熊陳誠，李　莉，王婷媛

(新疆醫(yī)科大學(xué)藥學(xué)院，烏魯木齊　830011)

?

基于近紅外光譜技術(shù)不同產(chǎn)地肉桂子模型的建立

熊陳誠，李莉*，王婷媛

(新疆醫(yī)科大學(xué)藥學(xué)院，烏魯木齊830011)

摘要：目的采用近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)方法建立肉桂子藥材的定性模型，達到快速鑒別不同產(chǎn)地肉桂子的目的。方法采用近紅外漫反射光纖光譜結(jié)合SIMCA、主成分分析法、聚類分析等方法識別不同產(chǎn)地的肉桂子。結(jié)果對肉桂子藥材原始光譜全波長進行主成分分析，前2個主成分累積方差貢獻率為99%，很好地解釋了原始光譜99%的信息，和田、喀什、伊寧和烏魯木齊4個產(chǎn)地聚類效果較好，廣西與越南2個產(chǎn)地部分樣本出現(xiàn)混淆現(xiàn)象，基本可以區(qū)分6個產(chǎn)地樣品；采用聚類分析法建立的肉桂子模型對樣品進行預(yù)測時，正確率為100%；SIMCA法建立的模型對樣品進行預(yù)測時，只有越南1個產(chǎn)地的樣品沒有被識別，總識別率為97.22%。結(jié)論近紅外漫反射光譜技術(shù)結(jié)合化學(xué)計量學(xué)方法可以初步實現(xiàn)肉桂子藥材的產(chǎn)地鑒別。

關(guān)鍵詞：肉桂子；近紅外光譜技術(shù)；快速檢驗；化學(xué)計量學(xué)

肉桂子(FructusCinnamomicassiaeimmaturi)是樟科(Lauraceae)植物肉桂(Cinnamomicassiaepresl)的干燥帶宿萼未成熟的果實[1-2]。肉桂子是維吾爾族常用藥材，名為達爾親古麗[3]，具有生干生熱、祛寒補心、芳香開竅、溫中開胃等藥理活性，主要用于治療濕寒性或黏液質(zhì)心臟和腸胃疾病[4-6]。近來年人們開始關(guān)注產(chǎn)地對產(chǎn)品質(zhì)量的影響。對于中藥材來說，不同產(chǎn)地的氣候、地質(zhì)和土壤不同，會導(dǎo)致中藥材含有的化學(xué)成分含量有差異，從而對藥材質(zhì)量產(chǎn)生一定的影響。

《中國藥典》2010年版收載了肉桂，采用桂皮醛為指標成分進行薄層鑒別和含量測定，但肉桂子尚未被《中國藥典》收錄。本研究將光纖傳感技術(shù)與近紅

外光譜相結(jié)合，直接對肉桂子藥材進行檢測，建立快速無損鑒別肉桂子產(chǎn)地的新方法，促進新疆民族藥材肉桂子的規(guī)范化使用。

1儀器與材料

1.1儀器和軟件NIR Quest近紅外光纖光譜儀，采用InGaAs檢測器(美國海洋光學(xué)公司)；QP600-2-VIS-NIR光纖(美國海洋光學(xué)公司)；ISP-REF積分球，內(nèi)置鹵素?zé)?美國海洋光學(xué)公司)；使用的光譜數(shù)據(jù)處理軟件為Unscrambler X 10.2 (美國挪威公司)。

1.2材料肉桂子藥材產(chǎn)地分別為越南、和田、喀什、伊寧、烏魯木齊和廣西，藥材經(jīng)新疆醫(yī)科大學(xué)藥學(xué)院帕麗達·阿布利孜教授鑒定為樟科(Lauraceae)植物肉桂(Cinnamomicassiaepresl)的干燥帶宿萼未成熟的果實。樣品信息見表1。樣本隨機分為校正集和預(yù)測集，校正集包括52個樣品，預(yù)測集包括36個樣品。

表1樣品信息

Tab.1 Sample information

類別名稱產(chǎn)地樣品數(shù)編號校正集肉桂子越南9A1-A9肉桂子和田9B1-B9肉桂子喀什9C1-C9肉桂子伊寧5D1-D5肉桂子烏魯木齊10E1-E10肉桂子廣西10F1-F10預(yù)測集肉桂子越南6A10-A15肉桂子和田6B10-B15肉桂子喀什6C10-C15肉桂子伊寧6D6-D11肉桂子烏魯木齊6E11-E16肉桂子廣西6F11-F16

2方法

光譜采集：取樣品粉碎，過60目篩，使用無色透明袋分裝樣品，壓平，放在積分球樣品口處，采集近紅外光譜。光譜儀波長掃描范圍為866～2 500 nm，積分時間為20 ms，掃描平均次數(shù)為20次。每個樣品掃描3次，把平均光譜作為樣品光譜。采集到肉桂子樣品近紅外漫反射原始光譜圖，見圖1。

3結(jié)果與分析

3.1主成分分析對88個肉桂子樣品原始光譜進行主成分分析，見圖2。從圖2可知，前10個主成分的累積方差貢獻率為99.92%，第1主成分方差貢獻率為90%，第2主成分方差貢獻率為9%。前2個主成分累積方差貢獻率為99%，表明前2個主成分很好地解釋了原始光譜99%的信息。圖3為樣品原始光譜全波長前2個主成分的分圖，從圖中可以看出和田、喀什、伊寧和烏魯木齊4個產(chǎn)地的樣本各自聚為一類，越南和廣西2個產(chǎn)地的樣本有部分重疊。和田產(chǎn)地的樣本緊密聚在一起，都分布在左下角；喀什地區(qū)的樣本緊密聚在一起，全部分布在右下角；伊寧和烏魯木齊2類樣本分布在右上角，各自聚為一類?？傮w來說PCA基本可以區(qū)分肉桂子產(chǎn)地，可以用于肉桂子的快速鑒別。

圖1肉桂子近紅外原始光譜圖

Fig.1 Near infrared original spectra ofFructusCinnamomicassiaeimmaturi

圖2樣品原始光譜前10個主成分累積方差貢獻率

Fig.2 Ten principal component cumulative variance contribution rate of sample original spectra

圖3樣品原始光譜前2個主成分的分圖

Fig.3 Two principal component scores of sample original spectra

3.2聚類分析

3.2.1聚類分析模型的建立本文采用Ward算法以校正集52個樣品建立聚類分析模型；以預(yù)測集36個樣品檢驗?zāi)Ｐ偷臏蚀_性。

3.2.2不同預(yù)處理方法對聚類分析模型的影響由于肉桂子樣品粒徑大小和均勻度、光譜測量中產(chǎn)生的噪聲以及周圍環(huán)境等因素都會對光的漫反射產(chǎn)生影響，從而使光譜產(chǎn)生波動。因此需要對光譜進行預(yù)處理，減少上述因素帶來的干擾，達到使模型穩(wěn)定性增強的目的。本研究采用表2所示預(yù)處理方法，建立模型。表2列出了校正集樣品驗證情況，以S-G smoothing為預(yù)處理方法時所建模型校正集，正確率為98.08%，高于其他方法，因此選擇S-G smoothing建立聚類分析模型。

表2不同預(yù)處理方法聚類分析結(jié)果

Tab.2 The results of different pretreatment methods clustering analysis

預(yù)處理方法波長/nm正確率/%原始光譜866～250790.38一階導(dǎo)數(shù)(7點平滑)866～250792.31二階導(dǎo)數(shù)(7點平滑)866～250790.38SNV866～250794.23歸一化866～250794.23MSC866～250792.31基線校正866～250786.54S-Gsmoothing(5點平滑)866～250798.08

3.2.3不同波長范圍對聚類分析的影響由于有些光譜數(shù)據(jù)并不能真實地反映樣品信息，因此需要對光譜范圍進行篩選，從而達到提高模型穩(wěn)定性的目的[7]。以S-G smoothing方法預(yù)處理，考察不同波長范圍對聚類分析模型的影響。表3列出了校正集樣品驗證情況，從表3可以看出，波長范圍為960～1 204和1 522～2 507 nm時所建的模型最佳，校正集正確率為100%。從圖4可以看出，不同產(chǎn)地的肉桂子各自聚為一類，校正集52個樣品聚類全都正確。

表3不同波長聚類分析結(jié)果

Tab.3 The results of different wavelength range clustering

analysis

預(yù)處理方法波長/nm正確率/%S-Gsmoothing(5點)866～250798.08S-Gsmoothing(5點)1085～250790.38S-Gsmoothing(5點)866～216094.23S-Gsmoothing(5點) 960～1204和1522～2507nm100.00S-Gsmoothing(5點) 866～1184和 1496～2248nm98.08

3.2.4聚類分析模型的預(yù)測使用該模型對預(yù)測集36個樣品進行預(yù)測，圖5表明，36個預(yù)測集樣品，全部判別正確。表明所建立的聚類分析對6類樣品區(qū)分效果很好，可以用于不同產(chǎn)地肉桂子的快速識別。

圖4S-G smoothing預(yù)處理960～1 204和1 522～2 507 nm聚類分析圖

Fig.4 Clustering analysis diagram of S-G smoothing pretreatment at 960-1 204 and 1 522-2 507 nm

圖5校正集與預(yù)測集-聚類分析圖

Fig.5 Clustering analysis diagram of calibration set and prediction set

3.3SIMCA

3.3.1SIMCA模型的建立將全部校正集樣品用于建立模型，預(yù)測集用于檢驗?zāi)Ｐ偷臏蚀_性，通過識別率和拒絕率評判模型的優(yōu)劣[8]。本實驗通過校正集回判以及預(yù)測集樣本用于檢測模型的好壞。如果所建的模型對校正集和預(yù)測集均有很好的分類效果，表明所建模型良好，可以用于肉桂子的快速鑒別。

3.3.2不同處理方法對SIMCA判別模型的影響由于肉桂子樣品粒徑大小和均勻度、光譜測量中產(chǎn)生的噪聲以及周圍環(huán)境等因素都會對光的漫反射產(chǎn)生影響，從而使光譜產(chǎn)生波動。因此需要對光譜進行預(yù)處理，減少上述因素帶來的干擾，達到使模型穩(wěn)定性增強的目的。本研究采用表4所示預(yù)處理方法建立模型。表4列出了使用校正集樣本建立的SIMCA模型對校正集樣本進行驗證的結(jié)果以及用模型對未知樣本檢測的結(jié)果。表4表明，在5%的顯著水平下，SNV法優(yōu)于其他預(yù)處理方法； SNV法建立的模型對未知樣品進行預(yù)測時，預(yù)測集六類樣品的拒絕率均為100%，和田、喀什、伊寧和烏魯木齊4個產(chǎn)地的識別率為100%，越南和廣西2個產(chǎn)地識別率均為83.33%。

3.3.3不同光譜范圍對SIMCA判別模型的影響由于有些光譜數(shù)據(jù)并不能真實地反映樣品信息，因此需要對光譜范圍進行篩選，從而達到提高模型穩(wěn)定性的目的[8]。使用SNV法，選擇不同波段建立模型。由表5可知，波長范圍為867～1 184和1 496～2 248 nm時建立的模型優(yōu)于其他波段建模效果，其校正集識別率和拒絕率均為100%；模型對未知樣品進行預(yù)測時6個產(chǎn)地的拒絕率均為100%，越南模型的識別率為83.33%，其他5個產(chǎn)地識別率均為100%。

表4不同預(yù)處理方法對建模效果的影響

Tab.4 Effects of different pretreatment methods on modeling

產(chǎn)地預(yù)處理校正集識別率/%拒絕率/%預(yù)測集識別率/%拒絕率/%越南原始光譜88.89100.0083.3390.00SNV100.00100.0083.33100.00MSC77.78100.0083.3390.00歸一化88.89100.0083.3396.67一階導(dǎo)數(shù)(7點平滑)88.8997.6783.33100.00S-Gsmoothing(5點)77.78100.0083.33100.00和田原始光譜88.89100.0083.33100.00SNV100.00100.00100.00100.00MSC100.00100.00100.00100.00歸一化77.78100.00100.00100.00一階導(dǎo)數(shù)(7點平滑)88.89100.0066.67100.00S-Gsmoothing(5點)100.0097.67100.0093.33喀什原始光譜100.00100.00100.00100.00SNV100.00100.00100.00100.00MSC100.00100.00100.00100.00歸一化100.00100.00100.00100.00一階導(dǎo)數(shù)(7點平滑)100.00100.00100.00100.00S-Gsmoothing(5點)100.00100.00100.00100.00伊寧原始光譜100.00100.00100.00100.00SNV100.00100.00100.00100.00MSC100.00100.00100.00100.00歸一化100.00100.00100.00100.00一階導(dǎo)數(shù)(7點平滑)100.00100.00100.00100.00S-Gsmoothing(5點)100.00100.00100.00100.00烏魯木齊原始光譜100.00100.00100.00100.00SNV100.00100.00100.00100.00MSC90.00100.00100.00100.00歸一化100.0095.24100.00100.00一階導(dǎo)數(shù)(7點平滑)100.00100.00100.00100.00S-Gsmoothing(5點)100.00100.00100.00100.00廣西原始光譜90.0095.2483.33100.00SNV100.0095.2483.33100.00MSC80.0095.2483.33100.00歸一化90.0092.8666.67100.00一階導(dǎo)數(shù)(7點平滑)90.0095.2466.6796.66S-Gsmoothing(5點)100.0090.4866.67100.00

表5不同波長范圍對建模效果的影響

Tab. 5 Effects of wavelength range on the modeling

產(chǎn)地波長范圍/nm校正集識別率/%拒絕率/%預(yù)測集識別率/%拒絕率/%越南866～2507100.00100.0083.33100.00866～216088.89100.0083.3396.671085～250788.89100.0066.67100.00960～1204和1522～2507100.00100.0083.33100.00867～1184和1496～2248100.00100.0083.33100.00和田866～2507100.00100.00100.00100.00866～2160100.00100.00100.00100.001085～2507100.00100.00100.00100.00960～1204和1522～2507100.00100.00100.00100.00867～1184和1496～2248100.00100.00100.00100.00喀什866～2507100.00100.00100.00100.00866～2160100.00100.00100.00100.001085～2507100.00100.00100.00100.00960～1204和1522～2507100.00100.00100.00100.00867～1184和1496～2248100.00100.00100.00100.00伊寧866～2507100.00100.00100.00100.00866～2160100.00100.00100.00100.001085～2507100.00100.00100.00100.00960～1204和1522～2507100.00100.00100.00100.00867～1184和1496～2248100.00100.00100.00100.00烏魯木齊866～2507100.00100.00100.00100.00866～2160100.00100.00100.00100.001085～2507100.00100.00100.00100.00960～1204和1522～2507100.00100.00100.00100.00867～1184和1496～2248100.00100.00100.00100.00廣西866～2507100.0095.2483.33100.00866～216090.00100.0083.33100.001085～250790.0097.6283.3393.33960～1204和1522～250790.00100.0083.3396.67867～1184和1496～2248100.00100.00100.00100.00

3.3.4模型的預(yù)測用全部校正集建立SIMCA模型，用校正集和預(yù)測集樣本驗證模型的準確性和穩(wěn)定性。結(jié)果見表6。結(jié)果表明，越南產(chǎn)肉桂子對本類樣品的識別率為83.33%；其他5個產(chǎn)地對自個樣本識別率均為100%，6個產(chǎn)地模型拒絕率均為100%，用SNV法在波長范圍為867～1 184和1 496～2 248 nm時建立SIMCA模型對肉桂子6個產(chǎn)地區(qū)分效果良好，可以用于不同產(chǎn)地肉桂子的快速鑒別。

表6模型預(yù)測結(jié)果

Tab.6 The results of the model prediction

產(chǎn)地預(yù)處理方法波長范圍/nm校正集識別率/%拒絕率/%預(yù)測集識別率/%拒絕率/%越南SNV867～1184和1496～2248100.00100.0083.33100.00和田SNV867～1184和1496～2248100.00100.00100.00100.00喀什SNV867～1184和1496～2248100.00100.00100.00100.00伊寧SNV867～1184和1496～2248100.00100.00100.00100.00烏魯木齊SNV867～1184和1496～2248100.00100.00100.00100.00廣西SNV867～1184和1496～2248100.00100.00100.00100.00

4討論

本文對肉桂子藥材原始光譜全波長進行主成分分析，和田、喀什、伊寧和烏魯木齊4個產(chǎn)地聚類效果較好，廣西和越南2個產(chǎn)地部分樣本出現(xiàn)混淆現(xiàn)象?；究梢詤^(qū)分6個產(chǎn)地樣品。聚類分析法建立的肉桂子模型對預(yù)測集樣品進行預(yù)測時，正確率達到100%；SIMCA法建立的模型對樣品進行預(yù)測時，只有越南1個產(chǎn)地的樣品沒有被識別，其余樣本判別正確，可以用于不同產(chǎn)地肉桂子的快速鑒別。但是，本研究建模樣本數(shù)量有限，對藥材鑒別時還需要收集大量藥材。本研究結(jié)果初步表明，聚類分析方法可用于不同產(chǎn)地肉桂子藥材的鑒別。

參考文獻：

[1]中華人民共和國衛(wèi)生部.衛(wèi)生部頒藥品標準:中藥材：第一冊[M].北京:人民衛(wèi)生出版社，2010:36.

[2]胡曙晨，馬雪紅，李新霞，等.維藥肉桂子體外抗氧化活性研究[J].安徽醫(yī)藥，2014，18(2)：233-237.

[3]胡曙晨，馬雪紅，李新霞，等.肉桂子藥材的薄層鑒別方法研究[J].西北藥學(xué)雜志，2014，29(2)：111-114.

[4]Amalaradjou M A，Narayanan A,Baskaran S A,et al.Antibiofilm effect of trans-cinnamaldehyde on uropathogenicEscherichiacoli[J]. J Urol，2010，184(1):358-363．

[5]胡曙晨，李莉，李新霞，等.正交實驗優(yōu)化肉桂子中超聲提取桂皮醛的工藝[J].新疆醫(yī)科大學(xué)學(xué)報，2013，36(9)：1278-1281.

[6]熊梅，張正方，唐軍.HS-SPME-GC-MS法分析肉桂子揮發(fā)性化學(xué)成分[J].中國調(diào)味品，2013，38(1)：88-91.

[7]夏俊芳.基于近紅外光譜的貯藏臍橙品質(zhì)無損檢測方法研究[D].武漢：華中農(nóng)業(yè)大學(xué)，2007.

[8]嚴衍祿.近紅外光譜分析基礎(chǔ)與應(yīng)用[M].北京:中國輕工業(yè)出版社，2005.

Establishment of a cinnamon habitat model based on near infrared spectroscopy

XIONG Chencheng，LI Li*，WANG Tingyuan

(School of Pharmacy, Xinjiang Medical University，Urumqi 830011，China)

Abstract:ObjectiveNear infrared spectroscopy with chemometrics was used to establish a qualitative identification model for Fructus Cinnamomi cassiae immaturi, by which the rapid identification of different origin Fructus Cinnamomi cassiae immaturi could be achieved. MethodsNear infrared diffuse reflection spectroscopy with principal component analysis， clustering analysis and SIMCA methods were used to identify the different origins of Fructus Cinnamomi cassiae immaturi. ResultsThe principal component analysis of the original full wavelength spectrum screened out two principal components′ whose cumulative variance proportion was 99%, which explained the clusters effect of Hotan，Kashgar，Yining and Urumqi was better than other habitat.Some samples of Guangxi and Vietnam were confused，and six origin samples could be distinguished. The accuracy of the model to forecast samples was 100%； Using SIMCA method to predict the samples，only Vietnam sample was not identified，the identification accuracy was 97.22%. ConclusionNear infrared diffuse reflectance spectroscopy combined with chemometrics could identify the origin of Fructus Cinnamomi cassiae immaturi quickly.

Key words:Fructus Cinnamomi cassiae immaturi；NIR；rapid analysis； chemometric methods

(收稿日期：2015-08-20)

中圖分類號：R917

文獻標志碼：A

文章編號：1004-2407(2016)03-0221-05

doi:10.3969/j.issn.1004-2407.2016.03.001

*通信作者：李莉，女，博士，教授

作者簡介：熊陳誠，女，在讀碩士研究生

基金項目：國家自然科學(xué)基金項目(編號：81260485)

·中藥及天然藥物·