CN109738391A - 一种基于近红外光谱技术的干姜药材质量评价方法 - Google Patents
一种基于近红外光谱技术的干姜药材质量评价方法 Download PDFInfo
- Publication number
- CN109738391A CN109738391A CN201910126120.9A CN201910126120A CN109738391A CN 109738391 A CN109738391 A CN 109738391A CN 201910126120 A CN201910126120 A CN 201910126120A CN 109738391 A CN109738391 A CN 109738391A
- Authority
- CN
- China
- Prior art keywords
- rhizoma zingiberis
- gingerol
- infrared
- model
- analysis model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Medicines Containing Plant Substances (AREA)
Abstract
本发明公开了一种基于近红外光谱技术的干姜药材质量评价方法,本发明利用近红外光谱技术,通过TQ Analyst结合化学计量学,实现干姜药材中5种活性成分快速测定和硫熏干姜的鉴别。该方法利用近红外光谱技术对干姜药材进行品质评价,具有快速,准确,成本低廉的特点,且该方法简便,易行,稳定性好。本发明可为干姜药材的质量评价提供参考,从而更好地保证干姜药材质量的稳定性和安全性。
Description
技术领域
本发明涉及一种中药材的质量评价方法,具体涉及一种基于近红外光谱技术的干姜药材质量评价方法。
背景技术
干姜药材来源于姜科植物姜Zingiber officinale Rosc.的干燥根茎,具有温中散寒、回阳通脉、温肺化饮的功效。姜辣素类成分是干姜的活性成分,主要包含6-姜酚、8-姜酚、10-姜酚、姜烯酚及姜酮等酚类成分。现代药理研究表明,姜酚具有消炎、抗氧化、抗肿瘤、保肝利胆和抑制中枢神经等作用。
近红外光谱技术是近年来发展迅速的一种快速分析技术,具有分析速度快,对样品无损害,无化学污染等显著优点,已广泛应用于中药的定性和定量分析,为药材质量评价提供依据。目前,干姜药材中普遍存在硫磺熏蒸的现象,大量研究发现硫磺熏蒸会导致药材化学成分和药理活性发生改变,存在安全隐患。虽然国际食品药品监督管理部门规定禁止使用硫熏药材,但硫熏具有防腐、防霉、防虫蛀,漂白的作用。因其操作简单、成本相对低廉、不少中药材在加工时,仍会选用硫薰作为前处理方法之一,所以快速简便的鉴别硫熏干姜,对保障干姜药材质量至关重要。目前文献报道的干姜活性成分的含量测定多采用液相或液质联用的技术,其成本较高,且相对速度较慢,利用近红外光谱技术对干姜进行含量测定,在完成建模的基础上,只需少量药材粉末进行分析,无需高昂的化学对照品,可实现成本低廉、快递、准确的对干姜药材进行质量评价,尤其适用于生产及研究过程中的多批次、大样本量的检测分析。
发明内容
本发明所要解决的技术问题是克服现有技术的不足,提供一种成本低,分析效率,分析速度快,可以用于实现对硫熏干姜和未硫熏干姜进行定性鉴别和定量测定的基于近红外光谱技术的干姜药材质量评价方法。本发明可为干姜的质量评价提供参考,从而更好地保证干姜质量的稳定性和安全性。
技术方案:为了实现以上目的,本发明所采取的技术方案为:
(1)近红外光谱的采集将收集到的80份干姜样品粉碎过三号筛,取约5g粉末放入石英样品杯中,混合均匀,以空气为参比,按下述条件进行近红外光谱扫描:近红外扫描光谱范围为12000~4000cm-1,分辨率16cm-1;扫描次数64;温度22℃~27℃,相对湿度60%;同一条件下每个样品重复扫描3次,求出平均图谱以建立模型,干姜样品的原始近红外叠加见图1。
由图1可以看出各样品的近红外原始图谱基本一致,且谱带复杂,相互重叠,根据此图很难看出药材的光谱信息差别。因此,需要对原始图谱数据进行相应的前处理使图谱信息更加直观和明确。
(2)光谱预处理方法的选择在近红外光谱采集过程中,由于仪器的状态与测量条件的差异会导致近红外光谱发生细微的变化,如光的散射、杂散光及仪器响应等,均可造成近红外光谱的基线漂移和光谱的不重复,通过对光谱进行预处理可对其予以矫正。因此,为建立稳定、可靠的校正模型,应在数据分析前对光谱进行合理的处理,减弱甚至消除各种非目标因素对光谱信息的影响。
(3)判别分析应用TQAnalyst 8.0软件中的判别分析(Discriminant analysis)建立并优化定性分析模型,优化的内容包括光谱预处理方法、建模波段的选择。以误判数和PI(performance index)为综合评价指标,优选最佳定性分析模型。误判数越少,PI值越大,说明所建模型越好,建模优化内容见表1。
表1近红外判别分析模型及其性能
建模波段/cm<sup>-1</sup> | 光谱预处理方法 | 误判数 | PI值 |
12000~4000 | Constant | 14 | 86.0 |
12000~4000 | MSC | 14 | 84.4 |
12000~4000 | SNV | 9 | 88.3 |
12000~4000 | SNV+FD | 6 | 90.2 |
12000~4000 | SNV+SD | 7 | 87.6 |
9000~4000 | SNV+FD | 3 | 95.3 |
7500~4000 | SNV+FD | 0 | 96.1 |
5000~4000 | SNV+FD | 2 | 92.5 |
由表1数据可知,干姜硫熏定性模型的最佳条件建模为4000~7500cm-1,光谱预处理方法为SNV+FD,误判数为0,PI值高达96.1,说明此定性模型稳定可靠,定性模型图谱见图2。由图2可以看出,无硫干姜和硫熏干姜在图中能够明显的分开,证明此方法能够有效区分和鉴别硫熏干姜。
(4)主成分分析将样品的近红外光谱导入Simca 13.0软件进行PCA分析,scaling方式采用中心化,R2Y=0.907,Q2=0.888,说明模型较好且预测能力好,结果见图3。由图可以看出,两组样本能够很好的区分,证明此方法能够有效区分硫熏干姜。
(5)干姜药材中5种活性成分定量分析模型的建立应用TQAnalyst 8.0软件中的偏最小二乘法(PLS)建立并优化定量分析模型,优化的内容包括光谱预处理方法、建模波段及主成分数的选择。以内部交叉验证系数(R2),内部交叉验证均方差(RMSECV),校正集均方差(RMSEC),验证集预测均方差(RMSEP)为综合评价指标,优选最佳定量分析模型。R2越接近1,RMSECV,RMSEC与RMSEP越小,所建模型适用性越强,预测效果越好。不同预处理方法见表2、表3。
表2不同预处理方法的建模效果
表3不同波段的建模效果
(6)定量模型的建立运用TQAnalyst 8.0软件中的PLS法建立模型,对光谱进行预处理,采用4000~7200cm-1波段对干姜中的主要成分姜酮、6-姜酚、8-姜酚、6-姜烯酚、10-姜酚进行近红外含量测定进行建模,所建模型图谱见图4至图8,从图中可以看出本发明提供的近红外检测的预测值与参考值接近,说明建立的定量模型可用于干姜的有效成分的定量分析。
(7)HPLC条件色谱条件:Waters Symmetry ShieldTMRP C18色谱柱(250mm×4.6mm,5μm);流动相为乙腈-水,梯度洗脱,洗脱程序:0~30min,35%~70%乙腈;30~50min,70%~90%乙腈;体积流量1.0mL/min。供试品溶液的制备:取本品粉末(过3号筛)约0.5g,精密称定,置具塞锥形瓶中,精密加入75%甲醇20mL,密塞,称定质量,超声处理40min,取出,放冷,再称定质量,用75%甲醇补足减失的质量,提取液经13000r/min条件下离心10min,上清液过0.45μm的微孔滤膜,取续滤液,即得。
(8)定量模型的验证为验证定量模型的可靠性,选取6份干姜药材样品,利用HPLC标准曲线法和上述建立的近红外定量模型分别对其进行姜酮、6-姜酚、8-姜酚、6-姜烯酚和10-姜酚有效成分的含量测定,测定结果见表4。结果显示,基于近红外测定的5种活性成分的含量相较与HPLC法,其p值均大于0.05,说明没有显著性差异,证明本发明建立的近红外技术(NIR)可以用于干姜药材的含量测定。
表4近红外与HPLC含量测定结果
有益效果:
本发明通过大量实验筛选优化得到的近红外光谱技术,可高效,准确的用于干姜药材的定性鉴别(硫熏干姜和未硫熏干姜),并且所建立的定量分析模型,可以高效准确的用于检测干姜中的姜酮、6-姜酚、8-姜酚、6-姜烯酚和10-姜酚有效成分的含量,相比高效液相具有检测速度快,检测成本低的优点。本发明可为干姜药材的质量评价提供参考,从而更好地保证干姜药材质量的稳定性和安全性,具有重要的应用价值。
附图说明
图1为本发明干姜样品原始近红外叠加图。
图2为本发明干姜硫熏定性模型图。
图3为本发明近红外干姜硫熏PCA图。
图4为本发明干姜成分姜酮的近红外含量测定图。
图5为本发明干姜成分6-姜酚的近红外含量测定图。
图6为本发明干姜成分8-姜酚的近红外含量测定图。
图7为本发明干姜成分6-姜烯酚的近红外含量测定图。
图8为本发明干姜成分10-姜酚的近红外含量测定图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
实施例1
1仪器与材料
1.1实验原料
在云南收集干姜药材3批,所有样品经南京中医药大学严辉副教授鉴定为姜科植物姜Zingiber officinale Rose.的干燥根茎,具体样品信息见表5。
表5干姜药材信息表
编号 | 产地 | 批号 | 是否硫熏 |
1 | 云南省罗平县 | 20171113 | 无硫 |
2 | 云南省罗平县 | 20171115 | 硫熏 |
3 | 云南省屏边县 | 20171127 | 无硫 |
2试验方法
2.1近红外光谱的采集
将收集到的上述3份干姜药材样品粉碎过三号筛,取约5g粉末放入石英样品杯中,混合均匀,以空气为参比,按下述条件进行扫描:扫描光谱范围4000~12000cm-1,分辨率16cm-1;扫描次数64;温度22℃~27℃,相对湿度60%;同一条件下每个样品重复扫描3次,求出平均图谱。
2.2硫熏干姜的鉴别
利用TQAnalyst 8.0软件中建立的判别分析模型,采用SNV+FD光谱预处理方法,利用建立的硫熏模型对干姜药材进行硫熏鉴别,同时结合主成分分析对干姜药材样品进行分析研究。
2.3利用近红外对干姜中5种活性成分的测定利用TQ Analyst 8.0软件中建立的偏最小二乘法(PLS)定量分析模型,姜酮的定量分析模型条件:建模波段4000~7200cm-1,光谱预处理方法为SNV+SD;6-姜酚的定量分析模型条件:建模波段4000~7200cm-1,光谱预处理方法为SNV+FD;8-姜酚的定量分析模型条件:建模波段4000~7200cm-1,光谱预处理方法为MSC+SD;6-姜烯酚的定量分析模型条件:建模波段4000~7200cm-1,光谱预处理方法为MSC+SD;10-姜酚的定量分析模型条件:建模波段4000~7200cm-1,光谱预处理方法为SNV+SD。利用建立的模型对干姜药材中姜酮、6-姜酚、8-姜酚、6-姜烯酚、10-姜酚进行含量测定。
2.4利用HPLC法对干姜药材5种活性成分的含量测定
2.4.1色谱条件Waters Symmetry ShieldTM RP C18色谱柱(250mm×4.6mm,5μm);流动相为乙腈-水,梯度洗脱,洗脱程序:0~30min,35%~70%乙腈;30~50min,70%~90%乙腈;体积流量1.0mL/min;进样量20μL;检测波长280nm;柱温30℃。
2.4.2混合对照品溶液的制备取姜酮、6-姜酚、8-姜酚、6-姜烯酚、10-姜酚对照品适量,精密称定,加75%甲醇溶解并稀释,分别制成含姜酮0.143mg/mL、6-姜酚0.212mg/mL、8-姜酚0.087mg/mL、6-姜烯酚0.019mg/mL、10-姜酚0.146mg/mL的溶液,即得。
2.4.3供试品溶液的制备取本品粉末(过3号筛)约0.5g,精密称定,置具塞锥形瓶中,精密加入75%甲醇20mL,密塞,称定质量,超声处理40min,取出,放冷,再称定质量,用75%甲醇补足减失的质量,提取液经13000r/min条件下离心10min,上清液过0.45μm的微孔滤膜,取续滤液,即得。
2.4.4含量测定利用标准曲线法对干姜药材中姜酮、6-姜酚、8-姜酚、6-姜烯酚、10-姜酚进行含量。
3结果
3.1定性分析结果如下表6:
表6近红外定性分析结果
编号 | 实际 | 判别 |
1 | 无硫 | 无硫 |
2 | 硫熏 | 硫熏 |
3 | 无硫 | 无硫 |
由表6结果可知,利用近红外判别的干姜硫熏情况与实际结果一致,所以本发明提供的定性方法可以利用近红外建模实现对硫熏干姜的快速鉴别。
3.2定量分析结果,本发明建立的近红外广谱法(NIR)测定结果和HPLC法测定结果如下表7所示:
表7近红外定量分析结果
由表7数据可知,本发明利用近红外测定的姜酮、6-姜烯、8-姜酚、6-姜烯酚、10-姜酚与HPLC法测定结果基本一致,说明可以利用近红外实现对干姜药材的含量测定。
本发明利用近红外光谱结果化学计量学能够快速的对干姜药材进行是否硫熏鉴别及对其姜酮、6-姜烯、8-姜酚、6-姜烯酚、10-姜酚有效成分进行测定,该方法结果稳定可靠,且方法简便易行,检测成本低,利于推广。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种基于近红外光谱技术的干姜药材质量评价方法,其特征在于,包括以下步骤:
(1)收集干姜药材样品,粉碎过三号筛,取干姜粉末放入石英样品杯中,混合均匀,以空气为参比,按下述条件进行近红外光谱扫描:扫描光谱范围12000~4000cm-1,分辨率16cm-1;扫描次数64;温度22℃~27℃,相对湿度50~60%;同一条件下每个干姜样品重复扫描3~5次,求出平均红外光谱图谱以建立模型;
(2)以步骤(1)的平均红外光谱图谱模型为基础,应用TQ Analyst 8.0软件中的判别分析建立并优化定性分析模型;所述优化的内容包括光谱预处理方法、建模波段及主成分数的选择;以误判数和PI为综合评价指标,优选最佳定性分析模型,误判数越少,PI值越大,所建模型越好;
(3)将步骤(1)干姜样品的近红外光谱导入Simca 13.0软件,利用Simca 13.0软件对干姜样品的近红外光谱数据进行主成分分析和正交偏最小二乘法-判别分析,利用ScorePlot对干姜进行鉴别;
(4)应用TQAnalyst 8.0软件中的偏最小二乘法建立并优化定量分析模型,优化的内容包括光谱预处理方法、建模波段及主成分数的选择;以内部交叉验证系数,内部交叉验证均方差,校正集均方差,验证集预测均方差为综合评价指标,优选出最佳定量分析模型;R2越接近1,内部交叉验证均方差,校正集均方差与验证集预测均方差越小,所建模型适用性越强,预测效果越好。
2.根据权利要求1所述的一种基于近红外光谱技术的干姜药材质量评价方法,其特征在于,步骤(2)应用TQAnalyst 8.0软件中的判别分析建立并优化定性分析模型为:干姜定性模型的最佳条件建模为扫描光谱范围4000~7500cm-1,光谱预处理方法为SNV+FD,该定性分析模型的误判数为0,PI值为96.1。
3.根据权利要求1所述的一种基于近红外光谱技术的干姜药材质量评价方法,其特征在于,步骤(4)干姜主成包括姜酮、6-姜酚、8-姜酚、6-姜烯酚和10-姜酚;
姜酮的定量分析模型为4000~7200cm-1波段近红外扫描建模,SNV+SD光谱预处理方法;
6-姜酚的定量分析模型为4000~7200cm-1波段近红外扫描建模,SNV+FD光谱预处理方法;
8-姜酚的定量分析模型为4000~7200cm-1波段近红外扫描建模,MSC+SD光谱预处理方法;
6-姜烯酚的定量分析模型为4000~7200cm-1波段近红外扫描建模,MSC+SD光谱预处理方法;
和10-姜酚的定量分析模型为4000~7200cm-1波段近红外扫描建模,SNV+SD光谱预处理方法。
4.根据权利要求1至3任一项所述的一种基于近红外光谱技术的干姜药材质量评价方法,其特征在于,可以用于鉴别硫磺熏的干姜和未经硫磺熏的干姜。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910126120.9A CN109738391B (zh) | 2019-02-20 | 2019-02-20 | 一种基于近红外光谱技术的干姜药材质量评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910126120.9A CN109738391B (zh) | 2019-02-20 | 2019-02-20 | 一种基于近红外光谱技术的干姜药材质量评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109738391A true CN109738391A (zh) | 2019-05-10 |
CN109738391B CN109738391B (zh) | 2021-06-22 |
Family
ID=66367878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910126120.9A Active CN109738391B (zh) | 2019-02-20 | 2019-02-20 | 一种基于近红外光谱技术的干姜药材质量评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109738391B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113029999A (zh) * | 2021-02-04 | 2021-06-25 | 广东一方制药有限公司 | 一种姜科中药配方颗粒的近红外光谱鉴别模型构建方法和鉴别方法 |
CN114580511A (zh) * | 2022-02-25 | 2022-06-03 | 南京中医药大学 | 一种基于图像亮度信息和投票机制的硫熏干姜鉴别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101961360A (zh) * | 2009-07-24 | 2011-02-02 | 天津天士力现代中药资源有限公司 | 三七的近红外光谱鉴别方法 |
CN103776777A (zh) * | 2014-01-09 | 2014-05-07 | 北京中医药大学 | 一种用近红外光谱技术识别不同生长方式人参及对人参中组分含量测定的方法 |
CN107727609A (zh) * | 2017-09-27 | 2018-02-23 | 天津工业大学 | 一种基于近红外光谱的多元掺伪三七定量分析方法 |
-
2019
- 2019-02-20 CN CN201910126120.9A patent/CN109738391B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101961360A (zh) * | 2009-07-24 | 2011-02-02 | 天津天士力现代中药资源有限公司 | 三七的近红外光谱鉴别方法 |
CN103776777A (zh) * | 2014-01-09 | 2014-05-07 | 北京中医药大学 | 一种用近红外光谱技术识别不同生长方式人参及对人参中组分含量测定的方法 |
CN107727609A (zh) * | 2017-09-27 | 2018-02-23 | 天津工业大学 | 一种基于近红外光谱的多元掺伪三七定量分析方法 |
Non-Patent Citations (2)
Title |
---|
王世伟等: "近红外光谱技术快速鉴别山药硫熏情况模型的建立", 《时珍国医国药》 * |
范剑 等: "近红外光谱法快速测定干姜中6-姜酚的含量", 《食品与药品》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113029999A (zh) * | 2021-02-04 | 2021-06-25 | 广东一方制药有限公司 | 一种姜科中药配方颗粒的近红外光谱鉴别模型构建方法和鉴别方法 |
CN114580511A (zh) * | 2022-02-25 | 2022-06-03 | 南京中医药大学 | 一种基于图像亮度信息和投票机制的硫熏干姜鉴别方法 |
CN114580511B (zh) * | 2022-02-25 | 2024-05-24 | 南京中医药大学 | 一种基于图像亮度信息和投票机制的硫熏干姜鉴别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109738391B (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yin et al. | A review of the application of near-infrared spectroscopy to rare traditional Chinese medicine | |
Li et al. | Application of near infrared spectroscopy for rapid analysis of intermediates of Tanreqing injection | |
CN103439288B (zh) | 一种银杏叶药材实时放行检测方法 | |
CN103808840B (zh) | 一种参芪扶正注射液指纹图谱的建立方法 | |
CN103033486B (zh) | 陈皮及广陈皮药材质量的近红外光谱监控方法 | |
CN109297929B (zh) | 一种利用近红外技术建立丹参饮片质量分级的方法 | |
CN104237060B (zh) | 一种金银花药材多指标快速检测方法 | |
CN104568822B (zh) | 一种连翘药材多指标同时快速检测方法 | |
CN104076012A (zh) | 一种近红外光谱法快速检测冰片质量的模型建立方法 | |
Meng et al. | Discrimination and content analysis of fritillaria using near infrared spectroscopy | |
CN104568813A (zh) | 一种山茱萸药材多指标快速检测方法 | |
CN106198446A (zh) | 近红外光谱快速测定艾纳香叶粉中左旋龙脑含量的方法 | |
Liu et al. | Quality control strategies of medicine food homology materials based on fingerprint profiling and chemometrics: Citri Reticulata Pericarpium as an example | |
CN109738391A (zh) | 一种基于近红外光谱技术的干姜药材质量评价方法 | |
Fan et al. | Geographical-origin discrimination and volatile oil quantitative analysis of Zanthoxylum bungeanum Maxim. with a portable near-infrared spectrometer | |
Fan et al. | Quality assessment of Fritillariae cirrhosae using portable NIR spectrometer | |
CN108051396A (zh) | 一种心可舒片有效成分含量的快速检测方法 | |
CN108663337A (zh) | 一种测定丹参酮类成分的方法及其应用 | |
CN106074700B (zh) | 一种黄芩颗粒的检测方法 | |
Chen et al. | Determination of marker constituents in radix Glycyrrhizae and radix Notoginseng by near infrared spectroscopy | |
Liu et al. | Multiple fingerprints and quantitative analysis for comprehensive quality evaluation of Citri reticulatae pericarpium within different storage years | |
Ming-Liang et al. | A gradient-based discriminant analysis method for process quality control of carbonized TCM via Fourier transform near infrared spectroscopy: A case study on carbonized Typhae Pollen | |
CN110007017A (zh) | 一种鉴定桑叶是否经霜的检测方法 | |
Lin et al. | A rapid analysis method of safflower (Carthamus tinctorius L.) using combination of computer vision and near-infrared | |
Chen et al. | Rapid identification of total phenolic content levels in boletes by two-dimensional correlation spectroscopy combined with deep learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |