近紅外漫反射光譜法定量分析川芎中的阿魏酸含量

1、近紅外漫反射光譜法定量分析川芎中的阿魏酸含量*王小梅1，焦龍1，2，劉小麗3，李華1（1西北大學(xué)化學(xué)與材料科學(xué)學(xué)院，西安710069；2西安石油大學(xué)化學(xué)化工學(xué)院，西安710065；3西北大學(xué)生命科學(xué)學(xué)院，西安710069）摘要目的：應(yīng)用近紅外光譜分析技術(shù)和化學(xué)計量學(xué)方法構(gòu)建了川芎中阿魏酸含量的定量測定模型。方法：通過偏最小二乘法建立數(shù)學(xué)模型，并對預(yù)測集進行預(yù)測。結(jié)果：34個川芎樣品經(jīng)交叉驗證建立校正模型，交叉驗證均方根誤差（RMSECV ）為0. 146%，決定系數(shù)（R 2）為0. 9883。用11個川芎樣品進行預(yù)測，預(yù)測值與參考值的決定系數(shù)（R 2）達0. 9751，預(yù)測均方根誤差（RMSE

2、P ）為0. 251%。結(jié)論：該方法簡便快速，結(jié)果準(zhǔn)確，可應(yīng)用于對不同產(chǎn)地不同批次的川芎進行快速檢查或質(zhì)量控制。關(guān)鍵詞：偏最小二乘法；近紅外；漫反射光譜；阿魏酸；川芎；快速檢測；中藥材中圖分類號：R917文獻標(biāo)識碼：A文章編號：02541793（2011）06101604Quantitative ananlysis of ferulic acid in Ligusticum chuanxiong Hortby near infrared diffuse reflectance spectroscopy *WANG Xiao mei 1，JIAO Long 1，2，LIU Xiao li 3，L

3、I Hua 1（1School of Chemistry and Materials Science ，Northwestern University ，Xi'an 710069，China ；2College of Chemistry and Chemical Engineering ，Xi'an Shiyou University ，Xi'an 710065，China ；3School of Life Sciences ，Northwestern University ，Xi'an 710069，China ）Abstract Objective ：Nea

4、r infrared （NIR ）spectroscopy and chemometrics were applied to the quantitative analy-sis of ferulic acid in Ligusticum chuanxiong HortMethod ：Partial least squares （PLS ）regression model was built using a calibration set （34samples ）The prediction set was established by 11samplesAnd we applied this

5、 method to predict the data in the prediction setResults ：The coefficient of determination （R 2）was 0. 9883as indicated from the cross validation ，and the root mean square error of cross validation （RMESCV ）was 0. 146%The coeffi-cient of determination （R 2）of the reference and predicted values was 0

6、. 9751，and the root mean square of predic-tion （RMSEP ）was 0. 251%NIR spectroscopy method was simple ，rapid and accurateConclusion ：The method can be applied in rapid qualitative and quantitative of different batches of Ligusticum chuanxiong Hortfrom the dif-ferent places of originKey words ：partial

7、 least squares ；near infrared ；diffuse reflectance ；ferulic acid ；Ligusticum chuanxiong Hort；rapid testing ；traditional Chinese medicine川芎（Ligusticum chuanxiong Hort）為傘形科植物的干燥根莖1，含有內(nèi)酯類、生物堿類、甾體、酚類以及揮發(fā)油類等多種化合物2。其味辛、微苦、性溫，具有活血祛瘀、行氣開郁、祛風(fēng)止痛之功效。臨床上主要用于治療心血管疾病、婦科疾病等。川芎中主要成分阿魏酸的化學(xué)名稱為3（4羥基3甲氧基苯基）2丙烯酸。阿魏酸的分子式

8、為C 10H 10O 4，相對分子質(zhì)量為194. 18，其結(jié)構(gòu)式如圖1所示。阿魏酸含量測定已有文獻報道，主要采用流動注射化學(xué)發(fā)光法3、液相色譜法4。這些方法預(yù)處理樣品比較煩瑣，而且測定過程中耗時，難以滿足制藥企業(yè)實施在線控制分析的要求。近紅外光譜（near infrared spectroscopy ，NIRS ）分析技術(shù)是近年來發(fā)展極為迅速而且應(yīng)用相當(dāng)廣泛的1種綠色分析技術(shù)。該方法不需對樣品進行預(yù)處6101藥物分析雜志Chin J Pharm Anal 2011，31（6）國家自然科學(xué)基金（No20975081）；教育部科學(xué)技術(shù)研究重點項目（204182）；陜西省教育廳產(chǎn)業(yè)化中試項目（No0

9、9JC04）通訊作者Tel ：（029）88302942；E mail ：hualinwueducn 圖1阿魏酸結(jié)構(gòu)式Fig 1The structure of ferulic acid理，操作簡便快速，已被廣泛應(yīng)用于農(nóng)業(yè)5，6、煙草7，8、食品9 12和藥物13，14的定性定量分析。目前，采用NIR 光譜分析技術(shù)定量測定川芎中阿魏酸的文獻尚未見報道。本文采用偏最小二乘法結(jié)合近紅外光譜分析技術(shù)構(gòu)建定量測定川芎中阿魏酸的數(shù)學(xué)模型，無需對樣品進行繁雜的預(yù)處理，測定方法簡單快速，結(jié)果準(zhǔn)確可靠。1儀器和材料VERTEX 70型傅里葉變換紅外光譜儀（德國Bruker 公司），島津SCL 10AVP 高效

10、液相色譜儀（日本島津公司），KQ5200DB 型數(shù)控超聲波清洗器（上海楚定分析儀器有限公司），玻璃儀器氣流烘干器（河南太康科教儀器廠），Sartorius 電子天平（北京賽多利斯天平有限公司），石英亞沸高純水蒸餾器（江蘇省宜興市勤華石英玻璃儀器廠）。四川等不同產(chǎn)地不同批次的川芎樣品共45個，阿魏酸對照品（批號11773200613，中國藥品生物制品檢定所），甲醇（色譜純，西安化學(xué)試劑廠），水為二次蒸餾水。2阿魏酸含量測定HPLC 測量條件15，16：采用Kromasil C 18色譜柱（4. 6mm 150mm ，5m ），流動相為1%醋酸（A ）甲醇（B ），梯度洗脫（0 40min ，10

11、%B 50%B ；40 70min ，50%B 100%B ），進樣體積為10L ，流速為1mL ·min 1，檢測波長280nm ，柱溫30 。根據(jù)上述條件，測定所有川芎樣品，將所得到的測定值作為參考值。3NIR 光譜采集將川芎樣品用粉碎機粉碎，并過100目篩，裝在石英樣品杯中，厚度大約3cm （光不透過樣品），置于漫反射積分球上進行測定，設(shè)置掃描次數(shù)為32次，分辨率為8cm 1，采集光譜范圍9000 4000cm 1，每份樣品重復(fù)掃描3次，取其平均光譜。4數(shù)據(jù)處理方法樣品隨機分為校正集和預(yù)測集，并保證校正集樣品濃度范圍大于預(yù)測集，建立NIR 光譜校正模型。將45個樣品隨機分為校正

12、集（34個樣品）和預(yù)測集（11個樣品），校正集樣品用于校正模型的建立。將所得到的光譜數(shù)據(jù)導(dǎo)入OPUS 6. 5定量分析軟件中，選擇用于建模的光譜區(qū)間，對光譜預(yù)處理方法進行比較，采用PLS 建立NIR 光譜定量校正模型。以校正集的交叉驗證均方根誤差（RMSECV ）為指標(biāo)選擇建模參數(shù)優(yōu)化模型結(jié)構(gòu)，進而得到最優(yōu)的校正模型。同時考察了PLS 模型的潛變量數(shù)（la-tent variable number ）和光譜預(yù)處理方法對PLS 模型的影響，以交叉驗證均方根誤差（RMSECV ）、預(yù)測均方根誤差（RMSEP ）和決定系數(shù)（R 2）為優(yōu)化參數(shù)對模型的穩(wěn)健性進行了評價。RMSECV 計算公式：RMSE

13、CV =i =1（yi y i ）2n（1）式中，n 為校正集樣品數(shù)，y i 為校正集樣品i 的參考值，yi 為建立模型與去除樣品i 時樣品i 的預(yù)測值。RMSECV 值越小，所構(gòu)建的模型性能越好。對于預(yù)測集，預(yù)測均方根誤差（RMSEP ）：RMSEP =i =1（y i yi ）2n（2）式中，n 為預(yù)測集樣品數(shù)，y i 為預(yù)測集樣品i 的參考值，y i 為所建模型對預(yù)測集樣品i 的預(yù)測值。在校正集和預(yù)測集中，參考值與預(yù)測值之間的決定系數(shù)由如下公式計算所得：R 2=1ni =1（y i y i ）2n i =1（y i 珋y i ）2 100（3）式中，珋y i 為校正集和預(yù)測集中所有樣品的

14、參考值的平均值。在此，決定系數(shù)的含義為由解釋變量引起的被解釋變量的變化占被解釋變量總變化的比重，用來判定回歸直線擬合的優(yōu)劣，該值越大說明擬合得越好。即決定系數(shù)的大小決定了相關(guān)的密切程度。當(dāng)R 2越接近1時，表示相關(guān)性越高。5結(jié)果與討論5. 1川芎樣品的NIR 光譜圖圖2是川芎樣品的近紅外漫反射譜圖。川芎樣品中所含的主要成分種類很多，譜峰復(fù)雜，而且相互重疊比較嚴(yán)重，單靠近紅外譜圖無法直接對樣品中的阿魏酸含量進行定量，因此，只有將近紅外光譜與相關(guān)化學(xué)計量學(xué)方法相結(jié)合，才能實現(xiàn)川芎樣品中阿魏酸的定量分析。7101藥物分析雜志Chin J Pharm Anal 2011，31（6） 圖2川芎的NIR

15、光譜圖Fig 2The near infrared spectra of Ligusticum chuanxiong Hortsamples5. 2建模區(qū)間的選擇通過比較OPUS 6. 5軟件光譜范圍優(yōu)化結(jié)果中的RMSECV 值，考察了光譜范圍對模型性能的影響，如表1所示。由表1的結(jié)果可看出，在7501. 9 6799. 9cm 1和4424 4246. 6cm 1光譜范圍內(nèi)所建模型性能最好。因此，選擇最優(yōu)的建模區(qū)間為7501. 9 6799. 9cm1和44244246. 6cm 1。表1光譜范圍對RMSECV 的影響Tab 1The effect of spectral coverage

16、on RMSECV序號（No）光譜范圍（spectral region ）/cm1RMSECV /%17501. 9 6799. 9；4424 4246. 60. 14627501. 9 6799. 9；4601. 4 4246. 60. 19137501. 9 6799. 9；4601. 4 4424 0. 23647501. 9 5450 ；4601. 4 4246. 60. 23957501. 9 54500. 24167501. 9 6097. 9；4601. 4 4424 0. 24576799. 9 6097. 9；4601. 4 4246. 60. 2805. 3光譜預(yù)處理方法的

17、選擇一般來說，樣品的物理性質(zhì)的不同會引起光譜基線和斜率的變化，在建立校正模型前需采用化學(xué)計量學(xué)方法對光譜進行預(yù)處理以消除這些影響。OPUS 6. 5軟件中內(nèi)建的光譜預(yù)處理方法有消除常數(shù)偏移量、多元散射校正（multi-plicative scatter correction ，MSC ）、一階導(dǎo)數(shù)法、二階導(dǎo)數(shù)方法、Savitzky Golay 方法、標(biāo)準(zhǔn)正交變量變換（standard normal variate ，SNV ）等。本文在選定的光譜區(qū)間，采用不同的預(yù)處理方法進行比較尋求最優(yōu)。通過交叉驗證，采用RMSECV 來考察校正模型的性能。通常情況下，RMSECV 值越小，模型中光譜信息與成

18、分含量相關(guān)越好。阿魏酸預(yù)處理方法的篩選分析結(jié)果如表2所示。從表2可以看出，川芎樣品光譜經(jīng)消除常數(shù)偏移量、多元散射校正、標(biāo)準(zhǔn)正交變量變換、最大最小歸一化和一階導(dǎo)數(shù)后，在波段7501. 9 6799. 9cm 1和4424 4246. 6cm 1光譜的預(yù)測效果中，一階導(dǎo)數(shù)的預(yù)測效果最好，RMSECV 最小。因此，最適合該模型的預(yù)處理方法為一階導(dǎo)數(shù)法。表2不同光譜預(yù)處理方法對PLS 模型參數(shù)的影響Tab 2The effect of different preprocessingmethods on PLS model序號（No）預(yù)處理方法（pretreatment ）RMSECV /%1一階導(dǎo)數(shù)法

19、（first order derivative ）0. 1462多元散射校正（multiplicative scatter correction ，MSC ）0. 2213標(biāo)準(zhǔn)正交變量變換（standard normal variate ，SNV ）0. 2274無光譜預(yù)處理（no spectral preprocessing ）0. 2315最大最小歸一化（max min normalized ）0. 2356消除常數(shù)偏移量（constant offset elimination ）0. 2405. 4由校正集樣品建立數(shù)學(xué)模型本文采用PLS 建立定量校正模型時，采用不同的潛變量數(shù)，模型預(yù)測能

20、力有較大的差異。在校正集樣品一定的情況下，潛變量數(shù)取得太少，模型預(yù)測能力降低，出現(xiàn)不充分?jǐn)M合現(xiàn)象；潛變量數(shù)過多，會導(dǎo)致模型過于復(fù)雜，并出現(xiàn)過擬合現(xiàn)象。因此，必須合理選擇潛變量數(shù)。本文采用交叉驗證法，考察了潛變量數(shù)對RMSECV 值的影響。圖3為RMSECV 值隨潛變量數(shù)變化的曲線圖。由圖3可看出，當(dāng)PLS 模型的潛變量數(shù)取7時，交互驗證均方根誤差RMSECV 值最小，所選潛變量數(shù)最佳 。圖3潛變量數(shù)對RMSECV 的影響Fig 3The effect of latent variable number on RMSECV因此，將7501. 9 6799. 9cm 1和4424 4246. 6c

21、m 1范圍內(nèi)的光譜，經(jīng)過一階導(dǎo)數(shù)預(yù)處理后，設(shè)定潛變量數(shù)為7，采用PLS 法建立用于計算阿魏酸含量的校正模型。如圖4為全部樣品的leave one out 交叉驗證結(jié)果。全部樣品中阿魏酸含量的預(yù)測值與其參考值之間的R 2達到0. 9883，全部樣品的RMSECV 值為0. 146%。5. 5預(yù)測集阿魏酸的分析用建立的最佳校正模型，對預(yù)測集樣品中的阿魏酸含量進行預(yù)測，預(yù)測結(jié)果見表3。由表3可以看出，預(yù)測值與參考值之間的 圖4校正模型預(yù)測值與參考值之間的相關(guān)圖Fig 4The coefficient program of predicted and reference values for cali

22、-bration setR 2達0. 9751，RMSEP 為0. 251%，表明該校正模型預(yù)測的結(jié)果準(zhǔn)確，因此可以認(rèn)為該數(shù)學(xué)模型比較可靠。表3預(yù)測集中阿魏酸的預(yù)測結(jié)果Tab 3The predicted results of ferulicacid in the prediction set序號（order number ）參考值（reference values ）/%預(yù)測值（predicted values ）/%誤差（error ）相對誤差（relative error ）/%10. 0920. 0890. 0033. 220. 1240. 1250. 0010. 830. 1150.

23、 1150. 0000. 040. 1020. 1060. 0043. 950. 1080. 1090. 0010. 960. 1170. 1130. 0043. 470. 1150. 1160. 0010. 980. 1190. 1200. 0021. 790. 1180. 1190. 0010. 8100. 0960. 0960. 0000. 0110. 0940. 0950. 0011. 16結(jié)論通過應(yīng)用近紅外光譜分析技術(shù)和化學(xué)計量學(xué)方法構(gòu)建了川芎中阿魏酸的定量分析模型，最終選取出阿魏酸含量分析的最佳波段，同時考察了預(yù)處理方法和PLS 模型的潛變量數(shù)對模型的影響，并對PLS 模型性能做出

24、了評價。該方法簡便快速，預(yù)測結(jié)果準(zhǔn)確可靠，可應(yīng)用于對不同產(chǎn)地不同批次的川芎進行快速檢查或質(zhì)量控制。參考文獻1ChP （中國藥典）. 2005Vol （一部）：282WANG Wen xiang （王文祥），GU Ming （顧明），JIANG Xiao gang （蔣小崗），et al Studies on chemical constituents of Ligustic-um chuanxiong （川芍化學(xué)成分研究）Chin Tradit Herb Drugs （中草藥），2002，33（1）：43Wang JP ，Li NB ，Luo HQChemiluminescence deter

25、mination of fer-ulic acid by flow injection analysis using cerium （IV ）sensitized by rhodamine 6GSpectrochim Acta Part A ：Molecul Biomolecul Spec-trosc ，2008，71（1）：2044Philippe AG ，Mathieu R ，Denis B ，et al Quantitative analysis of plasma caffeic and ferulic acid equivalents by liquid chromatography

26、 tandem mass spectrometryJ Chromatogr B ，2009，877（31）：39655Li XL ，He Y ，Wu CQ ，et al Non destructive discrimination of pad-dy seeds of different storage age based on Vis /NIRspectroscopyJ Stored Products Res ，2008，44（3）：2646Giorgia F ，Marina C ，Mario LV ，et al Different feature selection strategies

27、in the wavelet domain applied to NIR based quality clas-sification models of bread wheat floursChemometr Intell Lab Syst ，2009，99（2）：917Cai WS ，Li YK ，Shao XGA variable selection method based on un-informative variable elimination for multivariate calibration of near infrared spectraChemometr Intell

28、 Lab Syst ，2008，90（2）：1888Shao XG ，Bian XH ，Cai WSAn improved boosting partial least squares method for near infrared spectroscopic quantitative analy-sisAnal Chim Acta ，2010，666（12）：329Liu YD ，Sun XD ，Ouyang AGNondestructive measurement of solu-ble solid content of navel orange fruit by visible NIR

29、 spectrometric technique with PLSR and PCA BPNNLWTFood Sci Technol ，2010，43（4）：60210Els B ，Serban AS ，Mihai N ，et al Postharvest quality of apple predic-ted by NIR spectroscopy ：Study of the effect of biological variabili-ty on spectra and model performancePostharvest Biol Technol ，2010，55（3）：13311Cecilia S ，Luis RSApplication of NIR and MIR spectroscopy in quality control of potato chipsJ Food Composit Anal ，2009，22（6）：59612Yu HY ，Niu XY ，Lin HJ ，et al A feasibility study on on