呂亞新，左春芳，陳文舉，羅蔓菲

西洋參為五加科植物西洋參Panax quinquefolium L.的干燥根，性涼、味甘、微苦，具有滋陰補(bǔ)氣、寧神益智及清熱生津、降火消暑的雙重功效，在保護(hù)心腦血管、增強(qiáng)神經(jīng)系統(tǒng)功能、調(diào)節(jié)胰島素分泌及增強(qiáng)免疫力方面也有很好的效果。水分含量是影響飲片質(zhì)量的重要因素，適宜的水分含量，既可以保證藥材的藥效又對藥材的儲藏有利［1，2］，因此控制西洋參飲片的水分含量是控制西洋參飲片質(zhì)量的必要因素。

傳統(tǒng)判斷中藥飲片中水分含量的方法為“以手摸之干燥”這一感性的標(biāo)準(zhǔn)來判斷，遠(yuǎn)遠(yuǎn)達(dá)不到控制藥材質(zhì)量的目的?！吨袊幍洹分须m然也規(guī)定了準(zhǔn)確測定西洋參飲片中水分含量的方法——烘干法［3］，但該方法過程煩瑣，不適合快速分析大量樣品，因此需要一種簡單快速的方法來測定飲片中的水分含量。近紅外光譜技術(shù)是一種投資及操作費(fèi)用低、樣品前處理簡單、不用試劑、不污染環(huán)境、測定速度快且準(zhǔn)確，既可定性也可定量的分析方法。因此該研究采用近紅外光譜技術(shù)對西洋參中的水分含量進(jìn)行定量測定，以達(dá)到對西洋參進(jìn)行質(zhì)量控制的目的［4-6］。

1 儀器與試藥

1.1 儀器近紅外光譜分析儀： 美國Thermo Nicolet 公司Nicolet 6700 型；分析軟件：TQ 8.0；分析天平：XS105 梅特勒-托利多；粉碎機(jī)：浙江溫嶺市大海藥材器械廠RT-01 型；電熱鼓風(fēng)干燥箱：南京實驗儀器廠DGF30/4-ⅡA。

1.2 試藥西洋參為不同批次的西洋參飲片87份，記為S1、S2、S3、S4、S5、S6、S7、S8、S9、S10、S11…… S83、S84、S85、S86、S87，購自不同的藥店。經(jīng)相關(guān)專家鑒定為五加科人參屬西洋參。

2 結(jié)果

2.1 西洋參飲片中水分含量的測定根據(jù)2015 版《中國藥典》第四部通則0832 水分測定法中“烘干法”對西洋參中水分進(jìn)行測定。具體方法：取供試品3 g，平鋪于干燥至恒重的稱量瓶中，精密稱定，樣品厚度不超過5 mm，在105 ℃條件下干燥5 h，將稱量瓶蓋好瓶蓋放于干燥器中放冷30 min，然后精密稱定，再在上述溫度下干燥1 h，放冷，稱重，直至連續(xù)兩次稱量的差異不超過5 mg。根據(jù)減失的重量，計算水分含量。結(jié)果見表1。

2.2 西洋參中水分的近紅外定量模型的建立及其驗證

2.2.1 近紅外光譜的采集 將87 批樣品粉碎，過四號篩，每批取約5 g，混合均勻，然后放入石英杯中，輕輕攤平，按下述實驗條件采集光譜。采樣方式：積分球漫反射；采集光譜范圍4000～12000 cm-1；分辨率8 cm-1；掃描次數(shù)32 次；溫度（25±2）℃，相對濕度45%～55%。每份樣品掃描3 次，87 份西洋參飲片的NIR 光譜見圖1。

圖1 見封三。

圖1 87 批西洋參飲片的近紅外光譜疊加圖

2.2.2 校正集和驗證集的選擇 將表1 中的測定結(jié)果輸入TQ8.0 分析軟件進(jìn)行數(shù)據(jù)處理，隨機(jī)選擇70 份作為建立模型的校正集、17 份作為驗證集，同時保證驗證集樣品的含量在校正集含量的范圍內(nèi)。具體分布見表2。

2.2.3 光譜預(yù)處理方法的選擇 對光譜進(jìn)行預(yù)處理，可以消除外部環(huán)境、儀器狀態(tài)等對模型的影響。結(jié)合偏最小二乘法（PLS）建立校正模型，對不同光譜預(yù)處理方法建模得到的內(nèi)部交叉驗證均方差（RMSECV）、決定系數(shù)（R2）進(jìn)行比較，其中RMSECV 越小，R2越接近1 說明效果越好，詳見表3。從表3 可知，采用一階導(dǎo)數(shù)法對光譜進(jìn)行預(yù)處理后效果最好。

表1 西洋參水分的測定結(jié)果

表2 校正集和驗證集中水分的含量分布

表3 不同預(yù)處理方法對模型性能的影響

2.2.4 模型波段的選擇 通過比較不同的波段建模的R2和RMSECV 值，可以看出5601.22～9541.87 cm-1為最佳波段，詳見表4。

表4 建模區(qū)間的選擇對模型性能的影響

2.2.5 主因子數(shù)的選擇 主因子數(shù)對PLS 定量分析模型的RMSECV 的影響見圖2。從圖2 可以看出，RMSECV（0.06877）最小時的主因子數(shù)8 為最佳因子數(shù)。

圖2 校正集RMSECV 與Factor 之間相關(guān)圖

2.2.6 校正模型的建立 運(yùn)用TQ 8.0 定量分析軟件，選擇一階導(dǎo)數(shù)法對光譜預(yù)處理、波段在5601.22～9541.87 cm-1、主因子數(shù)為8，結(jié)合PLS 法建立校正模型。70 份校正集樣品NIR 預(yù)測值與參考值的相關(guān)圖和偏差圖見圖3、圖4。由圖可知校正集樣品的預(yù)測值均勻地分布在回歸線的兩側(cè)，預(yù)測值接近參考值，該模型成功建立。

2.2.7 水分定量模型的驗證 將17 批驗證集樣品的NIR 圖譜輸入定量模型中，將得到的NIR 預(yù)測值與參考值進(jìn)行比較，計算回收率，得平均回收率為100.52%，結(jié)果見表5。對預(yù)測值和實參考值進(jìn)行t檢驗，t=-1.048，P=0.310>0.05，認(rèn)為預(yù)測值和參考值之間的差異無統(tǒng)計學(xué)意義，證明該模型可以預(yù)測西洋參飲片中水分的含量。

圖3 水分的預(yù)測值與參考值之間相關(guān)圖

圖4 水分的預(yù)測值與參考值之間的偏差圖

3 討論

近紅外光譜技術(shù)是根據(jù)合適的化學(xué)計量方法把樣品的近紅外光譜與樣品的參考值關(guān)聯(lián)起來建立的校正模型，是一種間接的測定方法［7］。該方法需要收集足夠多的有代表性的樣品并獲得準(zhǔn)確的樣品參考值，來建立準(zhǔn)確可靠的模型，該研究收集了不同批次的西洋參飲片并按照藥典規(guī)定的烘干法進(jìn)行測定，通過驗證證明該模型可以用于所收集批次的西洋參中水分的測定。

近紅外光譜技術(shù)定量模型建立常用分析方法有主成分分析法（PCA）、多元線性回歸法（MLR）和偏最小二乘法（PLS），而PLS 兼具M(jìn)LR 和PCA 的優(yōu)點，所以是一種非常常用的校正方法［8］。因此該研究選擇PLS 法作為定量分析模型的校正方法。

近紅外光譜數(shù)據(jù)，除含有樣品本身的信息外，還摻雜了好多不需要的干擾信號，為了消除無關(guān)信息和噪聲，提高數(shù)據(jù)分析的準(zhǔn)確性，必須對光譜進(jìn)行預(yù)處理，常見的預(yù)處理方法有多元散射校正（MSC）、標(biāo)準(zhǔn)歸一化（SNV）和一階導(dǎo)數(shù)法等，不同光譜預(yù)處理方法得到的RMSECV 越小、R2越接近1，說明效果越好；另外合適的波段可以提取有效的圖譜信息，降低噪聲，減少干擾信息，提高靈敏度。該研究選擇R2為0.99189 和RMSECV 為0.06877 對應(yīng)的一階導(dǎo)數(shù)法和波段 （5601.22～9541.87 cm-1）為最優(yōu)預(yù)處理方法和最佳波段。

表5 預(yù)測值與參考值結(jié)果比較

主因子數(shù)的選擇對所建模型有非常大的影響，主因子數(shù)多，噪聲等影響因素會增多，從而影響模型的預(yù)測能力，主因子數(shù)少，模型包含的信息又太少，也會影響模型的準(zhǔn)確性。該研究選擇RMSECV（0.06877）最小時的主因子數(shù)8 為最佳因子數(shù)。

該研究采用決定系數(shù)（R2）、內(nèi)部交叉驗證均方差（RMSECV）對模型建立的精確度和準(zhǔn)確度進(jìn)行驗證評價，R2代表模型預(yù)測值與參考值之間的相關(guān)性，R2越接近1 說明模型建的越成功，RMSECV 為模型的校正標(biāo)準(zhǔn)偏差，RMSECV 越小，預(yù)測值越接近參考值［9］。

綜上所述，該方法簡單、安全無污染、預(yù)測結(jié)果準(zhǔn)確，可以用于西洋參中水分的含量測定。