梔子藥材近紅外定量分析模型及建立方法、梔子藥材的檢測(cè)方法及檢測(cè)標(biāo)準(zhǔn)的制作方法
【專(zhuān)利摘要】本發(fā)明涉及近紅外技術(shù)分析檢測(cè)領(lǐng)域，具體涉及梔子藥材近紅外定量分析模型及建立方法、梔子藥材的檢測(cè)方法及檢測(cè)標(biāo)準(zhǔn)。本發(fā)明引入近紅外光譜技術(shù)作為梔子藥材實(shí)時(shí)放行的檢測(cè)方法，與傳統(tǒng)方法相比，建立的定量快速檢測(cè)方法及實(shí)時(shí)放行標(biāo)準(zhǔn)能更快速、綠色的判斷梔子藥材的質(zhì)量，確定藥材是否能夠流通到后續(xù)生產(chǎn)環(huán)節(jié)，滿(mǎn)足了實(shí)際生產(chǎn)中快速、環(huán)保、高效的要求，具有較好的應(yīng)用前景。
【專(zhuān)利說(shuō)明】
梔子藥材近紅外定量分析模型及建立方法、梔子藥材的檢測(cè) 方法及檢測(cè)標(biāo)準(zhǔn)
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及近紅外技術(shù)分析檢測(cè)領(lǐng)域，特別涉及梔子藥材近紅外定量分析模型及 建立方法、梔子藥材的檢測(cè)方法及檢測(cè)標(biāo)準(zhǔn)。
【背景技術(shù)】
[0002] 梔子藥材為茜草科植物梔子Gardenia jasminoides Ellis的干燥成熟果實(shí)，主要 含有環(huán)烯醚萜類(lèi)、有機(jī)酸類(lèi)和色素類(lèi)成分，具有瀉火除煩，清熱利濕，涼血解毒;外用消腫止 痛等功效。梔子性味苦寒，微酸，入心、肝、肺、胃經(jīng)，是著名的清熱去火常用中藥，是中藥制 藥常用的原料藥材。
[0003] 梔子藥材來(lái)源廣泛，因產(chǎn)地，采收季節(jié)、加工方式、貯藏條件的不同造成藥材質(zhì)量 存在較大差異，直接影響中藥制劑成品質(zhì)量穩(wěn)定性。原藥材是中藥產(chǎn)品的源頭，對(duì)中藥材質(zhì) 量進(jìn)行控制，從源頭上保證藥材品質(zhì)，從而為藥品的最終質(zhì)量提供保證，因此有必要建立一 種快速的、綠色的檢測(cè)方法對(duì)藥材質(zhì)量進(jìn)行評(píng)價(jià)和控制。
[0004] 目前，未見(jiàn)近紅外光譜技術(shù)用于梔子藥材多指標(biāo)同時(shí)檢測(cè)的相關(guān)文獻(xiàn)報(bào)道，因此 提供梔子藥材質(zhì)量指標(biāo)快速定量分析方法具有重要意義和前景。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明提供一種梔子藥材近紅外定量分析模型及建立方法、梔子藥材 的檢測(cè)方法及檢測(cè)標(biāo)準(zhǔn)。本發(fā)明引入近紅外光譜技術(shù)作為梔子藥材實(shí)時(shí)放行的檢測(cè)方法， 與傳統(tǒng)方法相比，建立的定量快速檢測(cè)方法及實(shí)時(shí)放行標(biāo)準(zhǔn)能更快速、綠色的判斷梔子藥 材的質(zhì)量，確定藥材是否能夠流通到后續(xù)生產(chǎn)環(huán)節(jié)，滿(mǎn)足了實(shí)際生產(chǎn)中快速、環(huán)保、高效的 要求。
[0006] 為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明提供以下技術(shù)方案：
[0007] 本發(fā)明提供了梔子藥材近紅外定量分析模型的建立方法，包括如下步驟：
[0008] 步驟1:獲得梔子藥材待測(cè)樣品的近紅外光譜；
[0009] 步驟2:對(duì)步驟1獲得的近紅外光譜進(jìn)行預(yù)處理；
[0010] 步驟3:以水分含量、浸出物含量、有效成分含量作為梔子藥材的關(guān)鍵質(zhì)量控制指 標(biāo)，確定最佳光譜波段；
[0011] 步驟4:建立所述梔子藥材的關(guān)鍵質(zhì)量控制指標(biāo)與步驟2獲得的近紅外光譜數(shù)據(jù)之 間的定量校正模型。
[0012] 在本發(fā)明的一些具體實(shí)施方案中，所述有效成分含量選自梔子苷含量、京尼平甘 酸含量或京尼平龍膽二糖苷含量。
[0013] 在本發(fā)明的一些具體實(shí)施方案中，步驟2中所述預(yù)處理包括：
[0014]以梔子水分含量為指標(biāo)建立定量校正模型過(guò)程中光譜預(yù)處理方法采用1st derivative with smoothing；
[0015] 以梔子藥材浸出物含量為指標(biāo)建立定量校正模型過(guò)程中最佳光譜預(yù)處理方法為 原始光譜；
[0016] 以梔子苷含量為指標(biāo)建立的定量校正模型建立過(guò)程中光譜預(yù)處理方法采用 smoothing 平滑；
[0017] 以京尼平甘酸含量為指標(biāo)建立的定量校正模型中最佳光譜預(yù)處理方法為2st derivative with smoothing；
[0018]以京尼平龍膽二糖苷含量為指標(biāo)建立的定量校正模型中最佳光譜預(yù)處理方法為 1st derivative。
[0019] 在本發(fā)明的一些具體實(shí)施方案中，步驟3中所述最佳光譜波段包括：以水分含量為 指標(biāo)建模的最佳波段為1100~1900nm，以浸出物含量為指標(biāo)建立的模型最佳波段為1100~ 2300nm，以梔子苷含量為指標(biāo)建模的最佳波段為1450~2000nm，以京尼平甘酸含量為指標(biāo) 建模的最佳波段為1100~2300nm，以京尼平龍膽二糖苷含量為指標(biāo)建模的最佳波段為1100 ~1350nm〇
[0020] 在本發(fā)明的一些具體實(shí)施方案中，步驟1中所述近紅外光譜采集參數(shù)為:光譜范圍 1100nm~2300nm，波長(zhǎng)增量2nm，掃描平均次數(shù)300;檢測(cè)方法為透射，所述樣品采集3張光 譜，取平均光譜值作為樣品的近紅外光譜圖。
[0021] 在本發(fā)明的一些具體實(shí)施方案中，通過(guò)Unscrambles軟件的三維空間分布值 (Inf luence)和線性相關(guān)性(correlation)兩個(gè)統(tǒng)計(jì)量來(lái)對(duì)照剔除。
[0022]在本發(fā)明的一些具體實(shí)施方案中，步驟3中水分含量采用中國(guó)藥典2010版附錄IX H第一法測(cè)定;浸出物含量采用中國(guó)藥典2010版附錄XA醇溶性浸出物測(cè)定法(溶劑為乙醇） 測(cè)定;有效成分含量采用高效液相色譜法測(cè)定。
[0023] NIRS技術(shù)是一種二次分析方法，通過(guò)采集大量具有代表性的樣本數(shù)據(jù)，借助化學(xué) 計(jì)量學(xué)算法，從光譜中提取出與樣品物質(zhì)成分相關(guān)的信息，建立定量校正模型，并對(duì)未知樣 品進(jìn)行預(yù)測(cè)，達(dá)到快速檢測(cè)的目的。近紅外光譜技術(shù)已成為近年來(lái)應(yīng)用最廣、發(fā)展最快的過(guò) 程分析技術(shù)之一，尤其是在工業(yè)化生產(chǎn)的大批量分析和過(guò)程分析上具有獨(dú)特優(yōu)勢(shì)。隨著制 藥產(chǎn)業(yè)的發(fā)展，國(guó)內(nèi)中藥制藥企業(yè)越來(lái)越多地認(rèn)識(shí)到過(guò)程分析技術(shù)對(duì)中藥制藥過(guò)程控制的 重要性，并將近紅外技術(shù)應(yīng)用與中藥制藥的各個(gè)領(lǐng)域，已陸續(xù)應(yīng)用于藥材鑒別、藥材質(zhì)量分 析、中藥生產(chǎn)過(guò)程質(zhì)量控制等生產(chǎn)過(guò)程的在線檢測(cè)等。本研究采用近紅外光譜技術(shù)建立梔 子藥材多指標(biāo)快速定量檢測(cè)方法，建立藥材合格標(biāo)準(zhǔn)，通過(guò)梔子藥材質(zhì)量的控制，保證最終 藥品的質(zhì)量安全、均一、穩(wěn)定。
[0024] 本發(fā)明還提供了所述的建立方法獲得的梔子藥材近紅外定量分析模型。
[0025] 本發(fā)明還提供了梔子藥材多指標(biāo)快速檢測(cè)方法，包括如下步驟：
[0026] 步驟1:根據(jù)權(quán)利要求1至7任一項(xiàng)所述的建立方法獲得梔子藥材近紅外定量分析 豐旲型；
[0027]步驟2:取步驟1所述梔子藥材近紅外定量分析模型測(cè)定待測(cè)樣品的關(guān)鍵質(zhì)量控制 指標(biāo)，當(dāng)水分含量<8.5%，浸出物含量多40%，梔子苷含量多1.8%，京尼平龍膽二糖苷含 量多0.8%，京尼平甘酸多0.08%時(shí)，則判斷所述待測(cè)樣品為合格。
[0028]本發(fā)明還提供了梔子藥材的檢測(cè)標(biāo)準(zhǔn)，當(dāng)水分含量彡8.5%，浸出物含量多40%， 梔子苷含量多1.8%，京尼平龍膽二糖苷含量多0.8%，京尼平甘酸多0.08%時(shí)，則判斷所述 待測(cè)樣品為合格。
[0029] 本發(fā)明將近紅外光譜技術(shù)引入到梔子藥材質(zhì)量控制中，實(shí)現(xiàn)對(duì)藥材各控制指標(biāo)的 同時(shí)快速檢測(cè)，在生產(chǎn)中起到了控制生產(chǎn)源頭的作用，并且縮短了檢測(cè)時(shí)間，節(jié)約了檢測(cè)成 本，提高了生產(chǎn)效率和經(jīng)濟(jì)效益，保證梔子中藥品種質(zhì)量的均一性和穩(wěn)定性。采用本發(fā)明方 法能夠快速的判斷梔子藥材的質(zhì)量是否符合質(zhì)量標(biāo)準(zhǔn)要求，實(shí)現(xiàn)對(duì)梔子藥材整體質(zhì)量的快 速無(wú)損的評(píng)價(jià)。本發(fā)明方法可以快速無(wú)損同時(shí)檢測(cè)梔子藥材中水分含量、浸出物含量、梔子 苷含量，能夠判斷未知梔子藥材是否符合規(guī)定的質(zhì)量標(biāo)準(zhǔn)要求，是否能夠達(dá)到放行標(biāo)準(zhǔn)。同 時(shí)本發(fā)明還為梔子藥材有效成分的實(shí)時(shí)放行檢測(cè)在中藥質(zhì)量控制領(lǐng)域的推廣和應(yīng)用提供 一種新的思路和參考。
[0030] 本發(fā)明提供一種梔子藥材多指標(biāo)快速檢測(cè)方法。采集梔子藥材樣本，離線檢測(cè)藥 材中水分、醇溶性浸出物、梔子苷含量、京尼平甘酸含量、京尼平龍膽雙糖苷含量，同時(shí)采集 梔子藥材各個(gè)樣本近紅外光譜圖，通過(guò)樣本異常點(diǎn)的剔除，光譜預(yù)處理方法及最佳建模波 段優(yōu)化，建立近紅外光譜信息與5個(gè)離線指標(biāo)數(shù)據(jù)之間的定量校正模型，獲得5個(gè)指標(biāo)快速 檢測(cè)方法。本發(fā)明引入近紅外光譜技術(shù)作為梔子藥材實(shí)時(shí)放行的檢測(cè)方法，與傳統(tǒng)方法相 比，建立的定量快速檢測(cè)方法及實(shí)時(shí)放行標(biāo)準(zhǔn)能更快速、綠色的判斷梔子藥材的質(zhì)量，檢測(cè) 過(guò)程不需要使用有機(jī)試劑，較環(huán)保;這種方法也是無(wú)損的，無(wú)需取樣直接使用近紅外在線掃 描樣本，通過(guò)模型直接計(jì)算出含量值。確定藥材是否能夠流通到后續(xù)生產(chǎn)環(huán)節(jié)，滿(mǎn)足了實(shí)際 生產(chǎn)中快速、環(huán)保、高效的要求，具有較好的應(yīng)用前景。
【附圖說(shuō)明】
[0031]為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹。
[0032]圖1示混合對(duì)照和樣品HPLC色譜圖；其中，1-京尼平苷酸、2-京尼平龍膽雙糖苷、3-梔子苷；
[0033] 圖2示實(shí)施例1所描述的梔子藥材粉末近紅外原始吸收光譜圖；
[0034] 圖3示實(shí)施例1所描述梔子藥材水分含量實(shí)測(cè)值與近紅外預(yù)測(cè)值的相關(guān)圖；
[0035] 圖4示實(shí)施例1所描述梔子藥材醇溶性浸出物含量實(shí)測(cè)值與近紅外預(yù)測(cè)值的相關(guān) 圖；
[0036] 圖5示實(shí)施例1所描述梔子藥材梔子苷含量實(shí)測(cè)值與近紅外預(yù)測(cè)值的相關(guān)圖；
[0037] 圖6示實(shí)施例1所描述梔子藥材京尼平甘酸含量實(shí)測(cè)值與近紅外預(yù)測(cè)值的相關(guān)圖；
[0038] 圖7示實(shí)施例1所描述的梔子藥材中京尼平龍膽雙糖苷含量實(shí)測(cè)值與近紅外預(yù)測(cè) 值的相關(guān)圖；
[0039] 圖8示實(shí)施例1所描述的梔子藥材中水分含量實(shí)測(cè)值與近紅外預(yù)測(cè)值的柱狀比較 圖；
[0040] 圖9示實(shí)施例1所描述的梔子藥材中醇溶性浸出物含量實(shí)測(cè)值與近紅外預(yù)測(cè)值的 柱狀比較圖；
[0041] 圖10示實(shí)施例1所描述的梔子藥材中梔子苷含量實(shí)測(cè)值與近紅外預(yù)測(cè)值的柱狀比 較圖；
[0042] 圖11示實(shí)施例1所描述的梔子藥材中京尼平苷酸含量實(shí)測(cè)值與近紅外預(yù)測(cè)值的柱 狀比較圖；
[0043] 圖12示實(shí)施例1所描述的梔子藥材中京尼平龍膽雙糖苷含量實(shí)測(cè)值與近紅外預(yù)測(cè) 值的柱狀比較圖。
【具體實(shí)施方式】
[0044] 本發(fā)明公開(kāi)了一種梔子藥材近紅外定量分析模型及建立方法、梔子藥材的檢測(cè)方 法及檢測(cè)標(biāo)準(zhǔn)，本領(lǐng)域技術(shù)人員可以借鑒本文內(nèi)容，適當(dāng)改進(jìn)工藝參數(shù)實(shí)現(xiàn)。特別需要指出 的是，所有類(lèi)似的替換和改動(dòng)對(duì)本領(lǐng)域技術(shù)人員來(lái)說(shuō)是顯而易見(jiàn)的，它們都被視為包括在 本發(fā)明。本發(fā)明的方法及應(yīng)用已經(jīng)通過(guò)較佳實(shí)施例進(jìn)行了描述，相關(guān)人員明顯能在不脫離 本
【發(fā)明內(nèi)容】
、精神和范圍內(nèi)對(duì)本文所述的方法和應(yīng)用進(jìn)行改動(dòng)或適當(dāng)變更與組合，來(lái)實(shí)現(xiàn) 和應(yīng)用本發(fā)明技術(shù)。
[0045] 本發(fā)明所要解決的技術(shù)問(wèn)題在于提供了一種引入近紅外光譜技術(shù)建立梔子藥材 多指標(biāo)快速定量檢測(cè)方法。
[0046] 為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種采用近紅外光譜技術(shù)快速、無(wú)損檢測(cè) 梔子藥材的方法，其特征在于包括藥材水分測(cè)定、浸出物含量測(cè)定、梔子苷含量測(cè)定步驟中 的至少一項(xiàng)：
[0047] (1)不同產(chǎn)地梔子樣本采集。采集多批次不同產(chǎn)地梔子藥材，經(jīng)粉碎后，過(guò)80目篩， 得到粒度均勻的梔子藥材粉末。采集梔子藥材樣本共200個(gè)樣本，去除異常批次后隨機(jī)選擇 150個(gè)樣本作為校正集樣本，用于快速檢測(cè)模型的建立，40個(gè)樣本作為未知樣本，作為驗(yàn)證 集，用于模型預(yù)測(cè)能力的驗(yàn)證。
[0048] (2)梔子藥材近紅外光譜米集方法。精密稱(chēng)取梔子藥材粉末，置于稱(chēng)量瓶中，保持 粉末表面平整，采用便攜式A0TF-近紅外光譜儀自帶的旋轉(zhuǎn)測(cè)樣方式，采集樣品的漫反射近 紅外光譜圖，近紅外光譜采集有關(guān)參數(shù)設(shè)置:光譜范圍1100nm-2300nm，波長(zhǎng)增量2nm，掃描 平均次數(shù)300;檢測(cè)方法為透射，每個(gè)樣品采集3張光譜，取平均光譜值作為樣品的近紅外光 譜圖。
[0049] (3)梔子藥材質(zhì)控指標(biāo)的測(cè)定。選取水分含量、浸出物含量、梔子苷含量測(cè)定作為 梔子藥材的關(guān)鍵質(zhì)量控制指標(biāo)，水分采用中國(guó)藥典2010版附錄IX H第一法測(cè)定，浸出物采 用中國(guó)藥典2010版附錄XA醇溶性浸出物測(cè)定法(溶劑為乙醇)測(cè)定，梔子苷、京尼平甘酸、京 尼平龍膽二糖苷含量測(cè)定方法采用高效液相色譜法測(cè)定。
[0050] (4)建模過(guò)程異常點(diǎn)剔除。建模過(guò)程中有兩種異常點(diǎn)，一種是與建模樣品集中其他 樣品比較，該樣品組方濃度比較極端，這種樣品的存在，會(huì)使校正集中組方濃度范圍分布不 均勻；另一種異常點(diǎn)是通過(guò)模型得到的預(yù)測(cè)值與離線檢測(cè)的實(shí)際值有較大誤差，針對(duì)這種 誤差通過(guò)Unscrambles軟件的三維空間分布值（Influence)和線性相關(guān)性(correlation)這 兩個(gè)統(tǒng)計(jì)量來(lái)對(duì)照剔除。
[0051] (5)近紅外光譜的預(yù)處理方法。對(duì)步驟(2)采集到的近紅外光譜經(jīng)過(guò)步驟(4)異常 點(diǎn)剔除后的樣本近紅外光譜進(jìn)行光譜預(yù)處理方法選擇。由于近紅外光譜采集過(guò)程中樣品的 狀態(tài)、光的散射、儀器的誤差、環(huán)境的改變等因素帶來(lái)的干擾，光譜中通常會(huì)包含一些與待 測(cè)樣品性質(zhì)無(wú)關(guān)的信息，導(dǎo)致近紅外光譜的基線出現(xiàn)漂移，影響建模效果。為了提高建模效 果，建模時(shí)對(duì)原始光譜進(jìn)行預(yù)處理是非常必要的，預(yù)處理的方法有平滑、微分、標(biāo)準(zhǔn)法、中心 化、基線校正、多元散射校正等，其中平滑能夠減少隨機(jī)噪聲，提高光譜的信噪比;微分則可 以消除基線漂移，克服譜帶重疊、強(qiáng)化譜帶特征，是常用的預(yù)處理方法，微分又分為一階微 分和二階微分，一階微分可以去除同波長(zhǎng)無(wú)關(guān)的漂移，二階微分可以去除同波長(zhǎng)線性相關(guān) 的漂移；中心化能夠去除常數(shù)項(xiàng)，使其均值為零。本研究建模前對(duì)近紅外原始光譜數(shù)據(jù)分別 進(jìn)行smoothing平滑、Mean center、1st derivative、1st derivative with smoothing、 2st derivative、2st derivative with smoothing預(yù)處理等方法對(duì)原始光譜進(jìn)行預(yù)處理。 具體如下：
[0052]①以梔子水分含量為指標(biāo)建立定量校正模型過(guò)程中光譜預(yù)處理方法采用1st derivative with smoothing；
[0053]②以梔子藥材浸出物含量為指標(biāo)建立定量校正模型過(guò)程中最佳光譜預(yù)處理方法 為原始光譜；
[0054]③以梔子苷含量為指標(biāo)建立的定量校正模型建立過(guò)程中光譜預(yù)處理方法采用 smoothing 平滑；
[0055]④以京尼平甘酸含量為指標(biāo)建立的定量校正模型中最佳光譜預(yù)處理方法為2st derivative with smoothing；
[0056]⑤以京尼平龍膽二糖苷含量為指標(biāo)建立的定量校正模型中最佳光譜預(yù)處理方法 為1st derivative。
[0057] (6)建模最佳光譜波段的選擇。對(duì)光譜預(yù)處理方法進(jìn)行優(yōu)化后，繼續(xù)對(duì)光譜最佳建 模波段進(jìn)行選擇，選擇結(jié)果是以水分含量為指標(biāo)建模的最佳波段為1100_1900nm，以浸出物 含量為指標(biāo)建立的模型最佳波段為ll〇〇-2300nm，以梔子苷含量為指標(biāo)建模的最佳波段為 1450-2000nm，以京尼平甘酸含量為指標(biāo)建模的最佳波段為1100-2300nm，以京尼平龍膽二 糖苷含量為指標(biāo)建模的最佳波段為ll〇〇_1350nm，最佳波段確定以后采用化學(xué)計(jì)量學(xué)原件 對(duì)梔子藥材樣本近紅外光譜信息與各質(zhì)量指標(biāo)離線檢測(cè)值進(jìn)行關(guān)聯(lián)，采用偏最小二乘法 (PLS1)建立近紅外光譜與各指控指標(biāo)之間的定量校正模型。
[0058] (7)模型性能評(píng)價(jià)指標(biāo)。在最佳的光譜預(yù)處理方法基礎(chǔ)上，選擇合適的建模波段， 米用偏最小二乘法(PLS1)分別建立水分含量、浸出物含量、梔子苷含量、京尼平甘酸含量、 京尼平龍膽二糖苷含量5個(gè)質(zhì)量指標(biāo)與近紅外光譜數(shù)據(jù)之間的定量校正模型。以校正及內(nèi) 部交叉驗(yàn)證模型相關(guān)系數(shù)(R 2)，校正及內(nèi)部交互驗(yàn)證均方根驗(yàn)證誤差(RMSEC、RMSECV)為指 標(biāo)進(jìn)行模型優(yōu)化，以外部預(yù)測(cè)結(jié)果與檢測(cè)值的相關(guān)系數(shù)(R 2)、預(yù)測(cè)誤差均方根(RMSEP)、預(yù) 測(cè)相對(duì)偏差(RSEP)作為模型對(duì)未知樣品預(yù)測(cè)效果評(píng)價(jià)指標(biāo)。當(dāng)值R 2約接近1，RMSECV越小， 說(shuō)明模型的性能越好，RSEP越小說(shuō)明模型預(yù)測(cè)能力越好，當(dāng)RSEP小于5 %時(shí)模型具有較好的 預(yù)測(cè)能力，能夠滿(mǎn)足梔子藥材實(shí)時(shí)放行檢測(cè)的目的。
[0059] (8)定量模型的驗(yàn)證。使用（1)中所選的驗(yàn)證集樣本對(duì)(7)形成的定量校正模型進(jìn) 行驗(yàn)證，采用與校正集建模時(shí)相同的處理方法對(duì)驗(yàn)證集樣本進(jìn)行處理后，導(dǎo)入到已經(jīng)建立 的模型中，快速預(yù)測(cè)出水分含量、浸出物含量、梔子苷含量、京尼平甘酸含量、京尼平龍膽二 糖苷5個(gè)指標(biāo)的含量預(yù)測(cè)值，并采用離線檢測(cè)方法獲得上述5個(gè)指標(biāo)的含量檢測(cè)值，計(jì)算預(yù) 測(cè)值與檢測(cè)值之間的相對(duì)誤差，判斷模型的性能。
[0060] (9)梔子藥材質(zhì)量實(shí)時(shí)放行標(biāo)準(zhǔn)的建立。使用上述方法建立的3個(gè)近紅外定量模型 來(lái)測(cè)定未知梔子藥材中的各質(zhì)量指標(biāo)的含量，當(dāng)水分含量小于等于8.5%，浸出物含量大于 等于40 %，梔子苷含量大于等于1.8 %時(shí)，則判斷該梔子藥材為合格樣品，符合原藥材質(zhì)量 要求，可以投入生產(chǎn)使用。
[0061] 本發(fā)明的另一個(gè)目的是提供上述方法在梔子藥材多指標(biāo)快速檢測(cè)中的應(yīng)用。
[0062] 本發(fā)明將近紅外光譜技術(shù)引入到梔子藥材質(zhì)量控制中，實(shí)現(xiàn)對(duì)藥材各控制指標(biāo)的 同時(shí)快速檢測(cè)，在生產(chǎn)中起到了控制生產(chǎn)源頭的作用，并且縮短了檢測(cè)時(shí)間，節(jié)約了檢測(cè)成 本，提高了生產(chǎn)效率和經(jīng)濟(jì)效益，保證梔子中藥品種質(zhì)量的均一性和穩(wěn)定性。采用本發(fā)明方 法能夠快速的判斷梔子藥材的質(zhì)量是否符合質(zhì)量標(biāo)準(zhǔn)要求，實(shí)現(xiàn)對(duì)梔子藥材整體質(zhì)量的快 速無(wú)損的評(píng)價(jià)。本發(fā)明方法可以快速無(wú)損同時(shí)檢測(cè)梔子藥材中水分含量、浸出物含量、梔子 苷含量，能夠判斷未知梔子藥材是否符合規(guī)定的質(zhì)量標(biāo)準(zhǔn)要求，是否能夠達(dá)到放行標(biāo)準(zhǔn)。同 時(shí)本發(fā)明還為梔子藥材有效成分的實(shí)時(shí)放行檢測(cè)在中藥質(zhì)量控制領(lǐng)域的推廣和應(yīng)用提供 一種新的思路和參考。
[0063] 本發(fā)明提供的梔子藥材近紅外定量分析模型及建立方法、梔子藥材的檢測(cè)方法及 檢測(cè)標(biāo)準(zhǔn)中所用原料及試劑均可由市場(chǎng)購(gòu)得。本發(fā)明所使用的主要設(shè)備如下:近紅外光譜 儀型號(hào)為L(zhǎng)uminar 5030型A0TF近紅外光譜分析儀，生產(chǎn)廠家為美國(guó)Brimrose公司。高效液 相色譜儀型號(hào)為U3000型高效液相色譜儀，Ultimate Mate 3000型檢測(cè)器，生產(chǎn)廠家為美國(guó) Cohesive Technologies公司。電子天平型號(hào)為ME104E型電子天平，生產(chǎn)廠家為梅特勒-托 利多儀器有限公司。
[0064] 下面結(jié)合實(shí)施例，進(jìn)一步闡述本發(fā)明：
[0065] 實(shí)施例1
[0066] (1)梔子藥材粉末近紅外光譜米集
[0067]精密稱(chēng)取上述梔子藥材粉末3g置稱(chēng)量瓶中，保持粉末表面平整，采用漫反射采集 方法采集粉末近紅外光譜，近紅外光譜采集有關(guān)參數(shù)設(shè)置:采集光譜范圍1100nm-2300nm， 波長(zhǎng)增量2nm，掃描平均次數(shù)300;檢測(cè)方法為漫反射，每個(gè)樣品采集3張光譜，取平均光譜值 作為樣品的近紅外光譜圖。所述梔子藥材粉末近紅外光譜原始吸收光譜圖見(jiàn)附圖1。
[0068] (2)梔子藥材各質(zhì)量指標(biāo)檢測(cè)方法
[0069]①梔子藥材水分含量測(cè)定方法
[0070] 選取不同產(chǎn)地梔子藥材200份，粉碎過(guò)80目篩，得到粒度較均勻的梔子藥材粉末， 備用。按照中國(guó)藥典2010年版附錄IX H水分測(cè)定法中第一法(烘干法)對(duì)200份梔子藥材粉 末進(jìn)行水分含量測(cè)定，獲得梔子樣本水分檢測(cè)值。具體操作步驟如下：
[0071] 取梔子藥材粉末4g(Md，平鋪于干燥至恒重的扁形稱(chēng)量瓶(Mo)中，厚度5_，精密稱(chēng) 定，打開(kāi)瓶蓋在105°C干燥5小時(shí)，將瓶蓋蓋好，移置干燥器中，冷卻30分鐘，精密稱(chēng)定，再105 °(：繼續(xù)干燥1小時(shí)，冷卻，稱(chēng)重(M 2)，至連續(xù)兩次稱(chēng)重的差異不超過(guò)5mg為止。根據(jù)減失的重 量，計(jì)算梔子藥材中的含水量（％ )。
[0072] 水分含量（％ ) = (Mo+Mi-M2) )/Mi*100%
[0073]②梔子藥材浸出物含量測(cè)定方法
[0074]取梔子藥材供試品約3g，精密稱(chēng)定得重量(MJ，置250ml的錐形瓶中，精密加乙醇 100ml，密塞，稱(chēng)定重量，靜置1小時(shí)后，連接回流冷凝管，加熱至沸騰，并保持微沸1小時(shí)。放 冷后，取下錐形瓶，密塞，再稱(chēng)定重量，用水補(bǔ)足減失的重量，搖勻，用干燥濾器濾過(guò)，精密量 取濾液25ml，置已干燥至恒重的蒸發(fā)皿(Mo)中、在水浴上蒸干后，于105°C干燥3小時(shí)，置干 燥器中冷卻30分鐘，迅速精密稱(chēng)定重量(M2)。除另有規(guī)定外，以干燥品計(jì)算供試品中醇溶性 浸出物的含量（％)。
[0075] 浸出物含量（％ ) = (MrMohVMAa-水分％ )*100%
[0076] ③梔子藥材梔子苷、京尼平甘酸、京尼平龍膽二糖苷含量測(cè)定方法 [0077]供試品溶液的制備
[0078] 取梔子粉末(過(guò)80目篩)0.5g，精密稱(chēng)定，置于錐形瓶中，精密加入50%甲醇25mL， 稱(chēng)定重量，超聲處理40min，放冷，補(bǔ)足失重，搖勾，過(guò)濾。取續(xù)濾液lmL于5mL的容量瓶中，用 50 %甲醇稀釋、定容至刻度，12000rpm離心，取上清液，即得供試品溶液。
[0079] 色譜條件
[0080]色譜柱：C18(kromasil，250X4.6mm)，流動(dòng)相：乙腈(A)-O.l%磷酸溶液(B)，洗脫 梯度：〇min，5% (A)，lOmin，10% (A)，20min，18% (A)，50min，；流速：lmL/min;柱溫：30°C ; DAD檢測(cè)器，檢測(cè)波長(zhǎng):238nm;進(jìn)樣量10y 1 〇 [0081] 混合對(duì)照和樣品的HPLC色譜圖見(jiàn)圖1。
[0082]對(duì)照品溶液的制備
[0083] 分別精密稱(chēng)量梔子苷14.012mg、京尼平苷龍膽雙糖苷2.502mg、京尼平苷酸 0.160mg，置25mL容量瓶中，加50%甲醇溶解并稀釋至刻度，搖勻后及得質(zhì)量濃度分別為 560.48yg ? mL-l、100.08yg ? mL-l、6.40yg ? mL-1 混合對(duì)照品溶液。
[0084]線性關(guān)系考察
[0085] 分別精密稱(chēng)取梔子苷50mg、京尼平苷龍膽雙糖苷5mg、京尼平苷酸lmg，置25mL量瓶 中，加50 %甲醇溶解并稀釋至刻度，搖勻，即得混合對(duì)照品溶液。對(duì)混合對(duì)照品進(jìn)行0，2.5， 5，10，20，40倍稀釋?zhuān)謩e精密吸取上述對(duì)照品溶液各10uL，注入高效液相色譜儀，測(cè)定，以 對(duì)照品質(zhì)量濃度(mg ? L-1)為橫坐標(biāo)(X)，峰面積為縱坐標(biāo)(Y)，繪制標(biāo)準(zhǔn)曲線。梔子苷回歸 方程￥ = 4.521乂-8.715 4 = 0.999，線性范圍50-2000邱.11^-1;京尼平苷龍膽雙糖苷￥ = 3 ? 987X-3 ? 451，r = 0 ? 9999，線性范圍5-200yg ? mL-1;京尼平苷酸回歸方程￥ = 3.190父_ 7.623，r = l，線性范圍l_40iig ? mL-1。
[0086] (3)建模過(guò)程異常點(diǎn)的剔除
[0087]定量校正建模建立之前對(duì)采集樣本中的異常點(diǎn)進(jìn)行剔除，建模過(guò)程中有兩種異常 點(diǎn)，一種是與建模樣品集中其他樣品比較，該樣品組方濃度比較極端，這種樣品的存在，會(huì) 使校正集中組方濃度范圍分布不均勻，因此影響模型預(yù)測(cè)的準(zhǔn)確性。另一種異常點(diǎn)是通過(guò) 模型得到的預(yù)測(cè)值與離線檢測(cè)的實(shí)際值有較大誤差，針對(duì)這種誤差Unscrambles軟件通過(guò) 三維空間分布值(Influence)和線性相關(guān)性(correlation)這兩個(gè)統(tǒng)計(jì)量來(lái)對(duì)照剔除。 [0088] (4)近紅外光譜預(yù)處理方法選擇
[0089]為了提高建模效果，建模時(shí)對(duì)原始光譜進(jìn)行預(yù)處理是非常必要的，預(yù)處理的方法 有平滑、微分、中心化、微分結(jié)合平滑等光譜預(yù)處理方法來(lái)消除由于近紅外光譜采集過(guò)程中 樣品的狀態(tài)、光的散射、儀器的誤差、環(huán)境的改變等因素帶來(lái)的干擾，光譜中通常會(huì)包含一 些與待測(cè)樣品性質(zhì)無(wú)關(guān)的信息，導(dǎo)致近紅外光譜的基線出現(xiàn)漂移。光譜預(yù)處理方法優(yōu)化結(jié) 果見(jiàn)表1-表5。
[0090] 表1光譜預(yù)處理方法的選擇(水分）
[0092]表1是以水分為指標(biāo)，采用不同的光譜預(yù)處理方法建立的模型參數(shù)比較，結(jié)果可以 看出當(dāng)預(yù)處理方法為1st derivative with smoothing時(shí)建立的模型校正集和交互驗(yàn)證集 的相關(guān)系數(shù)為〇. 971454、0.970682，最接近1，RMSEC、RMSECV值均最低，說(shuō)明當(dāng)預(yù)處理方法為 1st derivative with smoothing時(shí)建立的模型效果較好。
[0093] 表2光譜預(yù)處理方法的選擇(醇溶性浸出物）
[0096]表2是以醇溶性浸出物為指標(biāo)，采用不同的光譜預(yù)處理方法建立的模型參數(shù)比較， 結(jié)果可以看出當(dāng)采用原始近紅外光譜建立的模型校正集和交互驗(yàn)證集的相關(guān)系數(shù)為 0.955514、0.955687,最接近1，RMSEC、RMSECV值均最低，說(shuō)明當(dāng)采用近紅外原始光譜建立的 模型效果較好。
[0097] 表3光譜預(yù)處理方法的選擇(梔子苷）
[0099]表3是以梔子苷為指標(biāo)，采用不同的光譜預(yù)處理方法建立的模型參數(shù)比較，結(jié)果可 以看出當(dāng)預(yù)處理方法為smoothing平滑（7點(diǎn)）時(shí)建立的模型校正集和交互驗(yàn)證集的相關(guān)系 數(shù)為0.978644、0.979945，最接近1，RMSEC、RMSECV值均最低，說(shuō)明當(dāng)光譜預(yù)處理方法選擇 smoothing平滑(7點(diǎn)）時(shí)建立的模型效果較好。
[0100] 表4光譜預(yù)處理方法的選擇(京尼平甘酸）
[0102]表4是以京尼平甘酸為指標(biāo)，采用不同的光譜預(yù)處理方法建立的模型參數(shù)比較，結(jié) 果可以看出當(dāng)預(yù)處理方法為2st derivative with smoothing時(shí)建立的模型校正集和交互 驗(yàn)證集的相關(guān)系數(shù)為0.968475、0.970155，最接近1，RMSEC、RMSECV值均最低，說(shuō)明當(dāng)光譜預(yù) 處理方法選擇2st derivative with smoothing時(shí)建立的模型效果較好。
[0103] 表5光譜預(yù)處理方法的選擇(京尼平龍膽二糖苷）
[0106]表5是以京尼平龍膽二糖苷為指標(biāo)，采用不同的光譜預(yù)處理方法建立的模型參數(shù) 比較，結(jié)果可以看出當(dāng)預(yù)處理方法為1st derivative(-階微分)時(shí)建立的模型校正集和交 互驗(yàn)證集的相關(guān)系數(shù)為0.960412、0.963542，最接近1，RMSEC、RMSECV值均最低，說(shuō)明當(dāng)光譜 預(yù)處理方法選擇1st derivative(-階微分)時(shí)建立的模型效果較好。
[0107] (5)建模過(guò)程最佳光譜波段的選擇
[0108] 波段的選擇是對(duì)光譜數(shù)據(jù)拆分一種方法，盡管建模方法能夠以近紅外光譜全波長(zhǎng) 的信息建模，但由于全波中會(huì)包含大量無(wú)效信息，不僅延長(zhǎng)了計(jì)算時(shí)間，還降低了有效信息 率；合適的建模波段選擇可以減少無(wú)效信息干擾，提高模型精度。水分指標(biāo)選取1100-1900nm特征波段下的近紅外光譜信息，醇溶性浸出物選擇1100-2300nm特征波段下的近紅 外光譜信息，以梔子苷含量為指標(biāo)選擇1450-2000nm特征波段下的近紅外光譜信息，以京尼 平甘酸為最佳建模波段選擇ll〇〇_1350nm;以京尼平龍膽二糖苷為指標(biāo)建立定量校正模型 時(shí)最佳光譜預(yù)處理最佳建模波段為ll〇〇_1350nm，利用化學(xué)計(jì)量學(xué)軟件與已知各指標(biāo)成分 實(shí)驗(yàn)值進(jìn)行關(guān)聯(lián)，采用偏最小二乘法建立近紅外光譜與標(biāo)準(zhǔn)含量之間的定量校正模型。
[0109] 不同波段選擇結(jié)果見(jiàn)表6~表10。
[0110]表6不同光譜波段的選擇(水分）
[0113] 表6是以水分為指標(biāo)，近紅外光譜預(yù)處理方法采用1st derivative with smoothing時(shí)，采用不同光譜波段建立的模型參數(shù)比較，結(jié)果可以看出當(dāng)選擇1100-1900nm 波段建模時(shí)建立的模型校正集和交互驗(yàn)證集的相關(guān)系數(shù)為〇 . 982921、0.976577，最接近1， RMSEC、RMSECV值均最低，說(shuō)明當(dāng)近紅外光譜波段選擇1100-1900nm時(shí)建立的模型效果較好。
[0114] 表7不同光譜波段的選擇(醇溶性浸出物）
[0116]表7是以醇溶性浸出物為指標(biāo)，近紅外光譜采用原始光譜時(shí)，不同光譜波段建立的 模型參數(shù)比較，結(jié)果可以看出當(dāng)選擇ll〇〇_2300nm波段建模時(shí)建立的模型校正集和交互驗(yàn) 證集的相關(guān)系數(shù)為0.955514、0.955687，最接近1，RMSEC、RMSECV值均最低，說(shuō)明當(dāng)近紅外光 譜波段選擇ll〇〇_2300nm時(shí)建立的模型效果較好。
[0117]表8不同光譜波段的選擇(梔子苷）
[0119] 表8是以梔子苷為指標(biāo)，近紅外光譜預(yù)處理方法采用smoothing平滑(7點(diǎn)）時(shí)，不同 光譜波段建立的模型參數(shù)比較，結(jié)果可以看出當(dāng)選擇ll〇〇_1450nm波段建模時(shí)建立的模型 校正集和交互驗(yàn)證集的相關(guān)系數(shù)為〇. 984565、0.987408，最接近1，RMSEC、RMSECV值均最低， 說(shuō)明當(dāng)近紅外光譜波段選擇1100_1450nm時(shí)建立的模型效果較好。
[0120] 表9不同光譜波段的選擇(京尼平甘酸）
[0121]
[0122] 表9是以京尼平甘酸為指標(biāo)，近紅外光譜預(yù)處理方法采用2st derivative with smoothing時(shí)，不同光譜波段建立的模型參數(shù)比較，結(jié)果可以看出當(dāng)選擇1100-1350nm波段 建模時(shí)建立的模型校正集和交互驗(yàn)證集的相關(guān)系數(shù)為0.976206、0.976545,最接近1， RMSEC、RMSECV值均最低，說(shuō)明當(dāng)近紅外光譜波段選擇1100-1350nm時(shí)建立的模型效果較好。
[0123] 表10不同光譜波段的選擇(京尼平龍膽二糖苷）
[0125] 表10是以京尼平龍膽二糖苷為指標(biāo)，近紅外光譜預(yù)處理方法采用lstderivative (一階微分)時(shí)，不同光譜波段建立的模型參數(shù)比較，結(jié)果可以看出當(dāng)選擇ll〇〇_1350nm波段 建模時(shí)建立的模型校正集和交互驗(yàn)證集的相關(guān)系數(shù)為0.974969、0.963542,最接近1， RMSEC、RMSECV值均最低，說(shuō)明當(dāng)近紅外光譜波段選擇1100-1350nm時(shí)建立的模型效果較好。
[0126] (6)梔子藥材各質(zhì)量控制指標(biāo)定量校正模型建立
[0127] 運(yùn)用偏最小二乘法(PLS)建立梔子藥材中5個(gè)質(zhì)量指標(biāo)的近紅外定量分析模型。模 型建立前對(duì)校正集樣本進(jìn)行異常點(diǎn)的剔除，提高模型精度，同時(shí)對(duì)原始光譜進(jìn)行光譜預(yù)處 理方法篩選用于消除儀器背景或漂移對(duì)光譜信號(hào)的影響，選擇最佳的光譜波段進(jìn)行建模， 用于減少計(jì)算量，縮短建模時(shí)間。選擇最佳光譜預(yù)處理方法及最佳建模波段后一交互驗(yàn)證 誤差均方根為指標(biāo)，應(yīng)用留一交互驗(yàn)證法確定建偏最小二乘法建模的最佳主成分?jǐn)?shù)。
[0128] (7)200個(gè)梔子樣本在剔除異常點(diǎn)后，從中隨機(jī)選擇149-162個(gè)樣本作為5個(gè)指標(biāo)建 立模型的校正集，35-43個(gè)樣本作為驗(yàn)證集用于模型預(yù)測(cè)能力的驗(yàn)證。定量校正模型以校正 及內(nèi)部交叉驗(yàn)證模型相關(guān)系數(shù)(R 2)，校正及內(nèi)部交互驗(yàn)證均方根驗(yàn)證誤差(RMSEC、RMSECV) 為指標(biāo)進(jìn)行模型優(yōu)化，以外部預(yù)測(cè)結(jié)果與檢測(cè)值的相關(guān)系數(shù)（R 2)、預(yù)測(cè)誤差均方根 (RMSEP)、預(yù)測(cè)相對(duì)偏差(RSEP)作為模型對(duì)未知樣品預(yù)測(cè)效果評(píng)價(jià)指標(biāo)。當(dāng)值R 2約接近1， RMSECV越小，說(shuō)明模型的性能越好，RSEP越小說(shuō)明模型預(yù)測(cè)能力越好，當(dāng)RSEP小于5 %時(shí)模 型具有較好的預(yù)測(cè)能力，能夠滿(mǎn)足梔子實(shí)時(shí)放行檢測(cè)的目的。
[0129] (8)校正模型的驗(yàn)證
[0130]隨機(jī)選擇的30-40個(gè)梔子藥材樣本對(duì)定量校正模型進(jìn)行預(yù)測(cè)準(zhǔn)確性驗(yàn)證，采用與 校正集相同的光譜預(yù)處理方法、最佳波段后的光譜數(shù)據(jù)導(dǎo)入定量校正模型中，快速測(cè)定梔 子藥材中水分、醇溶性浸出物、梔子苷、京尼平苷酸、京尼平龍膽雙糖苷的含量，并驗(yàn)證模型 的性能。
[0131] (9)最終確定各質(zhì)控指標(biāo)的最優(yōu)建模條件。以梔子藥材水分含量為指標(biāo)建立定量 校正模型時(shí)光譜預(yù)處理方法選擇1st derivative with smoothing方法，最佳建模波段為 1100-1900nm;以醇溶性浸出物為指標(biāo)建立定量校正模型時(shí)光譜最佳預(yù)處理方法為原始光 譜，最佳建模波段為ll〇〇_2300nm;以梔子苷含量為指標(biāo)建立的定量校正模型最佳光譜預(yù)處 理方法選擇smoothing平滑，最佳建模波段為1100-1450nm;以京尼平甘酸為指標(biāo)建立定量 校正模型時(shí)光譜預(yù)處理方法選擇2st derivative with smoothing，最佳建模波段為1100-1350nm;京尼平龍膽二糖苷為指標(biāo)建立定量校正模型時(shí)最佳光譜預(yù)處理方法選擇1st derivative，最佳建模波段為1100_1350nm。
[0132] 表11為5個(gè)指標(biāo)的近紅外光譜建立定量校正模型結(jié)果參數(shù)比較，可以看出，5個(gè)指 標(biāo)建立的定量校正模型校正集和交互驗(yàn)證集的相關(guān)系數(shù)均在0.95以上，RMSEC、RMSECV值均 在0.5以下，說(shuō)明所建模型效果較優(yōu)，適用性較好。水分含量的實(shí)測(cè)值和預(yù)測(cè)值之間的相關(guān) 圖見(jiàn)圖2;醇溶性浸出物含量的實(shí)測(cè)值和預(yù)測(cè)值之間的相關(guān)圖見(jiàn)圖3;梔子苷含量的實(shí)測(cè)值 和預(yù)測(cè)值之間的相關(guān)圖見(jiàn)圖4;京尼平甘酸的實(shí)測(cè)值和預(yù)測(cè)值之間的相關(guān)圖見(jiàn)圖5;京尼平 龍膽二糖苷含量的實(shí)測(cè)值和預(yù)測(cè)值之間的相關(guān)圖見(jiàn)圖6。
[0133] 表11梔子藥材質(zhì)量指標(biāo)含量定量校正模型參數(shù)
[0134]
[0135] (10)定量校正模型的驗(yàn)證
[0136] 隨機(jī)選擇的30-40個(gè)梔子藥材樣本對(duì)5個(gè)定量校正模型進(jìn)行模型預(yù)測(cè)能力驗(yàn)證，水 分含量的實(shí)測(cè)值和近紅外預(yù)測(cè)值的柱狀比較圖見(jiàn)圖7;浸出物含量的實(shí)測(cè)值和近紅外預(yù)測(cè) 值的柱狀比較圖見(jiàn)圖8;梔子苷含量的實(shí)測(cè)值和近紅外預(yù)測(cè)值的柱狀比較圖見(jiàn)圖9;京尼平 龍膽二糖苷含量的實(shí)測(cè)值和近紅外預(yù)測(cè)值的柱狀比較圖見(jiàn)圖10;京尼平甘酸含量的實(shí)測(cè)值 和近紅外預(yù)測(cè)值的柱狀比較圖見(jiàn)圖11;由圖可以看出各指標(biāo)含量預(yù)測(cè)值與實(shí)測(cè)值非常接 近。
[0137] 表12定量校正模型對(duì)未知樣品的預(yù)測(cè)效果
[0139]表12為5個(gè)指標(biāo)近紅外定量校正模型的對(duì)未知樣本的預(yù)測(cè)結(jié)果匯總，表12可以看 出5個(gè)質(zhì)量指標(biāo)近紅外定量校正模型預(yù)測(cè)相關(guān)參數(shù)均在0.98以上，RMSEP均低于0.2，說(shuō)明模 型穩(wěn)定性較好。表13-表17可以看出個(gè)指標(biāo)定量校正模型RSEP均低于5%，說(shuō)明建立的5個(gè)定 量校正模型具有較好的預(yù)測(cè)能力和預(yù)測(cè)精度。
[0140]表13近紅外模型預(yù)測(cè)值與離線檢測(cè)值相對(duì)偏差(水分）
[0142]
[0143] 表13可以看出以水分為指標(biāo)建立的定量校正模型對(duì)37個(gè)外部未知梔子藥材中水 分含量的預(yù)測(cè)結(jié)果，預(yù)測(cè)值與離線檢測(cè)值的相對(duì)偏差均值為3.68%，說(shuō)明建立的定量校正 模型具有較好的預(yù)測(cè)能力和預(yù)測(cè)精度。
[0144] 表14近紅外模型預(yù)測(cè)值與離線檢測(cè)值相對(duì)偏差(醇溶性浸出物）
[0146]
[0147] 表14可以看出以醇溶性浸出物為指標(biāo)建立的定量校正模型對(duì)37個(gè)外部未知梔子 藥材中醇溶性浸出物量的預(yù)測(cè)結(jié)果，預(yù)測(cè)值與離線檢測(cè)值的相對(duì)偏差均值為2.34%，說(shuō)明 建立的定量校正模型具有較好的預(yù)測(cè)能力和預(yù)測(cè)精度。表15近紅外模型預(yù)測(cè)值與離線檢測(cè) 值相對(duì)偏差(梔子苷）

[0150] 表15可以看出以梔子苷為指標(biāo)建立的定量校正模型對(duì)37個(gè)外部未知梔子藥材中 醇溶性浸出物量的預(yù)測(cè)結(jié)果，預(yù)測(cè)值與離線檢測(cè)值的相對(duì)偏差均值為1.98%，說(shuō)明建立的 定量校正模型具有較好的預(yù)測(cè)能力和預(yù)測(cè)精度。
[0151] 表16近紅外模型預(yù)測(cè)值與離線檢測(cè)值相對(duì)偏差(京尼平甘酸）
[0153]
[0154] 表16可以看出以京尼平甘酸為指標(biāo)建立的定量校正模型對(duì)37個(gè)外部未知梔子藥 材中醇溶性浸出物量的預(yù)測(cè)結(jié)果，預(yù)測(cè)值與離線檢測(cè)值的相對(duì)偏差均值為2.66%，說(shuō)明建 立的定量校正模型具有較好的預(yù)測(cè)能力和預(yù)測(cè)精度。
[0155] 表17近紅外模型預(yù)測(cè)值與離線檢測(cè)值相對(duì)偏差(京尼平甘龍膽二糖苷）
[0157]
[0158] 表17可以看出以京尼平甘龍膽二糖苷為指標(biāo)建立的定量校正模型對(duì)37個(gè)外部未 知梔子藥材中醇溶性浸出物量的預(yù)測(cè)結(jié)果，預(yù)測(cè)值與離線檢測(cè)值的相對(duì)偏差均值為 1.53%，說(shuō)明建立的定量校正模型具有較好的預(yù)測(cè)能力和預(yù)測(cè)精度。
[0159] (11)引入近紅外光譜技術(shù)建立的梔子藥材定量校正模型建立的梔子藥材5個(gè)指標(biāo) 的實(shí)時(shí)放行標(biāo)準(zhǔn)如下：水分含量<8.5%，浸出物含量多40%，梔子苷含量多1.8%，京尼平 龍膽二糖苷含量多0.8%，京尼平甘酸多0.08%時(shí)可以判斷梔子藥材為合格藥材，符合質(zhì)量 標(biāo)準(zhǔn)要求，可以用于制藥過(guò)程。
[0160] 本發(fā)明提出一種梔子藥材5個(gè)指標(biāo)快速檢測(cè)方法。結(jié)果表明引入近紅外光譜分析 技術(shù)可以同時(shí)對(duì)梔子藥材中水分、浸出物、梔子苷含量、京尼平龍膽二糖苷含量、京尼平甘 酸含量進(jìn)行快速無(wú)損綠色檢測(cè)。本方法綠色環(huán)保、不使用有機(jī)試劑，提高了生產(chǎn)效率和經(jīng)濟(jì) 效益，為梔子藥材的控制提供了一種新的方法。
[0161] 以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人 員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng) 視為本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 梔子藥材近紅外定量分析模型的建立方法，其特征在于，包括如下步驟： 步驟1:獲得梔子藥材待測(cè)樣品的近紅外光譜； 步驟2:對(duì)步驟1獲得的近紅外光譜進(jìn)行預(yù)處理； 步驟3:以水分含量、浸出物含量、有效成分含量作為梔子藥材的關(guān)鍵質(zhì)量控制指標(biāo)，確 定最佳光譜波段； 步驟4:建立所述梔子藥材的關(guān)鍵質(zhì)量控制指標(biāo)與步驟2獲得的近紅外光譜數(shù)據(jù)之間的 定量校正模型。2. 根據(jù)權(quán)利要求1所述的建立方法，其特征在于，所述有效成分含量選自梔子苷含量、 京尼平甘酸含量或京尼平龍膽二糖苷含量。3. 根據(jù)權(quán)利要求2所述的建立方法，其特征在于，步驟2中所述預(yù)處理包括： 以梔子水分含量為指標(biāo)建立定量校正模型過(guò)程中光譜預(yù)處理方法采用1st derivative with smoothing； 以梔子藥材浸出物含量為指標(biāo)建立定量校正模型過(guò)程中最佳光譜預(yù)處理方法為原始 光譜； 以梔子苷含量為指標(biāo)建立的定量校正模型建立過(guò)程中光譜預(yù)處理方法采用smoothing 平滑； 以京尼平甘酸含量為指標(biāo)建立的定量校正模型中最佳光譜預(yù)處理方法為2st derivative with smoothing； 以京尼平龍膽二糖苷含量為指標(biāo)建立的定量校正模型中最佳光譜預(yù)處理方法為1st derivative。4. 根據(jù)權(quán)利要求1至3任一項(xiàng)所述的建立方法，其特征在于，步驟3中所述最佳光譜波段 包括：以水分含量為指標(biāo)建模的最佳波段為1100~1900nm，以浸出物含量為指標(biāo)建立的模 型最佳波段為1100~2300nm，以梔子苷含量為指標(biāo)建模的最佳波段為1450~2000nm，以京 尼平甘酸含量為指標(biāo)建模的最佳波段為1100~2300nm，以京尼平龍膽二糖苷含量為指標(biāo)建 模的最佳波段為1100~1350nm〇5. 根據(jù)權(quán)利要求1至4任一項(xiàng)所述的建立方法，其特征在于，步驟1中所述近紅外光譜采 集參數(shù)為:光譜范圍I IOOnm~2300nm，波長(zhǎng)增量2nm，掃描平均次數(shù)300;檢測(cè)方法為透射，所 述樣品采集3張光譜，取平均光譜值作為樣品的近紅外光譜圖。6. 根據(jù)權(quán)利要求1至5任一項(xiàng)所述的建立方法，其特征在于，通過(guò)Unscrambles軟件的三 維空間分布值(Inf Iuence)和線性相關(guān)性(correlation)兩個(gè)統(tǒng)計(jì)量來(lái)對(duì)照剔除點(diǎn)。7. 根據(jù)權(quán)利要求1至6任一項(xiàng)所述的建立方法，其特征在于，步驟3中水分含量采用中國(guó) 藥典2010版附錄IX H第一法測(cè)定;浸出物含量采用中國(guó)藥典2010版附錄XA醇溶性浸出物測(cè) 定法(溶劑為乙醇)測(cè)定;有效成分含量采用高效液相色譜法測(cè)定。8. 根據(jù)權(quán)利要求1至7任一項(xiàng)所述的建立方法獲得的梔子藥材近紅外定量分析模型。9. 梔子藥材多指標(biāo)快速檢測(cè)方法，其特征在于，包括如下步驟： 步驟1:根據(jù)權(quán)利要求1至7任一項(xiàng)所述的建立方法獲得梔子藥材近紅外定量分析模型； 步驟2:取步驟1所述梔子藥材近紅外定量分析模型測(cè)定待測(cè)樣品的關(guān)鍵質(zhì)量控制指 標(biāo)，當(dāng)水分含量<8.5%，浸出物含量多40%，梔子苷含量多1.8%，京尼平龍膽二糖苷含量 多0.8%，京尼平甘酸多0.08%時(shí)，則判斷所述待測(cè)樣品為合格。10.梔子藥材的檢測(cè)標(biāo)準(zhǔn)，其特征在于，當(dāng)水分含量<8.5%，浸出物含量多40%，梔子 苷含量多1.8%，京尼平龍膽二糖苷含量多0.8%，京尼平甘酸多0.08%時(shí)，則判斷所述待測(cè) 樣品為合格。
【文檔編號(hào)】G01N21/3563GK105911012SQ201610237621
【公開(kāi)日】2016年8月31日
【申請(qǐng)日】2016年4月15日
【發(fā)明人】蕭偉, 王永香, 王秀海, 米慧娟, 李淼, 王星星, 周恩麗, 孫永城, 吳云, 丁崗, 王振中
【申請(qǐng)人】江蘇康緣藥業(yè)股份有限公司