CN112268899B - 一种快速鉴别贝母类药材的方法 - Google Patents
一种快速鉴别贝母类药材的方法 Download PDFInfo
- Publication number
- CN112268899B CN112268899B CN202011104756.2A CN202011104756A CN112268899B CN 112268899 B CN112268899 B CN 112268899B CN 202011104756 A CN202011104756 A CN 202011104756A CN 112268899 B CN112268899 B CN 112268899B
- Authority
- CN
- China
- Prior art keywords
- fritillaria
- sensor array
- sample
- detected
- image
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Plasma & Fusion (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明属于中药鉴别技术领域,具体涉及一种快速鉴别贝母类药材的方法。针对现有技术中,缺少简单快速地鉴别贝母类药材的问题,本发明的技术方案包括如下步骤:(1)提取贝母样品中的化学成分;(2)利用pH指示剂和金属离子指示剂构建比色传感器阵列;(3)测试比色传感器阵列对贝母提取液的响应,得到颜色差值指纹图谱和/或传感器阵列特征值数据库;(4)通过对比颜色差值指纹图谱和/或利用化学计量学方法分析鉴别贝母药材的种类。本发明的技术方案在中药质量控制方面的应用前景可观。
Description
技术领域
本发明属于中药鉴别技术领域,具体涉及一种快速鉴别贝母类药材的方法。
背景技术
贝母始载于《神农本草经》,被列为中品,具有悠久的用药历史。贝母类药材以贝母属植物为来源,被划分为川贝母、浙贝母、伊贝母、湖北贝母与平贝母和皖贝母等6种类型,除皖贝母外,其余5种收载于2015版《中国药典》。其中,川贝母为典型的多基原药材,按性状不同分别习称“松贝”、“青贝”、“炉贝”和“栽培品”。不同品种的贝母在功效和价格方面都存在差异,但是在销售和流通中,却常存在品种混淆的现象,如平贝母常混作川贝母中的松贝使用,严重影响了用药安全和有效。
为了节约药材资源、提高药材利用率,临床上贝母常打粉入药,破坏了传统药材形式,增加了鉴别难度。传统的性状鉴别对经验性要求高、可推广性小、无法鉴别贝母粉末。显微鉴别需要制片,操作繁琐、效率低。近年来也有一些利用现代科学技术鉴别贝母的方法,如HPLC、TLC、DNA条形码技术鉴定法、傅里叶变换红外光谱法FTIR、二维红外光谱法2D-IR、热分析法、X射线粉末衍射法、电喷雾质谱法等,但以上方法普遍存在分析时间长、仪器要求高、所需费用高、需要专业人员、操作复杂等问题。
光化学比色传感器阵列是新发展起来的一种传感技术,其原理是以待分析物对传感器单元光学性质的改变作为输出信号,进行检测。该传感器阵列基于仿生学原理,利用具有交叉响应的一系列指示剂构建阵列,在非单一组分的复杂体系中能够同时对多成分发生作用,对类似物及复杂混合物具有很好的区分能力,尤其在整体识别方面具有独特的优势。通过对传感器阵列加入分析物前后的颜色进行差减,可以得到不同分析物各自独特的颜色改变指纹图谱,实现对不同物质的鉴别和区分。与传统检测分析技术相比,光化学传感器阵列具有方法简便、响应快速、信息量大、成本低廉等优点,在有毒气体、爆炸物、小分子的检测以及食品和饮料的质量控制(如,茶叶、白酒、食醋)等方面逐渐得到了广泛的应用。
目前对于贝母药材等中药材,由于还缺少如何构建灵敏响应贝母药材中有效成分的比色传感器阵列方面的研究,因而暂时还没有将光化学比色传感器阵列用于贝母药材等中药材的鉴别的方法。
发明内容
针对现有技术中,缺少简单快速地鉴别贝母类药材的问题,本发明提供一种快速鉴别贝母类药材的方法。其目的在于,根据贝母中的化学成分,利用一系列商品化指示剂,构建光化学比色传感器阵列,用于贝母类药材的快速鉴别。传感器阵列在不同贝母药材中的颜色改变模式不同,因此构成了贝母类药材各自独特的颜色指纹图谱。将颜色信号进行数字化,分别获取各阵列单元的红(R)、绿(G)、蓝(B)值,通过聚类分析(HCA)和正交偏最小二乘判别分析(OPLS-DA)实现了松贝、炉贝、浙贝母、平贝母的准确区分和快速鉴别。本工作为贝母类药材的快速鉴别和质量控制提供了一种操作简单、成本低廉的有效方法。
一种快速鉴别贝母类药材的方法,包括如下步骤:
(1)对待测贝母样品进行提取,得到供试品溶液;
(2)采用pH指示剂溶液和/或复合指示剂体系共同构成比色传感器阵列,所述复合指示剂体系为含有金属离子指示剂和金属离子的混合溶液;
(3)扫描比色传感器阵列,检测比色传感器阵列中加入供试品溶液后的传感器阵列图像,得到待测贝母样品的颜色指纹图谱;
(4)根据颜色指纹图谱鉴别待测贝母样品的种类。
优选的,贝母为川贝母、浙贝母、伊贝母、湖北贝母与平贝母或皖贝母。
优选的,步骤(1)中,测贝母样品采用乙醇提取,所述乙醇是体积分数20%-80%的乙醇或无水乙醇,待测贝母样品与乙醇重量比为1:10-1:20;
优选地,具体包括如下过程:
(1-1)将待测贝母样品干燥后,粉碎过4号筛;
(1-2)称取待测贝母样品的粉末,加入体积分数20%-80%的乙醇或无水乙醇超声萃取5min-30min,待测贝母样品与乙醇重量比为1:10-1:20,称重,补足超声过程中损失的溶剂,摇匀;
(1-3)用0.22μm或0.45μm滤膜过滤,所得滤液即为供试品溶液。
优选的,pH指示剂溶液溶剂为添加有如下浓度的组分的体积分数20%-80%的乙醇:
磷酸钠2.0-3.0mM;
苯硼酸20-40mM;
pH指示剂40-60μM;
优选的,
磷酸钠2.5mM;
苯硼酸30mM;
pH指示剂50μM;
所述复合指示剂体系的溶剂为添加有如下浓度的组分的体积分数20%-80%的乙醇:
金属离子指示剂40-60μM;
金属离子140-160μM;
优选的,
金属离子指示剂50μM;
金属离子150μM。
优选的,用于配制所述pH指示剂溶液的pH指示剂含磺酸酯结构,优选的,所述pH指示剂选自溴甲酚紫、溴甲酚绿、溴酚蓝、氯酚红、百里香酚蓝、溴邻苯三酚红或茜素中的一种或多种。
优选的,复合指示剂体系中的金属离子指示剂选自偶氮胂I、邻苯二酚紫、二甲基酚橙四钠盐、偶氮胂III、茜素、溴邻苯三酚红或茜素红中的一种或多种;所述金属离子选自Cu2+、Ca2+或Mg2+中的一种。
优选的,比色传感器阵列的规格为2×7,其中,比色传感器阵列的第一行七个阵列单元分别为溴甲酚紫、溴甲酚绿、溴酚蓝、氯酚红、百里香酚蓝、溴邻苯三酚红和茜素配制而成的pH指示剂溶液;比色传感器阵列的第二行七个阵列单元分别为偶氮胂I、邻苯二酚紫、二甲基酚橙四钠盐、偶氮胂III、茜素、溴邻苯三酚红或茜素红七种金属离子指示剂与Cu2+配制而成的混合溶液。
优选的,步骤(3)得到的颜色指纹图谱为颜色差值指纹图谱,步骤(3)的步骤具体为:
(3-1)向比色传感器阵列中加入空白溶剂,用平板扫描仪扫描传感器阵列图像,得到“反应前”图像;向另一比色传感器阵列中加入供试品溶液,反应后,用平板扫描仪扫描传感器阵列图像,得到“反应后”图像;
(3-2)提取“反应前”图像和“反应后”图像中传感器阵列的每个传感器的中心范围的R、G和B值并进行差减,得到传感器阵列特征值数据库;
(3-3)将得到的传感器阵列特征值数据库恢复为传感器阵列的图像,该图像即为待测贝母样品的颜色差值指纹图谱。
优选的,步骤(3-2)中所述传感器阵列特征值数据库的获取过程是:
(3-2-1)将“反应前”图像和“反应后”图像中传感器阵列的每个传感器的中心范围的R、G和B值进行提取;
(3-2-2)将每个传感器的“反应后”图像中的R、G和B值分别减去每个传感器的“反应前”图像中的R、G和B值,将差减后的每个传感器范围内的所有像素点的R、G和B值进行平均,得到每个传感器的R、G和B的差值;
(3-2-3)步骤(3-2-2)得到的每个传感器的R、G和B的差值即为传感器阵列特征值,所述待测贝母样品的所有传感器阵列特征值的集合即为传感器阵列特征值数据库;
优选的,步骤(3-3)中所述颜色差值指纹图谱的获取过程是:将传感器阵列特征值数据库中的每个传感器的R、G和B的差值重新按照传感器阵列的位置以颜色进行表示,得到以颜色表示的阵列图,所述阵列图即为颜色差值指纹图谱。
优选的,步骤(4)中根据待测贝母样品的颜色差值指纹图谱鉴别待测贝母样品的种类的方法为:肉眼对比待测贝母样品及贝母标准品的颜色差值指纹图谱中各阵列单元的颜色;
和/或,步骤(4)中根据待测贝母样品的传感器阵列特征值数据库鉴别待测贝母样品的种类,其方法为:将待测贝母样品及贝母标准品的传感器阵列特征值数据库进行层序聚类分析或正交偏最小二乘法判别分析。
优选的,步骤(3-1)中所述空白溶剂为体积分数20%-80%的乙醇或无水乙醇。
本发明的技术方案针对贝母中的化学成分,构建交叉响应的光化学比色传感器阵列。不同种类的贝母所含化学成分相似,均存在糖苷类及生物碱、核苷等成分,故传感器阵列对所有种类的贝母均有响应。但不同种类贝母所含化学成分的具体种类有一定差异,并且,相同种类成分在不同种类贝母中的浓度和比例也存在差别。正是由于在成分上的这些差异,使得不同种类贝母对阵列中各个传感单元的响应程度不同,从而导致了响应模式的不同,最终形成了不同种类贝母各自独特的颜色差值指纹图谱。对颜色差值指纹图谱进行模式识别,最终达到鉴别不同贝母粉末的目的。
成分复杂是中药的特点之一,光化学比色传感器阵列在多成分混合物的鉴别上具有操作简单、成本低廉和检测快速的显著优势,当分析成分复杂的中药时,该方法无需对所有成分逐一分析检测,而是通过比较几种中药之间的差别或者监测中药发生的变化来得出结果,这与中医药的整体性相契合,同时也可以满足中药质量控制的要求。在足够样本数量的支持下,建立不同药材标准品的颜色差值指纹图谱及传感器阵列特征值数据库,光化学比色传感器有望在中药鉴别以及鉴定方面开启新篇章,在中药质量控制方面的应用前景可观。
关于本发明所使用的术语的定义:除非另有说明,文中术语提供的初始定义适用于整篇说明书的该术语;对于本文没有具体定义的术语,应该根据公开内容和上下文,给出本领域技术人员能够给予它们的含义。
“金属离子指示剂”是指具有能与金属离子配位的结构的指示剂,且金属离子指示剂In与金属离子M形成的配合物MIn的颜色与指示剂金属离子指示剂In本身的颜色有明显的区别。
“阵列的规格”是指阵列的行数和列数,例如:“规格为2×7”是指阵列的行数为2行,列数为7列。
“颜色差值指纹图谱”是指对于同一个待测贝母样品或贝母标准品,传感器阵列中的每个传感器的“反应前”图像与“反应后”图像的R、G和B的差值重新按照传感器阵列的位置以颜色进行表示,得到得以颜色表示的阵列图。该阵列图的每一个单元的颜色的R、G和B是通过将对应位置的每个传感器的“反应后”图像中的R、G和B值分别减去每个传感器的“反应前”图像中的R、G和B值,将差减后的每个传感器范围内的所有像素点的R、G和B值进行平均而得到的。
“传感器阵列特征值数据库”是指对于同一个待测贝母样品或贝母标准品,传感器阵列中的每个传感器的“反应前”图像与“反应后”图像的R、G和B的差值作为传感器阵列特征值,该待测贝母样品或贝母标准品的所有传感器阵列特征值的集合即为传感器阵列特征值数据库。
显然,根据本发明的上述内容,按照本领域的普通技术知识和惯用手段,在不脱离本发明上述基本技术思想前提下,还可以做出其它多种形式的修改、替换或变更。
以下通过实施例形式的具体实施方式,对本发明的上述内容再作进一步的详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。凡基于本发明上述内容所实现的技术均属于本发明的范围。
附图说明
图1为传感器阵列图及指示剂结构示例;
图2为4种贝母的颜色差值指纹图谱与空白图谱;
图3为4种贝母和空白溶剂实验组的系统聚类分析图
图4为4种贝母和空白溶剂实验组的正交偏最小二乘法判别分析的得分图。
具体实施方式
实施例中所用的实验仪器如下:
EPSON Perfection V330 Photo全彩扫描仪(精工爱普生株式会社)、超声波清洗机(昆山市超声仪器有限公司)、优普超纯水器(成都优普电子产品有限公司)、分析天平(赛多利斯科学仪器有限公司)、96孔板。
实施例中所用的实验材料如下:
1、药材:4种药材来源见表1,松贝为暗紫贝母Fritillaria unibracteata Hsiaoet K.C.Hsia,采于阿坝州黑水县,其他贝母由成都荷花池中药材专业市场购买,经成都中医药大学药学院卢先明教授鉴定分别为松贝、炉贝、浙贝母、平贝母。
表1 4种贝母类药材来源相关信息
2、指示剂:氯酚红、茜素、百里香酚蓝、溴邻苯三酚红、二甲酚橙四钠盐、茜素、溴邻苯三酚红、二水氯化铜和茜素红均购自上海晶纯试剂有限公司;溴甲酚紫、溴酚蓝、溴甲酚绿、偶氮胂Ⅰ、邻苯二酚紫、偶氮胂Ⅲ均购自上海化学试剂有限公司试剂一厂。
3、其他:磷酸钠、苯硼酸购自克拉玛尔公司,无水乙醇购自成都市科龙化工试剂厂,实施例所用试剂均为分析纯。
实施例1贝母的颜色响应特征指纹图谱的获取
(1)供试品溶液的制备:
将4种不同种类的贝母干燥后,粉碎过4号筛。分别精密称取不同种类的贝母粉末约1g,按重量比1:15加体积分数50%的乙醇超声萃取10min,称重,补足损失的溶剂,摇匀,用0.45μm滤膜过滤,取续滤液备用。
(2)比色传感器阵列的构建:
利用如表2所示的两组指示剂(第I组和第II组)构建传感器阵列。
表2构建传感器阵列所用指示剂
所构建的传感器阵列图片如图1A所示,第I组为含磺酸酯结构的pH指示剂,以溴甲酚紫为例,结构如图1B所示。以体积分数50%乙醇为溶剂,配制含磷酸钠2.5mM、含苯硼酸30mM的磷酸钠-苯硼酸缓冲液,其pH为9.5。精密称取指示剂适量,以上述磷酸钠-苯硼酸缓冲液为溶剂,制成含指示剂50μM的传感器阵列溶液。
第II组为具有能与金属离子配位结构(酚羟基、羧基)的指示剂,以溴邻苯三酚红为例,结构如图1C所示。以体积分数50%乙醇为溶剂,配制含指示剂50μM、CuCl2 150μM的传感器阵列溶液。
将上述传感器阵列溶液分别加入96孔板,构成2×7的比色传感器阵列。
(3)对贝母样品的检测分析
向阵列中加入空白溶剂,本实施例中,空白溶剂为体积分数50%乙醇。用平板扫描仪扫描传感器阵列图像,得到“反应前”图像;向另一阵列中加入供试品溶液,反应10min后,再次扫描,得到“反应后”图像。每一个阵列中,空白溶剂或供试品溶液的加入体积相同,进行5次平行实验。
(4)贝母的颜色差值指纹图谱的获取:
比色传感器阵列检测结果反映的是各传感器的颜色变化,因此,需要通过计算机对所采集的传感器反应前后的图像进行处理,才能对这种变化进行定量、细化描述,进而将所分析对象进行区分。为了避免阵列中各传感器边缘颜色不均造成的影响,通过AdobePhotoshop软件包提取“反应前”图像和“反应后”图像中传感器阵列的每个传感器的中心范围(总体尺寸的50%)的R、G、B值,并进行差减,得到分析物的颜色差值“指纹图谱”。得到的各样品颜色差值指纹图谱及加入空白溶剂得到的空白图谱(control)如图2所示,可以看出,松贝(SB)、炉贝(LB)、浙贝母(ZB)、平贝母(PB)的颜色差值指纹图谱具有明显差异,该差异主要是由于不同种类的贝母在化学成分上的差异所导致的。
图2中得到的颜色差值指纹图谱可视为标准品的颜色差值指纹图谱,对于未知品种的贝母药材,按照与本实施例相同的方法得到颜色差值指纹图谱,再与标准品的颜色差值指纹图谱进行对比,即可鉴别未知品种的贝母药材。
实施例2层序聚类分析
(1)获得传感器阵列特征值数据库:
根据与实施例1相同的方法得到“反应前”图像和“反应后”图像后,通过AdobePhotoshop软件包提取“反应前”图像和“反应后”图像中传感器阵列的每个传感器的中心范围(总体尺寸的50%)的R、G、B值,并进行差减,得到传感器阵列特征值数据库。
对于每一个样品的每一次测试,均能够得到3×2×7共42个特征值构成的传感器阵列特征值数据库。对于本实施例,采用了4种贝母药材,并进行了一组加入空白溶剂的实验,每一组实验重复5次,因而能够得到(25×42)的传感器阵列特征值数据库。
(2)聚类分析:
为了研究所有贝母样本之间的相似性,利用SIMCA14.1(Umetrics,Sweden)进行层序聚类分析(Hierarchical cluster analysis,HCA)。HCA是一种基于欧氏距离的常规无模型统计分类方法,与其他依赖模型的统计分析(例如线性判别分析)相比,其优点是它对建立的结果分类没有任何假设。传感器阵列的响应信号被定义为一个42维的向量,由传感器阵列中的14个传感单元的R、G、B值的变化组成。基于每次实验的数据点在42维空间中的欧氏距离,对样本空间进行自然分组,4种贝母和空白(Control)响应信号所形成聚类树状图如图3所示。从树状图中可以看出,样本被分为松贝母、浙贝母、空白、炉贝、平贝母5大类。25个实验数据中,仅有1个被错误分类。上述结果表明,该传感器阵列对不同种类的贝母具有很好的区分能力。
对于未知品种的贝母药材,按照与本实施例相同的方法得到(5×42)的传感器阵列特征值数据库,与已知标准品的传感器阵列特征值数据库共同进行HCA,即可鉴别贝母药材的品种。
实施例3正交偏最小二乘法判别分析
(1)获得传感器阵列特征值数据库:
采用与实施例2相同的方法,获得4种贝母药材及一组空白溶剂实验组的(25×42)的传感器阵列特征值数据库。
(2)正交偏最小二乘法判别分析:
为了清晰而准确地识别贝母类药材,本实施例利用SIMCA14.1(Umetrics,Sweden),基于RGB差值矢量进行了正交偏最小二乘法判别分析(Orthogonal partialleast squares discriminant analysis,OPLS-DA)。OPLS-DA是有监督的模式判别分析方法,可以滤除与分类信息无关的噪音,提高了模型的解析能力和有效性,通过建立表达量与样品类别之间的关系模型,来实现对样品类别的预测。以传感器阵列14个传感单元RGB变化值为X变量,以参与建模的各批贝母样品分类为Y变量,进行OPLS-DA分析。OPLS-DA模型前2个主成分和前3个主成分的得分图分别如图4A和4B所示。由得分图可知,前两个主成分可以将炉贝(LB)、松贝(SB)、平贝(PB)、浙贝(ZB)4种贝母明显区分开来,与HCA分析的结果基本一致。并且,所建模型的Q2=0.867,表明不同种类的贝母具有明确的分离趋势,模型的预测能力强。R2X=0.882,R2Y=0.959,表明模型有较好的概括解释率,拟合度较好。一般认为,当R2和Q2值>0.5时,模型的稳定性及预测能力均较好。因此,本实施例所建立模型具有较高的稳定性和预测能力,以及较好的分类效果。
有监督模式的识别方法在扩大组间差异的同时,容易产生过拟合的现象。因此,对所建立的OPLS-DA模型进行交叉验证方差分析(CV-ANOVA)。结果显示统计值p=7.95×10-11<0.001,说明所建立的PLS-DA模型并不存在过拟合现象,是有效可靠的,4种贝母之间的区分具有统计学意义。
对于未知品种的贝母药材,按照与本实施例相同的方法得到传感器阵列特征值数据,利用上述建立的OPLS-DA模型,对贝母药材的品种进行鉴别。
实施例1至实施例3中,针对贝母中的化学成分,构建了一个2×7的交叉响应的光化学比色传感器阵列。不同种类的贝母所含化学成分相似,均存在糖苷类及生物碱、核苷等成分,故传感器阵列对所有种类的贝母均有响应。但不同种类贝母所含化学成分的具体种类有一定差异,并且,相同种类成分在不同种类贝母中的浓度和比例也存在差别。正是由于在成分上的这些差异,使得不同种类贝母对阵列中各个传感单元的响应程度不同,从而导致了响应模式的不同,最终形成了不同种类贝母各自独特的颜色差值指纹图谱。对颜色差值指纹图谱进行模式识别,最终达到鉴别不同贝母粉末的目的。通过肉眼观察,可以看出不同种类的贝母的颜色差值指纹图谱具有一定差异。为使结果更直观,利用SIMCA14.1对数字化后的颜色数据分别进行了无监督的HCA分析和有监督的OPLS-DA分析。HCA和OPLS-DA结果均表明,该传感器阵列对不同种类的贝母具有很好的区分能力,能够实现不同种类贝母的分类鉴别。
成分复杂是中药的特点之一,光化学比色传感器阵列在多成分混合物的鉴别上具有显著优势,当分析成分复杂的中药时,该方法无需对所有成分逐一分析检测,而是通过比较几种中药之间的差别或者监测中药发生的变化来得出结果,这与中医药的整体性相契合,同时也可以满足中药质量控制的要求。在足够样本数量的支持下,建立不同药材标准品的颜色差值指纹图谱及传感器阵列特征值数据库,光化学比色传感器有望在中药鉴别以及鉴定方面开启新篇章,在中药质量控制方面的应用前景可观。
Claims (8)
1.一种快速鉴别贝母类药材的方法,其特征在于,包括如下步骤:
(1)对待测贝母样品进行提取,得到供试品溶液;
(2)采用pH指示剂溶液和/或复合指示剂体系共同构成比色传感器阵列,所述复合指示剂体系为含有金属离子指示剂和金属离子的混合溶液;
(3)扫描比色传感器阵列,检测比色传感器阵列中加入供试品溶液后的传感器阵列图像,得到待测贝母样品的颜色指纹图谱;
(4)根据颜色指纹图谱鉴别待测贝母样品的种类;
所述步骤(1)中,测贝母样品采用乙醇提取,所述乙醇是体积分数20%-80%的乙醇或无水乙醇,待测贝母样品与乙醇重量比为1:10-1:20;
所述pH指示剂溶液溶剂为添加有如下浓度的组分的体积分数20%-80%的乙醇:
磷酸钠2.0-3.0 mM;
苯硼酸20-40 mM;
pH指示剂40-60 μM;
所述复合指示剂体系的溶剂为添加有如下浓度的组分的体积分数20%-80%的乙醇:
金属离子指示剂40-60 μM;
金属离子 140-160 μM;
所述比色传感器阵列的规格为2×7,其中,比色传感器阵列的第一行七个阵列单元分别为溴甲酚紫、溴甲酚绿、溴酚蓝、氯酚红、百里香酚蓝、溴邻苯三酚红和茜素配制而成的pH指示剂溶液;比色传感器阵列的第二行七个阵列单元分别为偶氮胂I、邻苯二酚紫、二甲基酚橙四钠盐、偶氮胂III、茜素、溴邻苯三酚红、茜素红七种金属离子指示剂与Cu2+配制而成的混合溶液。
2.按照权利要求1所述的一种快速鉴别贝母类药材的方法,其特征在于:所述贝母为川贝母、浙贝母、伊贝母、湖北贝母、平贝母或皖贝母。
3.按照权利要求1所述的一种快速鉴别贝母类药材的方法,其特征在于,
所述步骤(1)具体包括如下过程:
(1-1)将待测贝母样品干燥后,粉碎过4号筛;
(1-2)称取待测贝母样品的粉末,加入体积分数20%-80%的乙醇或无水乙醇超声萃取5min-30min,待测贝母样品与乙醇重量比为1:10-1:20,称重,补足损失的溶剂,摇匀;
(1-3)用0.22μm或0.45μm滤膜过滤,所得滤液即为供试品溶液。
4.按照权利要求1所述的一种快速鉴别贝母类药材的方法,其特征在于:
所述pH指示剂溶液溶剂为添加有如下浓度的组分的体积分数20%-80%的乙醇:磷酸钠2.5 mM;
苯硼酸30 mM;
pH指示剂50 μM;
所述复合指示剂体系的溶剂为添加有如下浓度的组分的体积分数20%-80%的乙醇:
金属离子指示剂50 μM;
金属离子 150 μM。
5.按照权利要求1所述的一种快速鉴别贝母类药材的方法,其特征在于:所述步骤(3)得到的颜色指纹图谱为颜色差值指纹图谱,步骤(3)的步骤具体为:
(3-1)向比色传感器阵列中加入空白溶剂,用平板扫描仪扫描传感器阵列图像,得到“反应前”图像;向另一比色传感器阵列中加入供试品溶液,反应后,用平板扫描仪扫描传感器阵列图像,得到“反应后”图像;
(3-2)提取“反应前”图像和“反应后”图像中传感器阵列的每个传感器的中心范围的R、G和B值并进行差减,得到传感器阵列特征值数据库;
(3-3)将得到的传感器阵列特征值数据库恢复为传感器阵列的图像,该图像即为待测贝母样品的颜色差值指纹图谱。
6.按照权利要求5所述的一种快速鉴别贝母类药材的方法,其特征在于:步骤(3-2)中所述传感器阵列特征值数据库的获取过程是:
(3-2-1)将“反应前”图像和“反应后”图像中传感器阵列的每个传感器的中心范围的R、G和B值进行提取;
(3-2-2)将每个传感器的“反应后”图像中的R、G和B值分别减去每个传感器的“反应前”图像中的R、G和B值,将差减后的每个传感器范围内的所有像素点的R、G和B值进行平均,得到每个传感器的R、G和B的差值;
(3-2-3)步骤(3-2-2)得到的每个传感器的R、G和B的差值即为传感器阵列特征值,所述待测贝母样品的所有传感器阵列特征值的集合即为传感器阵列特征值数据库;
步骤(3-3)中所述颜色差值指纹图谱的获取过程是:将传感器阵列特征值数据库中的每个传感器的R、G和B的差值重新按照传感器阵列的位置以颜色进行表示,得到以颜色表示的阵列图,所述阵列图即为颜色差值指纹图谱。
7.按照权利要求6所述的一种快速鉴别贝母类药材的方法,其特征在于:
步骤(4)中根据待测贝母样品的颜色差值指纹图谱鉴别待测贝母样品的种类的方法为:肉眼对比待测贝母样品及贝母标准品的颜色差值指纹图谱中各阵列单元的颜色;
和/或,步骤(4)中根据待测贝母样品的传感器阵列特征值数据库鉴别待测贝母样品的种类,其方法为:将待测贝母样品及贝母标准品的传感器阵列特征值数据库进行层序聚类分析或正交偏最小二乘法判别分析。
8.按照权利要求6所述的一种快速鉴别贝母类药材的方法,其特征在于:步骤(3-1)中所述空白溶剂为体积分数20%-80%的乙醇或无水乙醇。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011104756.2A CN112268899B (zh) | 2020-10-15 | 2020-10-15 | 一种快速鉴别贝母类药材的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011104756.2A CN112268899B (zh) | 2020-10-15 | 2020-10-15 | 一种快速鉴别贝母类药材的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112268899A CN112268899A (zh) | 2021-01-26 |
CN112268899B true CN112268899B (zh) | 2022-11-04 |
Family
ID=74338908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011104756.2A Active CN112268899B (zh) | 2020-10-15 | 2020-10-15 | 一种快速鉴别贝母类药材的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112268899B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113466224B (zh) * | 2021-06-30 | 2024-05-14 | 宁波慈溪生物医学工程研究所 | 用于鉴别三叶青产地的阵列传感器及其制备方法与应用 |
CN113466225B (zh) * | 2021-06-30 | 2023-06-02 | 宁波市中医院 | 一种鉴别麦冬产地的方法 |
US11796543B2 (en) * | 2022-02-07 | 2023-10-24 | Farin Behbood Tashkhis Company | Colorimetric system for detection of COVID-19 using salivary metabolites |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103123323A (zh) * | 2011-11-18 | 2013-05-29 | 中国科学院大连化学物理研究所 | 指示剂置换比色传感器阵列用于多种阴离子检测的方法 |
CN110568113A (zh) * | 2019-07-19 | 2019-12-13 | 江西普正制药股份有限公司 | 一种裸花紫珠的活性特征指纹色谱及其快速鉴别方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102466639B (zh) * | 2010-11-12 | 2013-09-11 | 中国科学院大连化学物理研究所 | 光化学比色传感器阵列用于多种重金属离子检测的方法 |
CN104931488B (zh) * | 2014-03-20 | 2018-07-20 | 中国科学院大连化学物理研究所 | 一种基于指示剂阵列检测阴离子的方法 |
CN104198470B (zh) * | 2014-08-04 | 2017-01-25 | 中国科学院宁波材料技术与工程研究所 | 用于检测重金属离子的阵列传感器及其制备方法和应用 |
CN105675601B (zh) * | 2016-03-04 | 2019-05-31 | 江苏大学 | 一种现场快速检测邻苯二酚及其衍生物的系统及检测方法 |
US11346829B2 (en) * | 2016-05-18 | 2022-05-31 | The Board Of Trustees Of The University Of Illinois | Methods and devices for detection of trimethylamine (TMA) and trimethylamine oxide (TMAO) |
EP3579982A4 (en) * | 2017-02-16 | 2021-03-31 | Isense LLC | SENSOR ARRANGEMENTS WITH NUCLEOPHILIC INDICATORS |
KR102052805B1 (ko) * | 2017-12-22 | 2019-12-04 | 전자부품연구원 | 비색센서 어레이 및 그 제조방법 |
CN110501329B (zh) * | 2019-08-27 | 2022-07-26 | 深圳市云启数字科技有限公司 | 比色型化学传感器阵列、检测金属离子的方法,以及评价和优化传感器阵列的方法 |
CN111413332B (zh) * | 2020-04-09 | 2021-07-23 | 吉林大学 | 一种基于天然色素花青素的糖类区分方法 |
-
2020
- 2020-10-15 CN CN202011104756.2A patent/CN112268899B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103123323A (zh) * | 2011-11-18 | 2013-05-29 | 中国科学院大连化学物理研究所 | 指示剂置换比色传感器阵列用于多种阴离子检测的方法 |
CN110568113A (zh) * | 2019-07-19 | 2019-12-13 | 江西普正制药股份有限公司 | 一种裸花紫珠的活性特征指纹色谱及其快速鉴别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112268899A (zh) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112268899B (zh) | 一种快速鉴别贝母类药材的方法 | |
Gu et al. | Rapid detection of Aspergillus spp. infection levels on milled rice by headspace-gas chromatography ion-mobility spectrometry (HS-GC-IMS) and E-nose | |
Lim et al. | Combination of mass spectrometry-based targeted lipidomics and supervised machine learning algorithms in detecting adulterated admixtures of white rice | |
Laborde et al. | Detection of chocolate powder adulteration with peanut using near-infrared hyperspectral imaging and Multivariate Curve Resolution | |
Mangmee et al. | MALDI-TOF mass spectrometry typing for predominant serovars of non-typhoidal Salmonella in a Thai broiler industry | |
Zhang et al. | Elemental metabolomics | |
Wu et al. | Identification and quantification of adulterated honey by Raman spectroscopy combined with convolutional neural network and chemometrics | |
Mazarakioti et al. | Inductively coupled plasma-mass spectrometry (ICP-MS), a useful tool in authenticity of agricultural products’ and foods’ origin | |
Faqeerzada et al. | Hyperspectral shortwave infrared image analysis for detection of adulterants in almond powder with one-class classification method | |
Wei et al. | Classification of monofloral honeys by voltammetric electronic tongue with chemometrics method | |
CN113008817A (zh) | 一种基于高光谱成像技术快速鉴别苦杏仁真伪优劣的方法 | |
Faqeerzada et al. | Online application of a hyperspectral imaging system for the sorting of adulterated almonds | |
von Wuthenau et al. | Food authentication of almonds (Prunus dulcis mill.). Origin analysis with inductively coupled plasma mass spectrometry (ICP-MS) and chemometrics | |
CN114663821A (zh) | 基于视频高光谱成像技术的产品质量实时无损检测方法 | |
Huang et al. | A low cost smart system to analyze different types of edible Bird's nest adulteration based on colorimetric sensor array | |
Mondol et al. | Application of high-throughput screening Raman spectroscopy (HTS-RS) for label-free identification and molecular characterization of Pollen | |
Schmitt et al. | Food profiling: determination of the geographical origin of walnuts by 1H NMR spectroscopy using the polar extract | |
Musio et al. | Non-targeted NMR method to assess the authenticity of saffron and trace the agronomic practices applied for its production | |
Bello et al. | Relationships of Brassica seed physical characteristics with germination performance and plant blindness | |
Van De Steene et al. | Authenticity analysis of oregano: Development, validation and fitness for use of several food fingerprinting techniques | |
Abbasi-Moayed et al. | Multiplex Detection of Biogenic Amines for Meat Freshness Monitoring Using Nanoplasmonic Colorimetric Sensor Array | |
Masoomi et al. | A paper-based optical tongue for characterization of Iranian honey: Identification of geographical/botanical origins and adulteration detection | |
CN110793929A (zh) | 一种基于多酶抑制的农药残留检测和区分方法 | |
Kalogiouri et al. | HPLC Fingerprints for the Characterization of Walnuts and the Detection of Fraudulent Incidents | |
Xu et al. | ZnCdSe-CdTe quantum dots: A “turn-off” fluorescent probe for the detection of multiple adulterants in an herbal honey |
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 |