基于化學計量學對藥品鋁塑包裝片的差分拉曼光譜分析

韓宏福，姜紅，王子琦，李卓容，屈音璇，段斌，劉峰

食品流通與包裝

基于化學計量學對藥品鋁塑包裝片的差分拉曼光譜分析

韓宏福1，姜紅1，王子琦1，李卓容1，屈音璇1，段斌2，劉峰2

（1.中國人民公安大學，北京 100038；2.南京簡智儀器設備有限公司，南京 210049）

為快速無損地檢驗犯罪案件現場遺留的藥品鋁塑包裝片。采用最新的差分拉曼光譜儀，并基于化學計量學對收集的51個藥品鋁塑片樣本進行分析。共對收集的藥品鋁塑包裝片樣本提取出了9個有效光譜成分因子，累積占原始光譜數據99.54%的有效信息，并將51個樣本分為4大類，通過相關性比較，可知分類結果較好。實驗方法簡便，無損檢材重現性實驗結果較好，為藥品鋁塑包裝片類物證的檢驗提供依據，可為公安工作的開展提供有效幫助。

差分拉曼光譜；藥品鋁塑包裝片；相對峰高比；化學計量學

犯罪分子未清理的藥品及其包裝等檢材可在殺人投毒案件現場或假藥加工現場收集到，但由于藥品自身往往受限于物理化學性質及生產加工工藝不同等因素[1-3]，技術人員難以從藥品本身獲得有關產地、批次等相關信息，而藥品鋁塑包裝片的成分和物理化學性質相對固定，因此當下法庭科學研究的重點是尋求一種能夠對藥品鋁塑包裝片進行無損檢驗并提取有用信息的方法。鋁塑包裝片是一種較新的藥品包裝形式，具有包裝方便、運輸快捷、防腐蝕、易于儲存加工等特點。實驗采用犯罪案件現場常見的不同廠家、不同藥品所用的51個藥品鋁塑包裝片作為實驗樣本。

差分拉曼光譜法[4-7]具有能濾除環境光峰、PL峰等干擾峰，直接測量高熒光物質等獨特優點，以及操作簡便、無損檢材等特點。目前利用差分拉曼光譜技術對藥品鋁塑包裝片的檢驗研究尚未見到報道。聚類分析是根據樣本數據計算樣本之間的距離將樣本分類，即同一類的樣本距離相對較近，不同類的樣本距離相對較遠，因此采用差分拉曼光譜技術，基于化學計量學，對藥品鋁塑包裝片進行聚類分析，研究結果可為公安檢測工作提供參考。

1 實驗

1.1 樣本

不同生產企業、不同藥品的鋁塑片樣本51個（樣品表略）。

1.2 主要設備及條件

主要設備：SERDS Portable-standard 型便攜式差分拉曼光譜儀（南京簡智儀器設備有限公司）。

主要條件：采用785 nm激光器，光譜掃描范圍為180～3200 cm?1，激光波長為785 nm，激光功率為440 mW，積分時間為10 s。

1.3 方法

對收集的藥品鋁塑片樣本用無水乙醇棉球進行擦拭，晾干后在上述實驗條件下進行測試，將得出的差分拉曼光譜數據利用化學計量學方法進行分析。

1.4 重現性實驗

重現性指的是不同測定結果之間的精密度。為驗證藥品鋁塑片樣本實驗結果的穩定性，隨機取樣，對38#樣本“尼可地爾片喜格邁”藥品鋁塑包裝片，采用差分拉曼光譜儀對該樣本中部進行5次平行測定實驗；對40#樣本“金水寶片”藥品鋁塑包裝片，在同樣的實驗條件下采用差分拉曼光譜儀對該藥品鋁塑片樣本上部、中部、下部進行測定。

1.5 差分拉曼光譜檢驗

將收集的藥品鋁塑片樣本依次放在差分拉曼光譜儀激光探頭前，調整積分時間和激光功率，在無光環境下進行檢驗測定。

2 結論與分析

2.1 重現性實驗結果

38#樣本在同一部位進行了5次平行測定實驗，實驗結果所得的差分拉曼光譜圖見圖1，由圖1可知，其出峰峰位相同，峰數、峰形基本一致。40#樣本不同部位3次測定結果的差分拉曼光譜圖見圖2，由圖2可知，其出峰峰位、峰數相同，峰形基本一致。表明實驗儀器穩定性良好，藥品鋁塑片樣本具有較好的均勻性，實驗結果穩定可靠。

圖1 38#樣本的差分拉曼光譜圖

圖2 40#樣本的差分拉曼光譜圖

2.2 對藥品鋁塑包裝片的分類

不同生產企業、不同藥品所用的鋁塑包裝片主要化學成分有所差異[8-10]，目前藥品鋁塑包裝片主要化學成分有聚丙烯（PP）、聚乙烯（PE）、聚苯乙烯（PS）、聚氯乙烯（PVC）、聚對苯二甲酸乙二醇酯（PET），其拉曼特征峰見表1[11]。

為較好區分藥品鋁塑包裝片樣本成分的種類，將表1中相同峰位以及不在掃描范圍的拉曼特征峰進行篩選剔除，選擇能識別藥品鋁塑包裝片不同主要成分的拉曼特征峰。

根據表1數據綜合來看，篩選出識別PE、PP、PVC、PS、PET的拉曼特征峰依次為1125、1289、1429 cm?1；1330、1458 cm?1；625、684 cm?1；1000、1029 cm?1；1283、1602、1716 cm?1。通過對藥品鋁塑包裝片樣本的差分拉曼譜圖分析，可將51個藥品鋁塑片樣本按照其含有的主要成分個數分為4類，分類結果見圖3。

對同一組藥品鋁塑片樣本進行區分時，以第Ⅳ類樣本為例，因其樣本過多，若直接通過人工主觀對譜圖進行處理分析，帶來的誤差較大且耗時耗力，因此實驗將基于化學計量學方法進一步對實驗樣本進行分析研究。

實驗得到的光譜數據為高維度數據，通過對這些高維度數據進行分析來區分樣本，難度很大，因此需要對該數據進行降維。PCA[12-13]是一種將較多的變量通過線性變換以選出較少且主要的變量的數學降維方法和多元統計分析方法，因此可基于PCA主成分分析方法對藥品鋁塑包裝片差分拉曼光譜數據進行降維，并利用IBM SPSS Statistics 25軟件，將差分拉曼光譜數據導入其中進行分析，分析結果顯示見表2。由表2可知，實驗共提取了9個有效成分因子（對成分因子編號為1—9），成分累積共占99.54%的拉曼光譜數據。而后將經PCA降維后的拉曼光譜數據進行系統聚類分析，使用組間聯接法作為一種度量降維后的拉曼光譜數據類間親疏程度的測定方法，采用皮爾遜相關系數作為度量降維后的拉曼光譜數據個體間距離的依據，以第Ⅳ類樣本為例，得到26種樣本的樹狀聚類圖（見圖4）。

表1 藥品鋁塑包裝片主要成分的拉曼特征峰表

Tab.1 Raman characteristic peaks of main components in drug aluminum plastic packaging tablets

圖3 藥品鋁塑包裝片樣本分類

表2 第Ⅳ類樣本PCA總方差解釋結果

Tab.2 Results of PCA total variance interpretation for Ⅳ samples

圖4 第Ⅳ類樣本樹狀聚類譜系圖

由圖4可知，當系統聚類標度距離為1時，第Ⅳ類樣本將被分為22組（結果見表3），其他幾類藥品鋁塑包裝片樣本也可以此類推進行分組，分組結果均較好。

通過比較實驗樣本的相對峰高比，可對分到同一組的樣本進一步區分，以Ⅳ-3組的4個樣本為例，選取PVC的一處特征峰1（684 cm?1）和PP的一處特征峰2（1330 cm?1），將4種樣本的相對峰高比1（1/2）一一進行比較，結果見表4。從表4中可以看出藥品鋁塑片樣本之間相對峰高比差異較大，因此可以對其進行區分。

表3 第Ⅳ類樣本聚類結果表

Tab.3 Clustering results of Ⅳsamples

表4 Ⅳ-3組中樣本相對峰高比表

Tab.4 Relative peak height ratio of samples in group Ⅳ-3

2.3 對同種或同源的藥品鋁塑片樣本的分類

28#、32#和43#樣本都是他汀鈣片藥品鋁塑包裝片，為不同來源同種藥品的鋁塑包裝片樣本，對3個樣本進行差分拉曼光譜分析，實驗結果見表5。分析可知，在PE的拉曼特征峰附近存在特征峰的樣本有28#、32#和43#樣本，28#樣本在PS的拉曼特征峰附近存在特征峰，43#樣本在PP的拉曼特征峰附近存在特征峰，32#樣本在PP和PS的拉曼特征峰附近不存在特征峰，不同來源同種藥品的鋁塑包裝片樣本含有的主要成分種類差異明顯，因此可將不同來源同種藥品的鋁塑包裝片樣本進行區分。

表5 不同來源廠家同種藥品的鋁塑包裝片樣本區分結果

Tab.5 Differentiation results of aluminum plastic packaging tablet samples of the same drug from different manufacturers

注：“+、?”號代表藥品鋁塑包裝片樣本是否在該主要成分的拉曼特征峰附近存在特征峰。

27#和35#樣本都是杭州中美華東制藥有限公司廠家生產的藥品鋁塑包裝片，為相同來源不同藥品的鋁塑包裝片樣本，對2個樣本進行差分拉曼光譜分析，實驗結果見表6。分析可知，在PE的拉曼特征峰附近存在特征峰的樣本有27#和35#，而27#樣本在PVC的拉曼特征峰附近存在特征峰，35#樣本在PVC的拉曼特征峰附近不存在特征峰，相同來源不同藥品的鋁塑包裝片樣本含有的主要成分種類差異明顯，因此可將相同來源不同藥品的鋁塑包裝片樣本進行區分。

表6 相同來源廠家不同藥品的鋁塑包裝片樣本區分結果

Tab.6 Differentiation results of aluminum plastic packaging tablet samples of different drugs from the same manufacturer

注：“+、?”號代表藥品鋁塑包裝片樣本是否在該主要成分的拉曼特征峰附近存在特征峰

2.4 系統聚類分析

系統聚類又稱為凝聚性層次聚類[14-16]，是一種多元統計分類方法，首先根據實驗數據找出能度量這些數據之間相似程度的統計量，而后依據這些統計量來劃分類型，將一些相似程度較大的變量（或樣本）聚合為一類，把另一些相似程度較小的變量（或樣本）聚合為另一類，直到把一切子類全部聚合在一個新的大類，最后依照各類之間的親疏關系，繪制出一張較為完整的分類系統圖，又稱譜系圖。采用組間聯接法度量該變量（或樣本）類間親疏程度，采用平方歐氏距離作為度量個體間距離的依據[17]，進行系統聚類分析，得到了51組樣本的樹狀聚類譜系圖（見圖5）。

圖5 51組藥品鋁塑包裝片樣本樹狀聚類譜系圖

由圖5可以看出，選擇的并類距離不同時，樣本可被分為不同類。當選擇的并類距離為1、7、10、12、15時，樣本依次可被分為9類、5類、4類、3類、2類；當閾值達到25時，所有藥品鋁塑包裝片樣本聚合為一類[18-19]。

通過分別計算各個類別的藥品鋁塑包裝片樣本之間的顯著性和Pearson相關系數可驗證藥品鋁塑包裝片系統聚類的分類結果，因此，取1#、5#、9#等9個樣本進行相關性分析[20]，分析結果見表7。

由表7可見，1#與19#樣本的Pearson系數為0.838；5#與28#樣本的Pearson系數為0.842；28#與49#樣本的Pearson系數為0.963，以上樣本相關性相對較高。9#與49#樣本的Pearson系數為0.214，相較而言相關性較低，40#與其他8個樣本的Pearson系數為負值，相關性相對較低，因此將1#和19#樣本歸為一類，5#和28#樣本歸為一類，40#單獨為一類，通過相關性比較，并類距離為10時，樣本分為4類較為合適。

表7 9個藥品鋁塑包裝片樣本的相關性分析結果

Tab.7 Correlation analysis results of 9 samples of drug aluminum plastic packaging tablets

3 結語

通過對藥品鋁塑片樣本差分拉曼特征峰的測定可以推測犯罪現場藥品鋁塑包裝片的主要成分信息，從而較為準確認定藥品鋁塑片檢材的廠家來源；通過差分拉曼光譜法對藥品鋁塑片樣本進行檢驗，可以明顯分析出同種或相同來源的藥品鋁塑包裝片所含的主要成分不同，從而對其進行區分，對同一組藥品鋁塑片樣本可借助PCA對光譜數據進行降維，而后采用組間聯接法將同一類樣本分組，并依據特征峰相對峰高比的不同進行區分，取得了較為滿意的結果；通過相關性比較可對系統聚類結果進行進一步的驗證，證實其分類結果較為理想；基于化學計量學對藥品鋁塑包裝片的差分拉曼光譜分析方法操作簡便、無損樣本，可以為偵查人員指明下一步偵查方向，研究結果可為公安檢測工作提供參考。

[1] 白冰. 藥品鋁塑泡罩包裝及材料應用展望[J]. 中國包裝, 1999(5): 67-68.

BAI Bing. Application Prospect of Aluminum Plastic Film Blister Packaging and Materials for Pharmaceutical Packaging[J]. China Packaging, 1999(5): 67-68.

[2] 陳渝英. 藥品鋁塑泡罩包裝材料[J]. 醫藥工程設計, 1988(5): 17-20.

CHEN Yu-ying. Aluminum Plastic Blister Packaging Materials for Drugs[J]. Medical Engineering Design, 1988(5): 17-20.

[3] 張樟. 鋁塑包裝與藥品[J]. 中國現代應用藥學, 1998, 15(6): 68-69.

ZHANG Zhang. Aluminum Plastic Packaging and Medicine[J]. Chinese Journal of Modern Applied Pharmacy, 1998, 15(6): 68-69.

[4] 郭鵬, 姜紅. 拉曼光譜檢驗煙用內襯紙的研究[J]. 中華紙業, 2016, 37(12): 53-58.

GUO Peng, JIANG Hong. A Study on Analysis of Inner Liner for Cigarette by Raman[J]. China Pulp & Paper Industry, 2016, 37(12): 53-58.

[5] 鄒文博, 尹利輝, 胡昌勤. 拉曼光譜與近紅外光譜技術在藥品快速分析中的應用[J]. 中國藥房, 2018, 29(3): 416-420.

ZOU Wen-bo, YIN Li-hui, HU Chang-qin. Application of Raman Spectroscopy and Near Infrared[J]. Chinese Preventive Medicine, 2018, 29(3): 416-420.

[6] 姜紅, 朱曉晗, 何歆沂, 等. 差分拉曼光譜對塑料瓶的鑒別分析[J]. 中國測試, 2020, 46(8): 76-79.

JIANG Hong, ZHU Xiao-han, HE Xin-yi, et al. Differential Raman Spectroscopy for Identification and Analysis of Plastic Bottles[J]. Test in China, 2020, 46(8): 76-79.

[7] 李晟全, 姜紅, 常鵬宇, 等. 差分拉曼光譜法對塑料牙刷柄的分析研究[J]. 上海塑料, 2020(3): 40-45.

LI Sheng-quan, JIANG Hong, CHANG Peng-yu, et al. Analysis of Plastic Toothbrush Handle by Differential Raman Spectroscopy[J]. Shanghai Plastics, 2020(3): 40-45.

[8] 劉金坤, 李春宇, 呂航, 等. 基于K均值算法的X射線熒光光譜法檢驗藥用鋁塑包裝片的研究[J]. 應用化工, 2021(2): 556-559.

LIU Jin-kun, LI Chun-yu, LYU Hang, et al. Study on the Examination of Medicinal Aluminum-Plasticpackaging Sheets by X-ray Fluorescence Spectroscopy Based on K-means Algorithm[J]. Applied Chemical Industry, 2021(2): 556-559.

[9] 王欣, 姜紅, 劉峰, 等. 基于差分拉曼光譜快速鑒別食品塑料包裝袋[J]. 激光技術, 45(2): 213-217.

WANG Xin, JIANG Hong, LIU Feng, et al. Rapid Identification of Food Plastic Packaging Bags Based on Differential Raman spectroscopy[J]. Laser Technology, 45(2): 213-217.

[10] 姜紅, 陸潤洲, 段斌, 等. 基于差分拉曼光譜對煙盒物證檢驗[J]. 包裝工程, 2021, 42(21): 79-85.

JIANG Hong, LU Run-zhou, DUAN Bin, et al. Cigarette Case Evidence Based on Differential Raman Spectroscopy[J]. Packaging Engineering, 2021, 42(21): 79-85.

[11] 董鹍, 饒之帆, 楊曉云, 等. 幾種塑料的拉曼光譜檢測[J]. 塑料工業, 2011, 39(6): 67-70.

DONG Kun, RAO Zhi-fan, YANG Xiao-yun, et al. Determination of Several Plastic by Raman Spectroscopy[J]. China Plastics Industry, 2011, 39(6): 67-70.

[12] 張進, 姜紅, 劉峰, 等. 基于差分拉曼光譜的煙盒外包裝薄膜檢驗研究[J/OL]. 中國測試: 1-9 [2022-02-21]. http://kns.cnki.net/kcms/detail/51.1714. TB.20200827.1023.002.html.

ZHANG Jin, JIANG Hong, LIU Feng, et al. Inspection of Cigarette Packaging Film Based on Differential Raman Spectroscopy[J/OL]. China Measurement & Test: 1-9[2022-02-21]. https://kns.cnki.net/kcms/detail/ 51.1714.TB.20200827.1023.002.html.

[13] 張景順, 姜紅. 紅外光譜法結合化學計量學方法對IC卡的分類研究[J]. 塑料科技, 2019(10): 48.

ZHANG Jing-shun, JIANG Hong. Classification of IC Cards by Infrared Spectroscopy Combined with Chemometrics[J]. Plastics Science and Technology, 2019(10): 48.

[14] 張進, 姜紅, 張景順, 等. 差分拉曼光譜結合聚類分析檢驗運動鞋鞋底[J]. 中國塑料, 2020(7): 81-85.

ZHANG Jin, JIANG Hong, ZHANG Jing-shun, et al. Discrimination and Classification of Sneaker Sole by Combination of Differential Raman Spectroscopy and Cluster Analysis[J]. China Plastics, 2020(7): 81-85.

[15] 張進, 姜紅, 劉峰, 等. 差分拉曼光譜結合化學計量學檢驗煙用內襯紙[J]. 激光技術, 2021, 45(1): 61-66.

ZHANG Jin, JIANG Hong, LIU Feng, et al. Differential Raman Spectroscopy Combined with Stoichiometry for Inspection of Cigarette Liner[J]. Laser Technology, 2021, 45(1): 61-66.

[16] 姜紅, 任繼偉, 鞠晨陽, 等. X射線熒光光譜結合聚類分析檢驗藥品鋁塑包裝片[J]. 化工新型材料, 2019(11): 194-198.

JIANG Hong, REN Ji-wei, JU Chen-yang, et al. XRF Combined with Cluster Analysis for Inspection of Pharmaceutical Aluminum-Plastic Package[J]. New Chemical Materials, 2019(11): 194-198.

[17] 姜紅, 馬梟, 李飛, 等. 基于判別分析與ANN的藥品鋁塑包裝泡罩XRF分析[J]. 包裝工程, 2021, 42(5): 189-193.

JIANG Hong, MA Xiao, LI Fei, et al. XRF Analysis of Pharmaceutical Aluminum-Plastic Packaging Blister Based on Discriminant Analysis and ANN[J]. Packaging Engineering, 2021, 42(5): 189-193.

[18] GOLDBERGER J, TASSA T. A Hierarchical Clustering Algorithm Based on the Hungarian Method[J]. Pattern Recognition Letters, 2008, 29(1): 1632-1638.

[19] CILIBRASI R L, VITáNYI P M B. A Fast Quartet Tree Heuristic for Hier-Archical Clustering[J]. Pattern Recognition, 2011, 44(3): 662-677.

[20] 姜紅, 鞠晨陽, 張冰鈺, 等. 紅外光譜結合X射線熒光光譜分析多種塑料袋組份的研究[J]. 化學研究與應用, 2019, 31(3): 391-396.

JIANG Hong, JU Chen-yang, ZHANG Bing-yu, et al. X-Ray Fluorescence Spectrometry Combined with Cluster Analysis for Inspection of Pharmaceutical Aluminum-Plastic Package[J]. Chemical Research and Application, 2019, 31(3): 391-396.

Differential Raman Spectrometric Analysis of Aluminum Plastic Packaging Tablets for Drugs Based on Chemometrics

HAN Hong-fu1, JIANG Hong1, WANG Zi-qi1,LI Zhuo-rong1, QU Yin-xuan1, DUAN Bin2, LIU Feng2

(1.People's Public Security University of China, Beijing 100038, China; 2.Nanjing Jianzhi Instrument and Equipment Co., Ltd., Nanjing 210049, China)

The work aims to quickly and accurately carry out non-destructive test to the drug aluminum plastic packaging tablet left at the crime scene. The latest differential Raman spectrometer was used to analyze the 51 samples of drug aluminum plastic packaging tablets collected at the crime scene based on chemometrics. A total of 9 effective components were extracted from the collected samples of drug aluminum plastic packaging tablets, with accumulated effective information accounting for 99.54% of the original spectral data. Then, the 51 samples were divided into 4 categories. Through correlation comparison, the classification results were better. The experimental method is simple and reproducible, and the experimental results of non-destructive test are good, which provides the basis for the inspection of material evidence of drug aluminum plastic packaging tablets and can effectively help the development of public security work.

differential Raman spectroscopy; aluminum plastic packaging tablet for drugs; relative peak height ratio; chemometrics

TB487; TQ016; TQ018

A

1001-3563(2022)05-0108-07

10.19554/j.cnki.1001-3563.2022.05.015

2021-07-08

中國人民公安大學2020年度基科費項目（2020JKF502)；國家重點研發計劃（2018YFC1602701）；南京簡智儀器設備有限公司技術合作項目（20191218）

韓宏福（1999—），男，中國人民公安大學本科生，主攻刑事科學技術。

姜紅（1963—），女，碩士，中國人民公安大學教授，主要研究方向為微量物證分析。