《用近红外光谱技术鉴别麦冬药材产地的方法.pdf》由会员分享，可在线阅读，更多相关《用近红外光谱技术鉴别麦冬药材产地的方法.pdf（11页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 102243170 A (43)申请公布日 2011.11.16 CN 102243170 A *CN102243170A* (21)申请号 201010169643.0 (22)申请日 2010.05.12 G01N 21/35(2006.01) (71)申请人 天津天士力现代中药资源有限公司 地址 300410 天津市北辰区普济河东道 2 号 天士力现代中药城 (72)发明人 张金巍 张延莹 刘岩 赵国磊 贾铭 冯蕊 (74)专利代理机构 北京华科联合专利事务所 11130 代理人 王为 (54) 发明名称 用近红外光谱技术鉴别麦冬药材产地的方法 (57) 摘要 。
2、本发明涉及药品的鉴别方法， 特别涉及一种 应用近红外光谱技术鉴别麦冬药材产地的方法。 所述方法包括以下步骤 ： 步骤 1) 对已知产地的麦 冬进行红外光谱测定， 图谱经过处理得到标准判 别分析图 ； 步骤 2) 对未知产地的麦冬进行红外光 谱测定， 图谱经过处理得到判别分析图 ； 步骤 3) 比较两者的判别分析图。 (51)Int.Cl. (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书 2 页 说明书 6 页 附图 2 页 CN 102243176 A1/2 页 2 1. 一种应用近红外光谱技术鉴别麦冬药材产地的方法， 所述方法包括以下步骤 ： 步骤 1) 对已知产地的。
3、麦冬进行红外光谱测定， 图谱经过处理得到标准判别分析图 ； 步骤 2) 对未知产地的麦冬进行红外光谱测定， 图谱经过处理得到判别分析图 ； 步骤 3) 比较两者的判别分析图。 2. 根据权利要求 1 所述的方法， 其特征在于， 所述步骤 1 包括以下步骤 ： 1) 已知不同产地的麦冬样品的预处理 ； 2) 用近红外光谱仪采集上述预处理后的样品的近红外光谱 ； 3) 选择多重散射校正、 一阶微分及 Norris 平滑处理对样品的近红外光谱在全谱区范 围内进行预处理 ； 4) 选取 25 作为主成分数建立判别模型 ； 5) 用主成分分析与马氏距离相结合的判别分析法， 取全光谱范围的一阶光谱经过多元。
4、 校正得到不同产地麦冬标准判别分析图 ； 所述步骤 2 包括以下步骤 ： 6) 未知产地的麦冬样品的预处理 ； 7) 用近红外光谱仪采集上述预处理后的样品的近红外光谱 ； 8) 选择多重散射校正、 一阶微分及 Norris 平滑处理对样品的近红外光谱在全谱区范 围内进行预处理 ； 9) 选取 25 作为主成分数建立判别模型 ； 10) 用主成分分析与马氏距离相结合的判别分析法， 取全光谱范围的一阶光谱经过多 元校正得到麦冬分析图 ； 所述步骤 3 包括以下步骤 ： 将 10) 得到的图和 5) 得到的图比较， 重叠的即该区域代表的该产地麦冬。 3. 根据权利要求 2 所述的方法， 其特征在于，。
5、 所述麦冬样品的预处理， 包括以下步骤 ： 1) 将麦冬药材剪成 2-4 毫米的薄片 ； 2)60减压烘干 6 小时 ； 3) 常规粉碎机粉碎后过 3 号筛 ； 4) 筛后干粉密闭保存， 备用。 4. 根据权利要求 2 所述的方法， 其特征在于， 所述光谱的采集方法是 ： 用近红外 光谱仪 SabIR 漫反射光纤附件采集实验样品的近红外光谱， 光谱扫描条件 ： 扫描范围 10000-4000cm-1， 扫描次数 32 次， 分辨率 8cm-1。 5. 根据权利要求 2 所述的方法， 其特征在于， 所述光谱预处理方法是 ： 选择多重散射校 正、 一阶微分及 Norris 平滑处理对样品光谱在全谱。
6、区范围内进行预处理， 可有效地消除基 线漂移， 能更为细致的反映不同样品之间的信息差异。 6. 根据权利要求 2 所述的方法， 其特征在于， 其中主成分数的确定方法是 ： 主成分数分 别选取 15、 20、 25、 30 作为主成分数建立判别模型， 结果选择 25 时模型预测效果最佳。 7. 根据权利要求 2 所述的方法， 其特征在于， 标准判别分析图的建立方法是 ： 用主成分 分析与马氏距离相结合的判别分析法取全光谱范围的一阶光谱经过多元校正 (MSC) 建模 效果最佳。 8. 根据权利要求 2 所述的方法， 其特征在于， 杭麦冬， 川麦冬， 湖北麦冬， 福建麦冬标准 权 利 要 求 书 C。
7、N 102243170 A CN 102243176 A2/2 页 3 判别分析图的绘制， 样品的预处理 1) 将药材剪成 2-4 毫米的薄片 ； 2)60减压烘干 6 小时 ； 3) 常规粉碎机粉碎后过 3 号筛 ； 4) 筛后干粉密闭保存， 备用， 光谱的采集方法 用近红外光谱仪 SabIR 漫反射光纤附件采集实验样品的近红外光谱， 光谱扫描条件 ： 扫描范围 10000-4000cm-1， 扫描次数 32 次， 分辨率 8cm-1， 得到不同产地麦冬的近红外光谱 图， 用主成分分析与马氏距离相结合的判别分析法取全光谱范围的一阶光谱经过多元校 正 (MSC) 得到标准判别分析图。 9. 根。
8、据权利要求 2 所述的方法， 其特征在于， 未知产地麦冬判别分析图的绘制， 样品的 预处理 1) 将未知产地麦冬药材剪成 2-4 毫米的薄片 ； 2)60减压烘干 6 小时 ； 3) 常规粉碎机粉碎后过 3 号筛 ； 4) 筛后干粉密闭保存， 备用， 光谱的采集方法 用近红外光谱仪 SabIR 漫反射光纤附件采集实验样品的近红外光谱， 光谱扫描条件 ： 扫描范围 10000-4000cm-1， 扫描次数 32 次， 分辨率 8cm-1， 得到近红外光谱图， 用主成分分析与马氏距离相结合的判别分析法取全光谱范围的一阶光谱经过多元校 正 (MSC) 得到判别分析图。 10. 根据权利要求 2 所述。
9、的方法， 其特征在于， 未知产地麦冬判别分析图和标准判别分析图的比较， 重叠的即该区域代表的该产地麦 冬， 如 ： 未知产地麦冬判别分析图和标准判别分析图的比较， 结果在川麦冬处重叠该麦冬为 川麦冬， 如 ： 未知产地麦冬判别分析图和标准判别分析图的比较， 结果在杭麦冬处重叠该麦 冬为杭麦冬。 权 利 要 求 书 CN 102243170 A CN 102243176 A1/6 页 4 用近红外光谱技术鉴别麦冬药材产地的方法 技术领域 ： 0001 本发明涉及药品的鉴别方法， 特别涉及应用近红外光谱技术鉴别麦冬药材产地的 方法。 背景技术 ： 0002 中药质量的科学控制和管理是中药现代化、 。
10、国际化的必由之路。原药材质量是药 品生产过程质量控制的源头， 药材质量差异易导致药品质量的不稳定。所以对药材的质量 评价尤其是对药材产地快速、 准确鉴别成为中药生产质量控制的关键环节。由于不同产地 的同一药材在形态特征上无明显差别， 目前主要依靠药材专家的人工定性辅以理化分析和 显微鉴别等手段。这些方法对样品的预处理烦琐、 成本较高且无法在线检测。因此建立一 种快速有效的鉴别方法十分必要。 0003 近红外光谱 (NIRS) 是一种重要的过程快速分析方法， 可以直接对固体进行扫描 分析， 具有快速、 非接触、 无破坏性等优点。其光谱信息来源主要是含氢基团 X-H(X C、 N、 O 等 ) 振。
11、动的倍频和合频吸收。由于中药有效成分如黄酮类、 生物碱等含有大量的 X-H 基 团， 在近红外谱段内有较强吸收， 因此 NIRS 分析适用于对中药的分析研究。与传统的色谱 方法不同， NIR 光谱信息中不仅含有化学信息， 而且含有物理信息， 蕴涵了待测样品的整体 信息。然而由于 NIR 光谱信息量大， 重叠严重， 故需要与化学计量学方法相结合才能应用于 中药生产过程分析。 0004 麦冬为百合科 (Liliaceae) 沿阶草属植物麦冬 Ophiopogon japonicus(L.f.) KerGawl 的干燥块根。具有滋阴生津、 润肺清心等功效， 是临床治疗心血管疾病注射液的重 要组成药味。
12、。麦冬的主产地为四川 ( 川麦冬 ) 和浙江 ( 杭麦冬 )。目前全国各地作为麦冬 入药的尚有山麦冬属的湖北麦冬和福建麦冬。 0005 不同地区产的麦冬药材品质不同， 有效成分含量有差异， 在使用时需要准确区分 以避免入药错误， 现有技术鉴别麦冬产地程序复杂， 操作困难， 价格昂贵， 不利于推广使用。 0006 本发明使用近红外光谱技术对不同产地的麦冬进行测定， 找到一种鉴别麦冬药材 产地的方法， 该方法精确有效， 方法简单， 适合推广应用。 发明内容 ： 0007 本发明的目的在于提供一种应用近红外光谱技术鉴别麦冬药材产地的方法。 0008 本发明的鉴别方法操作简便、 快速， 结果准确， 鉴。
13、别过程不会对周围环境产生污 染。 0009 本发明的鉴别方法包括以下步骤 ： 0010 步骤 1) 对已知产地的麦冬进行红外光谱测定， 图谱经过处理得到标准判别分析 图 ； 0011 步骤 2) 对未知产地的麦冬进行红外光谱测定， 图谱经过处理得到判别分析图 ； 0012 步骤 3) 比较两者的判别分析图。 说 明 书 CN 102243170 A CN 102243176 A2/6 页 5 0013 其中， 0014 本发明的步骤 1) 包括以下步骤 ： 0015 1) 已知不同产地的麦冬样品的预处理 ； 0016 2) 用近红外光谱仪采集上述预处理后的样品的近红外光谱 ； 0017 3) 。
14、选择多重散射校正、 一阶微分及 Norris 平滑处理对样品的近红外光谱在全谱 区范围内进行预处理 ； 0018 4) 选取 25 作为主成分数建立判别模型 ； 0019 5) 用主成分分析与马氏距离相结合的判别分析法， 取全光谱范围的一阶光谱经过 多元校正得到不同产地麦冬标准判别分析图 ； 0020 本发明的步骤 2) 包括以下步骤 ： 0021 6) 未知产地的麦冬样品的预处理 ； 0022 7) 用近红外光谱仪采集上述预处理后的样品的近红外光谱 ； 0023 8) 选择多重散射校正、 一阶微分及 Norris 平滑处理对样品的近红外光谱在全谱 区范围内进行预处理 ； 0024 9) 选取。
15、 25 作为主成分数建立判别模型 ； 0025 10) 用主成分分析与马氏距离相结合的判别分析法， 取全光谱范围的一阶光谱经 过多元校正得到麦冬分析图 ； 0026 本发明的步骤 3) 包括以下步骤 ： 0027 将 10) 得到的图和 5) 得到的图比较， 重叠的即该区域代表的该产地麦冬。 0028 本发明的鉴别方法， 其中麦冬样品的预处理， 包括以下步骤 ： 0029 1) 将麦冬药材剪成 2-4 毫米的薄片 ； 0030 2)60减压烘干 6 小时 ； 0031 3) 常规粉碎机粉碎后过 3 号筛 ； 0032 4) 筛后干粉密闭保存， 备用。 0033 其中光谱的采集方法是 ： 用近红。
16、外光谱仪 SabIR 漫反射光纤附件采集实验样品的 近红外光谱， 光谱扫描条件 ： 扫描范围 10000-4000cm-1， 扫描次数 32 次， 分辨率 8cm-1。 0034 其 中 光 谱 预 处 理 方 法 是 ： 选 择 多 重 散 射 校 正 (Multiplicative Scatter CalibrationMSC)、 一阶微分(First Derivative)及Norris平滑处理对样品光谱在全谱区 范围内进行预处理， 可有效地消除基线漂移， 能更为细致的反映不同样品之间的信息差异。 0035 其中主成分数的确定方法是 ： 主成分数分别选取 15、 20、 25、 30 作。
17、为主成分数建立 判别模型， 结果选择 25 时模型预测效果最佳。 0036 标准判别分析图的建立方法是 ： 用主成分分析与马氏距离相结合的判别分析法 (discriminant analysis) 取全光谱范围 (10000-4000cm-1) 的一阶光谱经过多元校正 (MSC) 建模效果最佳。 0037 验证 ： 采用三重交叉验证方法验证， 表明本发明的鉴别方法把近红外光谱分析技 术与化学计量学方法相结合， 建立了 4 个不同产地的麦冬鉴别模型， 实现药材产地的快速、 准确鉴别。 0038 本发明的鉴别方法， 经过以下实验获得。 0039 1. 仪器与材料 说 明 书 CN 10224317。
18、0 A CN 102243176 A3/6 页 6 0040 1.1 仪器 0041 Antaris 傅里叶变换近红外光谱仪 ( 美国 Thermo Fisher 公司 )， SabIR 漫反射光 纤探头附件。减压干燥箱 ( 天津市天宇实验仪器有限公司 )， 高速粉碎机 ( 山东省青州市 精诚机械制造有限公司 )。软件 ： Result 软件 ( 美国 Thermo Fisher 公司 ) 用于光谱的采 集， TQ Analyst6.2 软件 ( 美国 Thermo Fisher 公司 ) 用于光谱的预处理及算法的计算。 0042 1.2 样品 0043 实验样品包括浙江、 四川、 湖北、 福。
19、建等不同产地麦冬药材共计 126 个批次， 均为 专业技术人员自产地采集， 样品分布情况见表 1。 0044 表 1 样品来源一览表 0045 0046 2. 方法 0047 2.1 样品的预处理 0048 针对麦冬药材软、 粘， 无法直接粉碎处理的特性， 经过多次试验， 设计了适合麦冬 药材的预处理方案 ： 0049 1) 将药材剪成 2-4 毫米的薄片 ； 0050 2)60减压烘干 6 小时 ； 0051 3) 常规粉碎机粉碎后过 3 号筛 ； 0052 4) 筛后干粉密闭保存， 备用。 0053 2.2 光谱的采集方法 0054 用近红外光谱仪 SabIR 漫反射光纤附件采集实验样品的。
20、近红外光谱。光谱扫描条 件 ： 扫描范围 10000-4000cm-1， 扫描次数 32 次， 分辨率 8cm-1。图 1-4 分别为不同产地麦冬 的近红外光谱图。 0055 2.3 光谱预处理方法 0056 由于存在样品不均匀、 光散射等干扰以及近红外仪器自身的随机噪音， 故应采用 合理的光谱预处理方法以消除噪音、 降低样品表面不均匀和色差等因素影响， 提高模型的 预测精度和稳定性。本发明选择多重散射校正 (MultiplicativeScatter Calibration MSC)、 一阶微分 (First Derivative) 及 Norris 平滑处理对样品光谱在全谱区范围内进行 预。
21、处理， 可有效地消除基线漂移， 能更为细致的反映不同样品之间的信息差异。 0057 2.4 主成分数的确定方法 0058 主成分分析的中心目的是将数据降维， 将原变量进行转换， 使少数几个新变量成 为原变量的线性组合。同时这些变量要尽可能多地表征原变量的数据特征而不丢失信息。 经转换得到的新变量互不相关， 可消除相互重叠的信息部分。 如果使用的主成分数过多， 会 包括过多的测量噪音而使模型的预测能力下降 ； 主成分数过少， 则会丢失原始光谱中较多 说 明 书 CN 102243170 A CN 102243176 A4/6 页 7 的有用信息， 降低了模型的预测准确度。 0059 本发明主成分。
22、数分别选取 15、 20、 25、 30 作为主成分数建立判别模型， 结果选择 25 时模型预测效果最佳。 0060 3. 结果与讨论 0061 3.1 模型的建立 0062 用主成分分析与马氏距离相结合的判别分析法(discriminant analysis)取全光 谱范围 (10000-4000cm-1) 的一阶光谱经过多元校正 (MSC) 建模效果最佳。建立的麦冬药材 产地鉴别模型见图 5。 0063 3.2 模型的验证 0064 采用三重交叉验证方法验证判别模型的预测性能。将全部样品随机分布为 3 组， 依次取其中 1 组作为预测集， 其余 2 组作为训练集， 共循环 3 次， 使每组。
23、样品均经历一次交 叉验证， 分组信息及鉴别模型的预测结果分别见表 2、 表 3。 0065 表 2 麦冬样品分组信息表 0066 0067 表 3 三重交叉验证结果 0068 0069 0070 表 3 显示经建立模型后对已知训练集样本的分类精度高达 100， 对未知样本的 预测精度达到 98.41， 陔模型具有很好的预测性能， 这说明了所建方法性能优良， 能够适 用于麦冬药材的产地分类鉴别。 0071 综上所述， 本发明的鉴别方法操作快速、 简便、 结果判断准确、 是药材质量分析与 说 明 书 CN 102243170 A CN 102243176 A5/6 页 8 监控的一个新的有效手段。。
24、另外， SabIR 漫反射探头作为近红外检测仪的附件， 通过开发其 药材质量鉴别功能， 扩展了近红外技术在中药领域的应用， 促进了制药工业的现代化进程。 附图说明 ： 0072 图 1 杭麦冬近红外光谱图 0073 图 2 川麦冬近红外光谱图 0074 图 3 湖北麦冬近红外光谱图 0075 图 4 福建麦冬近红外光谱图 0076 图 5 不同产地麦冬标准判别分析图 具体实施方式 0077 下面以实施例具体说明本发明， 实施例是为了便于理解本发明， 而不以任何方式 限制本发明的权利要求和核心内容。 0078 实施例 1 0079 杭麦冬， 川麦冬， 湖北麦冬， 福建麦冬标准判别分析图的绘制。 。
25、0080 样品的预处理 0081 1) 将药材剪成 2-4 毫米的薄片 ； 0082 2)60减压烘干 6 小时 ； 0083 3) 常规粉碎机粉碎后过 3 号筛 ； 0084 4) 筛后干粉密闭保存， 备用。 0085 光谱的采集方法 0086 用近红外光谱仪 SabIR 漫反射光纤附件采集实验样品的近红外光谱。光谱扫描条 件 ： 扫描范围 10000-4000cm-1， 扫描次数 32 次， 分辨率 8cm-1。图 1-4 分别为不同产地麦冬 的近红外光谱图。 0087 用主成分分析与马氏距离相结合的判别分析法(discriminant analysis)取全光 谱范围 (10000-40。
26、00cm-1) 的一阶光谱经过多元校正 (MSC) 得到标准判别分析图见图 5。 0088 实施例 2 0089 未知产地麦冬判别分析图的绘制。 0090 样品的预处理 0091 1) 将未知产地麦冬药材剪成 2-4 毫米的薄片 ； 0092 2)60减压烘干 6 小时 ； 0093 3) 常规粉碎机粉碎后过 3 号筛 ； 0094 4) 筛后干粉密闭保存， 备用。 0095 光谱的采集方法 0096 用近红外光谱仪 SabIR 漫反射光纤附件采集实验样品的近红外光谱。光谱扫描条 件 ： 扫描范围 10000-4000cm-1， 扫描次数 32 次， 分辨率 8cm-1。得到近红外光谱图。 0。
27、097 用主成分分析与马氏距离相结合的判别分析法(discriminant analysis)取全光 谱范围 (10000-4000cm-1) 的一阶光谱经过多元校正 (MSC) 得到判别分析图。 0098 实施例 3 说 明 书 CN 102243170 A CN 102243176 A6/6 页 9 0099 未知产地麦冬判别分析图和标准判别分析图的比较， 重叠的即该区域代表的该产 地麦冬。 0100 实施例 4 0101 未知产地麦冬判别分析图和标准判别分析图的比较， 结果在川麦冬处重叠该麦冬 为川麦冬。 0102 实施例 5 0103 未知产地麦冬判别分析图和标准判别分析图的比较， 结果在杭麦冬处重叠该麦冬 为杭麦冬。 说 明 书 CN 102243170 A CN 102243176 A1/2 页 10 图 1 图 2 图 3 说 明 书 附 图 CN 102243170 A CN 102243176 A2/2 页 11 图 4 图 5 说 明 书 附 图 CN 102243170 A 。