CN101532954A - 一种用红外光谱结合聚类分析鉴定中药材的方法 - Google Patents

Abstract

本发明是运用红外光谱技术结合聚类分析对中药材进行鉴定的方法，包括以下步骤：(1)选取同类中药材标准样品；(2)对标准样品进行红外光谱检测，得到红外谱图；(3)对所得到的红外谱图用聚类分析方法建立该中药材的标准红外模型；(4)运用标准红外模型和待测中药材样品的红外谱图进行比对，即可直接对中药材进行分析、鉴定。该方法简便、快捷，不失中药材整体性，可以直接确定中药材质量和鉴别中药材真伪优劣。

Description

一种用红外光谱结合聚类分析鉴定中药材的方法

技术领域

本发明涉及药材检测技术领域，具体地说，本发明涉及用红外光谱法进行药材检测的技术领域。

背景技术

中药材具有以下特点：(1)复杂性：中药材成分极为复杂，其数量多，来源复杂，结构和性质差异大，相互的作用关系难于清楚；(2)整体性：中药材虽然成分复杂，但优质中药材的成分相互复合、平衡，形成一个整体，使不同药材的药材质形不一；(3)差异性：中药材由于产地的自然环境、炮制工艺不同，使不同药材呈现不同特征。

中药材的复杂性、整体性、差异性决定了其整体质量评价的必要性，然而，常规的现代仪器分析如HPLC、GC，多注重于中药材微观化学成分个体的研究，而将中药材本身各种成分的综合作用和相互关系割裂开来，这种运用于中药材的标准分析方法很难适应中药材的综合、宏观的整体评价；而传统的鉴别鉴定方法又容易受到主观性和经验性影响。

随着傅里叶变换红外光谱仪的问世，以及各种新技术和新附件的研制开发拓宽了红外光谱法的应用领域。如镜面反射附件可以采集平整、光滑固体表面的光谱信息；漫反射附件则能获得高散射粉末样品的光谱信息；衰减全反射附件可收集普通红外光谱法无法测量的厚度大于0.1mm的塑料、高聚物、橡胶等样品；而变温附件又可以动态跟踪样品的热变性过程。特别是近年来数学多学科的相互支持和计算机辅助解析技术(模式识别和人工神经网络等)的应用，为红外光谱法应用到中药材这一复杂混合物体系中提供了良好的技术工作平台。

聚类分析是模式识别中的一种，其基本思想是认为所研究的对象中的样本，存在着不同程度的相似性(亲疏关系)。于是，可以根据这批样品的客观指标，找出一些能够度量样本之间相似程度的统计量，以此为依据，把一些相似程度大的样品聚为一类，疏远的聚合到一个大的分类单位，最后把分类系统直观的用图形(谱系图或称分群图、聚类图等)表示出来，以清楚反映出样本或变量的亲疏关系。这种方法按照不同对象之间的差异，根据距离函数的规律作模式分类，将相似的归为一类，不相似的归为一类，其关键是选取合适的特征。一般采用聚类中心之间的距离(类间距)评价聚类效果。

SIMCA(Soft Independent Modeling of Class Analogy)软件是一个非商业化的、尝试性的软件，虽然也可以提供其它信息，但其主要目的是将未知物质聚类。它是基于类模型基础上的有监督的模式识别方法。该法基于这样的假设：同一类样本具有相似的特征就会聚集在某一特定的空间区域，而对不同类的样本，则分布在不同的区域。通过因子分析法分别针对训练集中的每类样本建立类模型。类模型建好后，对实验集中的样本，计算其到各类模型的SIMCA距离，根据SIMCA距离判别该样本属于某一已知类，或同时属于某几个已知类，或归于新类。

在中药材的聚类分析中，由于中药材的样品是多组分的，如果用浓度作为聚类对象会比较片面，而用光谱作为聚类的对象比用浓度更加直接，因为光谱中包含的信息多，如果用一种浓度进行聚类，建立标准样品集，只能将该浓度均匀分开，充分包含该浓度的信息，但不能保证包含样品的背景信息。同时，中药材不仅是一个复杂的混合物体系，而且数量大，品种多，所含各种化合物吸收强度的叠加具有难以解析的复杂性；又因大多数药材的主体成分往往具有共性，故谱图又具有一定程度的相似性。因此，借助药材红外指纹谱图的差异，建立相关的模式识别法，实现谱图的辨认和药材的快速鉴定(别)在理论上是可行的。

发明内容

本发明的目的在于提供一种无损、快速、简便的中药材定性分析和鉴定方法，本发明的技术方案是：

一种用红外光谱结合聚类分析鉴定中药材的方法，包括如下步骤：

(1)选取同类中药材标准样品；

(2)对标准样品进行红外光谱检测，得到红外谱图；

(3)对所得到的红外谱图用聚类分析方法建立该中药材的标准红外模型；

(4)运用标准红外模型和待测中药材样品的红外谱图进行比对，即可直接对中药材进行分析、鉴定。

本发明所说的中药材，可以是任何类型的中药材，包括果实类、根类、茎类、叶类、藤类药材，以及经前处理的不同部位的药材。

本发明的方法，其中步骤(1)所用的中药材标准样品优选≥30个。

本发明的方法，其中步骤(2)的红外光谱优选近红外谱图或中红外谱图，更优选采用近红外或者中红外全波长或部分特征波段进行扫描的光谱。

本发明的方法，其中步骤(3)聚类分析方法采用的算法可以是任何的聚类分析方法，例如偏最小二乘算法、主成分分析算法。

本发明的方法，其中步骤(3)主要包括下列步骤：

1、信号的预处理：利用EMD等小波算法对原始信号进行消噪、校正基线等预处理；

2、主成分分析：把预处理后的信号，运用主成分分析算法提取体现出特征峰的有用信号；

3、聚类分析建模：基于主成分分析的结果，运用Mean-Shift算法、C均值和K均值算法、模拟退火算法、神经网络算法、遗传算法等聚类分析建模，确定出特定的参数指标，包括光谱残差、建模残差、组合残差、建模权重、类间距、分辨权重等指标。

本发明的红外光谱测定可以采用商业化的包括近红外光谱仪、带ATR水平附件的中红外光谱仪完成。

红外光谱检测一个混合物体系，其分子光谱中峰位、峰形、峰强度则代表着体系中所含相应各种基团的谱峰的叠加，混合物组成的变化，将导致分子光谱整体谱图的变化，因而利用红外光谱谱图的整体性、特征性和模糊性，以求得到中药材所有分子信息，然后通过计算机技术使中药材整体信息表现出来。利用红外光谱技术(FTIR)结合聚类分析技术对中药材进行“无损、快速”检测，既能客观反映中药材内在物质基础，又能在宏观上有效控制中药材整体质量。中药材红外聚类分析的优点和特点：①无损性，对试样的测定可以做到不失原本性。②简便、快捷，对试样无需处理，无需经过繁琐的分离提取过程就可以直接测试。③自动化，可以和计算机进行联机，实现中药材品质控制的自动化。④仪器较为通用，测定操作简便，易于推广应用。⑤不必专门寻求单个的、纯的标准物。

附图说明

图1是丹参药材标准红外光谱一维谱图。

图2是实施例1不同产地丹参药材聚类分析图。

图3是鸡血藤药材标准红外光谱一维谱图。

图4是实施例2鸡血藤正品与伪品药材聚类分析图。

图5是半夏药材醇提物标准红外光谱一维谱图。

图6是实施例3半夏正品与伪品药材聚类分析图。

具体实施方式

下面结合实施例对本发明作进一步阐述。实施例是为了帮助理解本发明，而不以任何方式限制本发明。

实施例1 不同产地丹参药材中红外聚类分析

(1)选取丹参药材——山东、四川两产地样本各30批次，2006年陕西基地提供在产合格药材32批次。

(2)进行中红外光谱检测，得到红外谱图：采用Perkin-Elmer公司的Spectrum one傅立叶变换中红外光谱仪，测定范围4000～400cm^-1，扫描仪次数16次，分辨率4cm^-1。

(3)利用SIMCA软件中主成分分析算法建立中红外聚类标准模型，所选参照为中国生物制品检定所提供的丹参药材的标准红外光谱一维谱图(图1)，确定出的特定的参数指标包括光谱残差、建模残差、组合残差、建模权重、类间距、分辨权重等指标，如下。

F-Test(％)：                10.0

Backward search SEP(％)：   25.0

Outliers(％)：              5.0

Influence(％)：             10.0

Validation leverage ratio：  1.0

Validation residual ratio：  3.0

图2为不同产地丹参的聚类分析图，其中：ds07201——山东丹参药材，ds0720——四川丹参药材。

(4)在对新的丹参药材进行分析、鉴定时，运用步骤(3)所建立的标准模型对丹参药材待测药材样品红外谱图分别进行比对，观察待测样品是否进入标准模型，进入模型表示为同一物质，否则为异类物质。

实施例2 鸡血藤正品与伪品药材中红外聚类分析

(1)选取鸡血藤、大血藤(常见伪品)药材各30批次。

(2)进行中红外光谱检测，得到红外谱图：采用Perkin-Elmer公司的Spectrum one傅立叶变换中红外光谱仪，测定范围4000～400cm^-1，扫描仪次数16次，分辨率4cm^-1。

(3)利用SIMCA软件中主成分分析算法建立中红外聚类标准模型，所选参照为中国生物制品检定所提供的鸡血藤药材的标准红外光谱一维谱图(图3)，确定出的特定的参数指标包括光谱残差、建模残差、组合残差、建模权重、类间距、分辨权重等指标。

F-Test(％)：         10.0

Backward search SEP(％)：  25.0

Outliers(％)：             6.0

Influence(％)：            8.0

Validation leverage ratio：1.0

Validation residual ratio：3.0

图4为鸡血藤正品与伪品的聚类分析图，其中：jxt08031——大血藤药材，jxt0803——鸡血藤药材。

(4)在对新的鸡血藤药材进行分析、鉴定时，运用步骤(3)所建立的标准模型对鸡血藤药材待测药材样品红外谱图分别进行比对，观察待测样品是否进入标准模型，进入模型表示为同一物质，否则为异类物质。

实施例3 半夏正品与伪品药材聚类分析

(1)选取半夏、水半夏、天南星药材各30批次。

(2)进行中红外光谱检测，得到红外谱图：采用Perkin-Elmer公司的Spectrum one傅立叶变换中红外光谱仪，测定范围4000～400cm^-1，扫描仪次数16次，分辨率4cm^-1。

(3)利用SIMCA软件中主成分分析算法建立中红外聚类标准模型，所选参照为中国生物制品检定所提供的半夏药材的标准红外光谱一维谱图(图5)，确定出的特定的参数指标包括光谱残差、建模残差、组合残差、建模权重、类间距、分辨权重等指标。

F-Test(％)：              10.0

Backward search SEP(％)： 25.0

Outliers(％)：            6.0

Influence(％)：           7.0

Validation leverage ratio：1.0

Validation residual ratio：3.0

图6为半夏、水半夏、天南星药材的聚类分析图，其中：wpq903——半夏药材，bxq903——水半夏、天南星药材。

(4)在对新半夏药材进行分析、鉴定时，运用步骤(3)所建立的标准模型对半夏药材待测药材样品红外谱图分别进行比对，观察待测样品是否进入标准模型，进入模型表示为同一物质，否则为异类物质。

Claims (9)

1.一种用红外光谱结合聚类分析鉴定中药材的方法，包括如下步骤：

(1)选取同类中药材标准样品；

(2)对标准样品进行红外光谱检测，得到红外谱图；

(3)对所得到的红外谱图用聚类分析方法建立该中药材的标准红外模型；

(4)运用标准红外模型和待测中药材样品的红外谱图进行比对，即可直接对中药材进行分析、鉴定。

2.根据权利要求1所述的方法，其特征在于：步骤(1)中所述中药材是果实类、根类、茎类、叶类或藤类药材，或者是经过前处理的不同部位的药材。

3.根据权利要求1所述的方法，其特征在于：所述步骤(1)选取的中药材标准样品至少为30个。

4.根据权利要求1所述的方法，其特征在于：步骤(2)中所述的红外光谱为近红外谱图或中红外谱图。

5.根据权利要求4所述的方法，其特征在于：步骤(2)中所述的红外光谱为中红外全波长或部分特征波段进行扫描的光谱。

6.根据权利要求1所述的方法，其特征在于：所述步骤(3)中聚类分析方法采用的算法是偏最小二乘算法或主成分分析算法。

7.根据权利要求6所述的方法，其特征在于：所述步骤(3)主要包括下列步骤：

3-1.利用小波算法对原始信号进行预处理，所述预处理包括消噪、校正基线；

3-2.根据预处理后的信号，运用主成分分析算法提取体现出特征峰的有用信号；

3-3.基于主成分分析的结果进行聚类分析建模，确定出特定的参数指标。

8.根据权利要求7所述的方法，其特征在于：所述步骤3-3中运用Mean-Shift算法、C均值和K均值算法、模拟退火算法、神经网络算法或遗传算法进行聚类分析建模。

9.根据权利要求7所述的方法，其特征在于：步骤3-3中所述参数指标包括光谱残差、建模残差、组合残差、建模权重、类间距和分辨权重指标。

Images