黄连中小檗碱的近红外检测技术探析范文

本站小编为你精心准备了黄连中小檗碱的近红外检测技术探析参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《分析试验室》2016年第10期

摘要:

以黄连中的黄连素为研究对象，采用了65个样品进行研究，建立了黄连中小檗碱的近红外快速检测方法。针对在近红外光谱分析研究中，样品的光谱中常常包含由光散射导致的干扰信息，采用了一种新颖的预处理方法光程估计与校正(OPLEC)对光谱进行处理，并与原始光谱建立的模型进行比较，研究了消除黄连颗粒近红外漫反射光谱散射的最佳预处理方法。实验表明，光谱预处理后建立的模型在稳健性上均有提升，其中光程估计与校正预处理法对消除光散射有着显著的效果。模型的交叉验证均方根误差(RMSECV)从0.1485降低到0.0369，相关系数R从0.9513提高到0.9854，预防均方根误差(RMSEP)从0.1145降低到0.0578。

关键词:

近红外;黄连;OPLEC;散射校正;小檗碱

黄连素别名小檗碱，是黄连的主要药理活性成分，小檗碱的含量直接决定了黄连的药效。但是在传统的中药流通环节中，通常通过传统的观感进行判断，效果不佳，而且对操作者的经验依赖较高，不具有通用性。随着现代检测方法的发展，色谱法和光谱法等逐渐应用到了重要活性成分的检测中［1～3］。近红外光谱分析技术(NIR)具有快速、无损、不需要前处理、无污染等优点，近年来成功的应用于中药分析领域［4～13］。但是样品的近红外光谱会受到严重的散射影响，降低模型的效果［14］。本研究提出了一种新颖的消除光散射的预处理方法———光程估计与校正法(OPLEC)，它是一种通过校正光谱的乘法效应，采用网格搜索法进行参数优选，通过参数的调节，可以使预处理的应用范围更大，得到更好的预测模型［15］。实验以黄连作为研究对象，基于近红外光谱技术，建立小檗碱的定量检测模型，研究消除光散射的最佳预处理方法。

1实验部分

1.1仪器

BrukerVECTOR22/N傅里叶变换近红外光谱仪(德国布鲁克公司);U-3010紫外可见分光光度计(日本日立公司)。

1.2实验方法

总共收集了65个来自石柱的黄连样品，将它们分成38个校正样本，27个预测样本，然后将所有的样品粉碎之后过150μm筛，以便达到所需样本的标准，再用近红外光谱仪进行近红外扫描，从而获取到黄连的近红外光谱图。对每一份样品称取2.0g，加入等量的去离子水进行浸泡1h，然后再对样品进行超声提取1h。再对提取液进行冷冻离心，取上清液，将上清液用去离子水稀释50倍，然后对样本进行过滤，取其清液。配制小檗碱的标准溶液，然后再扫描其紫外光谱图并绘制其标准曲线，收集其小檗碱的紫外光谱图。

1.3OPLEC预处理方法原理

OPLEC方法的提出是为了解决乘法散射效应［16，17］。具体的过程如下:测量光谱(Aj，行向量)j由T个化学成分组成的测量光谱。可表示为Aj=Pj∑Tt=1Cj，tat，j=1，2，3N，Pj是样本光谱数据的乘法因子，是第j个样品物理性质的变化而产生的乘法效应，代表了光线在样品中的光程变化，Cj，t表示的是第j个样品中第t个化学成分的浓度，at表示第t个化学成分的纯光谱，假设第一个成分为目标分析物，∑Tt=1Cj，t=1，则Aj=PjCj，1Δa1+Pja2+∑Tt=1Cj，tΔat，Aj和Pj，及Aj和PjCj，1之间存在着线性关系，可以用偏最小二乘法(PLS)方法建立双校正模型，两个模型中的隐藏变量数是相同的。双校正模型可以用多元回归求解。校正集的乘法因子向量P是修正乘法效应的关键点，OPLEC为求P提供了一种精确的方法，把矩阵A分解为得分矩阵和载荷矩阵，由r列组成(r代表活跃化学成分的个数)，因此无需知道P的确切的值，P可以通过求f(P)的最小值估算到，r也可以在求P的过程中估算出。在OPLEC方法中，r是一个重要的参数，光谱的主要信息都包含在r个主成分中。调节r在一定范围内变化，对应每一个r可以得到一个minf(p)值，根据minf(p)曲线得出最优的r值，由r值可以得到对应的P及预处理后的光谱。然后，把参数r和PLS的因子数联合优选，每个r对各个因子数都得到一个RMSECV值，由最小值选出最优的模型。

1.4定量校正模型及评价标准

通过PLS法建立模型比较不同预处理方法的效果。主要交叉验证均方根误差(RMSECV)来进行对建模效果的评价。根据RMSECV来确定主因子数，因为主因子数的选取小了很容易造成信息的丢失，大了又会包含过多的干扰信息［17］，故设定最大的主因子数为20。本文采用预测均方根误差(RMSEP)和相关系数(R)来评价不同预处理方法的效果。在此基础上，综合考量定标模型的效果和预测结果来比较不同预处理方法建立PLS模型的效果。

2结果与讨论

2.1黄连样品

近红外光谱图实验得到的近红外的原始光谱图如下图1。从图1中可以看出，波数范围12500～7000cm－1的波段有着严重的毛刺，这会影响建立模型的精度和稳定性。波数7000～4000cm－1的波段几乎没有受到毛刺影响，且波数7000～4000cm－1之间中包含了含氢基团化学键缩振动的全部一级倍频和合频区域，包含了足够的有效信息。因此，本文选取波数7000～4000cm－1的波段，建立定量检测模型。

2.2不同光谱预处理方法的比较

所用的光谱数据，共有65个过150μm筛后的黄连样品的近红外吸收光谱组成，选取波数7000～4000cm－1。表1是黄连中小檗碱含量分布的信息。首先建立原始光谱的定量模型。校正集光谱图如图2。采用的是偏最小二乘法(PLS)建立定标模型。根据RMSECV的值，选取了8个主因子数进行建立黄连的小檗碱的定量模型，其相应的RMSECV=0.1485，内部相关系数Rc=0.9054。RMSECV与主因子数的关系图如图3。 分别采用SNV法、MSC法和团队提出的OPLEC法对参与建模光谱进行预处理后，结合PLS法建立定量模型，它们各自对应的RMSECV值和Rc如表2，其中OPLEC采用网格搜索法得到最优参数r=6，选取的主因子数为8。由表2可知，对光谱进行预处理后建立的模型，相比于原始光谱建立的模型效果均有不同程度的改善。尤其是本团队提出的OPLEC预处理方法在模型的稳健性上比其他两种预处理方法有着更为显著的优势。

2.3不同方法的预测结果检验

为了验证模型的预测能力，随机选取了27个独立样本对模型进行检验。相应模型预测效果的指标如表3。从表3中的Rp和RMSEP数据中可知，传统的MSC和SNV方法在模型的预测能力上并未有明显的提升，而本研究团队中提出的新颖的OPLEC预处理方法所建模型在预测能力上有着显著的提升，相关系数更高，而误差更小。这表明新颖的OPLEC预处理方法效果更优。本方法具有通用性，可以适用于其他的颗粒状物料在近红外漫反射中的应用。图4和图5分别为小檗碱的参考值与原光谱和OPLEC预处理后模型的预测值的关系图。

3总结

以重庆石柱的特色黄连样品为研究对象，研究了不同预处理方法对颗粒状样品的效果。收集了65个黄连样本，38个作为校正集，27个作为预测集。所有样品均过150μm筛，文章中优选出的波段波数范围是7000～4000cm－1。采用了常见的两种散射消除的预处理方法和本团队提出的新方法OPLEC法对光谱预处理，分别建立小檗碱预测模型同原始光谱建立的小檗碱的预测模型进行模型的比较。实验表明，各种预处理后的模型在稳健性上都有不同程度的提高，其中OPLEC预处理法不仅在模型稳健性上有显著的提升，在预测精度上也有明显的提升。与原始光谱建模效果相比，RMSECV从0.1485降低到0.0369，相关系数Rp从0.9513提高到0.9854，RMECP从0.1145降低到0.0578。实验表明新的OPLEC方法相对于传统的散射消除预处理方法更适用于固体颗粒的散射消除。OPLEC方法具有通用性，可推广到其他同性状物料的近红外检测中。

参考文献：

［1］陈红英，孟君．中国医药导报，2009，6(16):67

［2］苏亚，卢敏．海峡药学，2009，16(3):44

［3］王友新．中国医药导报，2009，13(6):33

［11］袁明洋，黄必胜，余驰，等．中国中药杂志，2014，39(2):267［12］江燕，杨眉，张学博，等．药物分析杂志，2013，33(9):1572

［13］申云霞，赵艳丽，张霁，等．世界科学技术:中医药现代化，2015，17(3):664

［14］刘莉，黄岚，严衍禄，等．光谱学与光谱分析，2008，28(10):2290

作者:刘振尧 徐锋 温江北 陈华舟 单位:中国科学院长春光学精密机械与物理研究所应用光学国家重点实验室 广州市光机电技术研究院 广东星创众谱仪器有限公司