近红外光谱技术快速鉴别前胡药材及其伪品

目的 应用近红外光谱技术结合化学计量学方法建立前胡及其伪品的快速鉴别模型。方法 收集6个主产地前胡（54批）和7种常见伪品（35批）共89批样品,采集近红外光谱图,采用化学计量学方法建立前胡及其伪品的鉴别模型。结果 优选的模型参数：光谱预处理方法为多元散射校正+一阶求导+Norri导数平滑滤波,光谱波段为6 800~5 700 cm^-1,偏最小二乘-判别分析方法的主成分数为14。验证集的鉴别结果表明真伪鉴别模型的正确识别率为100%。结论 近红外光谱法简便、快速,能够正确鉴别前胡药材及其伪品,为前胡药材的快速定性评价提供了一种新方法。     

基于近红外和化学计量学方法对金线莲快速鉴别及其多糖含量测定的研究

目的 建立近红外分析方法结合化学计量学算法对金线莲及其近缘品进行判别分析，进一步构建金线莲多糖含量快速预测模型。方法 采集金线莲药材及其近缘品台湾银线兰、血叶兰样品的近红外光谱。以分类准确性为指标优选光谱预处理方法，分别对比决策树、K-近邻算法、随机森林，偏最小二乘回归判别分析、线性判别分析和支持向量机等有监督模式识别算法对样品的分类效果，优选最优算法建立定性模型。应用紫外可见分光光度法结合苯酚硫酸法测定76批金线莲多糖的含量，分别应用支持向量机、极限学习机、决策树、随机森林、主成分回归和偏最小二乘回归等6种不同化学计量学方法关联金线莲多糖含量与近红外光谱，优选定量算法；经光谱预处理和波段选择，基于连续投影算法筛选波段变量数优化并建立金线莲多糖定量模型。结果 以SNV+SG+2^ndD为光谱预处理方法结合支持向量机建立的近红外光谱判别分析模型分类准确性最高；基于径向基核函数算法结合混淆矩阵和ROC曲线评价模型的预测性能，模型性能均较优。此外，金线莲近红外原始光谱经SNV+SG+2^ndD预处理，以7 000~4 000 cm^-1为建模波段，变量数为97，应用连续投影-偏最小二乘构建的定量分析模型准确度较其他算法最高，为0.992。模型的校正集误差均方根为0.625，校正集相关系数为0.993，验证集误差均方根为0.767，验证集相关系数为0.992，预测偏差为8.467，预测集相对偏差<10%。结论 所建立的近红外支持向量机定性和连续投影-偏最小二乘定量模型准确、可靠，可鉴别金线莲真伪以及测定多糖含量，为实现金线莲质量的快速评价提供一种新的方法。     

近红外光谱技术快速测定三七水分和醇溶性浸出物

目的 利用近红外光谱技术（near infrared spectroscopy,NIRS）建立三七药材水分和醇溶性浸出物定量分析的快速测定方法。方法 参照《中国药典》2015年版三七水分和醇溶性浸出物含量测定方法对53批药材分别测定水分和醇溶性浸出物含量,采用偏最小二乘法（PLS）分别建立水分和醇溶性浸出物的近红外定量分析模型,并利用内部交叉验证和外部验证的方法对模型进行优化。结果 药材样品中水分和醇溶性浸出物预测最佳波段分别为4 450.32～7 350.01 cm^-1和6 163.92～3 984.71 cm^-1。定量模型校正集相关系数分别为0.997 2和0.962 4,校正均方差分别为0.039 6和0.776 0;验证集的相关系数为0.962 4和0.988 4,验证均方差分别为0.173和0.595。结论 该方法准确、快速、无污染,可用于三七药材中水分和醇溶性浸出物含量的快速测定。     

基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花

目的 利用近红外漫反射光谱（near-infrared reflectance spectroscopy,NIRS）法,结合主成分分析（principal component analysis,PCA）和支持向量机（support vector machine,SVM）联用算法,建立PCA-SVM的NIR模式识别模型,用于国产和进口啤酒花的快速鉴别。方法 收集上述不同产地的啤酒花样品,制备成均匀粉末,在4 000～12 500 cm^-1光谱区,采集各样品粉末的NIR光谱,选取特征谱段9 000～4 100 cm^-1为建模谱段,分别采用不同光谱预处理方法进行预处理并分别进行PCA降维。根据2维主成分平面散点图,优选最佳预处理方法。利用最佳预处理方法处理后的光谱PCA降维数据,建立SVM模式识别模型,SVM模型参数采用网格搜索法、遗传算法（GA）、粒子群优化法（PSO）进行寻优。对比不同主成分数所建PCA-SVM模型的预测准确率,确定最佳的主成分数,最终建立PCA-SVM的NIR快速鉴别模型。结果 在6500～5400 cm^-1谱段,以一阶导数法（first derivative,FD）为最佳光谱预处理方法,PCA提取的光谱前8个主成分为最佳主成分,并经网格搜索法确定最佳SVM内部参数：惩罚因子c=2,核函数参数g=1,建立啤酒花PCA-SVM鉴别模型,该模型五折交叉验证准确率达97.37%,对校正集和测试集样品预测准确率均分别为97.37%和97.44%。结论 啤酒花NIRS光谱,进行PCA-SVM算法建模,模型预测准确率高、性能佳,可用于啤酒花样品的快速、无损鉴别。     

基于近红外光谱技术对山茱萸炮制程度的质量评价

目的 采用近红外光谱技术建立山茱萸饮片中5-羟甲基糠醛含量的快速无损检测方法,并用于快速判别山茱萸饮片的炮制程度。方法 以54个样本作为校正集,运用偏最小二乘法建立定量校正模型并进行优化。以9个样本作为验证集,进行含量预测。结果 校正模型决定系数为0.925 6,相对分析误差为5.06,交叉验证均方根误差为0.022 0,外部验证均方差为0.019 3,光谱预测值与真值之间的相关性较好。结论 该法可直接用于中药山茱萸中5-羟甲基糠醛含量的快速预测,为快速判断山茱萸炮制程度提供可能。该方法具有操作简便、快速无损、准确可靠等优点。     

近红外光谱法测定盐酸环丙沙星片中环丙沙星

目的 利用近红外光谱（NIR）分析技术和化学计量学方法对盐酸环丙沙星片进行无损、快速定量分析。方法 以不同生产企业生产的盐酸环丙沙星片为分析对象,用光纤探头测定其近红外漫反射光谱;定量模型的预处理方法为二阶导数,波长范围为6 101.9～4 555.2 cm^-1,采用偏最小二乘法（PLS）建立分析模型。结果 定量分析模型由93批样品经内部交叉验证建立,177批样品进行外部验证,环丙沙星质量分数范围为54.20%～82.54%,相关系数为0.986 3,交叉验证均方差（RMSECV）为1.06,外部验证均方差（RMSEP）为0.92。结论 该方法快速、简便具有一定的专属性,可用于盐酸环丙沙星片中环丙沙星的快速定量分析。     

基于近红外光谱技术不同产地肉桂子模型的建立

目的采用近红外光谱技术结合化学计量学方法建立肉桂子药材的定性模型,达到快速鉴别不同产地肉桂子的目的。方法采用近红外漫反射光纤光谱结合SIMCA、主成分分析法、聚类分析等方法识别不同产地的肉桂子。结果对肉桂子药材原始光谱全波长进行主成分分析,前2个主成分累积方差贡献率为99%,很好地解释了原始光谱99%的信息,和田、喀什、伊宁和乌鲁木齐4个产地聚类效果较好,广西与越南2个产地部分样本出现混淆现象,基本可以区分6个产地样品;采用聚类分析法建立的肉桂子模型对样品进行预测时,正确率为100%;SIMCA法建立的模型对样品进行预测时,只有越南1个产地的样品没有被识别,总识别率为97.22%。结论近红外漫反射光谱技术结合化学计量学方法可以初步实现肉桂子药材的产地鉴别。     

硝苯地平缓释片（II）近红外快速检验模型的建立与验证

目的 建立硝苯地平缓释片（II）近红外一致性检验模型和快速定量模型。方法 使用近红外漫反射光谱（NIR）技术并采用化学计量学方法,选择9 000～7 500 cm^-1、6 900～5 600 cm^-1和5 000～4 250 cm^-1的谱段和二阶导数+矢量归一化的预处理方法建立一致性检验模型;选择7500～9750 cm^-1的谱段和直线差减法建立一致性检验模型。结果 对收集的6批样品建立一致性检验模型并通过了模型验证;以3批原始样品及6批模拟样品作为校正集建立定量模型经交叉验证,硝苯地平的浓度范围为0.018 60～0.091 09 mg·mg^-1,均方根误差(RMSECV)为0.001 95,确定系数(R²)为0.992 9;再以3批原始样品作为验证集进行外部验证,预测均方根误差(RMSEP)为0.000 531;预测结果与法定方法测得含量结果对比,偏差在1.5％之内。结论 所建模型准确、高效,厂家可用于在线质量监控、快速定量分析,监管部门可用于筛查、打击假劣药品。     

运用近红外光谱法建立广藿香含叶量定量分析模型

目的 建立广藿香药材中含叶量的近红外定量分析模型,快速测定粉末药材或以粉末入药的广藿香制剂中的含叶量。方法 扫描并用TQ软件预处理广藿香近红外光谱图,选择建模波段,结合偏最小二乘法建立近红外定量分析模型。结果 建立的近红外校正模型,其内部交叉验证相关系数达到0.996 47,校正均方差为1.45,预测均方差为1.78,内部交叉验证均方差为3.258 05。结论 广藿香含叶量近红外定量模型稳定、精确,可以用来预测未知样品的含叶量。     

基于UPLC指纹图谱结合化学模式的党参质量标志物预测分析

目的：建立党参药材的UPLC指纹图谱,结合化学计量学方法进行分析,对党参的质量标志物（Q-Marker）进行预测分析,为党参的质量评价提供科学依据。方法：采用ACQUITY UPLC^®BEHC18色谱柱（2.1 mm×100 mm,1.7 μm）,以乙腈-0.1%磷酸水溶液为流动相,梯度洗脱,流速0.3 mL·min^-1,检测波长267 nm,柱温30 ℃,进样量2 μL。采用高效液相色谱仪,使用AgilentZORBAX SB-C18色谱柱和乙腈-0.1%磷酸水溶液进行梯度洗脱,建立21批党参样品的UPLC指纹图谱并进行相似度评价,采用聚类分析（HCA）、主成分分析（PCA）和正交偏最小二乘判别分析（OPLSDA）等化学计量学方法筛选出主要差异性成分,预测党参药材的Q-Marker。结果：建立了党参药材UPLC指纹图谱,确认了16个共有峰,通过对照品共指认出7个共有峰,分别为腺苷、色氨酸、紫丁香苷、绿原酸、党参苷Ⅰ、党参炔苷、白术内酯Ⅲ,指纹图谱相似度均大于0.85,经HCA、PCA 和OPLSDA筛选出党参苷Ⅰ、党参炔苷、腺苷及色氨酸为不同产地党参药材的重要差异性成分,可作为党参潜在的Q-Marker。结论：通过指纹图谱结合化学计量学分析预测了党参药材潜在的Q-Marker,为党参质量评价提供一定的参考。     

Near-infrared (NIR) spectroscopy for the non-destructive and fast determination of geographical origin of Angelicae gigantis Radix

Near-infrared (NIR) spectroscopy has been utilized to discriminate the Korean and Chinese Angelicae gigantis Radix. Decursin, one of the major ingredients in Korean Angelicae gigantis Radix, was preliminarily identified using TLC and HPLC. Decursin was then used as a unique marker component for successful discrimination between two geographical origins. Second derivative spectra were used to reduce baseline variations observed in original diffuse reflectance spectra as well as to enhance spectral features. The unique 1625 nm band of decursin in Korean samples provided clear spectral differences over Chinese samples. To develop a calibration model, soft independent modeling of class analogy (SIMCA) was used. With the use of the SIMCA model, independent sample datasets collected at two different periods were predicted. The Korean and Chinese samples were clearly identified with 100% accuracy.     

基于数据融合的藏药五脉绿绒蒿品质评价及其环境影响因素研究

目的 运用光谱数据融合策略建立藏药五脉绿绒蒿总生物碱含量快速检测模型,探讨环境因素对五脉绿绒蒿生物碱类物质积累的影响。方法 分别采集19个不同产地的五脉绿绒蒿的近红外光谱(near-infrared,NIR)、中红外光谱(mid-infrared,MIR)和中红外衰减全反射光谱(attenuated total reflectance,ATR),利用紫外分光光度法测定总生物碱的含量,采用主成分回归方法分别建立3个单一光谱模型和2个数据融合定量检测模型,通过Pearson相关性分析探讨地理因子、气候因子、土壤因子等不同环境因素与总生物碱含量的关系。结果 经数据融合后,NIR+ATR模型效果较好,其校正集相关系数、预测集相关系数、校正集均方根误差、预测集均方根误差值分别为0.980 3,0.997 2,0.060 3,0.063 3,且残差预测偏差>4。海拔、年均降水量与总生物碱含量呈显著正相关关系,纬度、年均温度与总生物碱含量呈显著负相关关系,土壤全氮和碱解氮与总生物碱含量呈极显著正相关关系。结论 光谱数据融合可以增强模型的预测能力,五脉绿绒蒿生物碱类物质的积累同时受大的地理环境因子和小环境土壤因子及气象因子的影响。本研究可为五脉绿绒蒿快速质量评价及资源合理利用规划提供科学依据。     

Determination of free amino acid content in Radix Pseudostellariae using near infrared (NIR) spectroscopy and different multivariate calibrations

Near infrared (NIR) spectroscopy combined with multivariate calibration was attempted to analyze free amino acid content of Radix Pseudostellariae. The original spectra of Pseudostellariae samples in wavelength range of 10000–4000 cm⁻¹ were acquired. Partial least squares (PLS), kernel PLS (k-PLS), back propagation neural network (BP-NN), and support vector regression (SVR) algorithms were performed comparatively to develop calibration models. Some parameters of the calibration models were optimized by cross-validation. The performance of BP-NN model was better than PLS, k-PLS, and SVR models. The root mean square error of prediction (RMSEP) and the correlation coefficient (R) of BP-NN model were 0.687 and 0.889 in prediction set respectively. Results showed that NIR spectroscopy combined with multivariate calibration has significant potential in quantitative analysis of free amino acid content in Radix Pseudostellariae.     

Determination of molecular weight of hyaluronic acid by near-infrared spectroscopy

This paper attempted the feasibility to determine the molecular weight of hyaluronic acid with near-infrared (NIR) diffuse reflectance spectroscopy. In this work, 46 experimental samples of hyaluronic acid powder were analyzed by partial least square (PLS) regression multivariate calibration method in the selected region of NIR spectra. The leave-one-out cross-validation method was used for the PLS model selection criterion. The accuracy of the final model was evaluated according to correlation coefficient of prediction set (Rp) and root mean square error of prediction set (RMSEP). The repeatability was verified through repeated measurement of spectra coupled with an appropriate chi-square test. Finally, the optimal calibration model was obtained with Rp = 0.9814 and RMSEP = 88.32 when using Savitzky-Golay first (SG-1st) derivative with 9 smoothing points spectral preprocessing method. The parameters above and repeatability of NIR spectroscopy obtained from chi-square test were both within the range of permissible error in factories. This study demonstrated that NIR spectroscopy was superior to conventional methods for the fast determination of molecular weight of hyaluronic acid.     

基于近红外光谱技术的红参多指标成分快速分析

目的 利用近红外光谱（near infrared spectroscopy,NIR）技术对红参药材中的水分、人参皂苷和糖类成分进行快速分析,实现红参药材质量的快速评价。方法 用62批红参样品作为校正集,分别建立水分、人参皂苷和糖类成分的定量模型,对模型进行系统的优化,并用另外38批样品作为验证集对建立的模型进行验证和评价。结果 所建的模型对红参水分含量、人参皂苷Rg₁和Re总含量、人参皂苷Rb₁含量及麦芽糖和蔗糖总含量均有较好的预测能力,预测相对偏差均<15%,所建NIR快速检测方法的精密度和重复性结果均较好。结论 该方法可以对红参药材的关键质控指标进行快速检测,结果可靠,是对传统分析方法的有效补充,可以有效地指导后道工序的生产,从而避免因药材质量不合格而造成不必要的浪费。     

Rapid quantification of phenolic acids in Radix Salvia Miltrorrhiza extract solutions by FT-NIR spectroscopy in transflective mode

A rapid method for simultaneous determination of main phenolic acids in Radix Salvia Miltrorrhiza extract solutions was developed using Fourier transform near infrared spectroscopy in transflective mode and multivariate calibration and HPLC-UV as the reference method. Partial least squares (PLS) algorithm was conducted on the calibration of regression models. The multiplicative scatter correction, Norris derivative and second derivative were adopted for the spectral pre-processing, and the number of PLS factors were optimized by leave-one-out cross-validation. The performance of the final model was evaluated according to root mean square error of prediction (RMSEP) and correlation coefficient (R). The R values achieved in the prediction set were above 0.93. The developed models were used for analysis of unknown samples and routine monitoring with satisfactory results. This work demonstrated that NIR spectroscopy combined with PLS algorithm could be used for the rapid determination of the main phenolic acids of Salvia Miltrorrhiza extract solutions.     

吡嗪酰胺片近红外定量分析通用性模型的建立

目的建立近红外通用性模型,能对不同厂家吡嗪酰胺片的含量进行快速、无损地测定,有效监控其质量。方法采集9个浓度梯度的各3批自制样品及来源于20个不同厂家46批次的真实样品近红外漫反射光谱,并通过聚类分析方法确定校正集和预测集,考察不同预处理方法、谱段和光滑点数的影响,选择建立了最佳的吡嗪酰胺片的定量模型。结果 46个校正集样品经交叉验证建立校正模型,交叉验证均方根误差（RMSECV）为0.775,相关系数为99.4%;27个预测集真实样品的预测均方根误差（RMSEP）为0.962,预测值与真实值的相关系数为99.8%。预测值的平均回收率为99.9%（RSD为1.26%）。方法精密度RSD为0.84%（n=6）,方法稳定性RSD为0.5%（n=5）。对6个厂家6批真实样品含量测定,相对误差均小于1.53%。结论所建立的定量模型能够对不同厂家不同规格的样品作出准确、快速的含量分析。