當歸頭基于BP-ANN結合信息熵賦權法 提取工藝參數優化

汪麗霞,徐志偉,黃 志,周一軍,沈 忱,杜偉鋒

(1.常山縣農業特色產業發展中心,浙江 常山 324200;2.甘肅省中醫院,甘肅 蘭州 730000; 3.浙江中醫藥大學中藥飲片有限公司,浙江 杭州 311401;4.常山天道中藥飲片有限公司, 浙江 常山 324299;5.浙江中醫藥大學資產經營有限公司,浙江 杭州 311401; 6.浙江中醫藥大學 藥學院,浙江 杭州 310053;7.浙江中醫藥大學 中藥 炮制技術研究中心,浙江 杭州 311401)

當歸是傘形科植物當歸(Angelicasinensis(Oliv)Diels)的干燥根,是“根分梢理論”的代表藥材[1]。《脾胃論》記載:“當歸頭止血上行,當歸身補血中守,當歸尾破血下流,全當歸補血活血。”研究發現,當歸頭、身、尾兩兩配伍提取后,阿魏酸、綠原酸、歐前胡素、藁本內酯等主要化學成分含量和干浸膏得率均有不同程度降低,進一步說明當歸不同藥用部位分別應用與研究的必要性[2-4]。

目前尚無當歸頭系統提取工藝研究,故本研究擬以阿魏酸等4種主要化學成分含量及干浸膏得率為考察指標,以提取次數、加液量、提取時間為考察因素,運用BP-ANN結合熵權法優選當歸頭提取工藝。BP-ANN可較好滿足非線性復雜問題的處理,符合中藥提取復雜性、多元性要求[5-8]。

1 儀器與材料

1.1 儀器

PerkinElmer A-10型高效液相色譜儀(美國PerkinElmer公司);普利賽斯LX2200C電子分析天平(0.01g)(普利賽斯國際貿易有限公司);普利賽斯LX120A電子分析天平(0.0001g)(普利賽斯國際貿易有限公司);HWS26型電熱恒溫水浴鍋(鄭州長城科工貿有限公司);HXGZ-000800電熱恒溫干燥箱(連云港醫療器械設備廠);KQZ3200E型超聲波清洗機(連云港醫療器械設備廠)。

1.2 材料

1.2.1 當歸頭處理 當歸藥材采自甘肅隴西,經甘肅省中醫院科研制劑中心李俊江主任中藥師鑒定為正品當歸藥材。切下當歸根上端膨大、鈍圓,直徑1.5～4cm,且殘留葉鞘及莖基部分,即得當歸頭。

1.2.2 對照品及試劑 阿魏酸對照品(批號:110773-201614)、綠原酸對照品(批號:110753-201817)、藁本內酯對照品(批號:111737-201910)均購買自中國食品藥品檢定研究院,純度均 ≥98%;甲醇、乙腈為色譜純;水為純凈水;其他試劑均為分析純。

2 方法與結果

2.1 指標成分測定

2.1.1 供試品溶液制備 平行精密稱取當歸頭藥粉9份,每份5g,置具塞錐形瓶中,精密加適量純凈水,按表1安排開展正交試驗。提取液過濾,蒸干,純甲醇溶解殘渣,定容至25mL容量瓶,搖勻,過0.22μm微孔濾膜,即得供試品溶液。

表1 當歸頭L9(34)正交試驗設計及結果

2.1.2 對照品溶液制備 精密稱取對照品適量,分別置10mL容量瓶中,甲醇定容至刻度,搖勻,得質量濃度分別為阿魏酸0.33mg/mL、綠原酸0.73mg/mL、歐前胡素0.25mg/mL和藁本內酯2mg/mL的對照品溶液。

2.1.3 色譜條件 WatersSymmetry Shield RP-C18(250mm×4.6mm,5.0μm)柱,DAD檢測器,以乙腈(A)-0.1%磷酸水溶液(B)為流動相,梯度洗脫:0～10min,12%～12% A;10～15min,12%～25% A;15～22min,25%～28% A;22～25min,28%～60% A;25～30min,60%～70% A;30～40min,70%～12% A;流速1mL/min,柱溫25℃,檢測波長350nm;進樣量10μL。對照品、樣品色譜見圖1。

注:1-綠原酸;2-阿魏酸;3-歐前胡素;4-藁本內酯。

2.1.4 線性關系考察 精密吸取“2.1.2”項下對照品溶液適量,配制成6種不同質量濃度的混合對照品溶液,純甲醇定容至刻度,搖勻,以“2.1.3”項下色譜條件測定。設橫坐標(X)表示質量濃度,縱坐標(Y)表示峰面積開展線性回歸,分別得回歸方程:阿魏酸Y=2×107X-5 695.8,綠原酸Y=510 668X-1 335.2,歐前胡素Y=2×106X-7 013.4,藁本內酯Y=500 543X-5 717.4,即阿魏酸等在各自范圍內線性關系良好。

2.1.5 精密度試驗 精密吸取某一供試品溶液10μL,以“2.1.3”項下色譜條件連續進針6次,測得各成分的峰面積RSD分別為阿魏酸1.03%、綠原酸1.01%、歐前胡素1.02%、藁本內酯1.05%,即儀器精密度良好。

2.1.6 重復性試驗 精密稱取當歸頭藥粉,以“2.1.1”項下方法平行制備6份供試品溶液,依“2.1.3”項下色譜條件測定,得各成分含量RSD分別為阿魏酸1.33%、綠原酸0.51%、歐前胡素1.37%、藁本內酯0.69%,即方法重復性良好。

2.1.7 穩定性試驗 取某一供試品溶液,于0、2、4、8、12、24h按“2.1.3”項下色譜條件測定,得各成分峰面積RSD分別為阿魏酸1.38%、綠原酸1.04%、歐前胡素0.22%、藁本內酯1.41%,即供試品溶液24h內穩定性良好。

2.1.8 加樣回收率試驗 平行精密稱取已知含量的當歸頭藥粉9份,每份2g,隨機分為3組,分別精密加入供試品中各成分量80%、100%、120%的各對照品溶液,以“2.1.3”項下色譜條件測定,計算回收率。得平均加樣回收率分別為阿魏酸101.14%、綠原酸98.92%、歐前胡素101.15%、藁本內酯99.51%,RSD依次為0.12%、0.76%、1.10%、1.02%。即此含量測定方法準確度良好。

2.1.9 樣品含量測定 以“2.1.3”項下色譜條件測定當歸頭9組正交提取樣品中各成分的峰面積,外標法計算含量,依次設為阿魏酸Y1、綠原酸Y2、歐前胡素Y3、藁本內酯Y4,結果見表1。

2.2 干浸膏得率測定

精密稱取當歸頭藥粉5g,置150mL錐形瓶中,精密加適量水,密塞,稱重,按表1試驗安排加熱回流,稱質量,補足失重,搖勻,濾過,精密量取25mL濾液,置干燥至恒重的蒸發皿中,水浴蒸干,于105℃干燥3h,干燥器中冷卻30min,精密稱定質量,計算數值,設為YG,結果見表1。

2.3 正交試驗優化當歸頭的提取工藝

以單因素考察結果為依據,設提取次數(A)、加液量(B)、提取時間(C)為考查因素,并分設3個水平,見表1;以阿魏酸等4種化學成分含量和干浸膏得率為評價指標,按L9(34)設計試驗,試驗安排及結果見表1、表2。

表2 方差分析

2.4 阿魏酸等4種化學成分含量及干浸膏得率結果綜合評價值計算

運用MATLAB R2012a軟件編輯阿魏酸、綠原酸、歐前胡素、藁本內酯及干浸膏得率的正交試驗結果,聯合熵權法計算權重,即:

(1)計算Pij(概率)。

Pij即第j次試驗在第i個評價指標下的概率,0≤Pi≤1。

(2)計算Hi(信息熵)。

(3)計算Wi(權重系數)。

得各成分權重分別為阿魏酸0.282 7,綠原酸0.202 6,歐前胡素0.145 6,藁本內酯0.225 8,干浸膏得率0.143 1。綜合評分= (Y1/Y1MAX)×0.282 7+(Y2/Y2MAX)×0.202 7+(Y3/Y3MAX)×0.145 6+(Y4/Y4MAX)×0.225 8+(YG/YGMAX)×0.143 1×100。結果見表1,即正交試驗結合熵權法優選當歸頭最優提取工藝為加入當歸藥材(粉末)質量的10倍量體積提取液,提取3次,每次90min。

2.5 BP-ANN

2.5.1 建立模型 以3層結構BP-ANN構建模型,以提取次數(A)、加液量(B)、提取時間(C)為輸入節點數,綜合評分為輸出節點數[9]。

2.5.2 網絡訓練及參數 運用MATLAB R2012a軟件,構建“2.5.1”項下模型并訓練,得3-10-1網絡模型。賦值提取次數、加液量、提取時間,以上述模型開展仿真模擬,得網絡訓練均方差曲線見圖2,優化提取工藝參數,回歸分析網絡預測值和實測值,的兩值相關系數r=0.998 64,即網絡模型性能良好。

注:A.均方誤差圖;B.訓練回歸曲線;C.驗證回歸曲線;D.總回歸曲線。

2.5.3 BP-ANN預測 固定提取次數、加液量、提取時間中任意兩因素水平值,并適當改變剩余因素水平值,運用y=sim (net,x)(y為預測值,x為提取次數、加液量、提取時間不同水平值組合)預測,考察最優提取工藝參數。得相應當歸頭提取工藝為:加入當歸藥材(粉末)質量的9.6倍量體積提取液,提取3次,每次提取67min。該條件下的綜合評分最大為98.86。

2.6 驗證試驗

平行精密稱取6份當歸頭藥粉,每份5g,按正交試驗及BP-ANN優化工藝分別開展3批驗證試驗,得綜合評分均值分別為98.37和98.94,見表3;表明以BP-ANN優化工藝提取綜合提取率更優,即當歸頭的最優提取工藝為加入藥材(粉末)質量的9.6倍量體積提取液,提取3次,每次提取67min。

表3 BP-ANN、正交試驗優化工藝驗證結果及對比

3 討論

3.1 考察指標的選擇

文獻研究表明,阿魏酸、綠原酸、歐前胡素、藁本內酯等是目前當歸研究中出現頻次較多的成分[9-11]。同時前期研究發現,當歸不同藥用部位兩兩配伍,會引起阿魏酸等的含量及干浸膏得率呈現不同程度的下降。因此,以上述4種化學成分含量和干浸膏得率作為考察指標,既可使當歸頭提取工藝優化試驗的結果更具科學性和精準性,又可滿足中藥多靶點、多層次、多渠道、整體作用的臨床特點。

3.2 研究方法的選擇

正交試驗設計是分式析因設計的主要方法,既能分析各因素內部不同水平間的差異性,也能分析各因素、水平組合的交互作用,運用有限次數試驗從大量因素中找出存在顯著意義的因素。但由于正交試驗設計中的因素、水平數量與試驗次數存在顯著的線性關系,因此在解決實際問題過程中較難滿足存在非線性關系的相關問題。BP-ANN則可通過對已有數據的訓練與學習,構建數學模型以及更加穩定、科學的多因素和水平間關系,促進復雜非線性系統問題的研究,即能有效彌補正交試驗設計解決非線性關系問題的不足。兩法結合開展相關研究,可使試驗結果更具科學性、嚴謹性,更便于在實際工作中推廣應用。