陳兆昱，金偉鋒，萬海同，何 昱

基于TOPSIS法的前饋控制在丹參醇提液均化中的應(yīng)用

陳兆昱，金偉鋒，萬海同，何 昱*

浙江中醫(yī)藥大學(xué)藥學(xué)院，浙江 杭州 311402

基于理想解排序（technique for order preference by similarity to an ideal solution，TOPSIS）法的前饋控制實(shí)現(xiàn)不同批次丹參醇提液的均化。首先采用積分球漫反射收集各批次丹參藥材的近紅外光譜數(shù)據(jù)；然后在不同批次丹參8種有效成分（丹參素、原兒茶醛、丹酚酸B、丹酚酸A、丹參酮I、隱丹參酮、丹參酮IIA、迷迭香酸）提取工藝單因素和含量測定實(shí)驗(yàn)的基礎(chǔ)上，以提取時(shí)間、提取溫度、乙醇體積分?jǐn)?shù)為數(shù)值因素、批次為分類因素，8種有效成分含量經(jīng)TOPSIS法綜合評價(jià)后的得分為響應(yīng)值，進(jìn)行I-最優(yōu)實(shí)驗(yàn)設(shè)計(jì)；最后建立以近紅外數(shù)據(jù)，工藝參數(shù)為輸入變量，提取液有效成分含量的綜合得分為輸出變量的遺傳神經(jīng)網(wǎng)絡(luò)模型，以各批次丹參的近紅外數(shù)據(jù)調(diào)整相應(yīng)的醇提工藝參數(shù)，使得不同批次丹參醇提液中8種有效成分的含量差異減小。通過建立的模型調(diào)整相應(yīng)的提取工藝使得4個(gè)批次丹參醇提液中各成分含量RSD值的平均值24.9%降低至13.5%?；赥OPSIS法的前饋控制能提升丹參醇提液質(zhì)量的一致性，為中藥提取液的均化研究提供了參考。

前饋控制；TOPSIS法；遺傳神經(jīng)網(wǎng)絡(luò)；丹參；近紅外光譜；中藥均化；丹參素；原兒茶醛；丹酚酸B；丹酚酸A；丹參酮I；隱丹參酮；丹參酮IIA；迷迭香酸

在滿足一定質(zhì)量要求的前提下，減少中藥材批次變化帶來的質(zhì)量差異是中藥提取液均化的主要目標(biāo)。前饋控制是一種根據(jù)擾動(dòng)量進(jìn)行補(bǔ)償?shù)拈_環(huán)控制系統(tǒng)，能夠明顯減少由于物料變化帶來的產(chǎn)品質(zhì)量波動(dòng)[1-3]，因此前饋控制在中藥提取液均化方面的應(yīng)用有較高的研究價(jià)值。目前已有將近紅外光譜（near-infrared spectroscopy，NIRS）引入前饋控制中，減少產(chǎn)地變化帶來提取液質(zhì)量波動(dòng)的報(bào)道[4]，但并未針對中藥提取液成分復(fù)雜、有效成分多的特點(diǎn)進(jìn)行研究。

理想解排序法（technique for order preference by similarity to an ideal solution，TOPSIS）是一種依據(jù)評價(jià)對象與理想解接近程度進(jìn)行評分的綜合評價(jià)法，在中藥質(zhì)量評價(jià)方面已有廣泛的使用[5-8]。本研究基于TOPSIS法構(gòu)建前饋控制模型，針對提取液與理想解的接近程度進(jìn)行控制，通過優(yōu)化關(guān)鍵工藝的方式提升提取液與理想解的接近程度，從而達(dá)到對成分復(fù)雜的中藥提取液進(jìn)行控制的目的。

丹參為唇形科鼠尾草屬植物丹參Bge.的干燥根和根莖，有活血祛瘀、通經(jīng)止痛、涼血消癰的功效[9]。其主要有效成分可分為水溶性酚酸類和脂溶性丹參酮類2大類，是常見的活血化瘀藥，常用于治療心血管疾病[10-11]。

在實(shí)驗(yàn)過程中，首先收集各批次丹參的NIRS數(shù)據(jù)，作為前饋控制模型的協(xié)變量，然后建立了丹參中水溶性有效成分（丹參素、原兒茶醛、丹酚酸B、丹酚酸A、迷迭香酸）和脂溶性有效成分（丹參酮I、隱丹參酮、丹參酮IIA）的定量方法，并對各個(gè)批次的丹參進(jìn)行含量測定和提取工藝單因素實(shí)驗(yàn)。最后在此基礎(chǔ)上進(jìn)行I-最優(yōu)實(shí)驗(yàn)設(shè)計(jì)，建立了以近紅外數(shù)據(jù)為協(xié)變量，提取工藝為可控變量，丹參醇提液中8種有效成分含量經(jīng)TOPSIS法計(jì)算后的綜合得分為因變量的遺傳神經(jīng)網(wǎng)絡(luò)模型。根據(jù)各批次丹參近紅外數(shù)據(jù)對提取工藝進(jìn)行相應(yīng)的優(yōu)化，以減少不同批次丹參醇提液中8種有效成分的含量差異，使丹參醇提液質(zhì)量均化。

1 材料

1.1 儀器

Agilent 1260 infinity型高效液相色譜儀，配備DAD檢測器，美國Agilent公司；FA1104N十萬分之一電子分析天平，上海精密科學(xué)儀器有限公司；超純水儀，美國Millipore公司；Antaris II型傅里葉變換近紅外光譜儀，美國Thermo Fisher公司。

1.2 藥材及試劑

不同批次的丹參藥材購自各地藥房以及藥材市場，詳見表1，并經(jīng)浙江中醫(yī)藥大學(xué)藥學(xué)院張水利教授鑒定為唇形科植物丹參Bge.的干燥根和根莖。

對照品丹參素、原兒茶醛、丹酚酸A、丹參酮I、隱丹參酮、迷迭香酸、丹酚酸B、丹參酮IIA均購自成都德思特生物技術(shù)有限公司，批號分別為DSTDD001501、DST201109-008、DST201022-013、DST200511-011、DSTDM002701、DSTDY008001、DSTDD000902、DSTDD001102，質(zhì)量分?jǐn)?shù)均大于98%；甲醇、乙腈為色譜純，美國Tedia公司；甲酸、95%乙醇均為分析純。

表1 不同批次丹參的來源、產(chǎn)地、批號

Table 1 Information of medicinal materials of S. miltiorrhiza

編號批號產(chǎn)地來源 S12020456山東安徽省亳州市中藥材市場 S22013201山東安徽省亳州市中藥材市場 S320101601山東浙江景岳堂藥業(yè)有限公司 S420102501山東浙江景岳堂藥業(yè)有限公司 S5200714山東浙江震元醫(yī)藥連鎖有限公司杭 S6200918山東杭州方回春堂國藥館有限公司 S7200802山東浙江中醫(yī)藥大學(xué)飲片廠 S82011250山東愛珍藥品零售有限公司 S920210103山東河北康典藥業(yè)有限公司 S10201101471山東成都康美藥業(yè)生產(chǎn)有限公司 S11201120山東安徽廣和中藥股份有限公司 S12200801山東普寧市澤群中藥飲片有限公司 S13221405山西安徽省亳州市中藥材市場 S14223021山西安徽省亳州市中藥材市場 S15200815山西杭州凝和堂中醫(yī)門診部有限公司 S162201026山西杭州太和堂中醫(yī)門診部有限公司 S172201029山西杭州民泰中藥飲片公司 S182005021四川四川一片葉藥業(yè) S192009023四川通化市同福參茸制品有限公司 S20203010安徽安徽省亳州市中藥材市場 S21203111安徽安徽省亳州市中藥材市場 S22209041河南安徽省亳州市中藥材市場

2 方法與結(jié)果

2.1 各批次丹參藥材NIRS的采集

取上述22批丹參藥材粉碎，過80目篩，40 ℃下干燥24 h后，均勻填充于近紅外光譜儀的樣品杯中，采用積分球漫反射測定。以空氣為參比，分辨率為8 cm?1，掃描次數(shù)64次，掃描范圍4000～10 000 cm?1，每個(gè)樣品測定3次，求平均光譜。

為了避免NIRS中存在的冗余信息對模型的干擾，在應(yīng)用NIRS數(shù)據(jù)前多對其進(jìn)行預(yù)處理及波長篩選[12-13]。本研究采用TQ Analyst軟件（版本9.5.0.76，美國Thermo Fisher公司）中自帶的標(biāo)準(zhǔn)正則變化（standard normal variate，SNV）和多元散射校正（multiplicative scatter correction，MSC）2種光程矯正方法組合一階導(dǎo)數(shù)（first derivative，1st）和二階導(dǎo)數(shù)（second derivative，2nd）2種光譜格式，共產(chǎn)生4種不同的預(yù)處理方式。此外還需將處理后的光譜數(shù)據(jù)采用S-G濾波平滑（Svaitzky-Golay smoothing）以消除導(dǎo)數(shù)引入的光譜噪音。

波長篩選方面，連續(xù)投影法（successive projections algorithm，SPA）能充分尋找含有最低限度的冗余信息的變量組，使得變量之間的共線性達(dá)到最小。同時(shí)能減少建模所用變量的個(gè)數(shù)，提高建模的速度和效率，故本研究采用連續(xù)投影法對預(yù)處理后的NIRS篩選波長。經(jīng)過篩選后共將預(yù)處理和波長篩選后的NIRS數(shù)據(jù)進(jìn)行主成分分析（principal component analysis，PCA），以主成分得分來反映藥材的質(zhì)量信息[14-15]，用于遺傳人工神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建。

為了對4種不同的預(yù)處理方法進(jìn)行篩選，本研究采用遺傳神經(jīng)網(wǎng)絡(luò)模型中訓(xùn)練集和驗(yàn)證集的最大決定誤差（maximum absolute erro，MAE）、決定系數(shù)（determination coefficient，2）及相關(guān)系數(shù)（correlation coefficient，）值確定預(yù)處理方法，以訓(xùn)練集和驗(yàn)證集MAE趨近與0、2、趨近與1為優(yōu)，其中神經(jīng)元數(shù)量選為6，主成分?jǐn)?shù)量選為2，具體數(shù)據(jù)見表2。根據(jù)表2，本研究決定采用SNV＋1st作為NIRS數(shù)據(jù)的預(yù)處理方法，其通過連續(xù)投影法篩選出的波長為4 072.92、4 420.05、4 481.76、 4 844.31、4 936.87、5 075.72、5 260.86、5 268.57、7 062.04、9 881.46 cm?1。除預(yù)處理方式外，主成分?jǐn)?shù)量也是一個(gè)需要考量的因素。主成分?jǐn)?shù)量越多，累計(jì)方差貢獻(xiàn)率越高，其能解釋的光譜信息也越多。但隨著主成分?jǐn)?shù)量增多，模型需輸入的變量也隨之增多，使得工藝尋優(yōu)的難度增大。

表2 預(yù)處理方法對訓(xùn)練集和驗(yàn)證集MAE、R2、r的影響

Table 2 Effect of pretreatment method on MAE, R2 and rof training data and testing data

預(yù)處理方法R2trainMAEtrainrtrainR2testMAEtestrtest 無預(yù)處理0.741 40.029 60.862 80.834 20.018 50.925 7 SNV＋1st0.995 60.001 90.997 80.968 30.012 90.991 8 SNV＋1st0.996 50.001 80.998 30.940 30.019 80.970 6 SMC＋2nd0.994 70.003 10.997 30.929 20.021 20.964 2 SMC＋2nd0.964 40.007 80.982 00.966 80.012 70.992 1

因此，本研究在選取主成分?jǐn)?shù)量時(shí)，采用不同主成分?jǐn)?shù)量所建立模型的MAE、2、3個(gè)指標(biāo)和累計(jì)方差貢獻(xiàn)率選擇主成分?jǐn)?shù)目，結(jié)果見表3。由表3可知，當(dāng)主成分?jǐn)?shù)量2個(gè)及以上時(shí)模型有較好擬合度，但考慮到主成分?jǐn)?shù)量對后續(xù)計(jì)算難度的影響，本研究最終選擇主成分?jǐn)?shù)量為2來反映藥材的質(zhì)量信息。此時(shí)PCA的累積方差貢獻(xiàn)率為72%，能反映大部分的NIRS數(shù)據(jù)信息。

2.2 不同批次丹參中8種成分含量測定的方法學(xué)考察

2.2.1 混合對照品溶液的制備 分別精密稱取丹參素、原兒茶醛、丹酚酸B、丹酚酸A、丹參酮I、隱丹參酮、丹參酮IIA、迷迭香酸對照品適量，加入80%甲醇制備成質(zhì)量濃度分別為0.340、0.110、3.100、0.340、0.300、0.560、0.400、0.260 mg/mL的對照品儲(chǔ)備液。精確吸取各對照品溶液適量，配制成8種成分質(zhì)量濃度分別為0.257、0.004、0.906、0.019、0.014、0.063、0.060、0.059 mg/mL的混合對照品溶液。

表3 主成分?jǐn)?shù)量對訓(xùn)練集和驗(yàn)證集MAE、R2、r的影響

Table 3 Effect of number of principal components on MAE, R2 and rof training data and testing data

主成分?jǐn)?shù)量累積方差貢獻(xiàn)率/%R2trainMAEtrainrtrainR2testMAEtestrtest 1430.938 90.010 60.968 90.900 40.024 30.949 0 2720.995 60.001 90.997 80.968 30.012 90.991 8 3860.995 70.002 80.997 80.968 00.013 10.996 5 4930.996 50.001 80.998 30.962 30.015 90.984 4

2.2.2 供試品溶液的制備 精密稱取干燥后的丹參粉末5 g（過五號篩），置于圓底燒瓶中，以1∶20的液料比精密加入70%乙醇，浸泡30 min后，在80 ℃下加熱回流90 min，放冷，濾過，續(xù)濾液移至250 mL量瓶中加70%乙醇定容，搖勻。為避免溶劑效應(yīng)，進(jìn)樣前取供試品0.5 mL與0.5 mL純水混合，過0.22 μm微孔濾膜。

2.2.3 色譜條件 色譜條件為Agilent Zorbax SB- C18色譜柱（250 mm×4.6 mm，5 μm）及Agilent Zorbax SB-C18保護(hù)柱（12.5 mm×4.6 mm，5 μm），流動(dòng)相為0.4%甲酸水溶液（A）-乙腈（B）-甲醇（C），梯度洗脫：0～8 min，93%～80% A，7%～20% B；8～22 min，80%～76% A，20%～24% B；22～28 min，76%～70% A，24%～30% B；28～33 min，70%～30% A，30%～40% B，0～30% C；33～51 min，30% A，40% B，30% C；51～60 min，30%～20% A，40%～50% B，30% C；60～65 min，20%～93% A，50%～7% B，30%～0 C；柱溫30 ℃；體積流量1.0 mL/min；進(jìn)樣量20 μL；檢測波長280 nm（丹參素、原兒茶醛、丹酚酸B、丹酚酸A、丹參酮I、隱丹參酮、丹參酮IIA）及330 nm（迷迭香酸）。色譜圖見圖1。

2.2.4 線性關(guān)系考察 取“2.2.1”項(xiàng)下混合對照品溶液，用80%甲醇逐級稀釋，得到梯度質(zhì)量濃度的混合對照品溶液，HPLC進(jìn)樣檢測，以峰面積（）對各對照品溶液質(zhì)量濃度（）繪制標(biāo)準(zhǔn)曲線，建立回歸方程，結(jié)果分別為丹參素＝8.812＋5.601，＝0.999 1，線性范圍0.513～25.660 μg/mL；原兒茶醛＝52.946＋3.290，＝0.999 3，線性范圍0.083～4.151 μg/mL；丹酚酸B＝18.784＋287.420，＝0.999 6，線性范圍18.113～906.660 μg/mL；丹酚酸A＝34.024＋2.571，＝0.999 4，線性范圍0.385～19.245 μg/mL；丹參酮I＝35.350＋6.594，＝0.999 2，線性范圍0.287～14.340 μg/mL；隱丹參酮＝57.383＋47.884，＝0.999 7，線性范圍1.268～63.396 μg/mL；丹參酮IIA＝66.310＋48.884，＝0.999 6，線性范圍1.207～60.337 μg/mL；迷迭香酸＝40.714＋50.197，＝0.999 5，線性范圍1.177～58.870 μg/mL。

2.2.5 精密度試驗(yàn) 取同一混合對照品溶液，按“2.2.3”項(xiàng)色譜條件檢測，連續(xù)進(jìn)樣6次，記錄峰面積，結(jié)果丹參素、原兒茶醛、丹酚酸B、丹酚酸A、丹參酮I、隱丹參酮、丹參酮IIA、迷迭香酸8個(gè)組分峰面積的RSD分別為2.17%、1.82%、2.00%、2.51%、1.28%、2.01%、1.92%、1.79%，表明儀器精密度良好。

1-丹參素 2-原兒茶醛 3-丹酚酸B 4-丹酚酸A 5-丹參酮I 6-隱丹參酮 7-丹參酮IIA 8-迷迭香酸

2.2.6 穩(wěn)定性試驗(yàn) 取同一供試品溶液（S20）分別于制備0、2、4、8、12、24 h后進(jìn)樣，按“2.2.3”項(xiàng)色譜條件檢測，記錄峰面積。結(jié)果丹參素、原兒茶醛、丹酚酸B、丹酚酸A、丹參酮I、隱丹參酮、丹參酮IIA、迷迭香酸8個(gè)組分峰面積的RSD值分別為2.80%、1.61%、1.73% 、1.98%、2.43%、1.29%、1.50%、1.62%，表明供試品溶液在24 h內(nèi)穩(wěn)定。

2.2.7 重復(fù)性試驗(yàn) 取相同批次的丹參粉末按“2.2.2”項(xiàng)方法平行制備6組供試品溶液，按“2.2.3”項(xiàng)色譜條件檢測，結(jié)果丹參素、原兒茶醛、丹酚酸B、丹酚酸A、丹參酮I、隱丹參酮、丹參酮IIA、迷迭香酸8個(gè)成分的質(zhì)量分?jǐn)?shù)分別是0.730、0.016、32.013、0.306、0.470、0.527、1.043、2.038 mg/g，其RSD分別為2.73%、2.21%、2.02%、2.43%、2.36%、1.63%、2.55%、1.67%，說明該方法重復(fù)性良好。

2.2.8 加樣回收率試驗(yàn) 取已測定8個(gè)成分質(zhì)量分?jǐn)?shù)的S20的丹參粉末0.5 g，精密加入與粉末中各成分等量的對照品溶液，按“2.2.2”項(xiàng)方法平行制備6份，按“2.2.3”項(xiàng)色譜條件檢測，結(jié)果丹參素、原兒茶醛、丹酚酸B、丹酚酸A、丹參酮I、隱丹參酮、丹參酮IIA、迷迭香酸8個(gè)成分的平均加樣回收率分別為98.10%、97.30%、99.30%、97.50%、96.70%、100.80%、103.50%、99.10%，RSD分別為2.98%、1.77%、1.81%、2.04%、2.77%、1.73%、2.01%、2.63%。

2.3 單因素實(shí)驗(yàn)

選取丹參藥材中的丹參素、原兒茶醛、丹酚酸B、丹酚酸A、丹參酮I、隱丹參酮、丹參酮IIA、迷迭香酸共8種有效成分作為丹參醇提液的控制對象。通過預(yù)試驗(yàn)發(fā)現(xiàn)8種成分隨提取條件變化的趨勢不盡相同，因此本研究通過熵權(quán)法賦權(quán)求綜合得分的方式來綜合評價(jià)各項(xiàng)提取工藝參數(shù)在單因素實(shí)驗(yàn)中對這8種成分的影響[16]。熵權(quán)法是一種通過計(jì)算各指標(biāo)信息熵反映其變異程度的賦權(quán)法，熵值越小，指標(biāo)變異程度越大，其權(quán)重也就越大。通過熵權(quán)法求得的綜合得分能反映出8種成分含量隨單因素水平變化的趨勢，進(jìn)而對單因素水平進(jìn)行篩選，其計(jì)算步驟如下。

第1步，將各項(xiàng)指標(biāo)的數(shù)據(jù)標(biāo)準(zhǔn)化，標(biāo)準(zhǔn)化公式如下，其中x表示第個(gè)樣品在第個(gè)指標(biāo)下的數(shù)據(jù)（＝1, 2, …,;＝1, 2, …,）。

x'＝(ij－min{1j，…，x})/(max{1j，…，x}－min{1j，…，x}) （1）

第2步，計(jì)算各樣品在第各指標(biāo)下的比重p。

（2）

第3步，計(jì)算各項(xiàng)指標(biāo)的熵值e。

（3）

第4步，計(jì)算第項(xiàng)指標(biāo)的信息冗余度d。

d＝1－e（4）

第5步，計(jì)算第項(xiàng)指標(biāo)的權(quán)重。

（5）

第6步，計(jì)算各單因素實(shí)驗(yàn)中的樣品的總得分。

（6）

精密稱取丹參粉末進(jìn)行提取，保持其他提取條件不變，分別考察提取時(shí)間、提取溫度、乙醇體積分?jǐn)?shù)、料液比、浸泡時(shí)間5個(gè)因素對丹參中8種有效成分的影響，經(jīng)熵權(quán)法計(jì)算后的綜合得分見表4。由表4可知，各提取工藝參數(shù)的最優(yōu)值分別為提取溫度90 ℃，提取時(shí)間90 min，浸泡時(shí)間30 min，乙醇體積分?jǐn)?shù)70%，料液比1∶30。

表4 各因素不同水平的綜合得分

Table 4 Comprehensive scores of different levels in single factor experiment

提取時(shí)間/min總得分提取溫度/℃總得分乙醇體積分?jǐn)?shù)/%總得分料液比總得分浸泡時(shí)間/min總得分 300.267600.130500.3631∶100.03800.000 600.279700.180600.7591∶200.388300.910 900.783800.684700.8861∶300.755450.761 1200.700900.814800.5661∶400.739600.833 1500.4321000.308900.3651∶500.687750.860

2.4 不同批次丹參各成分含量的測定

選取單因素實(shí)驗(yàn)中各工藝參數(shù)的最優(yōu)點(diǎn)為提取條件，測定不同批次丹參提取液在同一提取條件下各成分的含量。為了直觀地反映不同批次丹參之間有效成分的含量差異，為后續(xù)實(shí)驗(yàn)設(shè)計(jì)選擇批次提供依據(jù)，將丹參中水溶性成分和脂溶性成分兩大類分別進(jìn)行熵權(quán)法賦權(quán)，計(jì)算總得分，見圖2。

圖2橫坐標(biāo)代表丹參中水溶性成分經(jīng)熵權(quán)法賦權(quán)后計(jì)算的總得分（丹參素、迷迭香酸、原兒茶醛、丹酚酸B、丹酚酸A），縱坐標(biāo)代表丹參中脂溶性成分（丹參酮IIA、隱丹參酮、丹參酮I）經(jīng)熵權(quán)法賦權(quán)后計(jì)算的總得分。

圖2中不難看出S9（水溶性成分含量低而脂溶性成分含量極高），S22、S13（水溶性成分高而脂溶性成分極低），S11（水溶性成分極高）4個(gè)樣本偏離中心區(qū)域較遠(yuǎn)。由于前饋控制是通過改變提取條件對提取液質(zhì)量進(jìn)行影響的，在提取液質(zhì)量滿足一定的條件下，前饋控制起到的效果是有限的，遠(yuǎn)不足以彌補(bǔ)這4個(gè)批次藥材本身質(zhì)量與其他批次的差異，因此這4個(gè)批次將不納入代表批次的選擇范圍。選擇分布較為分散但未與其他批次差異過大的4個(gè)批次S8、S10、S19、S21作為I-最優(yōu)實(shí)驗(yàn)設(shè)計(jì)的分類變量進(jìn)行后續(xù)實(shí)驗(yàn)設(shè)計(jì)。4個(gè)批次各成分含量見表5。

圖2 各組丹參水溶性成分和脂溶性成分得分分布圖

2.5 I-最優(yōu)實(shí)驗(yàn)設(shè)計(jì)

最優(yōu)實(shí)驗(yàn)設(shè)計(jì)是一種靈活的實(shí)驗(yàn)設(shè)計(jì)方法，可以用于不規(guī)則設(shè)計(jì)、含分類因素的設(shè)計(jì)和自定義模型設(shè)計(jì)[17]。本實(shí)驗(yàn)選用I-最優(yōu)實(shí)驗(yàn)設(shè)計(jì)，依據(jù)單因素實(shí)驗(yàn)的結(jié)果選取提取溫度、提取時(shí)間、乙醇濃度為變量，選擇S8、S10、S19、S21 4個(gè)批次作為分類變量，以TOPSIS分析的結(jié)果為響應(yīng)值進(jìn)行I-最優(yōu)實(shí)驗(yàn)設(shè)計(jì)，結(jié)果見表6。

表5 4個(gè)批次丹參的8種成分含量

Table 5 Contents of eight components in four batches of S. Miltiorrhiza

批次質(zhì)量分?jǐn)?shù)/(mg?mL?1) 丹參素原兒茶醛丹酚酸B丹酚酸A丹參酮I隱丹參酮丹參酮IIA迷迭香酸 S81.1030.02034.6490.5140.5260.8860.9891.537 S101.3960.04035.9560.9530.3300.8231.6551.662 S191.4200.02931.5200.6320.3600.4260.9952.216 S211.0520.02729.0480.5140.2310.7241.2361.156 RSD/%15.4427.769.5031.8133.9228.4725.6526.72

表6 丹參提取過程的I-最優(yōu)實(shí)驗(yàn)設(shè)計(jì)

Table 6 I-optimal design and results of extraction process of S. miltiorrhiza

試驗(yàn)號提取溫度/℃提取時(shí)間/min乙醇/%批次Q值試驗(yàn)號提取溫度/℃提取時(shí)間/min乙醇/%批次Q值 110012080S80.675178012080S210.584 28012070S190.661181006060S210.515 38012060S100.684198012070S80.606 41009080S210.616209012070S100.521 5909070S210.614211009060S190.583 6906070S100.5512210012080S190.593 7909080S210.57723806070S210.501 8909060S210.4902410012060S210.538 9909060S210.5502510012060S80.858 10809060S190.575261009070S80.719 11906080S80.52727806060S80.578 1210012070S210.59928906070S100.731 138012070S80.59529909070S190.651 141009060S100.60430809080S100.665 15906080S190.612311009070S80.693 161006080S100.604329012070S100.501

2.6 前饋控制

前饋控制作為一種開環(huán)的控制系統(tǒng)，其應(yīng)用于中藥領(lǐng)域首先需表征物料信息，將物料與物料之間的差異數(shù)值化，使得物料變化對關(guān)鍵質(zhì)量屬性的影響可以在建立的數(shù)學(xué)模型中表達(dá)出來[18]。然后在多個(gè)批次中收集工藝參數(shù)對最終產(chǎn)品關(guān)鍵質(zhì)量屬性影響的數(shù)據(jù)，建立生產(chǎn)參數(shù)、物料信息2部分?jǐn)?shù)據(jù)為自變量，關(guān)鍵質(zhì)量屬性為因變量的回歸模型。最終需要對某一批次的關(guān)鍵質(zhì)量屬性進(jìn)行控制時(shí)，依據(jù)相應(yīng)的物料信息，調(diào)整可控的生產(chǎn)參數(shù)，使得關(guān)鍵質(zhì)量屬性達(dá)到控制目標(biāo)[19]。

中藥中成分復(fù)雜，一旦需要關(guān)注的成分增多則構(gòu)建相應(yīng)設(shè)計(jì)空間的難度也隨之增加。因此本研究采用TOPSIS法評價(jià)丹參提取液中8種成分含量，計(jì)算后的得分能綜合反映提取液中各成分含量距離理想解的接近程度，該綜合得分越大則該組提取液中各成分含量越接近于理想解。依據(jù)“2.1”項(xiàng)NIRS數(shù)據(jù)和“2.5”項(xiàng)I-最優(yōu)實(shí)驗(yàn)設(shè)計(jì)數(shù)據(jù)建立以近紅外數(shù)據(jù)，提取工藝為自變量，丹參提取液中各成分含量經(jīng)TOPSIS法計(jì)算的綜合得分為因變量的人工神經(jīng)網(wǎng)絡(luò)模型。將建立的模型用于前饋控制中，根據(jù)各批次丹參的近紅外數(shù)據(jù)調(diào)整提取工藝，使得各批次的綜合得分均有最大值，此過程中各批次丹參提取液成分的含量均向理想解靠近，進(jìn)而減少各批次提取液之間的質(zhì)量差異且滿足一定的質(zhì)量要求。本實(shí)驗(yàn)應(yīng)用的TOPSIS法具體步驟如下[20]。

第1步，設(shè)定各成分的理想解（best），本研究best設(shè)定為所選擇4個(gè)批次在“2.4”項(xiàng)下測得數(shù)據(jù)的平均值，根據(jù)控制目標(biāo)將原始數(shù)據(jù)正向化，公式如下。

x'＝1－|x－best|/，＝max{|x－best|} （7）

第2步，將正向化的數(shù)據(jù)標(biāo)準(zhǔn)化，標(biāo)準(zhǔn)化公式如下。

x"＝(x'－max)/(max－min) （8）

設(shè)共有個(gè)評價(jià)指標(biāo)，個(gè)評價(jià)對象，則標(biāo)準(zhǔn)化后的數(shù)據(jù)矩陣為

（9）

第3步，確定最佳理想解+和最差理想解?，最佳理想解+由每列指標(biāo)中的最大值組成，最差理想解?由每列指標(biāo)中的最小值組成。

+＝(max{11…x"1},…, max{1m…x"})＝(1+…Z+)（10）

?＝(min{11…x"1},…, min{1m…x"})＝(1?…Z?)（11）

第4步，計(jì)算各評價(jià)對象最佳理想解+和最差理想解?的距離，其中D+和D?分別表示評價(jià)指標(biāo)距離最佳理想解+和最差理想解?的距離。

（12）

第5步，計(jì)算接近程度（），為各評價(jià)對象距離最佳方案的貼近程度，值越貼近1表示評價(jià)對象距離理想解越近，值越貼近0表示評價(jià)對象距理想解遠(yuǎn)。

＝D?/(D+＋D?) （13）

2.6.1 遺傳神經(jīng)網(wǎng)絡(luò)模型的建立 遺傳神經(jīng)網(wǎng)絡(luò)是利用遺傳算法找出神經(jīng)網(wǎng)絡(luò)的權(quán)重和閾值的數(shù)學(xué)模型，同時(shí)具備神經(jīng)網(wǎng)絡(luò)非線性擬合能力強(qiáng)和遺傳算法收斂速度快和全局性好的優(yōu)點(diǎn)，在中藥提取工藝優(yōu)化方面已有較多的應(yīng)用[21-22]。

本研究遺傳神經(jīng)網(wǎng)絡(luò)模型由MATLAB（版本2016a，美國MathWorks公司）完成，采用提取工藝（乙醇體積分?jǐn)?shù)、提取時(shí)間、提取溫度）和物料信息（近紅外主成分得分）為輸入變量，最優(yōu)實(shí)驗(yàn)設(shè)計(jì)中各組經(jīng)TOPSIS法計(jì)算后的結(jié)果為輸出變量，隨機(jī)抽取I-最優(yōu)實(shí)驗(yàn)設(shè)計(jì)中的29組為訓(xùn)練集，剩余3組為測試集訓(xùn)練模型。

隱藏層神經(jīng)元數(shù)目是決定模型優(yōu)劣的一個(gè)重要因素，隱藏層數(shù)目過少則擬合效果差，數(shù)目多則模型容易出現(xiàn)“過擬合”現(xiàn)象，因此采用與“2.1”項(xiàng)中篩選近紅外數(shù)據(jù)預(yù)處理方法相同的方法即模型的MAE、2、值對神經(jīng)元數(shù)目進(jìn)行篩選，具體數(shù)據(jù)見表7，可知神經(jīng)元數(shù)目為6個(gè)時(shí)最優(yōu)。模型預(yù)測值與實(shí)測值誤差分析如圖3所示，由圖可知模型的預(yù)測值和實(shí)測值基本一致，模型擬合效果良好。

表7 神經(jīng)元數(shù)量對的訓(xùn)練集和驗(yàn)證集MAE、R2、r的影響

Table 7 Effect of number of hidden neurons on MAE, R and rof training data and testing data

神經(jīng)元數(shù)目R2trainMAEtrainrtrainR2testMAEtestrtest 30.715 50.026 30.845 90.924 10.019 80.990 9 40.990 00.006 50.995 00.899 70.023 30.951 5 50.995 60.001 90.997 80.957 70.016 70.983 5 60.995 60.001 90.997 80.968 30.012 90.991 8 70.995 60.001 90.997 80.955 40.017 20.980 1 80.995 60.001 90.997 80.958 80.016 50.982 6

圖3 模型預(yù)測值與實(shí)測值誤差分析

2.6.2 前饋控制的實(shí)施及驗(yàn)證 基于所建立的遺傳神經(jīng)網(wǎng)絡(luò)模型，采用遺傳算法對設(shè)定的4個(gè)批次丹參的提取工藝參數(shù)進(jìn)行優(yōu)化[23-24]，算法流程見圖4。設(shè)定種群大小為1000，迭代次數(shù)為200，使得相應(yīng)的醇提液的TOPSIS綜合得分值最大，尋優(yōu)結(jié)果為S8：提取溫度98 ℃，提取時(shí)間115 min，乙醇體積分?jǐn)?shù)73%；S10：提取溫度81 ℃，提取時(shí)間120 min，乙醇體積分?jǐn)?shù)60%；S19：提取溫度80 ℃，提取時(shí)間120 min，乙醇體積分?jǐn)?shù)79%；S21：提取溫度99 ℃，提取時(shí)間94 min，乙醇體積分?jǐn)?shù)79%，模型的預(yù)測值及實(shí)際測定值見表8。

圖4 遺傳算法優(yōu)化工藝流程圖

為了直觀地表示參與前饋控制前后批次有效成分含量的變化，仍將丹參分水溶性成分和脂溶性成分2大類進(jìn)行按“2.4”項(xiàng)下權(quán)重賦權(quán)，計(jì)算各自總得分，以散點(diǎn)圖的形式呈現(xiàn)，見圖5。由圖5不難看出4個(gè)批次丹參藥材的醇提液經(jīng)前饋控制后與未進(jìn)行前饋控制的相比，水溶性成分和脂溶性成分得分分布明顯更加集中，且向目標(biāo)值靠攏。從具體數(shù)據(jù)方面分析，比較“2.4”項(xiàng)表5與“2.6.2”項(xiàng)表8可以看出，4個(gè)批次中8種有效成分的RSD值均有下降，RSD的平均值從24.9%降到了13.5%，表明前饋控制效果良好，提取液質(zhì)量一致性得到了提升。若是按照理想解中各成分含量±10%作為可接受范圍，則4個(gè)批次丹參中8種有效成分含量不達(dá)標(biāo)百分比由“2.4”項(xiàng)中占總數(shù)的72%降到了38%，表明前饋控制對提取液中各成分含量起到了控制效果。

S8、S10、S21丹參提取液的最優(yōu)值均達(dá)到0.7以上，表明已經(jīng)與理想解較為接近，而S19的最優(yōu)值最大僅為0.552，仍與理想解有一定距離。從圖5可以看出S19前饋控制前后與理想解均有一定的差距，且主要差距是脂溶性成分方面。具體到成分來看，無論是前饋控制前的表6中還是前饋控制后的表8中S19批次提取液中隱丹參酮含量與理想解均有較大差距，可能是該批次藥材本身隱丹參酮含量較低所致。

表8 驗(yàn)證性實(shí)驗(yàn)結(jié)果

Table 8 Results of experiments for verification

批次質(zhì)量濃度/(mg?mL?1)Q 丹參素原兒茶醛丹酚酸B丹酚酸丹參酮隱丹參酮丹參酮迷迭香酸實(shí)際值預(yù)測值 S81.2870.03130.7920.6570.4380.7541.1971.3870.7700.783 S101.1310.03232.2210.5970.2380.6911.2991.4860.7550.723 S191.3630.03028.9580.5940.4200.4031.0192.0540.5520.567 S211.2050.03530.4990.6330.4410.7541.3601.3750.7160.681 RSD/%8.066.754.374.7325.4925.7712.2420.68 xbest (1±10%)1.243±0.1240.029±0.00332.793±3.2780.653±0.0630.362±0.0360.715±0.7201.219±0.1221.643±0.164

圖5 前饋控制前后對比圖

3 討論

中藥有多成分多靶點(diǎn)的特點(diǎn)，將前饋控制應(yīng)用于中藥提取過程中需要綜合考量各有效成分，以達(dá)到減少批次變化帶來的提取液質(zhì)量浮動(dòng)為目的。本研究使用TOPSIS法綜合考量丹參提取液中8種有效成分的含量，建立了提取工藝和NIRS數(shù)據(jù)為自變量，提取液有效成分含量為因變量的人工神經(jīng)網(wǎng)絡(luò)模型，最終根據(jù)各批次丹參的近紅外數(shù)據(jù)調(diào)整相應(yīng)的提取工藝。結(jié)果表明此模式不僅減少了不同批次藥材提取液之間有效成分的含量差異，且對它們的具體含量進(jìn)行了一定的控制，實(shí)現(xiàn)了以中藥提取液多種有效成分含量為目標(biāo)的均化，為中藥均化方面研究提供參考。

藥材中有效物質(zhì)的提取是中成藥加工生產(chǎn)過程中的關(guān)鍵工序，提取物的質(zhì)量優(yōu)劣與最終產(chǎn)品質(zhì)量休戚相關(guān)。但中藥材質(zhì)量往往難以保持一致，使得其相應(yīng)的提取物質(zhì)量也參差不齊。針對提取過程建立前饋控制模型，則可對中藥材質(zhì)量波動(dòng)產(chǎn)生的提取物質(zhì)量差異進(jìn)行補(bǔ)償，減少提取液之間的質(zhì)量差異。前饋控制模型一旦建立，只需依據(jù)模型改變提取工藝，便可提升中藥產(chǎn)品的質(zhì)量一致性。但是需要注意的是前饋控制不能完全消除原料帶來的產(chǎn)品質(zhì)量差異，其僅可作為中藥質(zhì)量控制的一部分。在對原料進(jìn)行一定篩選的前提下[25]，通過前饋控制對提取物進(jìn)行控制，才能得到具有較好質(zhì)量一致性的中藥產(chǎn)品。

利益沖突 所有作者均聲明不存在利益沖突

[1] 黃贊揚(yáng), 王亞靜, 祁東利, 等. 基于質(zhì)量源于設(shè)計(jì)理念構(gòu)建多糖組分干法制粒前饋控制模型 [J]. 中國實(shí)驗(yàn)方劑學(xué)雜志, 2022, 28(4): 130-137.

[2] 嚴(yán)斌俊, 郭正泰, 瞿海斌, 等. 前饋控制方法及其在丹紅注射液醇沉工藝品質(zhì)提升中的應(yīng)用 [J]. 中國中藥雜志, 2013, 38(11): 1667-1671.

[3] 李瑤瑤, 張凱旋, 熊皓舒, 等. 基于質(zhì)量源于設(shè)計(jì)的復(fù)方丹參滴丸混合工藝前饋控制方法研究 [J]. 中國中藥雜志, 2021, 46(11): 2816-2823.

[4] 王曉宇, 李文龍, 瞿海斌. 基于藥材光譜數(shù)據(jù)的前饋控制技術(shù)在三七醇提過程中的應(yīng)用研究 [J]. 中國中藥雜志, 2018, 43(15): 3127-3134.

[5] Sun Y F, Kmonickova E, Han R L,. Comprehensive evaluation of wildfrom different geographical origins by TOPSIS method based on the macroscopic infrared spectroscopy (IR) fingerprint [J]., 2019, 214: 252-260.

[6] 周欣, 陳麗燕, 陳曉東, 等. 不同酸劑誘導(dǎo)人工沉香的分析與評價(jià) [J]. 中國中藥雜志, 2017, 42(16): 3159- 3166.

[7] 李運(yùn), 張霽, 徐福榮, 等. 多指標(biāo)決策分析TOPSIS對三七的質(zhì)量評價(jià)研究 [J]. 中草藥, 2017, 48(22): 4764- 4771.

[8] 張志鵬, 鄧?yán)罴t, 李美洲, 等. 基于化學(xué)模式識別和熵權(quán)TOPSIS法分析槐角不同部位的差異 [J]. 中藥材, 2021, 43(6): 1413-1419.

[9] 中國藥典 [S]. 一部. 2020: 77.

[10] Yang N Z, Ju A C, Li X,. Salvianolate injection in the treatment of acute cerebral infarction: A systematic review and a meta-analysis [J].2018, 97(47): e12374.

[11] Du H X, He Y, Pan Y J,. Danhong Injection attenuates cerebral ischemia-reperfusion injury in rats through the suppression of the neuroinflammation [J]., 2021, 12: 561237.

[12] 宋僑. 近紅外光譜技術(shù)在馬應(yīng)龍麝香痔瘡膏質(zhì)量控制中應(yīng)用研究 [D]. 武漢: 湖北中醫(yī)藥大學(xué), 2020.

[13] Ni L J, Zhang F F, Han M Y,. Qualitative analysis of the roots ofandbased on NIR, UHPLC and LC-MS-MS [J]., 2019, 170: 295-304.

[14] Henriksen H C, N?s T, R?dbotten R,. Simultaneous modelling of process variables and raw material properties as measured by NIR. A case study from cellulose production [J]., 2005, 77(1/2): 238-246.

[15] 李文龍, 劉紹勇, 薛東升, 等. 一種基于近紅外光譜技術(shù)的熊膽粉粗提物洗滌工藝優(yōu)化方法 [J]. 中國中藥雜志, 2014, 39(1): 75-79.

[16] 陳光瑋, 金偉鋒, 許守超, 等. 球面對稱設(shè)計(jì)結(jié)合遺傳神經(jīng)網(wǎng)絡(luò)優(yōu)選黃芪-紅花藥對水提工藝 [J]. 中草藥, 2021, 52(8): 2257-2266.

[17] Smucker B, Krzywinski M, Altman N. Optimal experimental design [J]., 2018, 15(8): 559-560.

[18] 王曉宇, 李文龍, 瞿海斌. 前饋控制技術(shù)研究進(jìn)展及其在中藥質(zhì)控中的應(yīng)用展望 [J]. 中草藥, 2017, 48(21): 4560-4564.

[19] Yan B J, Li Y, Guo Z T,. Quality by design for herbal drugs: A feedforward control strategy and an approach to define the acceptable ranges of critical quality attributes [J]., 2014, 25(1): 59-65.

[20] 劉書斌, 張宏武, 馮曉莉, 等. 基于AHP法優(yōu)化的熵權(quán)TOPSIS模型對不同產(chǎn)地黃花菜藥材質(zhì)量的綜合評價(jià) [J]. 中國實(shí)驗(yàn)方劑學(xué)雜志, 2019, 25(6): 168-174.

[21] 黃鵬程, 金偉鋒, 萬海同, 等. 遺傳神經(jīng)網(wǎng)絡(luò)與遺傳算法優(yōu)選黃芪皂苷微波提取工藝條件 [J]. 中草藥, 2019, 50(16): 3815-3823.

[22] 吳思佳, 金偉鋒, 王航, 等. 基于遺傳神經(jīng)網(wǎng)絡(luò)的雙目標(biāo)甘草提取工藝優(yōu)化 [J]. 中華中醫(yī)藥雜志, 2019, 34(4): 1719-1721.

[23] 石磊, 高衛(wèi)紅, 呂莉莉, 等. 基于BP人工神經(jīng)網(wǎng)絡(luò)和遺傳算法的葛根總黃酮提取工藝優(yōu)化研究 [J]. 中國中醫(yī)急癥, 2018, 27(2): 198-201.

[24] 尹斐, 楊潔紅, 方雨晨, 等. 基于2種分析方法的補(bǔ)陽還五湯中有效成分提取工藝優(yōu)化研究 [J]. 中草藥, 2018, 49(1): 135-141.

[25] 鐘文, 陳莎, 章軍, 等. 重點(diǎn)是原料, 還是工藝?——以葛根芩連湯為例探討中成藥質(zhì)量一致性控制方法 [J]. 中國中藥雜志, 2016, 41(6): 1027-1032.

Application of feedforward control based TOPSIS method to homogenize alcohol extraction process of

CHEN Zhao-yu, JIN Wei-feng, WAN Hai-tong, HE Yu

College of Pharmaceutical Sciences, Zhejiang Chinese Medical University, Hangzhou 311402, China

The feedforward control based on the technique for order preference by similarity to an ideal solution (TOPSIS) method is used to homogenize alcohol extracts of different batches of Danshen ()Firstly, the near-infrared diffuse reflectance spectra ofwere obtained. Then a high-performance liquid chromatography method had been developed for the simultaneous quantification of eight active components (danshensu, protocatechualdehyde, salvianolic acid B, salvianolic acid A, tanshinone I, cryptotanshinone, tanshinone IIA, rosmarinic acid) contained in alcohol extracts ofOn the basis of single factor experiment and content determination experiment, extraction time, extraction temperature, ethanol concentration were take as numerical factors, the batch was take as categorical factors, eight control targets in the alcohol extract which were comprehensively evaluated by TOPSIS method was taken as response of I-optimal experimental design for the experiment. Finally, a genetic neural network model which reflected the relationship between near-infrared data, process parameters and the effective components was established. Based on the established model, the extraction process was adjusted according to the near-infrared data to decrease the difference in eight active components caused by batch change.Based on the established models, extraction conditions were optimized according to near-infrared data. The RSD value of each component content in alcohol extract ofwas reduced from 24.9% to 13.5%.The feedforward control based on the TOPSIS method has ability to improve the quality and consistency of the alcohol extract ofIt provides a reference for research on the homogenization of Chinese medicine extraction process.

feedforward control;TOPSIS method;Bge.; genetic neural network; near infrared spectroscopy; homogenization of traditional Chinese medicine; danshensu; protocatechualdehyde; salvianolic acid B; salvianolic acid A; tanshinone I; cryptotanshinone; tanshinone IIA; rosmarinic acid

R283.6

A

0253 - 2670(2022)08 - 2302 - 10

10.7501/j.issn.0253-2670.2022.08.006

2021-11-04

國家自然科學(xué)基金資助項(xiàng)目（81873226）；國家科技重大專項(xiàng)重大新藥創(chuàng)制（2019ZX09301101）；浙江省“萬人計(jì)劃”科技創(chuàng)新領(lǐng)軍人才項(xiàng)目（2019）

陳兆昱，碩士研究生，主要從事中藥有效成分提取分離方面研究。E-mail: 13626535279@163.com

何 昱，教授，博士生導(dǎo)師。Tel: (0571)61768145 E-mail: heyu0923@sina.com

[責(zé)任編輯 鄭禮勝]