CN102058682B

CN102058682B - 一种白芍提取液中的芍药苷含量的nir在线检测方法

Info

Publication number: CN102058682B
Application number: CN200910228468.5A
Authority: CN
Inventors: 张金巍; 张延莹; 刘岩; 贾铭; 赵国磊
Original assignee: TIANJIN TASLY MODERN CHINESE MEDICINE RESOURCE CO Ltd
Current assignee: TIANJIN TASLY MODERN CHINESE MEDICINE RESOURCE CO Ltd
Priority date: 2009-11-17
Filing date: 2009-11-17
Publication date: 2014-05-07
Anticipated expiration: 2029-11-17
Also published as: CN102058682A

Abstract

本发明公开了一种白芍提取液中的芍药苷含量的NIR在线检测方法，属于中医药研究技术领域。本发明方法包括a)采集设定数量的白芍提取液样本的近红外光谱和芍药苷含量；b)根据所述近红外光谱和芍药苷含量通过偏最小二乘法建立检测模型；c)在线采集待检测白芍提取液样本的近红外光谱，并输入所述检测模型得到所述待检测样本的芍药苷含量，实现白芍提取液中的芍药苷含量的在线检测。本发明方法既可用于白芍的醇提过程，也可用于白芍醇提液的浓缩过程。本发明方法可用于中药的检测和质量监控。

Description

一种白芍提取液中的芍药苷含量的NIR在线检测方法

技术领域

本发明涉及近红外(Near Infrared，NIR)光谱技术，尤其涉及一种白芍提取液中的芍药苷含量的NIR在线检测方法。属于中医药研究技术领域。

背景技术

我国现行中药生产工艺的控制模式，基本仍停留在传统的经验控制方法上，很少考虑工艺过程中的成分及含量变化，控制过于简单，无法做到对生产过程的在线检测和质量监控。而实现生产过程的在线实时质量监控是保证中药质量稳定、均一的关键，也是实现中药生产现代化的技术瓶颈。

近红外光谱是近年来迅速发展的一种快速分析技术，它是被测样品的物质组成与结构信息的间接体现。美国材料检测学会将近红外光谱区的范围定义为780～2526nm(12820～3959cm^-1)，它的光谱区与有机分子中含氢基团(OH、NH、CH)振动的合频和各级倍频的吸收区相一致，通过扫描样品的近红外光谱，可以得到样品中有机分子含氢基团的特征信息。不同基团或同一基团在不同化学环境中的近红外吸收波长与强度都有明显差别。因此近红外光谱具有丰富的样品结构和组成信息，适用于天然产物活性成分的品质检测(陆婉珍，袁洪福，徐广通，等.现代近红外光谱分析技术[M].北京：中国石化出版社，2000：6-26.)。

样品NIR光谱的获取操作简便且成本低，无须复杂的样品前处理，符合在线检测的要求。随着化学计量学和计算机技术的发展，NIR技术在农业和石油工业领域得到了广泛应用(Weyer LG..Applied spectroscopy[J].Reviews，1985，21(1-2)：1-8；Lang，GA.NIRs monitorcritical gasoline parameters[J].Hydrocarbon Process，1994，72(2)：69-72.)。2002年，美国FDA把该项技术作为一种标准的检测方法，2005版《中国药典》已将“近红外分光光度法指导原则”列入目录(王宁，武卫红.近红外光谱技术在中药分析领域中的应用[J].山东中医药大学学报，2007，31(4)：350-353.)。近年来，NIR技术在中药行业特别是中药生产过程的在线检测逐渐成为研究热点，有学者应用其检测丹参水提过程丹参酮和丹酚酸B的含量(倪力军，史晓浩，高秀蛟，等.NIR在线检测、分析技术在丹参水提过程质量监控中的应用[J].中国药学杂志，2004，39(8)：628-630.)，也有对栀子药材提取和三七总皂苷模拟物系进行实时定量分析(严诗楷，罗国安，王义明，等.栀子药材提取工艺的近红外光谱实时控制方法研究[J].光谱学与光谱分析，2006，26(6)：1026-1030；杨南林，瞿海斌，程翼宇.近红外光谱法快速测定三七总皂苷的方法研究[J].浙江大学学报(工学版)，2002，36(4)：463-466.)。最近还有应用NIR技术对黄连和枳壳提取物的纯化过程进行快速分析的报道(杨南林，程翼宇，瞿海斌.一种用于中药纯化过程的近红外光谱分析新方法[J].化学学报，2003，61(5)：742-747；杨志斌，栾连军.近红外透射光谱用于枳壳提取物纯化过程快速分析[J].中国药学杂志，2005，40(8)：615-618)，和应用NIR技术建立红参醇提液浓缩过程在线分析方法的研究(瞿海斌，李斌，刘雪松，等.红参醇提液浓缩过程近红外光谱在线分析方法[J].中国药学杂志，2005，40(24)：1897-1899)。

但这些仅局限于实验室规模的模拟生产研究。基于生产规模的中药醇提和浓缩过程的近红外在线检测技术的研究还未见报道。

发明内容

本发明的目的在于克服现有技术中存在的问题，提出一种白芍提取液中的芍药苷含量的NIR在线检测方法。

具体来说，本发明方法包括：

a)采集设定数量的白芍提取液样本的近红外光谱和芍药苷含量；

b)根据所述近红外光谱和芍药苷含量通过偏最小二乘法(PLS)建立检测模型；

c)在线采集待检测白芍提取液样本的近红外光谱，并输入所述检测模型得到所述待检测样本的芍药苷含量，实现白芍提取液中的芍药苷含量的在线检测。

上述方法既可用于白芍的醇提过程，也可用于白芍醇提液的浓缩过程。就白芍的醇提过程而言，上述方法中所述的提取液指的是白芍醇提过程中的白芍醇提液；就白芍醇提液的浓缩过程而言，所述提取液指的是白芍醇提液的浓缩过程中的浓缩液。

优选地，步骤a)可通过下列方式进行：对于设定批次(比如7批)的白芍，在每个批次的白芍获得所述提取液(即所述醇提液或浓缩液)的过程中，按设定的时间间隔(比如2-5分钟)采样，并测量样本的近红外光谱，同时通过高效液相色谱测定样本的芍药苷含量。

近红外光谱(包括步骤a)和c)所述的近红外光谱)优选在下列条件下采集：扫描范围为10000-4000cm^-1，扫描次数为32次，分辨率为8cm^-1。为了减少谱图采集过程中的干扰，优选在步骤a)和c)采集近红外光谱时：在光谱采集装置的流通池前设置一缓冲装置，使得含有样品的溶液进入所述流通池前在所述缓冲装置内经过缓冲；同时在所述溶液停止循环1分钟后采集近红外光谱。

在具体的建模过程中，优选对采集得到的近红外光谱作预处理。常规的预处理方法比如多元散射校正(MSC)、标准正交变换(SNV)、一阶微分、二阶微分、S-G平滑和Norris导数滤波平滑等均可使用，也可不作预处理。在本发明中，选取何种预处理方式通过步骤b)建立的检测模型的交叉验证均方差这一指标值作为判断标准，该指标值越小，则其对应的预处理方法越好。由于模型的交叉验证均方差的计算是以模型的相关系数和均方差为基础的，因此交叉验证均方差的最优化能够保证相关系数和均方差最优，从而保证模型最优。类似地，步骤b)建立检测模型时采用的主因子数也以这一指标值作为判断标准。

比如，当本方法用于白芍的醇提过程时，优选通过一阶微分和Norris导数滤波平滑对近红外光谱进行预处理，在步骤b)建立检测模型时，优选采用7作为主因子数；当本方法用于白芍醇提液的浓缩过程时，优选不对采集的近红外光谱作预处理，在步骤b)建立检测模型时，优选采用4作为主因子数。

另外，本发明优选在去除吸收饱和波段及噪声较大的部分波段后，通过比较，选取吸收特征较为明显的波段作为建立模型的最佳光谱范围，由此得到的模型的相关系数及预测效果良好。比如，本方法用于白芍的醇提和浓缩过程时，分别选取6036-7073cm^-1波段和5187-7065cm^-1波段作为建立检测模型的光谱范围。

本发明以产业化规模白芍醇提和醇提液浓缩工序作为研究系统，以醇提液和浓缩液中的主要有效成分——芍药苷的含量变化作为研究对象，利用NIR在线检测技术采集光谱，并结合HPLC检测技术和化学计量学的数据处理方法，建立醇提和浓缩过程中芍药苷的含量检测模型，实现生产过程的全程实时质量监控，为名优中药大品种的二次开发提供科学依据。

和现有技术相比，本发明方法具有操作简便、快速，结果准确且无污染的优势，是对中药材在线质量检测和控制方法的有益补充，也是药材分析的一个新的发展方向。

附图说明

图1是实施例1一个白芍提取液样本的近红外谱图；

图2是实施例1交叉验证均方差相对于不同的主因子数的变化曲线；

图3是实施例1模型预测值与真实值的关系图；

图4是实施例1模型芍药苷含量的预测值与真实值的变化趋势图；

图5是实施例2交叉验证均方差相对于不同的主因子数的变化曲线；

图6是实施例2模型预测值与真实值的关系图；

图7是实施例2模型芍药苷含量的预测值与真实值的变化趋势图。

具体实施方式

下面通过实施例结合附图对本发明作更详细的描述。

实施例1

本实施例意在通过本发明方法在产业化规模的白芍醇提过程中实现对其中的芍药苷含量的在线检测，从而实现有效的在线质量控制。

本实施例涉及的近红外光谱采集仪器是ANTARIS傅立叶近红外分析仪(美国Thermo公司)，配有光纤配件及TQ Analyst分析软件。本实施例涉及的HPLC仪器是Agilent1100高效液相色谱仪(美国HP公司)。本实施例还涉及500L多功能提取装置(天士力现代中药资源有限公司)。

本实施例使用的白芍(产地安徽)经天士力现代中药资源有限公司质检部鉴定为白芍(RADIX PAEONIAE ALBA)。HPLC分析使用的芍药苷对照品来自中国药品生物制品检定所。甲醇、异丙醇为色谱纯(默克公司)；柠檬酸为分析纯(天津化学试剂有限公司)。

本实施例方法主要包括下列几个方面：

1.研究系统

本实施例总共使用7批次的白芍药材。

对于每个批次的白芍，称取药材50kg，置于500L提取罐中，加5倍量60％乙醇，煎煮提取2小时，放液；药渣进行第二次提取，加入4倍量60％乙醇，煎煮提取1小时，放液。在提取过程中每隔一定时间在线采谱1次，同时取样进行HPLC检测。

2 NIR谱图的在线采集

光谱采集方式：对提取过程每隔2-5min采谱1次，每次采集2张谱图；采谱的同时取样进行HPLC检测，样品编号一一对应。

光谱采集条件：扫描范围：10000-4000cm^-1，扫描次数32，分辨率8cm^-1。白芍醇提液的近红外谱图参见图1。

在谱图采集过程中，流通池中的样品存在气泡，一直是困扰试验进行的大问题，因为其直接影响到光信号在流通池中的吸收与传播，造成采集到的光谱出现不规则峰型，谱图信息受到严重干扰。针对该问题，本发明发明人从设备、现场操作等方面入手，经过试验和摸索，避免了气泡的干扰现象，扫清了在线采谱的最大障碍。具体来说，在设备方面，发明人制作了小型的缓冲装置，连接在管路中流通池的前面，使得液体进入流通池前在该缓冲装置内经过缓冲，尽可能与气泡分离，从而保证光谱图的稳定；在现场操作方面，发明人根据现场情况确定每次采集光谱的时间为液体循环停止后1分钟，即在液体循环停止1分钟后采集光谱，借此有效地降低了气泡对谱图采集的干扰。

3.芍药苷含量的HPLC测定

色谱柱：Agilent ZORBAX SB-C18，5μm，4.6*250mm；流动相：甲醇-异丙醇-柠檬酸水溶液(5mmol/L)(18∶2∶80)，检测波长240nm，理论板数按芍药苷峰计算应不低于4000，流速：1ml/min；柱温：30℃；进样量：5μl；对照品溶液的制备：精密称取芍药苷对照品适量，加80％甲醇制成浓度约为0.02mg/ml的溶液；供试品溶液的制备：精密量取适量提取液，用80％甲醇稀释至25ml，摇匀，用0.45μm滤膜过滤，取滤液即得。

4.光谱数据的预处理

在近红外光谱的采集过程中，环境的变化会引起光谱的基线偏移，随机噪声和样品背景干扰都会对校正结果产生影响，因此需要对光谱数据进行预处理。本实施例将各种光谱预处理方法，包括多元散射校正(MSC)、标准正交变换(SNV)、一阶微分、二阶微分、S-G平滑和Norris导数滤波平滑等，作排列组合，考察其对提取模型相关系数(R)、均方差(RMSEC)及校正均方差(RMSECV)的影响，结果见下表1。最终以RMSECV作为判断标准，选择对应的RMSECV最小(0.381)的“一阶+Norris”的光谱预处理方式建立模型。

表1不同光谱预处理方法对提取模型的影响

5.最佳主因子数的选择

采用偏最小二乘法(PLS)建立定量模型时，为避免出现“过拟合”现象，需要对主因子数进行合理选择。本实施例采用留一交叉验证法，考察主因子数对内部交叉验证均方差(RMSECV)的影响。提取模型的交叉验证结果见图2。

从图2中可以看出，当主因子数为7时，RMSECV为0.381，超过此主因子数时，RMSECV不再下降反而有所上升，因此确定最佳主因子数为7。

6.光谱范围的选择

本实施例在去除吸收饱和波段及噪声较大的部分波段后，通过比较，选取吸收特征较为明显的6036-7073cm^-1波段作为建立模型的最佳光谱范围，模型的相关系数及预测效果良好。

7.模型的建立

本实施例对7批次白芍提取过程共计215个实验样本进行数据分析，采用一阶微分光谱对芍药苷含量进行PLS建模。根据交叉验证获得的结果如下：最佳主因子数为7，相关系数R＝0.9734，RMSEC＝0.320。图3给出了本实施例模型预测值与真实值的关系图。

8.模型预测效果评价

为了验证上述模型的预测效果，参照同样的条件重复进行1批次醇提，并采集提取样本25个，用于模型的验证。芍药苷含量的预测值与真实值的变化趋势如图4所示，图中横坐标表示按时间先后顺序的样本编号。

从图中可以看出，白芍醇提过程的预测曲线与真实曲线呈现稳定、一致的变化趋势，预测值与真实值之间的平均相对误差为4.2％。

误差的形成可能有如下几个原因：首先近红外仪器要求待测组分含量不能低于0.1％，目标组分的含量过低会给检测带来较大误差；同时，考虑到本实施例采用在线采谱的方式，液体在管路中一直是处于不断运动的状态，其通过流通池时的流动稳定性以及气泡问题，会导致部分数据失真，增大了预测误差。

实施例2

本实施例意在通过本发明方法在产业化规模的白芍醇提液浓缩过程中实现对其中的芍药苷含量的在线检测，从而实现有效的在线质量控制。

本实施例在实施例1的基础上，还使用白芍醇提液的浓缩装置——300L板式浓缩装置(天士力现代中药资源有限公司)。

本实施例的醇提和浓缩一体化过程包括，对于每个批次的白芍，同样称取药材50kg，置于500L提取罐中，加5倍量60％乙醇煎煮提取2次，每次1小时。醇提液用板式浓缩器浓缩至相对密度为1.08-1.10(60℃)。在浓缩过程中每隔2-5min在线采谱1次，每次采集2张谱图，采谱的同时取样进行HPLC检测，样品编号一一对应。

光谱采集条件和实施例1相同。

HPLC测定方法也和实施例1相同，区别仅在于，供试品溶液通过下列方式制备：精密量取适量提取液，用80％甲醇稀释至50ml，摇匀，用0.45μm滤膜过滤，取滤液即得。

就光谱数据的预处理而言，也通过和实施例1相同的方法确定最合适的的预处理方法。表2显示了各种预处理方法对浓缩模型的影响。根据表中的计算结果，最终模型选择原始光谱建立模型(RMSECV最低，等于0.680)。

表2不同光谱预处理方法对浓缩模型的影响

关于最佳主因子数，图5给出了提取模型的交叉验证结果。从图中可以看出，当主因子数为4时，RMSECV为0.680，超过此主因子数时，RMSECV不再下降反而有所上升，因此确定最佳主因子数为4。

和实施例1不同，本实施例选取5187-7065cm^-1波段作为建立模型的最佳光谱范围，模型的相关系数及预测效果良好。

在上述条件下，本实施例对7批次白芍醇提液浓缩过程共计145个实验样本进行数据分析，对芍药苷含量进行PLS建模。根据交叉验证获得的结果如下：最佳主因子数为4，相关系数R＝0.9691，RMSEC＝0.605。模型预测值与真实值的关系如图6所示。

为了验证上述模型的预测效果，参照同样的生产条件，重复进行1批次浓缩过程，并采集浓缩样本20个，用于模型的验证。芍药苷含量的预测值与真实值的变化趋势如图7所示。

从图中可以看出，白芍醇提液浓缩过程的预测曲线与真实曲线呈现稳定、一致的变化趋势，预测值与真实值之间的平均相对误差为4.9％。

Claims

1.一种白芍提取液中的芍药苷含量的NIR在线检测方法，其特征在于，包括：

a)采集设定数量的白芍提取液样本的近红外光谱和芍药苷含量，所述白芍提取液是白芍醇提过程中的白芍醇提液或白芍醇提液的浓缩过程中的浓缩液；

b)根据所述近红外光谱和芍药苷含量通过偏最小二乘法建立检测模型；

c)在线采集待检测白芍提取液样本的近红外光谱，并输入所述检测模型得到所述待检测样本的芍药苷含量，实现白芍提取液中的芍药苷含量的在线检测；

其中，在步骤a)和c)采集近红外光谱时：在流通池前设置一缓冲装置，使得含有样品的溶液进入所述流通池前在所述缓冲装置内经过缓冲；同时在所述溶液停止循环1分钟后采集近红外光谱。

2.如权利要求1所述的NIR在线检测方法，其特征在于，步骤a)通过下列方式进行：对于设定批次的白芍，在每个批次的白芍获得所述提取液的过程中，按设定的时间间隔采样，并测量样本的近红外光谱，同时通过高效液相色谱测定样本的芍药苷含量。

3.如权利要求1所述的NIR在线检测方法，其特征在于，根据步骤b)建立的检测模型的交叉验证均方差确定对步骤a)和c)所述近红外光谱的预处理方法和步骤b)建立检测模型时采用的主因子数。

4.如权利要求1所述的NIR在线检测方法，其特征在于，所述白芍提取液是白芍醇提过程中的白芍醇提液，通过一阶微分和Norris导数滤波平滑对步骤a)和c)所述的近红外光谱进行预处理。

5.如权利要求1所述的NIR在线检测方法，其特征在于，所述白芍提取液是白芍醇提过程中的白芍醇提液，步骤b)建立检测模型时，采用的主因子数为7。

6.如权利要求1所述的NIR在线检测方法，其特征在于，所述白芍提取液是白芍醇提过程中的白芍醇提液，步骤b)建立检测模型时，从步骤a)采集的近红外光谱中选取6036-7073cm^-1波段作为建立检测模型的光谱范围。

7.如权利要求1所述的NIR在线检测方法，其特征在于，所述白芍提取液是白芍醇提液的浓缩液时，步骤b)建立检测模型时，采用的主因子数为4。

8.如权利要求1所述的NIR在线检测方法，其特征在于，所述白芍提取液是白芍醇提液的浓缩液时，步骤b)建立检测模型时，从步骤a)采集的近红外光谱中选取5187-7065cm^-1波段作为建立检测模型的光谱范围。