本站小編為你精心準(zhǔn)備了黃連中小檗堿的近紅外檢測(cè)技術(shù)探析參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。
《分析試驗(yàn)室》2016年第10期
摘要:
以黃連中的黃連素為研究對(duì)象，采用了65個(gè)樣品進(jìn)行研究，建立了黃連中小檗堿的近紅外快速檢測(cè)方法。針對(duì)在近紅外光譜分析研究中，樣品的光譜中常常包含由光散射導(dǎo)致的干擾信息，采用了一種新穎的預(yù)處理方法光程估計(jì)與校正(OPLEC)對(duì)光譜進(jìn)行處理，并與原始光譜建立的模型進(jìn)行比較，研究了消除黃連顆粒近紅外漫反射光譜散射的最佳預(yù)處理方法。實(shí)驗(yàn)表明，光譜預(yù)處理后建立的模型在穩(wěn)健性上均有提升，其中光程估計(jì)與校正預(yù)處理法對(duì)消除光散射有著顯著的效果。模型的交叉驗(yàn)證均方根誤差(RMSECV)從0.1485降低到0.0369，相關(guān)系數(shù)R從0.9513提高到0.9854，預(yù)防均方根誤差(RMSEP)從0.1145降低到0.0578。
關(guān)鍵詞:
近紅外;黃連;OPLEC;散射校正;小檗堿
黃連素別名小檗堿，是黃連的主要藥理活性成分，小檗堿的含量直接決定了黃連的藥效。但是在傳統(tǒng)的中藥流通環(huán)節(jié)中，通常通過傳統(tǒng)的觀感進(jìn)行判斷，效果不佳，而且對(duì)操作者的經(jīng)驗(yàn)依賴較高，不具有通用性。隨著現(xiàn)代檢測(cè)方法的發(fā)展，色譜法和光譜法等逐漸應(yīng)用到了重要活性成分的檢測(cè)中［1～3］。近紅外光譜分析技術(shù)(NIR)具有快速、無損、不需要前處理、無污染等優(yōu)點(diǎn)，近年來成功的應(yīng)用于中藥分析領(lǐng)域［4～13］。但是樣品的近紅外光譜會(huì)受到嚴(yán)重的散射影響，降低模型的效果［14］。本研究提出了一種新穎的消除光散射的預(yù)處理方法———光程估計(jì)與校正法(OPLEC)，它是一種通過校正光譜的乘法效應(yīng)，采用網(wǎng)格搜索法進(jìn)行參數(shù)優(yōu)選，通過參數(shù)的調(diào)節(jié)，可以使預(yù)處理的應(yīng)用范圍更大，得到更好的預(yù)測(cè)模型［15］。實(shí)驗(yàn)以黃連作為研究對(duì)象，基于近紅外光譜技術(shù)，建立小檗堿的定量檢測(cè)模型，研究消除光散射的最佳預(yù)處理方法。
1實(shí)驗(yàn)部分
1.1儀器
BrukerVECTOR22/N傅里葉變換近紅外光譜儀(德國布魯克公司);U-3010紫外可見分光光度計(jì)(日本日立公司)。
1.2實(shí)驗(yàn)方法
總共收集了65個(gè)來自石柱的黃連樣品，將它們分成38個(gè)校正樣本，27個(gè)預(yù)測(cè)樣本，然后將所有的樣品粉碎之后過150μm篩，以便達(dá)到所需樣本的標(biāo)準(zhǔn)，再用近紅外光譜儀進(jìn)行近紅外掃描，從而獲取到黃連的近紅外光譜圖。對(duì)每一份樣品稱取2.0g，加入等量的去離子水進(jìn)行浸泡1h，然后再對(duì)樣品進(jìn)行超聲提取1h。再對(duì)提取液進(jìn)行冷凍離心，取上清液，將上清液用去離子水稀釋50倍，然后對(duì)樣本進(jìn)行過濾，取其清液。配制小檗堿的標(biāo)準(zhǔn)溶液，然后再掃描其紫外光譜圖并繪制其標(biāo)準(zhǔn)曲線，收集其小檗堿的紫外光譜圖。
1.3OPLEC預(yù)處理方法原理
OPLEC方法的提出是為了解決乘法散射效應(yīng)［16，17］。具體的過程如下:測(cè)量光譜(Aj，行向量)j由T個(gè)化學(xué)成分組成的測(cè)量光譜。可表示為Aj=Pj∑Tt=1Cj，tat，j=1，2，3N，Pj是樣本光譜數(shù)據(jù)的乘法因子，是第j個(gè)樣品物理性質(zhì)的變化而產(chǎn)生的乘法效應(yīng)，代表了光線在樣品中的光程變化，Cj，t表示的是第j個(gè)樣品中第t個(gè)化學(xué)成分的濃度，at表示第t個(gè)化學(xué)成分的純光譜，假設(shè)第一個(gè)成分為目標(biāo)分析物，∑Tt=1Cj，t=1，則Aj=PjCj，1Δa1+Pja2+∑Tt=1Cj，tΔat，Aj和Pj，及Aj和PjCj，1之間存在著線性關(guān)系，可以用偏最小二乘法(PLS)方法建立雙校正模型，兩個(gè)模型中的隱藏變量數(shù)是相同的。雙校正模型可以用多元回歸求解。校正集的乘法因子向量P是修正乘法效應(yīng)的關(guān)鍵點(diǎn)，OPLEC為求P提供了一種精確的方法，把矩陣A分解為得分矩陣和載荷矩陣，由r列組成(r代表活躍化學(xué)成分的個(gè)數(shù))，因此無需知道P的確切的值，P可以通過求f(P)的最小值估算到，r也可以在求P的過程中估算出。在OPLEC方法中，r是一個(gè)重要的參數(shù)，光譜的主要信息都包含在r個(gè)主成分中。調(diào)節(jié)r在一定范圍內(nèi)變化，對(duì)應(yīng)每一個(gè)r可以得到一個(gè)minf(p)值，根據(jù)minf(p)曲線得出最優(yōu)的r值，由r值可以得到對(duì)應(yīng)的P及預(yù)處理后的光譜。然后，把參數(shù)r和PLS的因子數(shù)聯(lián)合優(yōu)選，每個(gè)r對(duì)各個(gè)因子數(shù)都得到一個(gè)RMSECV值，由最小值選出最優(yōu)的模型。
1.4定量校正模型及評(píng)價(jià)標(biāo)準(zhǔn)
通過PLS法建立模型比較不同預(yù)處理方法的效果。主要交叉驗(yàn)證均方根誤差(RMSECV)來進(jìn)行對(duì)建模效果的評(píng)價(jià)。根據(jù)RMSECV來確定主因子數(shù)，因?yàn)橹饕蜃訑?shù)的選取小了很容易造成信息的丟失，大了又會(huì)包含過多的干擾信息［17］，故設(shè)定最大的主因子數(shù)為20。本文采用預(yù)測(cè)均方根誤差(RMSEP)和相關(guān)系數(shù)(R)來評(píng)價(jià)不同預(yù)處理方法的效果。在此基礎(chǔ)上，綜合考量定標(biāo)模型的效果和預(yù)測(cè)結(jié)果來比較不同預(yù)處理方法建立PLS模型的效果。
2結(jié)果與討論
2.1黃連樣品
近紅外光譜圖實(shí)驗(yàn)得到的近紅外的原始光譜圖如下圖1。從圖1中可以看出，波數(shù)范圍12500～7000cm－1的波段有著嚴(yán)重的毛刺，這會(huì)影響建立模型的精度和穩(wěn)定性。波數(shù)7000～4000cm－1的波段幾乎沒有受到毛刺影響，且波數(shù)7000～4000cm－1之間中包含了含氫基團(tuán)化學(xué)鍵縮振動(dòng)的全部一級(jí)倍頻和合頻區(qū)域，包含了足夠的有效信息。因此，本文選取波數(shù)7000～4000cm－1的波段，建立定量檢測(cè)模型。
2.2不同光譜預(yù)處理方法的比較
所用的光譜數(shù)據(jù)，共有65個(gè)過150μm篩后的黃連樣品的近紅外吸收光譜組成，選取波數(shù)7000～4000cm－1。表1是黃連中小檗堿含量分布的信息。首先建立原始光譜的定量模型。校正集光譜圖如圖2。采用的是偏最小二乘法(PLS)建立定標(biāo)模型。根據(jù)RMSECV的值，選取了8個(gè)主因子數(shù)進(jìn)行建立黃連的小檗堿的定量模型，其相應(yīng)的RMSECV=0.1485，內(nèi)部相關(guān)系數(shù)Rc=0.9054。RMSECV與主因子數(shù)的關(guān)系圖如圖3。 分別采用SNV法、MSC法和團(tuán)隊(duì)提出的OPLEC法對(duì)參與建模光譜進(jìn)行預(yù)處理后，結(jié)合PLS法建立定量模型，它們各自對(duì)應(yīng)的RMSECV值和Rc如表2，其中OPLEC采用網(wǎng)格搜索法得到最優(yōu)參數(shù)r=6，選取的主因子數(shù)為8。由表2可知，對(duì)光譜進(jìn)行預(yù)處理后建立的模型，相比于原始光譜建立的模型效果均有不同程度的改善。尤其是本團(tuán)隊(duì)提出的OPLEC預(yù)處理方法在模型的穩(wěn)健性上比其他兩種預(yù)處理方法有著更為顯著的優(yōu)勢(shì)。
2.3不同方法的預(yù)測(cè)結(jié)果檢驗(yàn)
為了驗(yàn)證模型的預(yù)測(cè)能力，隨機(jī)選取了27個(gè)獨(dú)立樣本對(duì)模型進(jìn)行檢驗(yàn)。相應(yīng)模型預(yù)測(cè)效果的指標(biāo)如表3。從表3中的Rp和RMSEP數(shù)據(jù)中可知，傳統(tǒng)的MSC和SNV方法在模型的預(yù)測(cè)能力上并未有明顯的提升，而本研究團(tuán)隊(duì)中提出的新穎的OPLEC預(yù)處理方法所建模型在預(yù)測(cè)能力上有著顯著的提升，相關(guān)系數(shù)更高，而誤差更小。這表明新穎的OPLEC預(yù)處理方法效果更優(yōu)。本方法具有通用性，可以適用于其他的顆粒狀物料在近紅外漫反射中的應(yīng)用。圖4和圖5分別為小檗堿的參考值與原光譜和OPLEC預(yù)處理后模型的預(yù)測(cè)值的關(guān)系圖。
3總結(jié)
以重慶石柱的特色黃連樣品為研究對(duì)象，研究了不同預(yù)處理方法對(duì)顆粒狀樣品的效果。收集了65個(gè)黃連樣本，38個(gè)作為校正集，27個(gè)作為預(yù)測(cè)集。所有樣品均過150μm篩，文章中優(yōu)選出的波段波數(shù)范圍是7000～4000cm－1。采用了常見的兩種散射消除的預(yù)處理方法和本團(tuán)隊(duì)提出的新方法OPLEC法對(duì)光譜預(yù)處理，分別建立小檗堿預(yù)測(cè)模型同原始光譜建立的小檗堿的預(yù)測(cè)模型進(jìn)行模型的比較。實(shí)驗(yàn)表明，各種預(yù)處理后的模型在穩(wěn)健性上都有不同程度的提高，其中OPLEC預(yù)處理法不僅在模型穩(wěn)健性上有顯著的提升，在預(yù)測(cè)精度上也有明顯的提升。與原始光譜建模效果相比，RMSECV從0.1485降低到0.0369，相關(guān)系數(shù)Rp從0.9513提高到0.9854，RMECP從0.1145降低到0.0578。實(shí)驗(yàn)表明新的OPLEC方法相對(duì)于傳統(tǒng)的散射消除預(yù)處理方法更適用于固體顆粒的散射消除。OPLEC方法具有通用性，可推廣到其他同性狀物料的近紅外檢測(cè)中。
參考文獻(xiàn)：
［1］陳紅英，孟君．中國醫(yī)藥導(dǎo)報(bào)，2009，6(16):67
［2］蘇亞，盧敏．海峽藥學(xué)，2009，16(3):44
［3］王友新．中國醫(yī)藥導(dǎo)報(bào)，2009，13(6):33
［11］袁明洋，黃必勝，余馳，等．中國中藥雜志，2014，39(2):267［12］江燕，楊眉，張學(xué)博，等．藥物分析雜志，2013，33(9):1572
［13］申云霞，趙艷麗，張霽，等．世界科學(xué)技術(shù):中醫(yī)藥現(xiàn)代化，2015，17(3):664
［14］劉莉，黃嵐，嚴(yán)衍祿，等．光譜學(xué)與光譜分析，2008，28(10):2290
作者:劉振堯 徐鋒 溫江北 陳華舟 單位:中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所應(yīng)用光學(xué)國家重點(diǎn)實(shí)驗(yàn)室 廣州市光機(jī)電技術(shù)研究院 廣東星創(chuàng)眾譜儀器有限公司