基于紅外光譜法結合SIMCA模式識別不同產地三七

姜亦南，藺明煊，何帥，丁永勝，郭麗萍，石晉麗,陳建波

(1.北京中醫藥大學中藥學院，北京 100029；2.北京中醫藥大學生命科學學院，北京 102488)

三七Panaxnotoginseng(Burk.)F.H.Chen又名田七、人參三七、參三七等，是五加科植物三七的干燥根及根莖[1]，能夠散瘀止血，消腫定痛，用于咯血、吐血、衄血、便血、崩漏、外傷出血、胸腹刺痛和跌撲腫痛等，是我國傳統珍貴藥材[2]。近年來，由于三七需求量增大，由原來道地產區云南文山向新產區擴展，且三七用法多為粉末沖服，目前市場上三七粉產品種類繁多，很難直觀判斷其質量優劣，且價格差異明顯，無法保證其質量。因此，構建一種對鑒別三七產地簡單易行的方法具有重要的理論和實踐意義。

目前，性狀鑒別、薄層色譜分析、紫外分光光度法、指紋圖譜等三七的傳統鑒別方法多用于真偽鑒別[3-5]。近紅外(near infrared reflectance spectroscopy，NIRS)技術作為一種高效綠色分析新技術[6]，具有檢測速度可達到秒級，可直接對固體粉末、飲片等進行定性及定量分析等特點，在我國中藥分析領域取得了較快的發展[7]。近紅外技術在鑒定三七方面的研究多偏向于含量測定和真偽鑒別，如閆珂巍[8]等采集三七近紅外光譜，建立三七皂苷的近紅外定量分析模型，快速準確地對三七中3種皂苷的總含量進行預判，為三七藥材質量的快速檢驗提供依據；張延瑩[9]等共采集了289份三七以及其他市面上經常作為偽品藥材的近紅外光譜圖，建立了一種新的三七以及其偽品的鑒別方法，為三七藥材的質量監控提供科學依據。但目前尚無一種簡單快速利用近紅外光譜區分不同產地三七的研究，因此本次實驗利用傅里葉變換紅外光譜法并結合具有模式識別技術的SIMCA法對10個不同產地的三七進行鑒別分析，結果表明該方法可對不同產地三七進行準確快速鑒別，為中藥材鑒別提供了一種簡便、快速、準確的鑒定方法。

1 材料

1.1 樣品來源

樣品來源：樣品收購于文山、師宗、百色等10個不同產地(見表1)，每個產地各5個批次，共50個批次樣品，經北京中醫藥大學石晉麗教授鑒定均為三七Panaxnotoginseng(Burk.)F.H.Chen的干燥根及根莖。

表1 三七藥材產地與來源

1.2 儀器設備參數

采用Nicolet Antaris傅里葉近紅外光譜儀，配有積分球漫反射采樣系統，測定范圍10 000～4 000 cm-1，掃描次數64次，光譜分辨率4 cm-1。

2 方法

2.1 三七樣品的制備

樣品制備：將10個產地共50個批次三七樣品分別用粉碎機粉碎，粉碎過后的樣品過6號篩(100目)，至于真空袋中密封，備用。

2.2 數據采集與處理

取少量三七粉末置于樣品杯中，充分壓實，直接置于積分球樣品窗口處，采集樣品的原始光譜，掃描過程中實時扣除二氧化碳和水蒸氣的干擾，每份樣品重新裝樣連續采集3次，共150份光譜信息。

數據處理方法：采用PerkinElmer AssureID軟件建立SIMCA識別模型。

3 結果

3.1 不同產地三七的近紅外光譜圖

測定結果如圖1所示，為不同產地三七的近紅外平均光譜圖，從圖譜中可以看出不同產地三七的譜圖極其相似，很難從峰的形狀、強度以及位置等信息中直觀對其進行鑒別區分。為通過數學處理建立可靠的應用模型，可以對樣品的原始光譜進行預處理。

圖1 10個產地三七近紅外平均光譜

3.2 光譜數據的預處理

為減小實驗誤差，每個樣品進行3次重復。進行粉末樣品近紅外漫反射光譜采集時，存在以下因素，如不均勻、光散射、光程無法保持恒定等[10-11]，因此在建立近紅外模型之前，常運用化學計量學軟件對樣品原始光譜進行預處理，有利于模型的優化。本實驗采用標準正則變換(SNV)歸一化對光譜進行預處理來消除這些因素的干擾，提高建模的預測精準性和穩定度[12-13]。

注：上圖為未經處理的光譜圖，下圖為經SNV預處理后的光譜圖圖2 SNV處理前后的光譜圖

3.3 云南、廣西三七近紅外光譜圖比較

兩省份三七近紅外光譜圖比較以具有代表性的云南文山與廣西百色為例，圖3為云南文山與廣西百色峰型對比，發現7 000～5 300 cm-1，9 000～7 100 cm-1處峰強有明顯差異，云南文山光譜圖明顯高于百色，表明在光譜預處理后可通過建立模型達到有效區分產地的目的。

注：A：文山； B：百色 圖3 文山與百色近紅外光譜對比圖

3.4 不同產地三七近紅外光譜模式識別

本實驗利用有監督的模式識別方法SIMCA法對所收集到的50個樣品光譜信息進行分析，判斷近紅外指紋圖譜快速鑒別三七產地的效果。

SIMCA法通過分別針對每類樣本建立類模型，類模型建好后，對實驗的樣本計算其到各類模型的SIMCA距離，根據SIMCA距離判別該樣本屬于某一類，或歸于新類由SIMCA距離進行判別[14-16]。

3.4.1 類間距

在用SIMCA進行聚類分析中，聚類效果的好壞一般由聚類中心之間的距離(類間距)來評價，而聚類結果好壞的關鍵是合適特征的選取[17-19]。得到類間距的數值后，數值越大表明類與類之間差異越明顯。本實驗中不同產地三七樣品的類間距如下表2 所示，由表可看出各類間距值均較大，表明不同產地三七樣品分離度良好。

3.4.2 識別率與拒絕率

識別率與拒絕率是反映類模型之間聚類可信度。識別率為考察某類樣品有多少落在該類模型的區域內，拒絕率為考察某類樣品對于其他不屬于該類的樣品的拒絕程度。當兩個值都為100%時，表明兩類樣品之間沒有重疊，可以較好的將其聚類分開[20-22]。表3為不同產地三七樣品的識別率與拒絕率，由表可看出不同產地三七的樣品的識別率和拒絕率均達到100%，表明不同產地三七有較好的分離度。

表2 不同產地三七樣品間距表

表3 不同產地三七樣品的識別率與拒絕率

4 討論

通過對原始光譜分析發現，并不能從原始圖譜上直接區分不同產地三七。對光譜進行標準正則變換(SNV)歸一化預處理以期減少近紅外漫反射光譜采集時存在不均勻、光散射、光程無法保持恒定等影響，進一步使用具有模式識別技術的SIMCA法進行分析，根據類間距、識別率與拒絕率等兩方面數據得到分類結果，十個產地三七藥材的類間距均較大表明十個產地三七分離度良好，且識別率和拒絕率都達到了100%，即可有效區分不同產地三七，結果發現本研究所采用傅里葉變換近紅外光譜法并結合具有模式識別技術的SIMCA法區分不同產地三七快速、準確、簡單可靠，為中藥材產地鑒別提供了一種快速、簡便、準確的鑒別方法。

由于實驗收集樣品只有10個產地，已包含兩個不同省份，卻并沒有完全涵蓋所有三七產地，未能建立一套完整的涵蓋所有三七產地的近紅外數據庫。但在所收集到的樣本實驗結果可看出，通過本研究采用的方法可以快速準確的鑒別不同產地三七。

由于近紅外在含量測定以及在復雜體系的評價鑒別中更有效，成為近年來發展快速的熱門技術，本次實驗利用近紅外技術，達到區分不同產地三七的目的，說明近紅外光譜法可以作為區分不同產地藥材的高效、簡便、快速的方法。采用近紅外光譜法結合SIMCA模式識別技術能夠快速對藥材產地區分進行鑒別研究，為中藥材產地區分研究提供了科學理論依據，具有廣闊的應用前景。