CN114295751A - 一种基于多波长指纹图谱的山里黄根质量评价方法 - Google Patents
一种基于多波长指纹图谱的山里黄根质量评价方法 Download PDFInfo
- Publication number
- CN114295751A CN114295751A CN202111652524.5A CN202111652524A CN114295751A CN 114295751 A CN114295751 A CN 114295751A CN 202111652524 A CN202111652524 A CN 202111652524A CN 114295751 A CN114295751 A CN 114295751A
- Authority
- CN
- China
- Prior art keywords
- wavelength
- peak
- spectrum
- quality
- fingerprint
- 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.)
- Pending
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000004927 fusion Effects 0.000 claims abstract description 42
- 235000008440 Crataegus cuneata Nutrition 0.000 claims abstract description 35
- 235000014283 Crataegus pinnatifida var major Nutrition 0.000 claims abstract description 35
- 239000003814 drug Substances 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000000513 principal component analysis Methods 0.000 claims abstract description 11
- 239000000463 material Substances 0.000 claims abstract description 8
- 241000657480 Crataegus pinnatifida Species 0.000 claims abstract 13
- 238000000926 separation method Methods 0.000 claims description 34
- 238000004458 analytical method Methods 0.000 claims description 17
- 230000014759 maintenance of location Effects 0.000 claims description 12
- 150000001875 compounds Chemical class 0.000 claims description 10
- WEVYAHXRMPXWCK-UHFFFAOYSA-N Acetonitrile Chemical compound CC#N WEVYAHXRMPXWCK-UHFFFAOYSA-N 0.000 claims description 9
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 claims description 9
- 238000013441 quality evaluation Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 239000012071 phase Substances 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 7
- 230000001502 supplementing effect Effects 0.000 claims description 7
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical compound OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 244000089795 Clausena lansium Species 0.000 claims description 5
- 235000008738 Clausena lansium Nutrition 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000010521 absorption reaction Methods 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 238000004108 freeze drying Methods 0.000 claims description 4
- 238000004128 high performance liquid chromatography Methods 0.000 claims description 4
- 229910000147 aluminium phosphate Inorganic materials 0.000 claims description 3
- 238000010828 elution Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000007791 liquid phase Substances 0.000 claims description 3
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 239000000843 powder Substances 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000002791 soaking Methods 0.000 claims description 3
- 238000009210 therapy by ultrasound Methods 0.000 claims description 3
- 238000007865 diluting Methods 0.000 claims description 2
- 238000005303 weighing Methods 0.000 claims description 2
- 241000123326 Fomes Species 0.000 claims 3
- 238000003908 quality control method Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000007417 hierarchical cluster analysis Methods 0.000 abstract description 4
- 238000010239 partial least squares discriminant analysis Methods 0.000 abstract description 4
- 238000007619 statistical method Methods 0.000 abstract description 2
- 229940126680 traditional chinese medicines Drugs 0.000 abstract 1
- 244000160089 Crataegus cuneata Species 0.000 description 22
- 239000000523 sample Substances 0.000 description 14
- 238000012545 processing Methods 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 244000248162 Xanthoceras sorbifolium Species 0.000 description 3
- 235000009240 Xanthoceras sorbifolium Nutrition 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- AAWZDTNXLSGCEK-LNVDRNJUSA-N (3r,5r)-1,3,4,5-tetrahydroxycyclohexane-1-carboxylic acid Chemical compound O[C@@H]1CC(O)(C(O)=O)C[C@@H](O)C1O AAWZDTNXLSGCEK-LNVDRNJUSA-N 0.000 description 1
- CWVRJTMFETXNAD-FWCWNIRPSA-N 3-O-Caffeoylquinic acid Natural products O[C@H]1[C@@H](O)C[C@@](O)(C(O)=O)C[C@H]1OC(=O)\C=C\C1=CC=C(O)C(O)=C1 CWVRJTMFETXNAD-FWCWNIRPSA-N 0.000 description 1
- PZIRUHCJZBGLDY-UHFFFAOYSA-N Caffeoylquinic acid Natural products CC(CCC(=O)C(C)C1C(=O)CC2C3CC(O)C4CC(O)CCC4(C)C3CCC12C)C(=O)O PZIRUHCJZBGLDY-UHFFFAOYSA-N 0.000 description 1
- 235000008495 Chrysanthemum leucanthemum Nutrition 0.000 description 1
- 244000192528 Chrysanthemum parthenium Species 0.000 description 1
- 235000000604 Chrysanthemum parthenium Nutrition 0.000 description 1
- AAWZDTNXLSGCEK-UHFFFAOYSA-N Cordycepinsaeure Natural products OC1CC(O)(C(O)=O)CC(O)C1O AAWZDTNXLSGCEK-UHFFFAOYSA-N 0.000 description 1
- BDLDISNCZVBVKG-UHFFFAOYSA-N Deacetyl asperuloside Natural products OC1C(O)C(O)C(CO)OC1OC1C2C(CO)=CC(OC3=O)C2C3=CO1 BDLDISNCZVBVKG-UHFFFAOYSA-N 0.000 description 1
- 244000111489 Gardenia augusta Species 0.000 description 1
- CWVRJTMFETXNAD-KLZCAUPSSA-N Neochlorogenin-saeure Natural products O[C@H]1C[C@@](O)(C[C@@H](OC(=O)C=Cc2ccc(O)c(O)c2)[C@@H]1O)C(=O)O CWVRJTMFETXNAD-KLZCAUPSSA-N 0.000 description 1
- 241001479588 Packera glabella Species 0.000 description 1
- AAWZDTNXLSGCEK-ZHQZDSKASA-N Quinic acid Natural products O[C@H]1CC(O)(C(O)=O)C[C@H](O)C1O AAWZDTNXLSGCEK-ZHQZDSKASA-N 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- CWVRJTMFETXNAD-JUHZACGLSA-N chlorogenic acid Chemical compound O[C@@H]1[C@H](O)C[C@@](O)(C(O)=O)C[C@H]1OC(=O)\C=C\C1=CC=C(O)C(O)=C1 CWVRJTMFETXNAD-JUHZACGLSA-N 0.000 description 1
- 229940074393 chlorogenic acid Drugs 0.000 description 1
- FFQSDFBBSXGVKF-KHSQJDLVSA-N chlorogenic acid Natural products O[C@@H]1C[C@](O)(C[C@@H](CC(=O)C=Cc2ccc(O)c(O)c2)[C@@H]1O)C(=O)O FFQSDFBBSXGVKF-KHSQJDLVSA-N 0.000 description 1
- 235000001368 chlorogenic acid Nutrition 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- BMRSEYFENKXDIS-KLZCAUPSSA-N cis-3-O-p-coumaroylquinic acid Natural products O[C@H]1C[C@@](O)(C[C@@H](OC(=O)C=Cc2ccc(O)cc2)[C@@H]1O)C(=O)O BMRSEYFENKXDIS-KLZCAUPSSA-N 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- -1 deacetyl asperuloside methyl ester Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 235000008384 feverfew Nutrition 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 230000005094 fruit set Effects 0.000 description 1
- 208000005252 hepatitis A Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 239000008176 lyophilized powder Substances 0.000 description 1
- 150000004702 methyl esters Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000012488 sample solution Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种基于多波长指纹图谱的山里黄根质量评价方法，属于中药质量控制技术领域。本发明方法首先利用HPLC‑DAD技术对山里黄根饮片进行多波长检测和数据采集，得到山里黄根饮片对应的多波长融合图谱，使山里黄根的指纹图谱成为一张可以同时反映对各个波长丰富信息的棒状虚拟图谱。本发明方法通过中药指纹图谱相似度评价，层次聚类分析(HCA)、主成分分析(PCA)以及正交偏最小二乘法判别分析(OPLS－DA)等多元统计分析，体现出多波长信息的全面性和完整性优势，避免了单一波长或单一成分作为质控而难以全面评价药材整体质量的局限性。
Description
技术领域
本发明属于中药质量控制技术领域，涉及一种基于多波长指纹图谱的质量评价方法。
背景技术
中药指纹图谱是目前最广泛应用的一种可以反映中药内在质量均一性及稳定性的鉴别方法，它能满足中药质量控制的实用性、专属性及重现性的技术要求，已成为国际上公认的控制中药及天然药物质量有效手段。但是，现有的中药指纹图谱基本上是在单一波长下检测的，然而中药成分复杂，不同的化学成分在不同紫外波长下响应有所差别，如何科学合理解析中药色谱指纹图谱的测量数据是实现对中药整体质量评价和控制的关键。
浙江省中药炮制规范(2005年版)新增收栀子根，为浙江丽水地区常用畲药“山里黄根”，当地常用于治疗黄疸性肝炎、甲肝等肝病，并且具有很好的疗效。研究表明，山里黄根化学成分较多，并且在不同波长下差异明显，仅单一检测波长不能反映山里黄根中多种化学成分。本研究将多波长融合指纹图谱方案运用于畲药山里黄根质量评价中，能够较好地体现山里黄根中的多种化学成分，提高对色谱指纹图谱差异性评价的准确度。
发明内容
本发明的目的是克服单一波长检测的图谱信息不够全面，差异性小的缺陷和不足，提供一种基于多波长指纹图谱的山里黄根质量评价方法。
为了实现上述发明目的，本发明提供了以下技术方案：一种基于多波长指纹图谱的山里黄根质量评价方法，具体包括如下步骤：
(1)样品制备：
取山里黄根饮片加7～9倍质量的水充分浸泡，第一次煎煮30～60min，过滤，得到药渣和第一山里黄根提取液；药渣加5～7倍质量的水进行二次煎煮20～40min，合并两次山里黄根提取液；将两次山里黄根提取液冷冻干燥后取样。
(2)液相分析：
用HPLC-DAD法对步骤(1)取得的样品进行检测；得到各个检测波长下的图谱数据(即单波长图谱)，对所述图谱数据以保留时间纵向展开，对每个波长下所得峰面积值进行计算。
(3)多波长融合指纹图谱的建立、表征与评价：
经过筛选、补充、替换各个波长下图谱中峰的信息，得到一张多波长融合的棒状虚拟图谱；并对该棒状虚拟图谱进行表征与评价；
(4)多波长融合指纹图谱的相似度评价：
对于单波长图谱，对各个批次的山里黄根样品进行中药色谱指纹图谱相似度评价；对于多波长融合的棒状虚拟图谱，利用夹角余弦法计算各个批次融合图谱的相似度，进行组内差异化合物分析；
(5)结合化学模式识别评价药材整体质量：
对各个山里黄根样品的共有成分依次进行聚类分析、主成分分析和正交最小偏二乘判别分析，同时分析并比较多波长图谱与单波长图谱下的识别结果，完成质量评价。
进一步地，所述步骤(1)中取样具体为：将合并后的山里黄根提取液取出50mL进行冷冻干燥，精密称取冻干粉0.1g于5mL容量瓶中，用甲醇定容至5mL，超声30min，即得样品。
进一步地，所述步骤(2)中高效液相色谱条件为：色谱柱：Agilent Eclipse PlusC18(Agilent,4.6mm×250mm，5.0μm)；流动相：乙腈(B)-体积分数为0.2％的磷酸水溶液(A)；流速：1mL/min；柱温：30℃；检测波长：203nm～330nm；梯度洗脱。
进一步地，所述步骤(3)中多波长融合指纹图谱的建立具体为：以峰容量为依据选择色谱峰信息最多的色谱图为主波长图谱，其余为次波长图谱；自定义设定主波长、次波长图谱的一个峰面积比例下限值，剔除峰面积较少的色谱峰；然后依次将各个次波长图谱的色谱峰信息与主波长图谱的相比较：若为主波长不存在的色谱峰，则在主波长图谱中补充该色谱峰信息；若某个次波长的色谱峰峰面积大于主波长的，则次波长的色谱峰峰面积信息替换主波长的；统计每个相同保留时间下峰面积最大的信息，以各个组分的保留时间为横坐标，某组分在较佳吸收波长下的峰面积为纵坐标，绘制棒状图谱，即得多波长融合的棒状虚拟图谱；
进一步地，所述检测波长具体优选203nm作为主波长；优选238nm、210nm、250nm、330nm作为次波长。
进一步地，所述表征与评价具体为：从峰容量、峰分离度、共有峰总数方面对多波长融合的棒状虚拟图谱进行表征与评价。
进一步地，以峰面积大于500为界限，考察各波长下的峰容量；所述峰分离度大于1.5达到完全分离，峰分离度大于1达到基本分离；以峰分离度大于1.5为界限，考察各波长下的分离度。
进一步地，所述步骤(4)中相似度评价具体为：对于单波长图谱，将多个批次的山里黄根样品图谱数据导入至中药色谱指纹图谱相似度评价系统中，设置参照图谱和时间窗宽度，在进行多点矫正以及峰匹配，导出匹配数据；对于多波长融合图谱，利用夹角余弦法计算多批次融合图谱的相似度，进行组内差异化合物分析，确定山里黄根样品中的共有成分。
进一步地，所述峰匹配优选为Mark峰匹配。
进一步地，所述步骤(5)中对各个批次的山里黄根的共有成分导入至Heml1.0软件，采用组间联接法，以平方欧式距离为度量标准，对样品进行系统聚类；对各个批次的山里黄根的共有成分导入至SPSS软件建立数据库，采用主成分分析模型分析各组间各成分含量的差异性；对各个批次的山里黄根的共有成分导入至SMICA软件建立数据库，利用正交偏最小二乘的变量载荷和VIP值确定造成组间差异的因素，得到对样品影响因素较大的峰，从而筛选出差异化合物，完成质量评价。
与现有技术相比，本发明的有益效果：
(1)本发明的质量分析方法具有信息全面，结果准确度高等优点。五个单波长下的相似度(0.950-0.999)差异性不大；山里黄根指纹图谱在融合处理后，相似度明显降低，提高了相似度评价的准确性。
(2)通过一次进样得到多个波长下的峰信息后，处理数据删除一些杂峰的影响，得到一张可呈现多个检测波长信息的融合图谱，在此基础上进行分析与评价，有效控制整体药材的质量。
(3)本发明的基于多波长融合指纹图谱的评价方法，更有利于中药复杂体系的品种差异区别，提高中药质量控制水平，优于现有指纹图谱技术。
(4)本发明方法通过中药指纹图谱相似度评价，层次聚类分析(HCA)、主成分分析(PCA)以及正交偏最小二乘法判别分析(OPLS－DA)等多元统计分析，体现出多波长信息的全面性和完整性优势，避免了单一波长或单一成分作为质控而难以全面评价药材整体质量的局限性。
附图说明
图1为山里黄根冻干粉样品在不同波长下的HPLC-DAD图；
图2为多波长融合指纹棒状图谱；
图3为203nm图谱与融合图谱的聚类分析对比图；
图4为203nm图谱与融合图谱的主成分分析对比图；
图5为203nm图谱与融合图谱的正交偏最小二乘判别分析对比图；
图6为融合图谱的正交偏最小二乘判别分析的VIP值图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本发明可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
下面通过具体实施例和附图对本发明作进一步的说明，但本发明的保护范围并不仅限于此。
实施例1
本实施例提供的是山里黄根饮片提取过程中，具体按照以下步骤进行：
(1)山里黄根样品的制备：
取山里黄根饮片约100g，采用煎药壶装置，加7～9倍水充分浸泡30min，加热沸腾后煎煮30-60min，趁热过200目筛网，得到药渣和第一山里黄根提取液；药渣再加5～7倍水，加热沸腾后煎煮20-40min，趁热过滤，合并两次药液。所述提取过程的取样重复19个不同产地的批次，共得到19份合并提取液。分别取19份合并提取液50mL进行冷冻干燥，最后将冻干粉0.1g于5mL容量瓶中，用甲醇定容至5mL，超声30min。即得19份样品。
(2)液相分析过程
利用HPLC-DAD对19批的样品进行检测。测定结果由203nm～330nm范围内的多个检测波长下的图谱及数据，对所述数据以保留时间纵向展开，对每个波长下所得峰面积值进行记录、计算与收集。见图1。
利用液相色谱测定法对样品进行检测，吸取供试品溶液10μL，注入液相色谱仪，测定，记录色谱图保留时间和峰面积。所述高效液相色谱条件为：色谱柱：Agilent EclipsePlus C18(Agilent,4.6mm×250mm，5.0μm)；流动相：乙腈(B)-体积分数为0.2％的磷酸水溶液(A)；流速：1mL/min；柱温：30℃；检测波长：203nm、210nm、238nm、250nm、330nm。梯度洗脱。流动相A与流动相B随时间变化的关系如下表1所示。
表1：流动相A与流动相B时间关系表
(3)多波长融合指纹图谱的建立、表征与评价
经过筛选、补充、替换多个波长下图谱中峰的信息，得到一张多波长融合的棒状虚拟图谱。挑出峰信息较多的波长下的图谱与融合后的指纹图谱进行比较，从峰容量、峰分离度、共有峰总数等方面进行对比考察。
所述方案建立过程是:以峰容量为依据选择色谱峰信息最多的色谱图为主波长图谱，其余为次波长图谱。设定主波长、次波长图谱的一个峰面积比例下限值，剔除一些峰面积较少的色谱峰，从而减少图谱后续的数据处理量。然后依次将各个次波长图谱的色谱峰信息与主波长图谱的相比较：若为主波长不存在的色谱峰，则在主波长图谱中补充该色谱峰信息；若某个次波长的色谱峰峰面积大于主波长的，则次波长的色谱峰峰面积信息替换主波长的。汇总每个相同保留时间下峰面积最大的信息，以各个组分的保留时间为横坐标，某组分在较佳吸收波长下的峰面积为纵坐标，绘制棒状图谱，即多波长指纹棒状图谱。
所诉表征与评价的过程具体为：从峰容量、峰分离度、共有峰总数等方面进行比较考察。所述峰容量是可反映指纹图谱表达的信息全面性，也可以评价色谱柱。以峰面积大于500为界限，考察各波长下的峰容量。所述峰分离度大于1.5达到完全分离，峰分离度大于1达到基本分离。以峰分离度大于1.5为界限，考察各波长下的分离度。峰匹配是指纹分析的关键，以特征性强，分离度高为依据选择特征峰。
本发明实施例中比较步骤(2)测定的5个波长下的山里黄根色谱图，其中203nm波长下色谱图信息量最大，所以将203nm选择作为主波长；238nm、210nm、250nm、330nm作为次波长，对主波长进行信息补充。以批次S1的数据处理过程举例说明。
设定主波长203nm色谱图峰面积的阈值为0.9％，即峰面积占比大于0.9％。选取次波长大于200mAU的峰面积。将筛选后的210nm、238nm、250nm、330nm波长下图谱的色谱峰信息与203nm图谱的比较，进行色谱峰信息的补充与替换。最终处理色谱峰的信息包含了203波长下17个色谱峰，210波长下个色谱峰36个色谱峰，238波长下10个色谱峰，330波长下8个色谱峰，250波长下无色谱峰。结果见表2。
以各个组分的保留时间为横坐标，某组分在较佳吸收波长下的峰面积为纵坐标，绘制多波长指纹棒状图谱。如图2所示，图中横线柱状条对应203nm，灰色柱状条对应210nm，白色柱状条对应238nm，黑色柱状条对应330nm。
表2：四个波长融合后的保留时间和峰面积
峰容量是可反映指纹图谱表达的信息全面性，也可以评价色谱柱。以峰面积大于500为界限，考察各波长下的峰容量。分离度大于1.5达到完全分离，分离度大于1达到基本分离。以分离度大于1.5为界限，考察各波长下的分离度。峰匹配是指纹分析的关键，以特征性强，分离度高为依据选择特征峰。
根据峰容量分析：融合后的图谱峰面积大于500的峰容量是偏高的；根据分离度分析：由于多波长融合后无250nm信息，且330nm图谱本身峰含量较少且分离效果较好，所以这两个占比高。融合图谱的分离度和203nm、210nm、238nm图谱相比，融合后的图谱分离度高的峰占比增加。根据共有峰分析：多波长融合后图谱可选择的共有峰数量明显偏多。结果见表3。
表3：多波长融合指纹图谱的各项表征
(4)多波长融合指纹图谱的相似度评价：
对于单波长图谱，将19批山里黄根标准汤剂图谱数据导入国家药典委员会的《中药色谱指纹图谱相似度评价系统(2012版)》。
所述相似度评价过程具体为：对于单波长图谱，将山里黄根样品文件导入至中药色谱指纹图谱相似度评价系统中。设置参照图谱和时间窗宽度，在进行多点矫正以及峰匹配，所述峰匹配为Mark峰匹配，最后导出匹配数据。对于多波长融合图谱，利用夹角余弦法计算多批次融合图谱的相似度，进行组内差异化合物分析，确定山里黄根样品中的共有成分，完成质量评价。
参照图谱设为S1，对照图谱生成方法设为平均数，时间窗宽度设为0.10，多点校正，自动匹配，生成对照，计算相似度。对于多波长融合图谱，利用夹角余弦法计算多批次融合图谱的相似度。在融合后的图谱的相似度结果中，发现有些批次的相似度降低，说明多波长融合后的峰更能全面分析各批次之间的差异性。结果见下表4。
表4：19批山里黄根药材指纹图谱相似度评价结果
| 编号 | 203nm | 210nm | 238nm | 250nm | 330nm | 融合 |
| S1 | 0.992 | 0.991 | 0.998 | 0.997 | 0.973 | 0.974 |
| S2 | 0.990 | 0.990 | 0.985 | 0.994 | 0.999 | 0.983 |
| S3 | 0.995 | 0.997 | 0.993 | 0.998 | 0.997 | 0.989 |
| S4 | 0.996 | 0.995 | 0.996 | 0.998 | 0.995 | 0.993 |
| S5 | 0.910 | 0.903 | 0.988 | 0.994 | 0.955 | 0.905 |
| S6 | 0.993 | 0.992 | 0.987 | 0.986 | 0.999 | 0.993 |
| S7 | 0.994 | 0.993 | 0.985 | 0.993 | 0.994 | 0.989 |
| S8 | 0.995 | 0.994 | 0.991 | 0.993 | 0.993 | 0.989 |
| S9 | 0.993 | 0.992 | 0.986 | 0.986 | 0.998 | 0.989 |
| S10 | 0.997 | 0.997 | 0.984 | 0.991 | 0.985 | 0.994 |
| S11 | 0.993 | 0.993 | 0.974 | 0.981 | 0.991 | 0.989 |
| S12 | 0.997 | 0.996 | 0.993 | 0.997 | 0.999 | 0.988 |
| S13 | 0.951 | 0.952 | 0.975 | 0.988 | 0.939 | 0.859 |
| S14 | 0.953 | 0.955 | 0.974 | 0.984 | 0.932 | 0.761 |
| S15 | 0.915 | 0.924 | 0.967 | 0.978 | 0.981 | 0.866 |
| S16 | 0.944 | 0.938 | 0.984 | 0.987 | 0.948 | 0.733 |
| S17 | 0.982 | 0.988 | 0.992 | 0.996 | 0.974 | 0.931 |
| S18 | 0.982 | 0.983 | 0.993 | 0.980 | 0.997 | 0.866 |
| S19 | 0.941 | 0.955 | 0.864 | 0.851 | 0.970 | 0.877 |
(5)结合化学模式识别评价山里黄根整体质量：
将不同批次的山里黄根203nm图谱和融合图谱的共有成分的数据信息导入至Heml1.0软件，采用组间联接法，以平方欧式距离(Euclidean Distance)为度量标准，对样品进行系统聚类。本发明实施例中在203nm图谱下，可将样品大体分为3类：一类是S1～S2和S4～S12，则浙江产地；一类是S3、S17～S19，则浙江-3、广东-2和福建产地；一类是S13～S16，则广东-1和江西产地。在融合图谱下，可将样品大体分为3类：一类是S1～S12，则浙江产地；一类是S13～S15，则江西产地；一类是S17～S19，则广东和福建产地。即多波长下的多方面数据信息可以将分类更清晰。
将不同批次的山里黄根203nm和融合后的的共有成分的数据信息导入至SPSS软件，建立数据库，采用主成分分析模型初步分析各组间各成分含量的差异性以特征值＞1为抽取标准，得到前5个主成分的累计方差贡献率为88.618％，大于80％，说明前5个主成分可以解释19批山里黄根HPLC指纹图谱共有峰的绝大部分信息，因此可以用5个主成分来评价山里黄根药材。见表5和表6。其中波长为203nm的图谱和融合图谱的分类结果同聚类分析结果。
将不同批次的山里黄根的共有成分数据信息导入至SMICA软件，建立数据库，采用正交偏最小二乘的变量载荷和VIP值等参数确定造成组间差异的因素，得到对样品影响因素较大的峰，从而筛选出9种差异化合物。
利用正交偏最小二乘的变量载荷和VIP值等参数确定融合图谱中造成组间差异的因素，得到对样品影响因素较大的峰。根据SPSS的分类结果，将19批样品分成3类，建立OPLS-DA模型，模型自动拟合后，其X矩阵结实率R2X＝0.923，模型稳定性参数R2Y＝0.984，预测能力参数Q2＝0.893，均大于0.5，表明该模型稳定，预测能力强。有9个VIP值大于1的化合物，即有9个差异化合物。其中峰5是鸡矢藤次苷甲酯，峰3是去乙酰车叶草苷酸甲酯，峰8是绿原酸，峰1是奎宁酸。在多波长融合图谱的OPLS-DA模型中的数据点集中聚集，分类结果与聚类分析、主成分分析均相吻合。且X矩阵结实率、模型稳定性参数、预测能力参数都比单波长图谱的数值大，说明融合后19批山里黄根样品的图谱去分析，分类更明显，更容易进行分类与预测。如图3～图6所示。
表5：山里黄根主成分分析特征值及方差贡献率
表6：山里黄根主成分因子载荷矩阵
综上所述，本发明的质量分析方法具有信息全面，结果准确度高等优点。五个单波长下的相似度差异性不大；山里黄根指纹图谱在融合处理后，相似度明显降低，提高了相似度评价的准确性。本发明方法通过一次进样得到多个波长下的峰信息后，处理数据删除一些杂峰的影响，得到一张可呈现多个检测波长信息的融合图谱，在此基础上进行分析与评价，有效控制整体药材的质量。本发明提供的多波长融合指纹图谱技术，更有利于中药复杂体系的品种差异区别，提高中药质量控制水平，优于现有指纹图谱技术。
以上实施例并非仅限于本发明的保护范围，所有基于本发明的基本思想而进行的修改或变动都属于本发明的保护范围。
Claims (10)
1.一种基于多波长指纹图谱的山里黄根质量评价方法，其特征在于，具体包括如下步骤：
(1)样品制备：
取山里黄根饮片加7～9倍质量的水充分浸泡，第一次煎煮30～60min，过滤，得到药渣和第一山里黄根提取液；药渣加5～7倍质量的水进行二次煎煮20～40min，合并两次山里黄根提取液；将两次山里黄根提取液冷冻干燥后取样。
(2)液相分析：
用HPLC-DAD法对步骤(1)取得的样品进行检测；得到各个检测波长下的图谱数据，对所述图谱数据以保留时间纵向展开，对每个波长下所得峰面积值进行计算。
(3)多波长融合指纹图谱的建立、表征与评价：
经过筛选、补充、替换各个波长下图谱中峰的信息，得到一张多波长融合的棒状虚拟图谱；并对该棒状虚拟图谱进行表征与评价；
(4)多波长融合指纹图谱的相似度评价：
对于单波长图谱，对各个批次的山里黄根样品进行中药色谱指纹图谱相似度评价；对于多波长融合的棒状虚拟图谱，利用夹角余弦法计算各个批次融合图谱的相似度，进行组内差异化合物分析；
(5)结合化学模式识别评价药材整体质量：
对各个山里黄根样品的共有成分依次进行聚类分析、主成分分析和正交最小偏二乘判别分析，同时分析并比较多波长图谱与单波长图谱下的识别结果，完成质量评价。
2.如权利要求1所述的基于多波长指纹图谱的山里黄根质量评价方法，其特征在于，所述步骤(1)中取样具体为：将合并后的山里黄根提取液取出50mL进行冷冻干燥，精密称取冻干粉0.1g于5mL容量瓶中，用甲醇定容至5mL，超声30min，即得样品。
3.如权利要求1所述的基于多波长指纹图谱的山里黄根质量评价方法，其特征在于，所述步骤(2)中高效液相色谱条件为：色谱柱：Agilent Eclipse Plus C18(Agilent,4.6mm×250mm，5.0μm)；流动相：乙腈(B)-0.2％磷酸水溶液(A)；流速：1mL/min；柱温：30℃；检测波长：203nm～330nm；进行梯度洗脱。
4.如权利要求1所述的基于多波长指纹图谱的山里黄根质量评价方法，其特征在于，所述步骤(3)中多波长融合指纹图谱的建立具体为：以峰容量为依据选择色谱峰信息最多的色谱图为主波长图谱，其余为次波长图谱；自定义设定主波长、次波长图谱的一个峰面积比例下限值，剔除峰面积较少的色谱峰；然后依次将各个次波长图谱的色谱峰信息与主波长图谱的相比较：若为主波长不存在的色谱峰，则在主波长图谱中补充该色谱峰信息；若某个次波长的色谱峰峰面积大于主波长的，则次波长的色谱峰峰面积信息替换主波长的；统计每个相同保留时间下峰面积最大的信息，以各个组分的保留时间为横坐标，某组分在较佳吸收波长下的峰面积为纵坐标，绘制棒状图谱，即得多波长融合的棒状虚拟图谱。
5.如权利要求4所述的基于多波长指纹图谱的山里黄根质量评价方法，其特征在于，所述检测波长具体优选203nm作为主波长；优选238nm、210nm、250nm、330nm作为次波长。
6.如权利要求1所述的基于多波长指纹图谱的山里黄根质量评价方法，其特征在于，所述表征与评价具体为：从峰容量、峰分离度、共有峰总数方面对多波长融合的棒状虚拟图谱进行表征与评价。
7.如权利要求6所述的基于多波长指纹图谱的山里黄根质量评价方法，其特征在于，以峰面积大于500为界限，考察各波长下的峰容量；所述峰分离度大于1.5达到完全分离，峰分离度大于1达到基本分离；以峰分离度大于1.5为界限，考察各波长下的分离度。
8.如权利要求1所述的基于多波长指纹图谱的山里黄根质量评价方法，其特征在于，所述步骤(4)中相似度评价具体为：对于单波长图谱，将多个批次的山里黄根样品图谱数据导入至中药色谱指纹图谱相似度评价系统中，设置参照图谱和时间窗宽度，在进行多点矫正以及峰匹配，导出匹配数据；对于多波长融合图谱，利用夹角余弦法计算多批次融合图谱的相似度，进行组内差异化合物分析，确定山里黄根样品中的共有成分。
9.如权利要求8所述的基于多波长指纹图谱的山里黄根质量评价方法，其特征在于，所述峰匹配优选为Mark峰匹配。
10.如权利要求1所述的基于多波长指纹图谱的山里黄根质量评价方法，其特征在于，所述步骤(5)中对各个批次的山里黄根的共有成分采用组间联接法，以平方欧式距离为度量标准，对样品进行系统聚类；对各个批次的山里黄根的共有成分建立数据库，采用主成分分析模型分析各组间各成分含量的差异性；对各个批次的山里黄根的共有成分建立数据库，利用正交偏最小二乘的变量载荷和VIP值确定造成组间差异的因素，得到对样品影响因素较大的峰，从而筛选出差异化合物，完成质量评价。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111652524.5A CN114295751A (zh) | 2021-12-30 | 2021-12-30 | 一种基于多波长指纹图谱的山里黄根质量评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111652524.5A CN114295751A (zh) | 2021-12-30 | 2021-12-30 | 一种基于多波长指纹图谱的山里黄根质量评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114295751A true CN114295751A (zh) | 2022-04-08 |
Family
ID=80974092
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111652524.5A Pending CN114295751A (zh) | 2021-12-30 | 2021-12-30 | 一种基于多波长指纹图谱的山里黄根质量评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114295751A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116973495A (zh) * | 2023-09-21 | 2023-10-31 | 山东鲁地源天然药物有限公司 | 基于气相色谱仪的中药饮片检测数据分析管理系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103698413A (zh) * | 2012-09-27 | 2014-04-02 | 上海医药工业研究院 | 栀子厚朴汤颗粒hplc指纹图谱的建立方法及其标准指纹图谱 |
| CN103869003A (zh) * | 2012-12-13 | 2014-06-18 | 滇虹药业集团股份有限公司 | 黄柏药材双溶剂融合hplc指纹图谱的建立方法及其标准指纹图谱 |
| US20210109068A1 (en) * | 2020-11-11 | 2021-04-15 | Chenland Nutritionals Inc. | Fingerprint detection method for antidepressant drug |
-
2021
- 2021-12-30 CN CN202111652524.5A patent/CN114295751A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103698413A (zh) * | 2012-09-27 | 2014-04-02 | 上海医药工业研究院 | 栀子厚朴汤颗粒hplc指纹图谱的建立方法及其标准指纹图谱 |
| CN103869003A (zh) * | 2012-12-13 | 2014-06-18 | 滇虹药业集团股份有限公司 | 黄柏药材双溶剂融合hplc指纹图谱的建立方法及其标准指纹图谱 |
| US20210109068A1 (en) * | 2020-11-11 | 2021-04-15 | Chenland Nutritionals Inc. | Fingerprint detection method for antidepressant drug |
Non-Patent Citations (9)
| Title |
|---|
| XIANG LI ET AL: "Assessing the quality consistency of Rong\'e Yishen oral liquid by five wavelength maximization profilings and electrochemical fingerprints combined with antioxidant activity analyses", ANALYTICA CHIMICA ACTA, vol. 1192, pages 1 - 13 * |
| YUE DING ET AL: "Chemical fifingerprint analysis of Gardenia jasminoides fruit by high-performance liquid chromatography", vol. 18, no. 18, pages 180 - 190 * |
| 侯志飞 等: "栀子双波长融合高效液相色谱数字化指纹图谱研究" * |
| 侯志飞 等: "栀子双波长融合高效液相色谱数字化指纹图谱研究", 时珍国医国药, vol. 21, no. 21, pages 2353 - 2357 * |
| 孙国祥 等: "栀子HPLC数字化指纹图谱及其统一化研究", vol. 29, no. 29, pages 1561 - 1566 * |
| 屈晓晟 等: "基于聚类和PCA分析对江西49批栀子的HPLC指纹图谱研究", vol. 44, no. 44, pages 764 - 769 * |
| 徐姣 等: "栀子标准汤剂的质量评价方法考察", vol. 23, no. 23, pages 30 - 35 * |
| 曹虹虹 等: "基于多成分测定及指纹图谱评价不同 产地栀子质量", 中国中药杂志, vol. 44, no. 44, pages 4026 - 4033 * |
| 曹虹虹 等: "基于多成分测定及指纹图谱评价不同产地栀子质量", vol. 44, no. 44, pages 4026 - 4033 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116973495A (zh) * | 2023-09-21 | 2023-10-31 | 山东鲁地源天然药物有限公司 | 基于气相色谱仪的中药饮片检测数据分析管理系统 |
| CN116973495B (zh) * | 2023-09-21 | 2023-12-15 | 山东鲁地源天然药物有限公司 | 基于气相色谱仪的中药饮片检测数据分析管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yongyu et al. | Quality control method for herbal medicine-chemical fingerprint analysis | |
| Mok et al. | Chemical information of Chinese medicines: A challenge to chemist | |
| Lau et al. | High-performance liquid chromatographic method with quantitative comparisons of whole chromatograms of raw and steamed Panax notoginseng | |
| CN108680673B (zh) | 当归饮片指纹图谱的建立方法及其指纹图谱 | |
| CN101256177A (zh) | 中药数字化色谱指纹谱相似度评价系统 | |
| CN115015460B (zh) | 一种运用广泛靶向代谢组学技术鉴定冬虫夏草产地的方法 | |
| Li et al. | Spectral correlative chromatography and its application to analysis of chromatographic fingerprints of herbal medicines | |
| CN109633012B (zh) | 一种浙麦冬的鉴别方法 | |
| CN110715994B (zh) | 用UHPLC-Q-Orbitrap MS分析酸枣仁和理枣仁差异性化学成分的方法 | |
| CN114295751A (zh) | 一种基于多波长指纹图谱的山里黄根质量评价方法 | |
| CN110031564B (zh) | 基于hplc指纹图谱的天然植物抗球虫饲料添加剂的质量检测方法 | |
| CN109507312A (zh) | 一种黄柏的鉴定方法及其应用 | |
| CN112147265A (zh) | 一种金银花抗炎质量标志物筛选、品质鉴定方法及应用 | |
| CN114994220B (zh) | 一种七清败毒颗粒的指纹图谱的构建方法和其成分含量的测定方法及应用 | |
| WO2023004939A1 (zh) | 一种川芎道地药材指纹图谱鉴别方法 | |
| CN110658295A (zh) | 二冬汤组方中荷叶饮片指纹图谱测定方法 | |
| CN114814057A (zh) | 一种非靶向代谢组学区分卷柏品种真伪的方法及应用 | |
| CN114894944A (zh) | 一种外来药药味的认定方法 | |
| CN110907574B (zh) | 一种中药组合物的质量控制方法及质控谱图和构建方法 | |
| CN114216980A (zh) | 一种银柴胡hplc-elsd指纹图谱建立方法 | |
| CN114152687A (zh) | 一种包含莲子的中药复方的指纹图谱构建方法及其应用 | |
| CN113945660A (zh) | 强力枇杷露特征图谱的构建方法及其应用 | |
| CN115201393B (zh) | 一种黄精芡实汤的质量检测方法 | |
| WO2019211767A1 (en) | Methods for authenticating botanicals using a marker compound's related chromatographic profile and mass spectral profile jointly | |
| CN104297405B (zh) | 一种蒙药蓝盆花的指纹图谱的建立方法及其应用 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220408 |
|
| RJ01 | Rejection of invention patent application after publication |