客觀質量標準。這樣做似乎是找到了一種看似合理的方法來評價中獸藥(復方)質量，但是這種方法忽視了中獸藥整體性和復方協同作用。所以不能簡單說其中一個或幾個成分對疾病起作用，為了更好的對中獸藥(復方)進行全面整體的質量控制和評價，本試驗利用近紅外光譜技術和化學計量學，將中藥散劑中的某種“中藥整體”作為一個質量指標，無論含有多少成分都將這種中藥材看作一個整體。這樣既避免了樣品復雜前處理對物質造成的流失，也較好符合中獸醫藥整體觀，同時更適合中獸藥散劑原狀態直接“無損快速”測定。

近紅外光譜同計算機和化學計量學相結合可對物質進行非破壞分析。如在對藥物的定量分析方面，將近紅外光譜與偏最小二乘法(PLS)、主成分分析(PCA)及非線性人工神經網絡方法等相結合非侵入地測量了銀杏葉片［1］、黃連浸膏粉［2］、元胡止痛散［3］等中藥活性成分的含量和分布，及對甲璜酸加替沙星［4］、頭孢氨芐膠囊［5］、撲熱息痛片劑［6］、甲氧芐胺嘧啶［7］等進行了定量分析，均取得了滿意的預測結果。

1 實驗

1．1 儀器設備及測試條件 儀器設備:近紅外光譜儀采用布魯克公司的VECTOR 22-NIR型傅立葉變換近紅外光譜儀，配有PbS和InGaAs檢測器、外接積分球、樣品旋轉器和固體光纖探頭;PentiumⅢPC機。

測試條件:樣品粉末分別取適量放入石英樣品杯中，分布均勻，輕輕壓平。測樣方式:積分球漫反射;分辨率:8 cm-1;掃描次數:64次;掃描范圍: 12 000～4 000 cm-1;溫度:20℃;空氣濕度:60%;每個樣品重復3次，求平均光譜。

1．2 試驗樣品材料來源及制備方法 樣品材料來源 以2010年版《中國獸藥典》二部中“蚌毒靈散”［8］為研究對象，處方為:黃芩60 g，黃柏20 g，大黃10 g，大青葉10 g，即主藥黃芩含量為60%，藥材飲片購于北京同仁堂(鄭州店)。

樣品制備方法:分別取各味藥材適量，低溫干燥，取黃芩單獨粉碎100目細粉，黃柏、大黃和大青葉按處方比例混合粉碎100目細粉，備用。依據處方要求，分別精密稱量、等量遞增混合制備黃芩含量5%～70%的70份樣品，得訓練集和預測集樣本。其編號如表1。

1．3 樣品近紅外光譜采集 將70份樣品粉末分別取適量放入石英樣品杯中，混合均勻，輕輕壓平，按上述測試條件進行掃描，每個樣品重復3次，求平均光譜，70份蚌毒靈散樣品的近紅外光譜疊加見中插彩版圖1。

1．4 定量校正模型的建立

表1 黃芩不同含量70份散劑樣品編號

1．4．1 光譜預處理方法的選擇 通過比較不同預處理方法對RMSECV(均方差，即交叉驗證誤差均方根)和R2(相關系數)的影響，最終選擇了Vector Normalization(矢量歸一化)預處理的方法對70分樣品進行建模。此時RMSECV分別為0．963;R2分別為99．77。預處理圖譜見中插彩版圖2。

1．4．2 建模譜段的選擇 選擇合適的波段對于建立定量模型來說是非常重要的。本文以RMSECV和R2為衡量的標準來選出模型最合適的波段。結果選擇波段為6102～5446 cm－1，Rank=4。

1．4．3 樣品定量模型的建立 運用Bruker OPUS/ QUANT22定量分析軟件中PLS法進行數據處理，其中60份樣品作為校正樣品集，8份樣品作為預測樣品集。訓練集樣品通過軟件分析，36，38號樣品為建模溢出值，將其刪除后，建立模型更為準確。用校正樣品集進行內部交叉驗證RMSECV=0．963，R2=99．77(如圖3)，確定最佳主成份數為4(如圖4)。近紅外光譜法測得值與真實值之間的絕對誤差在±1%之間(如圖5)。

圖3 訓練集測定值與真實值之間的相關圖(Rank:4 R2=99．77 RMSECV=0．963)

圖4 訓練集RMSECV與Rank之間的相關圖(Rank:4 R2=99．77 RMSECV=0．963)

圖5 訓練集絕對誤差與真實值之間的相關圖(Rank:4 R2=99．77 RMSECV=0．963)

2 結果

將前述所建立的定量校正模型用于對8份樣品進行預測，結果如表2。

表2 檢驗集樣品預測結果

檢驗集預測結果顯示，在黃芩的投藥量相差10%的范圍內預測結果還是比較準確的，可以成功的分出不同投藥量的樣品。

3 討論

3．1 在模型建立的過程中，取樣和混合是非常重要的，藥材混合是否均勻直接影響到模型建立的好壞。為了盡量消除混合均勻的問題，首先制樣時按等量遞增法混合，再者測定時從混合樣品的不同部位取樣，另外在測定過程中，采取多次測量取平均圖譜的方法，盡量消除混合不均勻和顆粒大小不均勻對測量的影響。

3．2 由于樣品只是添加的黃芩多少不同，在近紅外原始光譜圖上很難看出差異。但將近紅外光譜技術與計算機技術和化學計量學相結合，對原始圖譜進行必要的預處理之后，就會在處理過的圖譜中顯示出各個樣品的不同，這種不同與化學值(稱量值)是一一對應的。

3．3 在建立模型的時候，本文將黃芩作為一個整體這是一種新的嘗試。按不同的比例投入黃芩，不再測定指標成分黃芩苷的含量，而是將黃芩整體的投入量直接作為基礎值。因此訓練集測定值與真實值之間的相關圖呈非常好的線性關系。雖然樣品的含量不是分散的而是等比例增加的，但預測結果令人滿意，說明模型的建立還是成功的。如果可以將投藥量的密度進一步的減小，建立的模型可能會更好，這種新的嘗試值得進一步研究。

4 結論

本試驗將復方蚌毒靈散劑中“黃芩整體”當作一種指標，采用PLC法建立近紅外光譜方模型，內部交叉驗證RMSECV=0．963，R2=99．77，確定最佳主成分數為4。近紅外光譜法測得值與真實值之間的絕對誤差在±1%之間，基本上可以分出5% ～70%的樣品。通過預測值結果可以看出，樣品近紅外光譜與黃芩藥材之間存在一定的相關性，因此將該方法用于黃芩原藥材占有量的測定基本可行，在擴大標準樣品集的數量后，有望獲得結果更可靠的數學模型。如果模型能夠建立就可以很方便地監督投藥量是否合乎處方，監督是否減少了貴重藥材的投藥量。

利用近紅外光譜技術對中藥復方中單味藥材“整體定量”的初步研究。嘗試了將整體藥材作為指標性成分，建立了快速定量檢測處方中某種藥材占有量的新方法。在建立模型的時候，不再測定它們單一指標成分含量，按不同的比例將黃芩的投入量整體直接作為基礎值。因此訓練集測定值與真實值之間的相關圖呈非常好的線性關系，預測結果令人滿意，說明模型的建立還是成功的。進一步可以將投藥量的密度進一步的減小，建立的模型可能會更好，這種新的嘗試值得進一步研究。

［1］ 程斌．高效薄層掃描法測定小柴胡沖劑中黃芩苷含量［J］．藥學實踐雜志，2001，19(4):224

［2］ 張玲莉，彭燕，呂翼．高效液相色譜法測定一清顆粒中黃芩苷的含量［J］．中國藥師，2003，6(10):628

［3］ 羅世江，唐冰．高效液相色譜法測定四通感冒茶中黃芩苷的含量［J］．淮海醫藥，2003，21(4):333

［4］ Dreassi E，Ceramelli G．Analyst，1996，121(2):219(Control of pharm．)．

［5］ Plugge W，Vandervlies C J．pharm，Biomed Anal，1996，14(8-10):891．

［6］ Krisch J D，Drennen J K．Pharmaceutical Research．，1996，13 (2):234．

［7］ Blanco M，Coello J．Anal．Chim〔J〕．Acta，1994，298(2):183．

［8］ 中國獸藥典委員會．中華人民共和國獸藥典(二部)［M］，北京:中國農業出版社．2010:641．

R284

B

0529-6005(2017)06-0102-03

2016-09-27

河南省教育廳自然科學基金資助項目(2008A230010)

樊克鋒(1973-)，男，副教授，碩士，研究方向為利用現代分析手段對中藥品質的研究，E-mail:fanke333@aliyun．com