应用近红外光谱技术对茯苓药材进行定性定量检测研究

目的: 利用傅里叶变换近红外漫反射光谱结合化学计量学方法对茯苓不同部位进行定性判别建模,并建立茯苓多糖的定量检测模型和茯苓多糖定量分析. 方法: 采用紫外分光光度法测定茯苓多糖含量,漫反射方式采集样品近红外光谱,采用一阶导数 + 矢量归一化法处理近红外光谱图,运用偏最小二乘法(PLS)建立光谱数据与多糖的定量校正模型,运用主成分分析(PCA)法建立茯苓定性模型, 结果: 偏最小二乘定量校正模型R 为0.9440,RMSEC为0.072 1,RMSEP为0.076 2;定性分析模型对10个预测样品的判错数为0. 结论: 利用傅里叶变换近红外漫反射光谱快速判别不同部位茯苓的方法是可行的,多糖含量PLS定量分析模型从预测精度、稳定性及适应性考虑均具一定的通用性,具有良好的市场应用前景.     

基于近红外光谱及组合间隔偏最小二乘法的天南星中水分及总黄酮含量测定研究

目的建立天南星中水分及总黄酮的近红外含量预测模型。方法采用近红外漫反射光谱,利用TQ Analyst 9.0软件进行光谱预处理,并结合Matlab平台下的组合间隔偏最小二乘法进行波段的优选。以校正集相关系数(R_c~2)、校正集预测均方根误差(RMSEC)、验证集相关系数(R_p~2)、验证集预测均方根误差(RMSEP)为指标评价模型的优劣。结果水分较为理想的建模波段范围为4613.6~4968.4 cm~(-1)、8871.2~9226 cm~(-1)、10 299.4~10 645.2 cm~(-1);总黄酮建模波段范围为4376.3~4849.6 cm~(-1)、5796.2~6269.5 cm~(-1)、8182.6~8635.9 cm~(-1)。建模后水分的含量预测模型R_c~2=0.956 2,RMSEC=0.332,R_p~2=0.905 2,RMSEP=0.554;总黄酮含量预测模型为R_c~2=0.937 7,RMSEC=0.021,R_p~2=0.898 8,RMSEP=0.027。结论建立的近红外光谱测定方法操作简便、快速、准确,为水分及总黄酮含量的快速检测提供了借鉴。     

猪苓多糖的近红外光谱定量分析模型研究

目的以偏最小二乘法(PLS)建立猪苓多糖的近红外光谱定量分析模型。方法采用正交法优化猪苓多糖提取工艺,结合紫外分光光度法测定猪苓多糖含量,并将样品的近红外光谱图与所测多糖含量相关联,建立光谱数据与多糖的定量校正模型。结果在8477.54～4076.78 cm~(-1)波段,选择一阶导数+ND平滑处理,可以得到最佳的定量模型,模型的校正均方根误差(RMSEC)为1.00,相关系数γ_c为0.9565,内部交叉验证均方根误差(RMSECV)为1.77,相关系数γ_V为0.8566,模型的预测均方根误差(RMSEP)为0.818,相关系数γ_P为0.9469,主成分数为5。结论所建的模型性能良好,可快速、准确地测定猪苓多糖的含量,可用于猪苓药材的质量监察。     

基于小波包变换的云芝蛋白和多糖的近红外光谱分析

目的 采用小波包变换(WPT)提取云芝样品近红外漫反射光谱的特征信息,结合偏最小二乘法(PLS)建立测定药用真菌云芝中蛋白和多糖含量定量分析模型.方法 所建立的模型经过小波包变换尺度分析的选择,PLS模型参数的优选,在WPT变换尺度为6时,可以得到最优的分析模型.结果 最优蛋白含量分析模型校正集的交互验证均方根误差(RMSECV)为0.012 63,(Rv)为0.947 42;应用此模型对预测集样品中蛋白含量进行预测,得到预测均方根误差(RMSEP)为0.010 41,预测集的相关系数(Rp)为0.958 56.多糖最优分析模型校正集的交互验证均方根误差(RMSECV)为0.01688,(Rv)为0.919 62;应用此模型对预测集样品中的多糖含量进行预测,得到预测均方根误差(RMSEP)为0.010 43,预测集的相关系数(Rp)为0.974 28.结论 该方法预测精度能满足云芝蛋白定量和多糖含量分析的要求,且方便快捷,无破坏性,可实现在线检测,对替代原有繁琐的云芝蛋白多糖含量测定方法具有重要的意义.     

基于碱提多糖收率及含量的茯苓质量评价方法研究

为了完善茯苓的质量控制方法，更好地开发利用茯苓资源，该文采用碱液浸提法提取茯苓碱溶性浸出物，通过单因素分析，确定了碱溶性浸出物的最佳提取方法，并对30批样品进行测定。采用高效凝胶色谱(HPGPC)、红外光谱(FT-IR)、核磁共振光谱(NMR)、1-苯基-3-甲基-5-吡唑啉酮柱前衍生高效液相色谱(PMP-HPLC)等方法分析碱溶性浸出物的化学组成。结果表明，30批茯苓样品碱溶性浸出物在46.98%～73.86%;茯苓碱溶性浸出物的主要成分为β-(1→3)-葡聚糖，相对分子质量约为1.093×10⁵。进一步，分别采用紫外-可见分光光度法(UV-Vis)和高效液相色谱-蒸发光散射检测法(HPLC-ELSD),建立了茯苓碱溶性多糖的含量测定方法，并测定30批样品。结果表明，UV-Vis测定茯苓碱溶性多糖在73.70%～92.57%,不同产地样品含量为湖北略高于云南、安徽、湖南。HPLC-ELSD测定茯苓碱溶性多糖为51.42%～76.69%,不同产地样品含量为湖南略高于湖北、安徽、云南。可见，UV-Vis测定的碱溶性多糖含量偏高；HPLC-ELSD的测定结果与碱溶性浸...     

近红外光谱法快速测定河南产野菊花中蒙花苷含量

目的:运用近红外漫反射光谱技术(NIRS)结合偏最小二乘法(PLS)建立野菊花药材中蒙花苷含量的快速测定方法。方法:采集野菊花药材的近红外漫反射光谱,采用HPLC测定野菊花药材中蒙花苷含量作为参考值,将近红外光谱与蒙花苷含量参考值进行关联,建立野菊花药材中蒙花苷含量的定量预测模型,并对模型进行验证。结果:所建立的定量分析模型的内部交叉验证决定系数(R2)为0.999 09,校正均方根偏差(RMSEC)为0.013 6,内部交叉验证均方差(RMSECV)为0.039 70,验证集样品预测相关系数(r)为0.997 6,预测均方偏差(RMSEP)为0.018 5。结论:近红外光谱法操作简便,测定快速准确,可以用于河南产野菊花药材中蒙花苷含量的快速测定。     

近红外光谱技术快速测定夏枯草中水溶性浸出物的含量

目的:建立夏枯草中水溶性浸出物含量的近红外光谱定量分析模型。方法:采用热浸法测定180批夏枯草中浸出物的含量;采集样品的近红外光谱数据,利用TQ8.0软件建立浸出物的定量分析模型。结果:所建立的近红外光谱定量分析模型的校正集内部交叉验证相关系数(R~2),校正均方差(RMSEC)和预测均方差(RMSEP)分别为0.981 4,0.347,0.378,验证集NIR预测值与热浸法参考值的t检验值为0.653,双侧P=0.5170.05,说明差异无统计学意义。结论:建立的近红外光谱法测定夏枯草中浸出物的含量测定方法准确、可靠,可用于夏枯草中浸出物的含量测定。     

Bagging-PLS的黄柏中试提取过程在线近红外质量监测研究

目的:采用近红外光谱技术,建立黄柏中试提取过程偏最小二乘法(PLS)定量模型,快速分析盐酸小檗碱含量,以Bagging-PLS集成建模方法提高所建模型的预测性能。方法:以HPLC为参考方法测定黄柏提取液中盐酸小檗碱含量,运用PLS建立与近红外光谱(NIR)预测值之间的多元校正模型,并建立Bagging-PLS模型提高模型的稳定性与预测性能。结果:盐酸小檗碱定量模型的校正均方根误差RMSEC为0.742 9,预测均方根误差RMSEP为0.961 4,校正集相关系数rc为0.986 6,预测集相关系数rp为0.977 0;Bagging-PLS模型预测均方根误差RMSEP均值为0.413 6,预测集相关系数rp均值为0.998 3,表现出了良好的稳健性与预测性能。结论:所建立的近红外定量模型拥有较好的预测性能,能够实现快速实时检测黄柏提取液中盐酸小檗碱的含量;所建立的Bagging-PLS模型稳健性与预测性能良好,可应用于中药近红外在线监测过程中。     

近红外光谱法快速测定女贞子药材中水分含量

目的:采用近红外光谱技术(NIRS)结合偏最小二乘法(PLS)建立一种女贞子药材中水分含量快速环保的测定方法。方法:利用烘干法测定样品中水分含量,并以其作为参考值,运用近红外漫反射光谱技术采集女贞子的近红外漫反射光谱,结合PLS建立女贞子药材中水分含量的定量分析模型,并用未知样品验证该模型。结果:所建水分定量模型的校正集内部交叉验证相关系数(R2),校正均方差(RMSEC),内部交叉验证均方差(RMSECV)分别为0.986 87,0.199,0.246 41;验证集预测相关系数(R2)与预测均方差(RMSEP)分别为0.956 6和0.220。结论:该方法操作简便,快速无污染,结果准确,可用于女贞子药材中水分含量的快速测定。     

近红外漫反射光谱法快速测定枳实药材中醇浸出物的含量

目的:采用近红外漫反射光谱技术结合偏最小二乘法(PLS)建立一种枳实药材中醇浸出物含量的快速测定方法。方法:运用近红外漫反射光谱技术采集枳实的近红外漫反射光谱,以热浸法测定的含量为参考值,结合PLS建立枳实药材中醇浸出物含量的定量分析模型,并用未知样品验证该模型。结果:所建醇浸出物定量分析模型的校正集内部交叉验证相关系数(R2)、内部交叉验证均方差(RMSECV)和校正均方差(RMSEC)分别为0.984 89,0.417 89和0.153;验证集预测相关系数(r)与预测均方差(RMSEP)分别为0.948 4和0.188。结论:该方法操作简便,测定快速,结果准确,可用于枳实药材中醇浸出物含量的快速测定。     

近红外光谱法快速测定天南星药材中水分

目的:应用近红外光谱技术(NIR)建立快速测定天南星药材中水分的方法。方法:采用烘干法测定样品中的水分,运用偏最小二乘法(PLS)建立该含量与NIR光谱之间的多元校正模型,采用相关系数(R),校正均方根误差(RMSEC),内部交叉验证均方根误差(RMSECV)和外部预测均方根误差(RMSEP)对校正模型进行优化和评价。利用校正模型对未知样品的水分进行预测,检验模型的准确度。结果:采用二阶导数法对光谱进行预处理,在4 774~9 845 cm~(-1)波段,选择前6个主成分建立最优校正模型,所建模型的R为0.990 6,RMSEC为0.16,RMSECV为0.38。经外部验证,校正模型的RMSEP和平均回收率分别为0.298和99.8%。结论:该方法具有简便快速、结果准确、无损样品的特点,可以应用于天南星中水分的快速测定。     

运用近红外技术建立藿香正气胶囊中厚朴酚的定量模型

目的:采用近红外光谱技术建立藿香正气胶囊中厚朴酚含量快速测定的方法.方法:以高效液相色谱法测定109批次藿香正气胶囊中厚朴酚含量,近红外光谱法采集近红外光谱数据,结合偏最小二乘法(PLS)建立厚朴酚的定量模型.结果:建立的厚朴酚校正模型相关系数(R2)、内部交叉验证均方差、校正均方差分别为0.945 6,0.054 3,0.024 5.经外部验证,预测均方差为0.045 9,平均回收率为101.26％.结论:建立的近红外定量模型稳定,准确可靠,可快速对藿香正气胶囊中厚朴酚的含量进行测定.     

近红外光谱用于甘草中甘草苷、甘草酸及水分测定

目的:运用近红外光谱(NIR)技术检测甘草药材中的甘草苷、甘草酸及水分。方法:采用积分球漫反射扫描近红外光谱,以TQ Analyst软件进行数据分析,建立甘草中甘草苷、甘草酸及水分测定的NIR。结果:甘草苷的预测均方根误差(RMSEP)为0.165,预测集相关系数(Rp)0.986 8;交叉验证均方根误差(RMSECV)为0.393,校正集相关系数(Rv)0.904 6。甘草酸的RMSEP=0.166,Rp=0.995 5;RMSECV=0.575,Rv=0.954 0。水分的RMSEP=0.137,Rp=0.995 2;RMSECV=0.498,Rv=0.931 9。结论:该方法快速、简便。可以用于甘草中甘草苷、甘草酸及水分的含量测定。     

近红外光谱对热毒宁注射液栀子萃取过程中的可行性分析

目的:对近红外光谱(NIR)分析技术在热毒宁注射液栀子萃取过程中可行性进行分析研究。方法:收集7批共147个栀子萃取液样品,扫描NIR离线光谱,测定栀子苷含量和固含量,应用偏最小二乘法建立定量校正模型,并用此模型进行预测。结果:建立的栀子苷和固含量模型校正集R2分别为0.987 2,0.994 7,RMSEC分别为1.460 9,2.367 7,说明所建模型性能良好。该模型对20个栀子萃取液样品进行预测,栀子苷和固含量的R2分别为0.980 7和0.986 1,RMSEP分别为1.827 5和7.307 7,RSEP分别为3.08%和5.29%均小于6%,能够满足中药生产过程中质量控制要求。结论:建立的近红外离线定量模型可以准确预测栀子苷含量和固含量,证实了NIR技术在热毒宁注射液栀子萃取过程应用的可行性。     

近红外光谱法快速测定逍遥丸(浓缩丸)中水分含量

目的: 应用近红外光谱法建立一种逍遥丸(浓缩丸)中水分含量的快速测定方法。方法: 利用烘干法测定样品中水分含量,并以其作为参考值,运用偏最小二乘法(PLS)建立水分含量与近红外光谱之间的多元校正模型,对未知样品进行含量预测。结果: 所建水分定量分析模型的相关系数(R²),校正均方差(RMSEC),预测均方差(RMSEP)分别为0.953 52,0.132,0.177。结论: 方法操作简便,无污染,结果准确可靠,可用于逍遥丸(浓缩丸)中水分含量的快速测定。     

零陵香水溶性多糖组分的GC-MS分析

目的:鉴定零陵香水溶性多糖组分,为建立专属性的质量评价指标和中药药效组分新药研发奠定基础。方法:采用水提醇沉法制备零陵香粗多糖,Sevag法除蛋白、H₂O₂脱色、透析得到精制多糖,衍生化后用GC-MS分析。结果:零陵香水溶性多糖主要组分依次为鼠李糖醇-阿拉伯糖-核糖-葡萄糖-木糖,其相对含量比例为1.03:9.17:4.74:18.95:17.11。结论:GC-MS联用法可快速鉴定零陵香水溶性多糖组分。     

近红外光谱技术在热毒宁注射液萃取工艺过程质量控制研究

应用近红外光谱技术建立热毒宁注射液萃取过程绿原酸含量和固含量的分析模型。收集7批金青萃取液样品,扫描离线光谱,测定绿原酸含量和固含量,分别用偏最小二乘法(PLS)和人工神经网络法(ANN)建立定量校正模型,并用此模型对未知样品进行预测。PLS模型中,绿原酸和固含量校正集R2分别为0.987 2,0.981 2;RMSEC分别为0.153 3,0.794 3;预测集R2分别为0.983 7,0.973 3;RMSEP分别为0.246 4,1.259 4;RSEP分别为3.25%,3.31%。ANN模型中,绿原酸和固含量校正集R2分别为0.990 3,0.988 2;RMSEC分别为0.097 4,0.454 3;预测集R2分别为0.986 8,0.969 9;RMSEP分别为0.192 0,0.942 7;RSEP分别为2.61%,2.75%。绿原酸和固含量的PLS模型和ANN模型的RSEP均在6%以内,能够满足中药生产过程中质量分析要求。ANN模型的RSEP低于PLS模型,具有更好的预测准确性。建立的近红外光谱快速检测绿原酸含量和固含量的方法,操作简单,准确可靠,可用于热毒宁注射液金青萃取过程质量控制。