近红外光谱法对巴戟天药材中水分含量的快速测定

摘要：建立了巴戟天（Morinda officinalis How.）药材中水分含量的近红外定量模型，可快速测定巴戟天中水分含量。按照《中华人民共和国药典》（2010版）规定采用烘干法测定166批巴戟天药材的水分含量，采集并用多元散射校正法、二阶导数法预处理近红外光谱，结合偏最小二乘法建立了近红外水分定量分析模型。所建立的校正模型的内部交叉验证决定系数为0.985 5，内部交叉验证均方差为0.402 7，校正均方差为0.169，预测均方差为0.180。结果表明，该近红外水分定量模型稳定、准确，可快速进行巴戟天药材中水分含量的测定。

关键词：巴戟天（Morinda officinalis How.）;水分;近红外光谱;

中图分类号：R282        文献标识码：A        文章编号：0439-8114（2014）21-5253-03

DOI：10.14088/j.cnki.issn0439-8114.2014.21.053

Rapid Determination of Moisture in Morinda officinalis How. with NIRS

ZHOU Wen-ting， WANG Hai-xia， LIN Ping， LU Hui-juan， JI Sheng-guo

（School of Traditional Chinese Medicine， Guangdong Pharmaceutical University， Guangzhou 510006， China）

Abstract： To establish a method for rapid and quantitative determination of the moisture in Morinda officinalis How. with near-infrared spectroscopy（NIRS）， moisture of 166 samples were determined by oven drying method. The quantitative detest model was established by PLS and was pretreated by MSC combined with second-derivative. The determination coefficient， root-mean-square error of cross-validation， root-mean-square error of calibration and root-mean square error of prediction was 0.985 5， 0.402 7， 0.169 and 0.180 in the created calibration model， respectively. This model is steady， accurate and reliable. It can be used for analyzing the moisture in Morinda officinalis How.

Key words： Morinda officinalis How.; moisture content; NIRS

巴戟天为茜草科植物巴戟天（Morinda officinalis How.）的干燥根，具有补肾助阳、强筋壮骨、祛风除湿等功效[1]。水分含量是巴戟天药材质量控制的一个重要指标，《中国药典》（2010版）规定其水分含量不得超过15%，其收载的测定方法是烘干法，但该测定方法比较繁琐，耗时较长，且受到多种条件制约。本课题组应用近红外光谱技术在中药分析中做了大量的工作后发现，该技术应用于中药水分含量的测定具有分析速度快、结果准确、操作方便、简单、无需对药材进行复杂的前处理等特点[2-6]，因此，利用该技术对不同地区巴戟天的水分含量进行测定，可以探索该技术在药物水分测定中应用的可行性。

1  材料与方法

1.1  材料与仪器

2013年6～7月期间分别采集于广西省梧州市古龙镇、太平镇、岭景镇;广东省云浮市大方镇、千官镇;肇庆市高良镇等地的种植和栽培基地。经广东药学院中药学院姬生国教授鉴定，为茜草科植物巴戟天的根，药材烘至七成干，轻轻锤扁后烘至全干，粉碎后过50目筛，备用。傅里叶变换近红外光谱仪，配有漫反射积分球、样品旋转器和石英样品杯、OPUS光谱采集软件和TQ8.0分析软件（Tensor37型，Bruker 公司）;Q/ZT153-1998型电热鼓风恒温干燥器（浙江正泰仪器仪表有限公司）;AY120型十万分之一分析天平（日本岛津公司）。

1.2  方法

1.2.1  巴戟天水分含量的测定方法  取样品粉末2～5 g，平铺于干燥至恒重的扁形称量瓶中，厚度不超过5 mm，疏松样品不超过10 mm，精密称定，打开瓶盖在100～105 ℃干燥5 h，将瓶盖盖好，移至干燥器中，冷却30 min，精密称定;再在上述温度干燥1 h，冷却，称重，直至连续两次称重的差异不超过  5 mg;以减失的质量除以药材粉末量，即得该批药材中的水分含量。166批样品水分含量为5.403%～10.404%，均符合文献[7]中巴戟天药材水分含量的规定。

1.2.2  近红外光谱采集  取4 g样品粉末，混合均匀后放入石英样品杯，轻轻振摇使分布均匀。采用积分球漫反射测定样品，分辨率为8 cm-1;扫描32次; 扫描范围为10 000～4 000 cm-1;温度为（23.0±0.5） ℃;相对湿度为40%～50%。每批样品重复装样并扫描5次，求平均光谱。

2  结果与分析

2.1  建模样品原始近红外光谱

166批巴戟天样品近红外光谱叠加图如图1。从图1中可知各批次近红外光谱十分接近，难以通过图谱直接判定水分含量与个别波长点的吸光度之间的相关性，不能从某一个波长点来确定其水分含量。

2.2  光谱预处理

由于样品颗粒的均匀度及其他因素的影响会引起近红外光谱基线的漂移和光谱的不重复，因此，必须对原始光谱进行预处理。常用的预处理方法有一阶导数（First derivative）、二阶导数（Second derivative）、多元散射校正（Multiplicative signal correction，MSC）、标准正态变量变换（Standard normal varidte transformation， SNV）、矢量归一化、最大-最小归一化等。本试验采用偏最小二乘法（Partial least squares，PLS）为建模方法，以内部交叉验证决定系数（R2）、校正均方差（Root-mean-square error of calibration，RMSEC）、预测均方差（Root-mean-square error of prediction，RMSEP）为综合指标，来考察不同预处理方法对模型建立的影响。其中，R2 越接近1，说明样品分析值与近红外模型预测值相关性越好;RMSEC、RMSEP越小，且RMSEP/RMSEC≤1.2时，模型的预测性能越好[8]。最终确定MSC+Second derivative为最佳预处理方法，见表1。

2.3  建模波段的选择

水分子在近红外光谱中的特征吸收谱带为5 155 ～7 880 cm-1，主要包含了药材中水分的相关信息[9-14]。不同波段下所建立的模型预测性不同。本试验以R2、RMSEC、RMSEP 等为综合指标，考察不同建模波段对模型的影响，通过对比发现，虽然建模波段为4 000～9 000 cm-1时，R2为99.26，但是，RMSEP/RMSEC>1.2，不符合要求，可能是出现了过拟合现象，所建立的模型不能很好的预测样品的含水量，因此4 000～9 000 cm-1并不是最好的建模波段。在波段为4 184.77～5 237.72 cm-1，6 498.93～7 042.76 cm-1时，各项指标符合要求，因此最佳建模波段为4 184.77～5237.72 cm-1，6 498.93～7 042.76 cm-1。见表2。

2.4  主因子数的选择

主成分分析法的目的是将数据降维，将原变量进行转换，使少数几个新变量是原变量的线性组合。同时，这些变量要尽量多地表征原变量的数据特征而不丢失信息。这几个新变量称为主成分或主因子。因此，在回归拟合模型建立时，主因子数对模型的稳定性有很大影响，选取的主因子数太少，将会丢失原始光谱较多的有用信息，欠拟合;如果选取的主因子太多，会出现过拟合现象。主因子数的选取以RMSECV为指标，RMSECV越小，模型预测精度越高，RMSECV最小时，所选的主因子数最佳[15]。本试验RMSECV最小值为0.402 7，所对应的最佳主因子数为8（图2）。

2.5  校正模型的建立与验证

本试验运用交叉验证法，选取132批样品作为校正集，剩下的34批样品作为验证集。验证集样品水分范围为6.479%～10.302%，在校正集样品的水分含量范围内。用所选取的最佳预处理方法和建模波段建立模型，本模型中R2为0.985 5，RMSEC为0.169，RMSEP为0.180，主因子数为8。以预测值与实际值的比值为预测回收率，得到34批验证集样品的平均预测回收率为100.09%，见图3、表3。

2.6  巴戟天水分模型方法学考察

2.6.1  精密度考察  取同一份样品粉末10 g，重复6次扫描其NIR图谱，输入NIR分析模型计算其含量，其RSD值为1.184%，结果见表4。

2.6.2  重复性考察  分别取同一样品5份，各10 g，分别扫描其NIR图谱，输入NIR分析模型计算其含量，计算结果RSD为1.319%，结果见表5。

3  小结与讨论

本试验采用PLS建立校正模型，并比较了不同的波段和光谱预处理方法，以R2、RMSECV、RMSEC和RMSEP为指标，最终确定使用MSC结合二阶导数处理光谱，最佳波段为4 184.77～5 237.72 cm-1和6 498.93～7 042.76 cm-1，选择前8个主成分建立最优校正模型。

同时，在进行化学计量学校正时，有时并不一定需要所有的光谱数据都参与校正，而只用某些光谱区间就可以得到很好的校正效果，这样可以减少参与建模的数据量，降低不相关区间的噪音干扰。因此，需要对不同波段进行比较，以选择最好的建模波段。

按照文献[7]的规定，需要使用烘干法对巴戟天药材中水分进行测定，但该法操作繁琐，耗时较长，受到多种条件限制。本研究利用近红外光谱技术结合化学计量学建立了巴戟天水分的定量模型后，仅需要采集样品的近红外光谱，并代入近红外模型中，便可马上得到药材的水分含量。与传统水分测定方法相比，本研究所建立的利用近红外光谱测定巴戟天中水分含量的方法，具有操作简单、测定速度快、对药材无损等优势，可应用于中药质量控制及相关方面。

参考文献：

[1] 肖凤霞，林  励.巴戟天补肾壮阳作用的初步研究[J].食品与药品，2006，8（5）：45-46.

[2] 蔡佳良，李蕾蕾，姬生国.近红外光谱法快速测定广藿香中水分含量[J].医药导报，2012，31（11）：1468-1470.

[3] 李蕾蕾，王海霞，林  萍，等.近红外光谱技术在枇杷叶水分含量测定中的应用[J].中国实验方剂学杂志，2013，19（19）：104-107.

[4] 王  东，贾  永，姬生国，等.近红外光谱法对不同蒸制时间地黄的鉴别研究[J].光谱实验室，2010，27（4）：1356-1360.

[5] 王  东，王  玲.近红外光谱法测定黄芩药材中黄芩苷的含量[J].中医研究，2007，20（2）：20-22.

[6] 郭  昊，杜伟锋，蔡宝昌，等.近红外光谱法测定温郁金中吉马酮含量[J].中国新药杂志，2013，22（13）：1582-1586.

[7] 国家药典委员会.中华人民共和国药典[M].北京：中国医药药科技出版社，2010.

[8] 褚小立.化学计量学方法与分子光谱分析技术[M].北京：化学工业出版社，2011.

[9] 郭念欣，蔡佳良，李蕾蕾，等.运用近红外技术建立藿香正气胶囊中厚朴酚的定量模型[J].中国实验方剂学杂志，2013，19（8）：146-148.

[10] 郭念欣，蔡佳良，姬生国.近红外光谱技术在陈皮道地性分析中的应用[J].中国药房，2013，24（15）：1394-1396.

[11] 蔡佳良，黄洁燕，邓婉婷，等.近红外光谱法快速测定广藿香中醇溶性浸出物含量[J].中国药学杂志，2012，47（24）：2026-2028.

[12] 蔡佳良，郭念欣，姬生国.不同干燥方法对广藿香中百秋李醇含量影响的近红外光谱分析[J].云南中医中药杂志，2013，34（1）：53-54.

[13] 蔡佳良，黄洁燕，等.运用近红外光谱法建立广藿香含叶量定量分析模型[J].中国现代应用药学，2013，30（3）：260-263.

[14] 蔡佳良，郭念欣，黄洁燕，等.运用近红外光谱法建立广藿香中百秋李醇的定量模型[J].中国中药杂志，2012，37（14）：2113-2116.

[15] 陆婉珍.现代近红外光谱分析技术[M].第二版.北京：中国石化出版社，2006.

（责任编辑  胡西洲）

推荐访问： 巴戟天 测定 药材 水分 含量

---