段曉婷，馮杰明，黃俊斌，洪慶龍，王彥波，許代松

（廣東一方制藥有限公司/廣東省中藥配方顆粒企業(yè)重點(diǎn)實(shí)驗(yàn)室，廣東 佛山 528244）

陳皮為蕓香科植物橘Citrus reticulataBlanco及其栽培變種的干燥成熟果皮，具有理氣健脾、燥濕化痰的功效[1]。陳皮主要化學(xué)成分為揮發(fā)油、黃酮類和生物堿[2]。黃酮類化合物具有多種生物活性，如抗痙攣、抗炎或抗菌活性。其中，橙皮苷是最主要活性成分之一。因此，橙皮苷含量是陳皮質(zhì)量控制的重要指標(biāo)[3-4]。

陳皮配方顆粒由陳皮飲片經(jīng)水提、濃縮、干燥、制粒而成，相對(duì)于傳統(tǒng)湯劑而言，使用、調(diào)配更為方便。由于產(chǎn)地、種源、藥材質(zhì)量等因素的影響，陳皮配方顆粒的產(chǎn)品質(zhì)量存在一定的波動(dòng)，為保證產(chǎn)品質(zhì)量的穩(wěn)定，應(yīng)對(duì)中間產(chǎn)品物料及時(shí)進(jìn)行質(zhì)量監(jiān)控。陳皮配方顆粒質(zhì)量標(biāo)準(zhǔn)將橙皮苷作為質(zhì)量評(píng)價(jià)指標(biāo)，藥典規(guī)定的含量測定檢測方法操作復(fù)雜，分析周期長，適于產(chǎn)品檢驗(yàn)，但難以適應(yīng)生產(chǎn)過程的現(xiàn)場檢測需求。近紅外光譜（Near Infrared Spectroscopy,NIRS）技術(shù)是近年來發(fā)展迅速的一種高效的現(xiàn)代分析技術(shù)，具有無損、高效、快速、無污染、結(jié)果準(zhǔn)確等優(yōu)點(diǎn)[5-6]，已廣泛應(yīng)用于中藥的真?zhèn)舞b別、含量測定以及在線監(jiān)控等方面[7-9]。目前尚未見有關(guān)近紅外分析方法應(yīng)用于陳皮提取物質(zhì)量檢測的文獻(xiàn)報(bào)道。本研究以陳皮飲片經(jīng)水提取、濃縮、干燥制得陳皮提取物作為研究對(duì)象，以水分、橙皮苷、浸出物作為評(píng)價(jià)指標(biāo)，建立NIRS 模型，達(dá)到在線質(zhì)量監(jiān)控的目的，為其生產(chǎn)過程質(zhì)量監(jiān)控提供借鑒意義。

1 儀器與試藥

1.1 儀器

TANGO-R 近紅外光譜儀（德國Bruker 公司），配備積分球漫反射檢測器及OPUS 7.5分析軟件。

1.2 試藥

110 批陳皮提取物（廣東一方制藥有限公司），為2021 年和2022 年生產(chǎn)批次。橙皮苷對(duì)照品（批號(hào)：110721～202019，質(zhì)量分?jǐn)?shù)95.3%）購自中國食品藥品檢定研究院。

2 方法與結(jié)果

2.1 水分測定

取陳皮提取物約2 g，采用烘干法（《中國藥典》2020年版四部通則0832）測定。

2.2 含量測定

橙皮苷含量照高效液相色譜法（《中國藥典》2020 年版四部通則0512）測定。取陳皮提取物約0.2 g，精密稱定，置具塞錐形瓶中，精密加入甲醇50 mL，稱定質(zhì)量，超聲處理（功率300 W，頻率40 kHz）30 min，放冷，再稱定質(zhì)量，用甲醇補(bǔ)足減失的質(zhì)量，搖勻，濾過，取續(xù)濾液，即得供試品溶液。取橙皮苷對(duì)照品適量，精密稱定，加甲醇制成每1 mL含0.1 mg 的溶液，即得對(duì)照品溶液。色譜條件：以十八烷基硅烷鍵合硅膠為填充劑；以甲醇-醋酸-水（35∶4∶61）為流動(dòng)相；檢測波長為283 nm。在上述色譜條件下，分別精密吸取對(duì)照品溶液與供試品溶液各10 μL，注入液相色譜儀，測定。

2.3 浸出物測定

取陳皮提取物約2 g，精密稱定，精密加入乙醇100 mL，照醇溶性浸出物測定法（《中國藥典》2020年版通則2201）項(xiàng)下的熱浸法測定。

2.4 指標(biāo)成分測定結(jié)果

110 批樣品中水分含量的變化范圍為4.1%～6.7%，橙皮苷含量的變化范圍為6.5～10.3 mg/g，浸出物變化范圍為35.33%～55.80%。

2.5 近紅外光譜的采集

取混合均勻的樣品裝入光譜采集樣品瓶內(nèi)，用積分球漫反射系統(tǒng)采集近紅外光譜。采集條件：以儀器內(nèi)置背景為參比，掃描范圍12 000～4 000 cm-1，分辨率8 cm-1，掃描次數(shù)64 次，每批樣品重復(fù)測量2次，110批樣品共得220張光譜（圖1）。

圖1 陳皮提取物原始NIRS圖Figure 1 Original NIRS of Citri Reticulatae Pericarpium extract

2.6 模型性能評(píng)價(jià)指標(biāo)

采用OPUS 7.5分析軟件建立模型，運(yùn)用偏最小二乘回歸法（PLSR）建立陳皮提取物水分、橙皮苷、浸出物3個(gè)組分的定量模型，選擇合適的光譜范圍及光譜預(yù)處理方法，通過交叉驗(yàn)證的決定系數(shù)（R2）、交叉驗(yàn)證均方差（RMSECV）考察模型性能，以R2無限趨近于1，RMSECV越小，評(píng)價(jià)模型性能越好。將陳皮提取物驗(yàn)證集樣品的近紅外圖譜導(dǎo)入建立的定量模型中，預(yù)測各組分的含量，驗(yàn)證所建定量模型的預(yù)測性能。采用相對(duì)平均偏差、預(yù)測均方差（RMSEP）評(píng)價(jià)模型的預(yù)測性能。參數(shù)公式定義如下：

2.7 近紅外定量模型的建立

110批樣品中，將89批樣品選入校正集，用于建模，剩余21 批樣品劃入驗(yàn)證集。89 批樣品，每批樣品的2 張光譜用于建立模型，以增加所建模型的耐用性。采用近紅外OPUS 7.5 分析軟件建立校正模型，采用化學(xué)計(jì)量法將上述樣品經(jīng)掃描所得的光譜圖和檢驗(yàn)測得的水分、橙皮苷、浸出物含量值進(jìn)行分析，選定光譜影響值和化學(xué)值誤差，剔除測定的異常值，軟件計(jì)算后得出的模型比較RMSECV和R2的大小。

2.7.1 光譜預(yù)處理及波段選擇 采用OPUS 7.5 分析軟件，取178 張校正集光譜的全波長12 000 ～4 000 cm-1光譜數(shù)據(jù)，選擇5 種預(yù)處理方法，包括一階導(dǎo)數(shù)+MSC，一階導(dǎo)數(shù)+矢量歸一化（SNV），一階導(dǎo)數(shù)，多元散射校正，矢量歸一化（SNV），比較5 種不同預(yù)處理方法對(duì)模型性能的影響，結(jié)果見表1。結(jié)果顯示，水分、橙皮苷、浸出物定量模型選用一階導(dǎo)數(shù)+矢量歸一化（SNV）的光譜預(yù)處理方法，所得的模型RMSECV 值最小且R2越接近1。經(jīng)方法預(yù)處理后的光譜見圖2。

表1 陳皮提取物3種指標(biāo)模型在不同預(yù)處理方法下的模型參數(shù)Table 1 Model parameters of models of three indexes of Citri Reticulatae Pericarpium extract under different pretreatment methods

圖2 建模樣品經(jīng)一階導(dǎo)數(shù)+矢量歸一化（SNV）預(yù)處理后的NIRS光譜Figure 2 NIRS spectra of modeling samples after first derivative+vector normalization（SNV）pretreatment

結(jié)合OPUS 7.5 軟件自動(dòng)優(yōu)化的結(jié)果，通過比較不同建模譜段對(duì)模型性能的影響，最終選擇水分、橙皮苷、浸出物模型的建模譜段分別為9 403.1～4 595.4 cm-1；6 105.6 ～5 444.3 cm-1；9 403.1 ～7 493.1 cm-1、6 105.5～5 444.3 cm-1、4 422～4 244.5 cm-1。

2.7.2 NIRS 定量模型的建立 通過近紅外OPUS 7.5 分析軟件，選擇合適的預(yù)處理方法，以89 批樣品作為校正集，21 批樣品作為驗(yàn)證集。運(yùn)用偏最小二乘法建立NIRS 定量校正模型，其預(yù)測值與實(shí)測值相關(guān)圖見圖3。

圖3 NIRS定量校正模型預(yù)測值與實(shí)測值相關(guān)圖Figure 3 Correlation between the predicted and measured values of NIRS quantitative correction model

2.8 NIRS定量模型的驗(yàn)證

2.8.1 準(zhǔn)確性 為了確定所建模型的適用性，選取21批驗(yàn)證集樣品的42張光譜導(dǎo)入所建的NIRS定量模型中，預(yù)測其水分、橙皮苷、浸出物3種指標(biāo)成分的含量值，并與法定檢驗(yàn)方法結(jié)果作比較，結(jié)果見表2。結(jié)果表明NIRS預(yù)測值與實(shí)測值均較為接近，相對(duì)平均偏差分別為0.07、0.06、0.07，均在0.1以內(nèi)，RMSEP分別為0.30、0.56、0.96，評(píng)價(jià)為模型預(yù)測性能良好。

表2 21批樣品NIRS預(yù)測值與實(shí)測值比較Table 2 Comparison of NIRS predicted values and measured values of 21 batches of samples

2.8.2 精密度 取同一陳皮提取物樣品重復(fù)6 次采集光譜，將所得近紅外光譜代入NIRS 定量校正模型進(jìn)行預(yù)測分析，所得水分、橙皮苷、浸出物的含量預(yù)測值的RSD 值分別為0.37%、0.74%、0.12%，表明所建NIRS分析方法精密度較好。

2.8.3 重復(fù)性 取同一批次的陳皮提取物樣品6份，在相同光譜采集條件下分別采集光譜1 次，將所得近紅外光譜代入建立的NIRS 定量校正模型進(jìn)行預(yù)測分析，所得水分、橙皮苷、浸出物含量預(yù)測值的RSD 值分別為0.35%、1.16%、0.13%，表明所建NIRS分析方法重復(fù)性良好。

3 討論

中藥質(zhì)量控制與質(zhì)量標(biāo)準(zhǔn)的建立是中醫(yī)藥發(fā)展的關(guān)鍵，獲取質(zhì)量有保證的產(chǎn)品是中藥商品化的前提。將NIRS 技術(shù)應(yīng)用于中藥生產(chǎn)過程的監(jiān)控，本研究將NIRS 應(yīng)用于陳皮提取物的生產(chǎn)過程質(zhì)量監(jiān)控，建立了NIRS 在陳皮提取物中水分、橙皮苷、浸出物3 個(gè)關(guān)鍵質(zhì)量控制指標(biāo)的快速檢測方法，并考察了不同光譜預(yù)處理方法對(duì)定量模型性能的影響。實(shí)驗(yàn)結(jié)果表明，所建立的NIRS 模型性能良好，可用于陳皮提取物樣品質(zhì)量指標(biāo)成分的快速定量分析，并初步驗(yàn)證了所建NIRS 快速檢測方法，該方法準(zhǔn)確性、精密度和重復(fù)性結(jié)果均良好。本研究為陳皮提取物提供了一種準(zhǔn)確、可靠的陳皮提取物檢測手段，可應(yīng)用于其他中藥配方顆粒及其中間產(chǎn)品的質(zhì)量控制，實(shí)現(xiàn)生產(chǎn)過程中的現(xiàn)場快速檢測，從而保證最終產(chǎn)品的質(zhì)量穩(wěn)定均一、安全有效，對(duì)提高中藥配方顆粒質(zhì)量控制效率和生產(chǎn)效率具有重要意義。未來研究重點(diǎn)為逐步擴(kuò)大和完善陳皮提取物及其他中藥產(chǎn)品的近紅外光譜模型系統(tǒng)，提高模型的穩(wěn)定性和準(zhǔn)確率。