劉永好，嚴(yán)妲妲，魯 萍，羅捷華

(1.太極集團(tuán)浙江東方制藥有限公司，浙江 紹興 312000；2.合肥瑾翔醫(yī)藥科技有限公司，安徽 合肥 230088)

近紅外光譜法測定桂枝藥材中肉桂酸與桂皮醛的含量研究

劉永好1，嚴(yán)妲妲1，魯 萍1，羅捷華2

(1.太極集團(tuán)浙江東方制藥有限公司，浙江 紹興 312000；2.合肥瑾翔醫(yī)藥科技有限公司，安徽 合肥 230088)

運(yùn)用近紅外光譜法建立桂枝藥材中肉桂酸與桂皮醛含量的定量分析模型，采用HPLC為對照測定桂枝藥材中肉桂酸、桂皮醛含量，運(yùn)用偏最小二乘(PLS)法建立NIR光譜與二者分析值之間的多元校正模型，并對未知樣品進(jìn)行預(yù)測。得出校正集內(nèi)部交叉驗(yàn)證決定系數(shù)分別是0.930 2、0.952 0，內(nèi)部校正均方差分別為0.003 4、0.023 3,外部預(yù)測均方差為0.012 8、0.065 1。因此得出利用近紅外光譜法測定桂枝藥材中肉桂酸與桂皮醛是可行的，該法具有快速、簡便、無損等特點(diǎn)。

近紅外光譜；桂枝；肉桂酸；桂皮醛

桂枝，別名：柳桂(學(xué)名：Cinnamomum cassia Presl)為樟科植物肉桂 Cinnamomum cassia Presl的干燥嫩枝，主要功能有發(fā)汗解肌，溫經(jīng)通脈，助陽化氣，散寒止痛[1]。桂枝主要有效成分為桂皮醛和肉桂酸，目前對桂枝有效成分的定量分析多采用HPLC、GC等方法，但是實(shí)際使用中發(fā)現(xiàn)定量分析這種方法花費(fèi)更長的時間，藥品生產(chǎn)過程中的質(zhì)量控制不容易去適應(yīng)原藥材的快速測定以及在線檢測的需要。

近紅外光譜技術(shù)(near-infrared,NIR),具有分析速度快，無損傷，無化學(xué)污染的樣本和其他重要特征，廣泛應(yīng)用于中藥(TCM)近年來分類和有效成分的確定等[2-3],本研究采用近紅外漫反射光譜,桂枝藥材建立定量分析模型,快速分析[4-6]。

1 材料

Luminar：5030-731便攜式近紅外光譜儀AOTF技術(shù)(BRIMROSE公司)；多元數(shù)據(jù)分析軟件(CAMO公司)；Anglient 1100高效液相色譜儀；BP211D式電子天平(德國Sartorius)；5415 d高速離心機(jī)埃普多夫(德國)；Milli-Q學(xué)術(shù)純水機(jī)(法國)。43批桂枝藥材飲片，采購自浙江震元飲片廠，經(jīng)公司質(zhì)量部檢驗(yàn)人員鑒定為正品。

桂皮醛、肉桂酸檢測對照品(制藥、生物制品)從中檢所購買，批號：110710-200714，110786-200503)乙腈(色譜純)、純水(超)；其余的試劑都是分析純。

2 方法與結(jié)果

2.1 測定肉桂酸、桂肉醛化學(xué)值(高效液相色譜)

供試品溶液的制備：取本品粉末(過四號篩)約0.5 g，精密稱定，置具塞錐形瓶中，精密加入甲醇25 ml，稱定重量，超聲處理(功率250 W，頻率40 Hz)30分鐘，放冷，再稱定重量，用甲醇補(bǔ)足減少的重量，搖勻，濾過，精密量取續(xù)濾液1 ml，置25 ml量瓶中，加甲醇至刻度，搖勻，即得。

色譜條件：水域?qū)ΨQC18色譜柱(4.6×250毫米，5微米)；流動相：0.02%三氟乙酸(A)(B)乙腈，梯度洗脫，0 min，16%B；0～15 min，16%～26%B；15～30 min，26%～33% B；30～60 min，33%～58%；柱溫：30 ℃；測定波長275 nm；流速：1.0 ml/min；進(jìn)樣量：10 μl；見圖1。

2.2 近紅外光譜采集

選擇不同的加工批次的樣本，粉碎，45孔篩，樣品的粉末樣品柜分別裝樣量不得少于1厘米，用專用槽蓋樣品粉末表面光滑，在1 100～2 300 nm掃描，2 nm波長增加，掃描時間平均600次。每個樣品檢測3次，取平均值作為樣品的近紅外光譜，得到總43樣品近紅外光譜圖，如圖2所示。

圖1 桂枝藥材 HPLC圖(1—肉桂酸，2—桂皮醛)

圖2 桂枝樣品的近紅外漫反射光譜

3 定量模型的建立與驗(yàn)證

由于干擾樣本，不同組件之間的近紅外光譜帶會導(dǎo)致重疊，含量低的組件很容易掩蓋的高含量成分譜峰譜峰信號噪聲，通常需要一些預(yù)處理，才能消除各方面的因素對光譜信息產(chǎn)生的影響[7]。

3.1 數(shù)據(jù)處理方法的選擇

運(yùn)用TheUn-scrambler分析軟件進(jìn)行數(shù)據(jù)處理，偏最小二乘(PLS)和主成分回歸(PCR)建模算法的比較試驗(yàn)。結(jié)果表明，PLS建立模型優(yōu)于PCR方法，因?yàn)镻CR方法利用光譜信息計算主成分，并且使用光譜數(shù)據(jù)和方法集中在同一時間信息計算的主要因素，而PLS建模方法比PCR方法具有更好的效果，因此，選擇采用PLS方法建立定量校正模型進(jìn)行了分析。與相關(guān)系數(shù)(R)和均方誤差修正模型參數(shù)(RMSEC)作為索引選擇和優(yōu)化的結(jié)構(gòu)模型，來預(yù)測均方誤差(RMSEP)模型的預(yù)測性能和泛化能力[8]。

3.2 光譜預(yù)處理方法的選擇

為了減小光譜基線的漂移和斜率變化等非線性因素對校正模型性能產(chǎn)生的不良影響，同時能夠最大限度地保留樣品成分濃度與近紅外光譜間的線性關(guān)系，一般在使用化學(xué)計量學(xué)方法建立校正模型對光譜預(yù)處理消除不利影響。實(shí)驗(yàn)采取了不同的光譜預(yù)處理方法比較找出最優(yōu)預(yù)處理方法。從表1可以看出，最合適最科學(xué)的預(yù)處理方法為標(biāo)準(zhǔn)歸一化法。

表1 不同光譜預(yù)處理方法對建模的影響

3.3 建模波段選擇

科學(xué)合理的建模波段，不但包含了待測組分的最大信息量和避免冗余信息，而且同時盡可能地降低了噪聲干擾，進(jìn)一步改善所建模型的性能，從而獲得了最佳的預(yù)測效果。從表2中的各波段對應(yīng)的校正相關(guān)系數(shù)(R)、校正均方差(RMSEC)和預(yù)測均方差(RMSEP)的值可以得出結(jié)果：桂枝藥材中肉桂酸和桂皮醛含量所對應(yīng)的最佳建模波段范圍均為：1 100～2 300 nm。

3.4 確定最優(yōu)量化分析模型

上面集成建模條件優(yōu)化結(jié)果，決定采用光譜標(biāo)準(zhǔn)歸一化處理，1 100 nm～2 300 nm波長范圍，建立模型、光譜預(yù)處理后，光譜數(shù)據(jù)與高效液相色譜法分析相關(guān)數(shù)據(jù)，通過最小二乘法(PLS1)，交叉驗(yàn)證方法，利用多元數(shù)據(jù)定量分析軟件模型。肉桂酸、桂皮醛的主成分?jǐn)?shù)則通過校正樣品集RMSECV-主成分?jǐn)?shù)(PC)圖來確定，如圖3所示，RMSECV值越小，說明模型的預(yù)測能力越佳，最后選定的肉桂酸、肉桂醛主成分?jǐn)?shù)分別為9、13，以致得到了更為理想的肉桂酸、肉桂醛定量模型。通過模型樣本肉桂酸、肉桂醛的預(yù)測值和高效液相色譜之間的相關(guān)性分析，結(jié)論良好。測量數(shù)據(jù)偏差小，內(nèi)部交叉驗(yàn)證的決定系數(shù)(R)，分別是0.930 2、0.952 0，內(nèi)部校正均方差分別為0.003 4、0.023 3，外部預(yù)測均方差為0.012 8、0.065 1，定量模型見圖4。

表2 建模波段對模型的影響

圖3 校正集RMSECV與主成分?jǐn)?shù)之間的相關(guān)圖

圖4 預(yù)測值與測定值之間的相關(guān)圖

3.5 模型的驗(yàn)證

將HPLC測定值作為化驗(yàn)值，用近紅外

預(yù)測值與化驗(yàn)值的相對誤差來衡量模型的預(yù)測能力。如表3所示：5批預(yù)測集樣本的相對誤差均未超過10%。

表3 預(yù)測集樣本的近紅外模型預(yù)測值

4 討論

實(shí)驗(yàn)使用近紅外光譜快速分析桂枝藥用材料，通過實(shí)驗(yàn)發(fā)現(xiàn)，近紅外光譜法可以準(zhǔn)確、快速、無損、有效地評價桂枝藥材的質(zhì)量。這種方法只需要一個簡單的樣品處理，與傳統(tǒng)方法相比，如高效液相色譜法，可以節(jié)省大量的時間和分析成本。伴隨著標(biāo)準(zhǔn)樣品的增加，建立不斷提高和完善的標(biāo)準(zhǔn)光譜庫，建立的近紅外光譜藥材質(zhì)量評價方法可以用于中藥原料的質(zhì)量控制，滿足于中藥生產(chǎn)企業(yè)需要。

[1]劉江云，楊學(xué)東，徐麗珍，等．桂枝的化學(xué)成分[J]．中草藥，2002，33(8)：681-683．

[2]王寧，蔡紹松，魏紅，等．聲光可調(diào)-近紅外光譜技術(shù)快速分析復(fù)方丹參片中丹參酮ⅡA和丹酚酸B的新方法[J].中國中藥雜志，2008，33(3)：262-265.

[3]孫國明，劉國林.近紅外光譜技術(shù)在獨(dú)活屬藥用植物分類中的應(yīng)用[J].中國中藥雜志，2006，3(23)：1996-1998．

[4]孫麗英，楊天鳴，王云英．不同產(chǎn)地黃柏的近紅外指紋圖譜鑒別分析[J].計算機(jī)與應(yīng)用化學(xué)，2008，25(3)：329-332．

[5]杜德國，孫素琴，周群，等．蘆丁和維生素C的近紅外漫反射技術(shù)定量分析研究[J].光譜學(xué)與光譜分析，2000，20(4)：474-476．

[6]白雁，余振喜，孫素琴，等．近紅外漫反射技術(shù)測定牛膝中蛻皮甾酮[J].中草藥，2005，36(9)：1391-1394.

[7]儲小立，袁洪福，陸宛珍．近紅外分析中光譜預(yù)處理及波長選擇[J].化學(xué)進(jìn)展，2004，16(4)：528-539.

[8]朱向榮，史新元，張卓勇，等．SPXY樣本劃分法及蒙特卡羅交叉驗(yàn)證結(jié)合近紅外光譜用于橘葉中橙皮苷的含量測定[J].光譜學(xué)與光譜分析，2009(4)：964-968．

DeterminationofCinnamicAcidandCinnamicAldehydeinCassiaTwigbyNear-infraredSpectroscopy

LIU Yonghao1, YAN Dada1, LU ping1, LUO Jiehua2

(1.ZhejiangDongfangPharmaceuticalCo.,Ltd.TaijiGroup,Shaoxing312000,China; 2.HefeiJinxiangPharmaceuticalTechnologyCo.Ltd.Hefei230088,China)

The quantitative analysis model for determination of the content of cinnamic acid and cinnamic aldehyde in Cassia twig by near — infrared Spectroscopy. HPLC was used as the reference method to determine the contents of cinnamic acid and cinnamic aldehyde. NIR diffuse reflectance spectra of the samples were collected, Multivariate calibration models based on PLS algorithm were developed. The correlation coefficients of the calibration models were 0.9302 and 0.9520. Root mean square error of cross validation were 0.0034 and 0.0233, Root mean square error of prediction were 0.0128 and 0.0651. It was feasible to determine cinnamic acid and cinnamic aldehyde in Cassia twig and it provided a rapid convenient method for quality control.

near-infrared spectroscopy; Cassia twig; cinnamic acid; cinnamic aldehyde

R284.1

A

1009-9735(2017)05-0085-04

2017-03-31

劉永好(1975-)，男，安徽望江人，工程師，執(zhí)業(yè)中藥師，研究方向：中藥質(zhì)量控制及制劑。