丁銀花,畢宇安,曹燕飛,秦建平,楊瑤珺,蕭 偉**
1北京中醫(yī)藥大學中藥學院,北京 100020;
2江蘇康緣藥業(yè)股份有限公司 中藥制藥過程新技術國家重點實驗室,連云港 222001
茯苓為多孔菌科真菌茯苓Poria cocos(Schw.)Wolf的干燥菌核。多于7~9月采挖,挖出后除去泥沙,堆置“發(fā)汗”后,攤開晾至表面干燥,再“發(fā)汗”,反復數次至皺紋、內部水分大部散失后,陰干,稱為“茯苓個”,或將鮮茯苓按不同部位切制,陰干,分別稱為“茯苓塊”和“茯苓片”。其性甘、淡、平。歸心、肺、脾、腎經;具有利水滲濕、健脾、寧心等功效[1]。藥材在貯藏過程中,其水分含量是藥材質量變化的介質,也是藥材質量變化的內在主導因素,而菌類藥材的含水量對于貯藏尤為重要,故“安全水分”有利于藥材質量的保存[2]。藥材中含有過量的水分,極易霉爛變質,使有效成分分解,從而造成成藥質量不穩(wěn)定,給安全用藥帶來隱患,且相對地減少了實際用量,從而不能達到治療目的[3]。傳統(tǒng)的水分測定方法一般操作過程繁瑣、費時,不利于藥材質量的及時監(jiān)控。
近年來近紅外光譜(near-infrared spectroscopy,NIRS)技術發(fā)展迅速,已在農業(yè)、煙草、石油化工、食品和藥物等領域得到廣泛應用,具有分析速度快、操作簡單方便、無污染、無破壞性、一般不需特別前處理等優(yōu)點[4]。已有研究者利用近紅外光譜技術對連翹、白芍、苦參等中藥材、中成藥及化學藥的含水量進行了快速測定,為中藥材入庫標準的水分測定提供了可行性[5-6]。本研究測定了茯苓的NIR光譜和茯苓含水量,結合化學計量學中的偏最小二乘法(PLS),建立了茯苓的NIR光譜水分校正模型,用于快速測定茯苓中的水分,對于生產中批量茯苓水分的控制具有潛在的應用前景,同時也為菌類中藥材含水量的快速準確控制提供參考方法。
Luminar 5030便攜式AOTF近紅外光譜儀,配有專用的SNAP掃描軟件和The Unscrambler定量分析軟件(美國Brimrose公司);立鶴牌電熱恒溫干燥箱(山東濰坊精鷹醫(yī)療器械有限公司);直立粉碎機(北京環(huán)亞天元機械技術有限公司);萬分之一電子天平(Mettler Toledo AL204)。
茯苓69批,來源于安徽、廣西、湖北、云南等省區(qū),由江蘇康緣藥業(yè)股份有限公司提供,經本課題組楊瑤珺鑒定均為多孔菌科真菌茯苓Poria cocos(Schw.)Wolf的干燥菌核。
2.1 樣品水分的測定
將收集的69份茯苓粉碎,過45目篩,采用2010年版《中國藥典》一部附錄ⅨH水分測定法中的烘干法進行測定,測得的數值作為茯苓含水量的真實值。水分含量12.80%~21.93%。
2.2 樣品近紅外圖譜采集
將已粉碎過45目篩的茯苓粉末裝入樣品池中,以空氣為背景,采用漫反射方式、比率模式下采集近紅外光譜,波長1100~2300 nm,選擇透光率為縱坐標,每個樣品重復采集3張光譜,取其平均值作為該樣品的光譜圖。原始吸收光譜圖見圖1。
圖1 樣品的原始吸收光譜圖(n=60)
上述所采集的光譜中不僅包含了樣品中的有效信息,還包括由于外界環(huán)境的波動、隨機噪音、樣品的背景干擾所產生的信息,因此在建模前需要對光譜進行預處理,以去除噪音,凈化譜圖信息,擴大有效信息,提高模型的精度和預測效果[7]。本實驗比較了原始吸收光譜及一階微分導數、二階微分導數,分別與S-G平滑法(savitzky-golay法)結合等光譜預處理方法,以RSEP和R2的大小為依據來優(yōu)選合適的預處理方法,結果發(fā)現建模時選用一階微分導數+9點S-G組合對原始吸收光譜進行預處理可以達到最優(yōu)的結果。故本文采用一階微分導數+9點S-G平滑法對掃描得到的原始吸收光譜進行光譜預處理,以消除噪音和基線的影響。見圖2。
圖2 一階微分導數+9點S-G平滑法光譜圖
2.3 定量模型的建立
按含水量高低均勻選取樣本組成校正集,用于建立校正模型,剩余樣本為驗證集,用于對模型進行外部驗證,在樣本集劃分時保證校正集樣本含水量范圍大于驗證集。校正集和驗證集的樣品含水量分布范圍見表1。
表1 校正集與驗證集樣品數量及其含水量分布范圍(n=60)
采用偏最小二乘法 (PLS)、交叉-驗證法,用Unscrambler定量分析軟件建立茯苓藥材的水分校正模型。光譜和化學值的異常值分別采用光譜影響值Leverage和化學值誤差Residual這兩個統(tǒng)計量來檢驗剔除。結果顯示,本實驗中無異常點出現,能得到較為理想的校正模型。
其中樣品F1~F15和F25~F69進行初步模型的建立與優(yōu)化,樣品F16~F24進行模型的外部預測。其模型外部交互驗證相關系數能達到0.9951,內部交互驗證相關系數為0.9956,水分模型結果如圖3。
圖3 水分(%)含量的PLS回歸模型圖
2.4 定量模型的預測
用上述茯苓水分定量校正模型對9個外部樣品進行預測,計算得出驗證集相對偏差RSEP為2.7%,外部預測誤差均方根RMSEP為0.49,預測值與化驗值的平均相對偏差為1.3%。模型的外部驗證結果見表2。
表2 NIR水分模型預測結果
2.5 方法學驗證
選擇編號為F16的茯苓粉末樣本,測定6次光譜,用上述所建立的模型預測其含水量,測得精密度RSD值為0.87%;同一批樣品,分別取樣6次,依次測定其近紅外光譜,預測樣品的含水量,測得重復性RSD值為2.0%。
3.1 樣品粉碎度的考察。考察了4種篩孔下(過10目、20目、45目和60目篩)樣品采集的光譜,從原始光譜及一階導數光譜分析各篩孔下采集光譜重復性均較好,差異性不大,計算它們一階導數圖譜的 MBSD 值(移動塊標準偏差)[8],分別為 3.58×10-6、3.41×10-6、2.74×10-6、2.83×10-6,過 45 目篩樣品光譜MBSD最小,且光譜重復性較好,因此確定茯苓粉末過45目篩。
3.2 樣品裝樣量的考察。將過45目篩的茯苓粉末分別裝于樣品杯中,厚度分別為 0.5、1、1.5、2 cm,進行光譜的采集,0.5、1.0 cm厚度時,光譜的重復性較差,其它厚度下的光譜重復性較好。同時,計算各厚度下一階導數光譜的MBSD值,分別為3.68×10-6、2.74×10-6、2.70×10-6、2.72×10-6,可以看出,裝樣厚度大于1 cm時MBSD值穩(wěn)定,均較小,光譜差異性不大,且重復性較好,所以確定裝樣厚度要大于1 cm。
3.3 掃描平均次數的考察。將過45目茯苓粉末,分別裝于樣品杯中,裝樣量均為1 cm,考察了平均300次和600次的光譜,光譜差異不大,分別計算它們一階導數圖譜的MBSD值,為9.00×10-6和2.74×10-6,平均600次的差異更小些,所以掃描平均次數確定為600次。
3.4 本實驗所建立的模型預測能力較高,預測結果比較準確,精密度和重復性均良好,顯示出較高的實用價值。如果在此基礎上,繼續(xù)加大建模樣品和模型驗證樣品的數量,增大建模用樣品的代表性,進一步優(yōu)化模型,提高模型的預測能力,使AOTF近紅外光譜儀完全可以滿足茯苓水分含量的快速準確測定,這為茯苓等菌類中藥材水分快速測定提供一新方法。
[1] 國家藥典委員會.中華人民共和國藥典:一部[S].北京:中國醫(yī)藥科技出版社,2010.
[2] 傅泉炎.中藥含水量與中藥倉儲質量的關系[J].中國藥業(yè),2002,11(5):70.
[3] 吳啟南,錢大偉,段金廒.中藥材貯藏過程中的質量變化機制探討[J]. 中國中藥雜志,2010,35(14):1904-6.
[4] 楊海雷,劉雪松,瞿海斌,等.一種基于近紅外的紅參藥材質量快速評價方法[J]. 中草藥,2005,36(6):912.
[5] 白 雁,王 星,陳志紅.近紅外光譜法檢測連翹藥材中水分含量[J]. 鄭州大學學報,2008,43(6):1164-6.
[6] 魏慧珍,方少敏,饒 毅,等.近紅外光譜技術快速測定白芍藥材烘干過程中水分 [J].中草藥,2011,42(10):1994-7.
[7] 褚小立,袁洪福,陸婉珍.近紅外分析中光譜預處理及波長選擇方法進展與應用 [J].化學進展,2004,16(4):528-42.
[8] 金 葉,楊 凱,陳木洲,等.微型近紅外儀用于眾生丸粉末混合過程的在線監(jiān)測研究 [J].中國中藥雜志,2011,36(21):2964-5.