基于近紅外光譜的陳皮炮制品快速質(zhì)量評(píng)價(jià)研究

方嘉雯，麥?zhǔn)鐑x，孟江，張曉婷，陳倩茹，陳志維，張戴英

（1.廣東藥科大學(xué)中藥學(xué)院/國家中醫(yī)藥管理局中藥數(shù)字化質(zhì)量評(píng)價(jià)技術(shù)重點(diǎn)研究室/廣東高校中藥質(zhì)量工程技術(shù)研究中心，廣東廣州 510006；2.廣州至信中藥飲片有限公司，廣東廣州 510006；3.東莞廣州中醫(yī)藥大學(xué)研究院，廣東東莞 523000；4.廣東和翔制藥有限公司，廣東廣州 510006）

陳皮為蕓香科植物橘Citrus reticulataBlanco及其栽培變種的干燥成熟果皮，味辛、苦，性溫，歸肺、脾經(jīng)，具有理氣健脾、燥濕化痰的功效，用于脘腹脹滿、食少吐瀉、咳嗽痰多[1]。蒸陳皮為陳皮濕潤后蒸3～4 h 得到的炮制品，在廣東、廣西、四川等地區(qū)應(yīng)用非常廣泛，陳皮生品燥性比較大，蒸制后降低其辛燥之性，以保障其臨床安全有效使用[2]。目前，對(duì)于飲片的質(zhì)量及炮制過程的控制，多依據(jù)傳統(tǒng)經(jīng)驗(yàn)開展“辯狀論質(zhì)”[3]和化學(xué)成分含量測(cè)定來進(jìn)行評(píng)價(jià)。如陳皮生品“外表面橙紅色或紅棕色，有細(xì)皺紋和凹下的點(diǎn)狀油室。內(nèi)表面淺黃白色，粗糙，附黃白色或黃棕色筋絡(luò)狀維管束。氣香，味辛、苦。”蒸陳皮“蒸后內(nèi)表面變?yōu)樽丶t褐色，質(zhì)硬，氣清香。”陳皮化學(xué)質(zhì)量標(biāo)準(zhǔn)《中國藥典》2020 年版規(guī)定采用高效液相色譜法，以橙皮苷含量進(jìn)行質(zhì)量控制[1]。根據(jù)傳統(tǒng)經(jīng)驗(yàn)開展評(píng)價(jià)雖然簡單省時(shí)，但具有一定的主觀性。化學(xué)質(zhì)量分析操作較為繁雜，且使用化學(xué)試劑對(duì)環(huán)境有一定的污染；同時(shí)，對(duì)于中藥炮制缺乏工藝參數(shù)和質(zhì)量質(zhì)控指標(biāo)之間定量關(guān)系研究，因此亟需一種快速高效的技術(shù)對(duì)中藥飲片質(zhì)量和工藝過程進(jìn)行控制，從而提高其質(zhì)量，為臨床應(yīng)用提供科學(xué)依據(jù)。

近紅外光譜（NIRS）是由分子振動(dòng)的非諧振性使分子振動(dòng)從基態(tài)向高能級(jí)躍遷時(shí)產(chǎn)生的，記錄的主要是含氫基團(tuán)C-H、O-H、N-H、S-H、P-H等振動(dòng)的倍頻和合頻吸收。不同基團(tuán)（如甲基、亞甲基、苯環(huán)等）或同一基團(tuán)在不同化學(xué)環(huán)境中的近紅外吸收波長與強(qiáng)度都有明顯差別。NIRS 具有豐富的結(jié)構(gòu)和組成信息，非常適合用于中藥含碳?xì)溆袡C(jī)物質(zhì)的組成性質(zhì)測(cè)量。與常規(guī)分析方法相比，NIRS具有不破壞樣品、無需預(yù)處理、無污染、快速高效，同時(shí)能測(cè)定樣品中的多種成分的優(yōu)勢(shì)。近紅外光譜技術(shù)也有報(bào)道用于陳皮道地性、種屬、不同年份的定性和定量研究[4-6]。但陳皮蒸制前后及其蒸制過程控制未見有相關(guān)近紅外光譜的快速定性定量分析。

陳皮主要化學(xué)成分為黃酮類、揮發(fā)油類、生物堿類、檸檬苦素等成分，其中主要藥效成分為橙皮苷、蕓香柚皮苷、3，5，6，7，8，3′，4′-七甲氧基黃酮、川陳皮素等。藥理學(xué)研究表明川陳皮素具有抗炎作用[7-8]，多甲氧基類黃酮成分具有促消化作用[9]，橙皮苷能夠抗脂肪肝、肝纖維化、肝衰竭[10]，5-羥甲基糠醛具有較好的抗氧化及保護(hù)心血管作用，且炮制后含量增加[11-12]。本文首先采用HPLC 法測(cè)定5-羥甲基糠醛、川陳皮素、蕓香柚皮苷、橙皮苷、3，5，6，7，8，3′，4′-七甲氧基黃酮含量，采用近紅外光譜技術(shù)建立陳皮生品及制品的近紅外光譜圖，建立近紅外光譜的定性判別模型和近紅外光譜-成分的定量模型，對(duì)陳皮生品及制品進(jìn)行定性定量分析，為陳皮飲片質(zhì)量控制提供簡單快速客觀準(zhǔn)確的質(zhì)量控制方法。

1 材料

1.1 儀器

LC-20A 型HPLC 儀及配備的SPD-20A 型檢測(cè)器、CTO-10ASVP 型柱溫箱、LC Solution 1.26 色譜工作站（日本Shimadzu 公司）；TANGO 傅立葉變換近紅外光譜儀（德國Bruker），配備TANGO-R 積分球漫反射系統(tǒng)和TANGO 軟件；BSA124S 萬分之一電子天平（德國Sartorius公司）；DFY-400D搖擺式高速粉碎機(jī)（溫嶺市大機(jī)械有限公司）；KQ-300DE 型數(shù)控超聲波清洗器（昆山市超聲儀器有限公司）；電熱鼓風(fēng)干燥箱（上海一恒科學(xué)儀器有限公司）。

1.2 藥品

采集陳皮生品及制品飲片各30 批，分別采購于廣州至信中藥飲片有限公司、康美藥業(yè)股份有限公司、廣州采芝林藥業(yè)有限公司等，并經(jīng)廣東藥科大學(xué)中藥學(xué)院劉基柱副教授鑒定為蕓香科植物橘Citrus reticulataBlanco及其栽培變種的干燥成熟果皮的加工品，樣品詳細(xì)信息見表1。粉碎后過100目篩，儲(chǔ)存于密封袋中備用。

表1 樣品信息Table 1 Sample information

1.3 對(duì)照品與試劑

5-羥甲基糠醛（批號(hào)：CHB201120）、川陳皮素（批號(hào)：CHB210107）、蕓香柚皮苷（批號(hào)：CHB2012089）、橙皮苷（批號(hào)：RFS-C00601910011）、3，5，6，7，8，3′，4′-七甲氧基黃酮（批號(hào)：RFS-Q11302101019）均購自成都瑞芬思生物科技有限公司，純度均大于98%；甲醇、乙腈（色譜純，OCEANPAK 試劑公司）；無水乙醇（分析純，天津市致遠(yuǎn)化學(xué)試劑有限公司）；水為屈臣氏蒸餾水。

2 方法與結(jié)果

2.1 HPLC法測(cè)定5種成分的質(zhì)量分?jǐn)?shù)

2.1.1 色譜條件 日本島津的LC-20A型高效液相色譜儀，Ultimate XB-C18色譜柱（4.6 mm×250 mm）；流動(dòng)相為甲醇（A）-0.1%甲酸水溶液（B），梯度洗脫（0～5 min，5%～20%A；5～30 min，20%～28%A；30～48 min，28%～34%A；48～68 min，34%～38%A；68～73 min，38%～45%A；73～87 min，45%～60% A；87～105 min，60%～78%A；105～117 min，78%～82% A；117～120 min，82%～95%A）；流速：1 mL/min，柱溫：35 ℃，進(jìn)樣量：10μL；對(duì)照品及樣品的色譜圖見圖1。可見，在與對(duì)照品溶液譜圖中5-羥甲基糠醛、蕓香柚皮苷、橙皮苷、川陳皮素、3，5，6，7，8，3′，4′-七甲氧基黃酮相應(yīng)的保留時(shí)間位置，陳皮生品和制品溶液譜圖中均有相對(duì)應(yīng)的吸收峰；5 種指標(biāo)性成分分離效果良好，理論塔板數(shù)均大于2 000。

圖1 陳皮生品（A）、制品（B）及混合對(duì)照品（C）溶液HPLC圖譜Figure 1 HPLC chromatograms of Citri reticulatae Pericarpium(A),processed products(B)and mixed reference substances(C)

2.1.2 混合對(duì)照品溶液的制備 精密稱取5-羥甲基糠醛、蕓香柚皮苷、川陳皮素、橙皮苷、3，5，6，7，8，3′，4′-七甲氧基黃酮5 種對(duì)照品適量，加甲醇定容制備質(zhì)量濃度分別為0.115 6、0.566 7、0.072 9、0.650 0、0.070 3 mg/mL 的混合對(duì)照品溶液，于4 ℃下避光保存?zhèn)溆谩?/p>

2.1.3 供試品溶液制備 精密稱定樣品粉末（過100目篩）0.4 g，置50 mL 具塞錐形瓶中，精密加入體積分?jǐn)?shù)50%乙醇10 mL，蓋好瓶塞，超聲（功率150 W、頻率40 kHz）提取45 min，靜置到室溫后取上清液，0.22μm 濾膜濾過，棄去初濾液，收集續(xù)濾液，封口，貼好標(biāo)簽，置于4 ℃保存?zhèn)溆谩?/p>

2.1.4 標(biāo)準(zhǔn)曲線的繪制 分別精密吸取上述混合對(duì)照品溶液適量，配置系列對(duì)照品溶液，在同一色譜條件下進(jìn)行分析，以對(duì)照品質(zhì)量濃度（μg/mL）為橫坐標(biāo)、峰面積積分值為縱坐標(biāo)，繪制標(biāo)準(zhǔn)曲線，得5種成分的回歸方程、r值、線性范圍如下：5-羥甲基糠醛，Y=64 963 320X+68 499，r=0.999 0，0.000 7～0.115 6 μg/mL；蕓香柚皮苷，Y=14 689 439X+36 323，r=0.999 6，0.003 5～0.566 7 μg/mL；川陳皮素，Y=95 651 795X+32 115，r=0.999 7，0.000 5～0.072 9 μg/mL；橙皮苷，Y=14 008 043X+36 441，r=0.999 8，0.004 0～0.650 0 μg/mL；3，5，6，7，8，3′，4′-七甲氧基黃酮，Y=47 170 055X+17 351，r=0.999 6，0.000 4～0.070 3 μg/mL。

2.1.5 方法學(xué)考察 取同一供試品溶液連續(xù)進(jìn)樣6次，考察精密度。按“2.1.3”項(xiàng)下方法平行制備6 份同一批樣品的供試品溶液，考察重復(fù)性。將同一供試品溶液分別在0、2、4、8、12、24 h 測(cè)定，考察穩(wěn)定性。向已知含量的樣品溶液中加入含量100%的對(duì)照品，考察加樣回收率。結(jié)果顯示：精密度，穩(wěn)定性和重復(fù)性試驗(yàn)RSD 值均小于2%；平均回收率分別為5-羥甲基糠醛106.79%（RSD 1.03%）、蕓香柚皮苷112.72%（RSD 0.95%）、川陳皮素90.58%（RSD 1.36%）、橙皮苷93.25%（RSD 1.12%）、3，5，6，7，8，3′，4′-七甲氧基黃酮90.84%（RSD 1.41%）。

2.1.6 樣品質(zhì)量分?jǐn)?shù)的測(cè)定 精密稱取各批次陳皮粉末0.4 g，按“2.1.3”項(xiàng)下方法制備供試品溶液，按“2.1.1”項(xiàng)下色譜條件進(jìn)樣分析，記錄各樣品峰面積，由線性回歸方程求出各樣品的質(zhì)量分?jǐn)?shù)，結(jié)果見圖2。可見，陳皮炮制后5-羥甲基糠醛和川陳皮素質(zhì)量分?jǐn)?shù)顯著升高（P＜0.001），蕓香柚皮苷經(jīng)炮制后顯著下降（P＜0.001），橙皮苷炮制前后無顯著差異，3，5，6，7，8，3′，4′-七甲氧基黃酮炮制后顯著下降（P＜0.01）。

圖2 陳皮生品與制品成分質(zhì)量分?jǐn)?shù)比較Figure 2 Comparison of ingredient content of Citri reticulatae Pericarpium and processed products

2.2 近紅外光譜采集

取一定量樣品粉末置于石英杯中，粉末應(yīng)完全覆蓋在石英杯底部，并且保證粉末表面處于水平均勻狀態(tài)，設(shè)置適宜參數(shù)，進(jìn)行光譜掃描。參數(shù)設(shè)置：積分球漫反射；掃描次數(shù)64 scan-1；分辨率8 cm-1；光譜采集區(qū)間12 000～4 000 cm-1。每批樣品需要在同一環(huán)境下重復(fù)測(cè)試3 次取平均值，得到平均光譜作為測(cè)試光譜，同時(shí)為了避免環(huán)境對(duì)結(jié)果的影響，溫度控制在20 ℃左右，濕度控制在35%左右。60 批樣品的NIRS 合集圖及平均近紅外光譜圖見圖3。可見，吸收峰位置主要在8 296、6 784、5 688、5 104、4 528、4 152 cm-1附近。

圖3 陳皮生品與制品近紅外光譜合集圖（A）及平均近紅外光譜圖（B）Figure 3 Near-infrared spectral collection（A）and average near-infrared spectra（B）of Citri reticulatae Pericarpium and pro‐cessed products

2.3 陳皮的近紅外光譜定性判別

2.3.1 無監(jiān)督識(shí)別的主成分分析（PCA）模型 將陳皮和蒸陳皮的NIRS全光譜圖輸入MATLAB軟件中的Discriminant Analysis（判別分析）程序，建立陳皮生品及炮制品NIRS 的全光譜段定性判別分析模型。生品、制品的定性值分別設(shè)定為1、2，建立無監(jiān)督識(shí)別的PCA 模型。PCA 模型前10 個(gè)主成分的解釋變量與累計(jì)變量結(jié)果見圖4。可見，當(dāng)主成分?jǐn)?shù)為2 時(shí)，累積解釋為96.07%（PC1=54.6%，PC2=41.47%），說明該模型前兩個(gè)主成分可以解釋全部原始光譜的96.07%的信息，具有一定的代表性。該P(yáng)CA 模型的得分（score）圖見圖5，可知生品的聚集度較高，但生品和制品的分界線不明顯，不能準(zhǔn)確判別樣品炮制類別，因此還需要建立有監(jiān)督識(shí)別的定性判別模型進(jìn)行識(shí)別，以提高判別的準(zhǔn)確率。

圖4 前10個(gè)主成分解釋變量與累計(jì)變量Figure 4 Explanatory and cumulative variables of the first 10 principal components

圖5 陳皮生品及制品PCA模型得分圖Figure 5 PCA model score chart of Citri reticulatae Pericarpium and processed products

2.3.2 有監(jiān)督識(shí)別的定性判別模型 利用MATLAB軟件中的Partial Leaast Squares DA 算法（PLS-DA）、SIMCA 算法、Suport Vector Machines 算法（SVM）及K-Nearest Neighbors 算法（KNN），各算法按照2∶1比例劃分為訓(xùn)練集和驗(yàn)證集，依次建立陳皮及蒸陳皮的NIRS 有監(jiān)督的PLS-DA、SIMCA、SVM、KNN定性判別分析模型，結(jié)果見表2。結(jié)果顯示，5 個(gè)定性判別模型訓(xùn)練集及驗(yàn)證集的正判率均為100%，與無監(jiān)督識(shí)別的PCA 模型相比，有監(jiān)督識(shí)別的定性判別模型效果較好。各有監(jiān)督判別分析模型中，PLS-DA 作為一種常見的有監(jiān)督的模式識(shí)別方法，即具備線性判別分析的分類能力又兼具PLS 降維、降噪的優(yōu)勢(shì)，且在原始變量方面具有強(qiáng)大的解釋能力，適用于區(qū)分兩類的樣本[13]。故在陳皮及蒸陳皮定性模型分析中將采用PLS-DA方法建模。

表2 基于近紅外光譜的有監(jiān)督模式識(shí)別結(jié)果Table 2 Supervised pattern recognition results based on nearinfrared spectroscopy

2.4 陳皮的近紅外光譜定量鑒別

2.4.1 樣本集劃分 偏最小二乘回歸（Partial Least Squares Regression,PLSR）是一種成熟且最常用的回歸方法，可以被認(rèn)為是NIR 光譜學(xué)進(jìn)行定量分析的標(biāo)準(zhǔn)方法[14]，因此本實(shí)驗(yàn)采用PLSR 法對(duì)陳皮中各指標(biāo)成分進(jìn)行定量預(yù)測(cè)。采用Kennard-Stone 算法，從60批樣品中選取2/3作為訓(xùn)練集（40批），建立定量校正模型，余下的1/3 作為驗(yàn)證集（20 批），以驗(yàn)證訓(xùn)練集建立的定量模型的預(yù)測(cè)能力。

2.4.2 光譜預(yù)處理方法的選擇 NIRS中有大量的冗余信息和噪音，在建立定量模型前首先采用9S、SNV、MSC、2D9S、1D9S 對(duì)光譜進(jìn)行預(yù)處理。將原始光譜數(shù)據(jù)及預(yù)處理光譜數(shù)據(jù)導(dǎo)入MATLAB中，原始光譜數(shù)據(jù)或預(yù)處理光譜數(shù)據(jù)作為變量X，以指標(biāo)成分含量作為變量Y，建立PLSR 模型運(yùn)行，結(jié)果以相關(guān)系數(shù)（R2）、均方根誤差（RMSE）和相對(duì)分析誤差（RPD）作為評(píng)價(jià)指標(biāo)，從而優(yōu)選各指標(biāo)成分最佳的預(yù)處理方法。一般來說，R2表示模型的擬合程度，當(dāng)R2越接近1，說明模型的擬合效果較好；RMSE 用于表示模型的估算能力，RMSE 值越接近0 越好；RPD 用于表示模型預(yù)測(cè)的準(zhǔn)確性，RPD 值大于2.0，說明模型預(yù)測(cè)效果較好[15]，模型原始光譜及預(yù)處理光譜結(jié)果見表3。

表3 各成分原始光譜及預(yù)處理光譜建模結(jié)果Table 3 Modeling results of the original spectra and pretreatment spectra of each component

可見：對(duì)光譜預(yù)處理后所得定量模型性能均優(yōu)于原始光譜。其中，5-羥甲基糠醛經(jīng)過1D9S 處理后，RPD 達(dá)3.799 4，R2C、R2P 有很大的提升，R2C由0.7577提升為0.9847，R2P由0.6701提升為0.9269，RMSEC與RMSEP也更接近于0，說明1D9S 處理后該模型對(duì)5-羥甲基糠醛的擬合預(yù)測(cè)非常好。川陳皮素經(jīng)過9S 處理后，R2C 為0.997 6，R2P為0.786 3，RMSEC 為0.023 9，RMSEP 為0.074 2，RPD 為2.219 5，模型的穩(wěn)定性優(yōu)于原始光譜模型。蕓香柚皮苷采用1D9S 的預(yù)處理方法，模型比原始光譜模型有提升，但RPD 為1.968 0，還需要對(duì)該模型進(jìn)行優(yōu)化處理。而橙皮苷和3，5，6，7，8，3′，4′-七甲氧基黃酮原始光譜建模結(jié)果較差，二者訓(xùn)練集的R2在0.6 左右，驗(yàn)證集的R2均小于0，說明驗(yàn)證集的擬合效果極差，而且RPD 遠(yuǎn)遠(yuǎn)小于2.0，由此可知，陳皮中的橙皮苷和3，5，6，7，8，3′，4′-七甲氧基黃酮不適合用于建立PLSR 定量模型，因此本實(shí)驗(yàn)僅針對(duì)陳皮中5-羥甲基糠醛、蕓香柚皮苷和川陳皮素3 種化學(xué)成分進(jìn)行定量建模。

2.4.3 光譜特征波段的選擇 為了有效地找到有用的變量，建立更強(qiáng)大、更簡單的預(yù)測(cè)模型[16]，需繼續(xù)優(yōu)化光譜，進(jìn)行光譜特征波數(shù)選擇。將光譜數(shù)據(jù)與各指標(biāo)成分高效液相數(shù)據(jù)導(dǎo)入MATLAB 中，采用CARS、IRIV、GA 法進(jìn)行特征選擇，處理后同樣以R2C、RMSEC、R2P、RMSEP和RPD作為評(píng)價(jià)指標(biāo)。

5-羥甲基糠醛使用全光譜建模；蕓香柚皮苷最佳建模波數(shù)為11 456、4 456、4 344、4 336 cm-1，由圖6A可知，當(dāng)序號(hào)為11時(shí)，對(duì)應(yīng)波數(shù)為11 456 cm-1，所建立的PLSR 定量回歸模型的回歸系數(shù)最大（Y=1 585）；川陳皮素最佳建模波數(shù)有32 個(gè)，處在8 584～8 184 cm-1和6 960～4 352 cm-1內(nèi)，由圖6B 可知，當(dāng)序號(hào)為17 時(shí)，對(duì)應(yīng)波數(shù)為6 744 cm-1，PLSR 定量回歸模型的回歸系數(shù)最大（Y=-547.1）。

圖6 蕓香柚皮苷（A）與川陳皮素（B）波數(shù)特征選擇圖Figure 6 Selection charts of wave number characteristics of russetine naringin（A）and nobiletin（B）

各指標(biāo)成分特征波數(shù)選擇方法結(jié)果見表4。可見，針對(duì)5-羥甲基糠醛，與全光譜相比，經(jīng)過光譜特征波數(shù)選擇后，R2C變化不大，R2P下降了，說明該成分驗(yàn)證集的擬合程度下降；訓(xùn)練集和驗(yàn)證集的RMSE 相差不大；而全光譜的RPD 值高達(dá)3.799 4，比光譜選擇后的RPD 值高，說明用全光譜建立的定量模型能有效預(yù)測(cè)5-羥甲基糠醛的含量，模型穩(wěn)定性也較高。故，5-羥甲基糠醛的定量模型最佳建模方法為1D9S+PLSR。蕓香柚皮苷通過CARS 方法進(jìn)行光譜選擇后，訓(xùn)練集的R2C 由0.507 6 提高到0.6718，驗(yàn)證集的R2P由0.7282提高到0.7681，RMSEP由1.0296降低到0.950 9，RPD 由1.968 0 提高到2.130 7，說明該光譜特征選擇方法適合該成分，同時(shí)也說明經(jīng)過CARS 方法對(duì)光譜進(jìn)行預(yù)處理可以降低高維數(shù)據(jù)帶來的模型繁雜性，減少光譜變量，從而提高模型穩(wěn)定性。因此，蕓香柚皮苷定量模型最佳建模方法為1D9S+CARS+PLSR。而川陳皮素通過GA 方法進(jìn)行光譜選擇后，驗(yàn)證集的R2P由0.786 3 提高到0.802 4，RMSEP 由0.074 2 降低到0.071 3，RPD 由2.219 5 提高到2.307 9，說明經(jīng)過GA 方法對(duì)光譜進(jìn)行預(yù)處理能提高該模型的穩(wěn)定性。雖然訓(xùn)練集的R2C 比全光譜有所下降，但數(shù)值達(dá)到0.983 6，擬合效果較好，而RMSEC 與全光譜相比上升，總體而言該光譜特征選擇方法適合川陳皮素定量模型建立。因此，川陳皮素定量模型最佳建模方法為9S+GA+PLSR。

表4 各成分近紅外光譜特征選擇方法Table 4 Selecting method for near-infrared spectral features of each component

2.4.4 模型主因子數(shù)的選擇 本研究考察了主因子數(shù)對(duì)RMSECV 及R2的影響，選擇RMSECV 較小及R2接近于1 的主因子數(shù)作為最佳建模主因子數(shù)，結(jié)果表明5-羥甲基糠醛RMSECV最小值為0.538 8，最佳建模主因子數(shù)為11，蕓香柚皮苷RMSECV最小值為1.683 5，最佳主因子數(shù)為11，川陳皮素RMSECV 最小值為0.135 7，最佳建模主因子數(shù)為13。

2.4.5 定量模型的建立與評(píng)價(jià) 通過以上的條件優(yōu)化，以各成分的最優(yōu)建模參數(shù)和各指標(biāo)成分高效液相數(shù)據(jù)導(dǎo)入MATLAB 中，采用PLSR 算法建立陳皮及其炮制品中5-羥甲基糠醛、川陳皮素及蕓香柚皮苷的近紅外-成分定量模型，選擇驗(yàn)證集20 批樣品對(duì)定量模型進(jìn)行驗(yàn)證，定量預(yù)測(cè)值與實(shí)測(cè)值的相關(guān)圖見圖7。可見，5-羥甲基糠醛、川陳皮素及蕓香柚皮苷的訓(xùn)練集與驗(yàn)證集的圖形均較為接近對(duì)角線，且較為集中，初步說明該模型的擬合度較好。由表4 各成分最佳定量模型參數(shù)顯示，5-羥甲基糠醛定量模型的R2C 為0.984 7，RMSEC 為0.152 8，驗(yàn)證集R2P 為0.926 9，RMSEP 為0.241 5；RPD 為3.799 4；蕓香柚皮苷定量模型的R2C 0.671 8，RMSEC 為1.178 9，驗(yàn)證集R2P 0.768 1，RMSEP 為0.950 9，RPD為2.130 7；川陳皮素定量模型的R2C 為0.983 6，RMSEC 為0.063 0，驗(yàn)證集R2P 為0.802 4，RMSEP為0.071 3，RPD 為2.307 9，說明定量模型有較好穩(wěn)定性且預(yù)測(cè)性能理想。

圖7 基于近紅外光譜各指標(biāo)成分預(yù)測(cè)值與測(cè)量值的相關(guān)圖Figure 7 Correlation diagrams of predicted and measured values of each index component based on near-infrared spectroscopy

3 討論

本研究使用近紅外光譜技術(shù)結(jié)合機(jī)器學(xué)習(xí)方法對(duì)陳皮生品及制品進(jìn)行了有效、快速、無損的定性鑒別，還實(shí)現(xiàn)了對(duì)陳皮中有效成分的準(zhǔn)確定量預(yù)測(cè)，為陳皮的質(zhì)量控制提供了一種簡便快速有效的方法。HPLC 含量測(cè)定結(jié)果顯示，陳皮通過炮制后蕓香柚皮苷和3，5，6，7，8，3′，4′-七甲氧基黃酮的含量顯著下降，5-羥甲基糠醛和川陳皮素的則顯著性增加，推測(cè)可能是在蒸制過程中蕓香柚皮苷發(fā)生裂解失去糖，3，5，6，7，8，3′，4′-七甲氧基黃酮高溫蒸制過程中失去-CH3O 而生成川陳皮素等成分，故其含量降低而川陳皮素含量升高。5-羥甲基糠醛含量升高主要是蒸制過程受熱發(fā)生美拉德反應(yīng)的產(chǎn)物[5]。定性鑒別中有監(jiān)督定性判別模型結(jié)果達(dá)到100%的準(zhǔn)確率，較無監(jiān)督定性判別結(jié)果辨識(shí)率高。

在常用的有監(jiān)督識(shí)別方法PLS-DA、SVM、SIMCA 中，PLS-DA 作為一種常見的有監(jiān)督的模式識(shí)別方法，具備線性判別分析的分類能力又兼具PLS降維、降噪的優(yōu)勢(shì)，且在原始變量方面具有強(qiáng)大的解釋能力，更適用于區(qū)分兩類的樣本[13]。近紅外定量模型結(jié)果顯示，5-羥甲基糠醛的最佳近紅外光譜優(yōu)化和建模方法是1D9S+PLSR，蕓香柚皮苷是1D9S+CARS+PLSR，川陳皮素是9S+GA+PLSR，定量模型擬合度較好，有較好穩(wěn)定性且預(yù)測(cè)性能理想。而橙皮苷和3，5，6，7，8，3′，4′-七甲氧基黃酮不適合采用近紅外定量模型進(jìn)行含量預(yù)測(cè)。

本文所用樣品主要為市場(chǎng)上大量銷售的陳皮及其蒸制品，不包括廣陳皮，陳皮和廣陳皮成分組成和含量不同，因此該定量模型僅適用于陳皮及其蒸制品的定性鑒別和定量預(yù)測(cè)，如需進(jìn)行廣陳皮識(shí)別還需再增加大量廣陳皮的樣品進(jìn)行進(jìn)一步的分析和驗(yàn)證。

本文建立的近紅外定性定量分析陳皮及蒸制陳皮的快速檢測(cè)方法，操作簡便、無需樣品預(yù)處理過程，模型建立后一次測(cè)定僅需幾分鐘即可完成，且成本較低，不涉及有機(jī)試劑，綠色無污染，為更好控制陳皮及其炮制品的質(zhì)量奠定了基礎(chǔ)。