4785.五味子質量優(yōu)劣與紅外光譜相關性的研究 論文

1、畢 業(yè) 論 文（設計）題 目 五味子質量優(yōu)劣與紅外光譜相關性的研究 指導老師 專業(yè)班級 生物技術及應用071 姓 名 學 號 2010年5月30號摘要本實驗邀請有經驗的藥物鑒別人員對30批北五味子進行綜合判定。然后建立北五味子質量近紅外判別與經驗判別間的模型。將五味子樣品中“優(yōu)良”為分值100，“一般”為分值50。以偏最小二乘法（pls）與近紅外光譜數(shù)據(jù)進行關聯(lián)，得到校正模型。所建立的校正模型對12個預測集進行預測，可以看出，所建立的數(shù)學模型對未知樣本的預測準確度可以達到91.67%，表明五味子藥材的人工質量經驗判別和近紅外光譜之間存在較好的相關性。本實驗建立的是一種基于近紅外光譜技術的五味子

2、質量判別的方法。實驗結果表明，該方法能較好的預測未知樣本的質量，可以作為基于幾千年人工經驗鑒別一種現(xiàn)代化的判別手段，克服人工經驗判別結果主觀干擾因素大的缺點，可以普遍的應用與五味子藥材的質量判斷中。關鍵詞：北五味子；紅外光譜；相關性；校正模型目 錄引言. 11實驗材料與儀器.21.1實驗材料.21.2儀器設備.32實驗方法.32.1五味子等級判定方法 .32.2五味子的紅外光譜測定.32.3建立的校正模型對樣品的預測.33實驗結果.33.1外觀鑒定的五味子等級判斷結果.33.2五味子的紅外光譜測定結果.43.3建立的校正模型對樣品的預測結果.54結論.55討論與拓展.6參考文獻.7引言五味子是

3、一種常用中藥，為木蘭科植物五味子schisandra chfnensis（turcz.）baill.的干燥成熟果實，習稱“北五味子”。秋季果實成熟時采摘，曬干或蒸后曬干，除去果梗及雜質。因其具有甘、酸、辛、苦、咸五味俱全，故名五味子。五味子能收斂同澀、益氣生津 補腎寧心。用于久咳虛喘，夢遺滑精，遺尿尿頻，久瀉不止，自汗，盜汗，津傷口渴、短氣脈虛，內熱消渴，心悸失眠。近年來在五味子在臨床得到廣泛應用。在科學技術日益發(fā)達的今天，對中藥材質量鑒定1-2的檢測手段不斷提高，從簡單的顯微、理化鑒定到復雜的薄層掃描，氣相、液相等色譜分析方法，光譜色譜法，甚至運用分子生物學的檢測手段，均能準確地對中藥材的真

4、偽優(yōu)劣做出判斷。這為中藥質量鑒定實現(xiàn)現(xiàn)代化，參與國際競爭起到了很好的作用。利用現(xiàn)代分析儀器和技術對中藥材質量進行鑒定，其優(yōu)點是分析方法非?？陀^，具有很好的重復性和直觀性，是被全球范圍內得到廣泛認可和應用的。但是這種有效成分或指標成分的現(xiàn)代分析方法3，僅一種或幾種化合物含量表征中藥質量，不符合中藥的特點，且大多數(shù)中藥的有效成分和作用機理未知，以指標成分替代分析是不夠全面和科學的。在具體的工作中，特別是企業(yè)進行中藥材采購過程中，經驗判別法4仍然是主要和最常用的方法。中藥材的人工經驗判別有著方法簡便、快速，目測可以一目了然的發(fā)現(xiàn)鼠咬蟲蛀、發(fā)霉變質、走油變色等質量明顯不合格的假冒偽劣藥材等優(yōu)點。但是，

5、中藥材具有其特殊性，其化學成分含量并不能在外觀鑒定上體現(xiàn)出來。因此當企業(yè)采購人員進行藥材采購時，外觀經驗鑒別往往使某些外觀不符合要求但實際有效成分高的藥材給淘汰掉，造成優(yōu)質藥物資源的浪費。液相、氣相等色譜儀器由于對樣品要進行很多復雜的前處理，所以得出藥材質量優(yōu)劣的結果也會比較長，這對企業(yè)來說增加了采購周期，從而也增加了藥品生產的周期。而紅外色譜儀能夠體現(xiàn)五味子的內部成分的官能團特征，又樣品制作簡單，和人工的經驗判別結合起來將有利于實現(xiàn)五味子藥材的快速檢驗的科學化。紅外光譜儀在藥物真?zhèn)舞b別過程中應用非常廣泛5。五味子作為一種傳統(tǒng)中藥6，在質量等級分級的過程中傳統(tǒng)的利用經驗進行人工判別仍舊在起著重

6、要的作用。在目前的研究報道中，沒有報道對不同質量等級的五味子進行鑒別的方法7。而企業(yè)中往往又將市場上銷售的五味子分成不同的等級，以滿足不同的制藥要求。這種不同質量等級的分類主要是靠企業(yè)中有經驗的藥工進行人工經驗判別。本文擬通過對外觀鑒定的五味子質量優(yōu)劣與紅外光譜相關性的研究8，本實驗邀請不同單位有經驗的藥物檢驗工對所采購的藥材進行了等級分類，以便建立北五味子質量近紅外判別與經驗判別間的模型9，希望能使用現(xiàn)代儀器快速分析技術代替經驗判別技術，以實現(xiàn)五味子的質量優(yōu)劣評價指標的量化，推進五味子質量標準的國際化，推進我國中藥的國際化發(fā)展進程。1 實驗材料與儀器1.1 實驗材料實驗材料為采購時間、采購地

7、點以及質量等級不同的30批北五味子。產地主要為黑龍江、吉林、遼寧等東北三省。具體如表1.1。表1.1 五味子采購地與采購時間表編號采購地采購時間編號采購地采購時間1黑龍江2008年6月16吉林2009年3月2黑龍江2008年6月17吉林2009年3月3遼寧2008年6月18吉林2009年3月4吉林2008年6月19黑龍江2009年3月5吉林2008年6月20黑龍江2009年3月6北潮2008年6月21遼寧2009年3月7磐安2009年1月22黑龍江2009年3月8磐安2009年1月23遼寧2009年3月9磐安2009年1月24遼寧2009年3月10磐安2009年3月25蒼南2009年3月11磐

8、安2009年3月26蒼南2009年3月12磐安2009年3月27長白山2009年3月13磐安2009年3月28長白山2009年3月14磐安2009年3月29長白山2009年3月15吉林2009年3月30長白山2009年3月1.2 儀器設備vector22/n傅里葉變換近紅外光譜儀（德國bruker公司）配有漫反射積分球附件及opus分析軟件。dj-04b中藥粉碎機2 實驗方法2.1 五味子等級判定方法邀請企業(yè)與浙江省藥檢所有經驗的藥物鑒別人員按照北五味的外觀進行分等，鑒別時采用雙盲法，綜合幾位判定人員的意見進行結果判定。具體的參照標準為：一等五味子呈不規(guī)則球形或橢圓形，表面紫紅色或紅褐色, 皺

9、縮, 肉厚, 質柔潤，內有腎形種子12粒果肉味酸, 種子有香氣,味辛微苦干癟臉不超過2%；二等五味子表面黑紅, 暗紅或淡紅色, 皺縮, 肉較薄, 干癟粒不超過20%，其它同一等。以油性大、紫紅色、肉厚、氣味濃者為質量最佳。2.2 五味子的紅外光譜測定藥材在50下烘干12h，粉碎后過80目篩，過篩藥材粉末在50烘24h。取藥材粉末2g置于測量杯中，以金箔為參比，測定方式：積分球漫反射，掃描次數(shù)64次，分辨率4cm-1，掃描范圍370012000cm-1，溫度控制在25，空氣濕度70%。2.3 建立的校正模型對樣品的預測將五味子樣品中“優(yōu)良”為分值100，“一般”為分值50。以偏最小二乘法（pls

10、）與近紅外光譜數(shù)據(jù)進行關聯(lián)，得到校正模型。所建立的校正模型對12個預測集進行預測，檢測所建立的數(shù)學模型對未知樣本的預測準確度。3 實驗結果3.1 外觀鑒定的五味子等級判定結果根據(jù)幾位有經驗的中藥鑒別人員對五味子的綜合判定結果，所采集的實驗用的30個批次的北五味子均為北五味子。同時對該30種五味子藥材進行了人工的等級分類。幾位中藥鑒別人員的質量優(yōu)劣排序基本一致，根據(jù)五味子的油性、顏色、果肉、氣味等幾個方面，五味子藥材質量等級判定結果如下：(差)222092712162643126215281381023141711291972530182415（好）。其中一致認為編號為2、3、4、6、9、12、

11、16、20、22、27號的樣品為質量較差的一批，可以歸結為二等樣品。編號為7、11、15、17、18、19、24、25、29、30號的樣品為質量較好的一批，可以歸結為一等樣品。但對編號為1、5、8、10、13、14、21、23、26、28號的樣品質量辨識相對較難判斷，可以歸結為介于一等和二等之間的樣品。3.2 五味子的紅外光譜測定結果五味子樣品近紅外掃描后圖譜見圖3.2。圖3.2 30個五味子樣品的近紅外光譜圖不同的樣品之間的近紅外光譜是整齊一致的，它們的圖譜差別非常小，須采用優(yōu)化的算法，將五味子樣品中“優(yōu)良”為分值100，“一般”為分值50，才能得到準確的校正模型偏最小二乘法（pls）。最小

12、二乘法是一種數(shù)學優(yōu)化技術，它通過最小化誤差的平方和找到一組數(shù)據(jù)的最佳函數(shù)匹配。 用最簡的方法求得一些絕對不可知的真值，而令誤差平方之和為最小。 通常用于曲線擬合。通常情況下，偏最小二乘回歸多元線性回歸分析典型相關分析主成分分析，在此分析過程中，采用的變量為外觀質量鑒定等級變量。與傳統(tǒng)多元線性回歸模型相比，偏最小二乘回歸的特點是：（1）能夠在自變量存在嚴重多重相關性的條件下進行回歸建模；（2）允許在樣本點個數(shù)少于變量個數(shù)的條件下進行回歸建模；（3）偏最小二乘回歸在最終模型中將包含原有的所有自變量；（4）偏最小二乘回歸模型更易于辨識系統(tǒng)信息與噪聲（甚至一些非隨機性的噪聲）；（5）在偏最小二乘回歸模

13、型中，每一個自變量的回歸系數(shù)將更容易解釋。校正模型以偏最小二乘法（pls）校正模型與近紅外光譜數(shù)據(jù)進行關聯(lián)性最好。3.3 建立的校正模型對樣品的預測所建立的校正模型對12個預測集進行預測，結果見表3.3。結果可以看出，建立的數(shù)學模型對未知樣本的預測準確度可以達到91.67%，表明五味子藥材的人工質量經驗判別和近紅外光譜之間存在較好的相關性。表3.3 模型預測結果樣品標號人工經驗判別等級近紅外模型預測結果預測是否正確3一般一般是6一般一般是7優(yōu)良優(yōu)良是16一般一般是17優(yōu)良優(yōu)良是20一般一般是23優(yōu)良優(yōu)良是24優(yōu)良優(yōu)良是26一般優(yōu)良否27一般一般是29優(yōu)良優(yōu)良是30優(yōu)良優(yōu)良是4 結論本實驗建立了

14、一種基于近紅外光譜技術的五味子質量判別的方法。該方法通過將中藥材人工經驗鑒別的結果，與近紅外數(shù)據(jù)進行關聯(lián)，建立了校正模型偏最小二乘法（pls），從而實現(xiàn)對未知樣本的預測判別。實驗結果表明，該方法能較好的預測未知樣本的質量，可以普遍的應用與五味子藥材的在線質量鑒別中。5 討論與展望北五味子的藥用價值遠遠高于南五味子，故目前市場上常有將南五味子冒充北五味子入藥的情況。近紅外漫反射光譜法（nirdrs）是當前比較熱門的對藥材質量鑒別進行無損測定的方法。近紅外光譜技術10不需要對樣品進行復雜繁瑣的前處理，分析速度快，結果準確，具有其它傳統(tǒng)化學分析方法所不具有的顯著優(yōu)點，可用于中藥的質量監(jiān)控。近紅外光譜

15、(簡稱nis)是可見光譜與中紅外光譜之間的一段譜區(qū)，其波長范圍為7802526nm。該譜區(qū)主要是含氫基團(ch、nh、oh)的倍頻與合頻吸收，其特點是譜帶寬、吸收強度弱、重疊嚴重、解析較難等。但隨著計算機和化學計量學的發(fā)展，近紅外技術得到了更進一步的應用。近紅外光譜吸收弱的特點也給分析帶來了方便，即樣品不需稀釋等預處理，可直接進行樣品分析；而漫反射技術7可直接測定固體樣品，無需破壞樣品及制樣，操作簡便、快速。該項技術不僅用于成分含量差別較大的樣品，而且可以用于成分含量差別較小的樣品，該項技術的關鍵因素在于校正模型的選擇。參考文獻1 胡鋼亮, 呂秀陽, 程柯, 劉丹青. 近紅外光譜在線檢測技術在

16、中藥領域中的應用展望j. 中國中藥雜志, 2003, 8 (12): 1117-1119.2 吳兆盟,李廣華. 南北五味子的質量評價及性狀鑒別j. 齊魯藥事. 2007, 26 (10): 613-615.3 鄧少偉, 賀強. 中藥質量標準檢測方法的研究進展和建議j. 中國藥事, 2006, 20 (9): 566-5684 陳海初. 中藥山葡萄幾種常見品種之辨異j. 汕頭大學醫(yī)學院學報. 1994 (2): 102-104.5 陸婉珍, 袁洪福等. 現(xiàn)代近紅外光譜分析技術m. 北京: 中國石化出版社, 2000 (4). 110-130.6 田進國, 周德本. 北五味子野生和栽培品種的紅外光譜鑒別j. 中藥材. 1996, 19 (8): 396-397.7 王亞敏, 張卓勇, 湯彥豐, 范