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。     

地稔水提液中6种活性成分含量的近红外光谱快速预测方法研究

目的 研究基于近红外光谱的地稔水提液中6种活性成分含量的快速预测方法。方法 采用HPLC测定地稔水提液中没食子酸、阿魏酸、芦丁、槲皮素、木犀草素、山奈酚的含量；采集4 000~10 000 cm^-1的近红外光谱；分别优化光谱预处理方法和波数范围，建立6种活性成分含量与近红外光谱的偏最小二乘回归模型。采用Visual Basic开发应用软件，将所建模型嵌套入软件，为后续待测溶液中6种活性成分含量的快速预测提供工具。结果 基于所开发的应用软件，采集待测溶液的近红外光谱后点击软件中的"预测"按钮，可在20 s内自动计算得到6种活性成分含量的预测结果。验证集中6种活性成分近红外光谱预测含量和HPLC测定含量的相关系数分别为0.966，0.983，0.850，0.946，0.977和0.979，预测均方根误差分别为9.23，0.496，4.07，0.059 6，0.023 4，0.039 9 μg·mL^-1。结论 近红外光谱结合偏最小二乘回归算法可用于准确、快速分析地稔水提液中没食子酸、阿魏酸、芦丁、槲皮素、木犀草素、山奈酚的含量，可为地稔的快速质量评价提供依据。     

注射用甲磺酸培氟沙星近红外定量分析通用性模型的建立

摘 要 目的：利用近红外光谱法,建立注射用甲磺酸培氟沙星含量快速测定方法。方法: 采集注射用甲磺酸培氟沙星的近红外（NIR）光谱,以矢量归一化法对光谱进行预处理,选择谱段范围为9 176.2~8 169.5 cm^-1、6 051.9~5 716.3 cm^-1和4 509~3 999.9 cm^-1,回归方法为偏最小二乘法（PLS）,建立近红外定量模型。 结果: 经内部交叉验证建立预测模型,浓度范围为7.55%~77.69%,交叉验证均方根（RMSECV）为1.61%,相关系数为0.992 4。结论:建立的近红外定量分析模型可用于注射用甲磺酸培氟沙星快速定量分析。     

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。     

注射用磷霉素钠近红外定量分析通用性模型的建立

摘 要 目的： 利用近红外光谱法,建立注射用磷霉素钠含量快速检定方法。方法: 采集注射用磷霉素钠的近红外（NIR）光谱,建立近红外定量模型。结果: 以矢量归一化和多元散射校正法对光谱进行预处理、选择谱段范围为11 995.8～7 428.9及6 734.6～5 454 cm^-1,回归方法为偏最小二乘法。结论: 该近红外定量分析模型可用于注射用磷霉素钠快速定量分析。     

近红外光谱法快速鉴别不同产地的前胡药材

目的 应用近红外光谱技术结合化学计量学方法建立一种快速鉴别前胡药材产地的方法。方法 首先收集6个产地的90个前胡样本，采集各样本的近红外光谱，并划分为校正集（72个样本）和预测集（18个样本），然后利用校正集，采用化学计量学方法建立前胡药材产地的判别分析模型，最后利用预测集，对判别分析模型进行性能评价。结果 优选的判别分析模型参数如下：光谱预处理方法为多元散射校正（MSC）+Savitzky-Golay卷积二阶求导算法（SG）（窗口参数为51，拟合次数为1），光谱波段为8 400~4 200 cm^-1，判别分析模型的主成分数为18。预测集的鉴别结果表明该判别分析模型的正确识别率为100%，6个产地前胡药材之间存在明显的界限。结论 研究表明，近红外光谱法能简便、准确地实现前胡药材产地的快速鉴别，为前胡药材产地快速鉴别研究提供了理论支持和实用方法。     

基于近红外光谱分析技术的注射用益气复脉(冻干)红参醇提过程在线监测

目的 利用近红外光谱分析技术建立注射用益气复脉（冻干）主要原料红参醇提过程中3种单体皂苷——人参皂苷Rg₁、Re和Rb₁的定量模型,实现提取过程中关键指标的快速检测。方法 在线采集红参醇提过程的近红外光谱,以超高效液相色谱（UPLC）法测定提取过程药液中人参皂苷Rg₁、Re和Rb₁的量为参考值,采用偏最小二乘法建立光谱与测定值之间的定量校正模型,进而对提取过程进行在线分析。结果 人参皂苷Rg₁和Re的建模波段均为9 403.7～7 498.3 cm^-1和6 102～5 446.3 cm^-1组合波段;人参皂苷Rb₁的建模波段为5 774.1～5 446.3 cm^-1。人参皂苷Rg₁、Re、Rb₁定量模型的交叉验证决定系数（R²）分别为99.40、99.44、99.41,交叉验证均方根误差分别为5.18、2.77、11.00。结论 所建立的3种单体皂苷定量模型预测性能良好,能够有效测定红参醇提过程中人参皂苷Rg₁、Re和Rb₁的量。     

复方益肝灵片近红外光谱快检方法考察

摘 要 目的： 采用近红外光纤光谱技术对复方益肝灵片进行快速判断厂家归属以及快速检定其中水飞蓟素的含量。方法: 以全国6个企业生产的93批复方益肝灵片作为分析对象,建立聚类分析模型。光谱预处理方法为二阶导数和矢量归一化;平滑点：13;光谱范围：9 000～4 100 cm^-1;光谱之间距离采用欧氏距离,光谱和类之间距离采用方差平方和法（Ward’s算法）。同样以全国6个企业生产的93批复方益肝灵片作为分析对象,建立定量分析模型。光谱预处理方法为一阶导数加矢量归一化;平滑点：17;光谱范围：9 100～7 300 cm^-1和7 100～4 100 cm^-1;采用偏最小二乘法回归。结果: 聚类模型可以很好的区分训练集中的药品,在对作为测试集的30张光谱进行验证中全部判断正确。所建立的定量模型交叉验证均方根误差（RMSECV）为0.082 8,决定系数为97.98%,外部验证均方根误差（RMSEP）为0.044 1,r²为98.95%。结论: 该聚类方法和定量模型快速简便、准确可靠,可以满足药品现场快速检查的需要。     

紫外可见光谱结合化学计量法快速检测双黄连口服液大类成分

目的 基于紫外可见光谱和化学计量学方法建立1种快速检测双黄连口服液质量的方法。方法 采集双黄连口服液紫外可见光谱数据,并使用主成分分析筛选剔除异常样本数据。采用Kennard-Stone算法将所有样本按照7∶3的比例划分为训练集和测试集。采用一阶求导、标准正态变量变换对数据进行预处理,然后结合竞争性自适应重加权采样法提取特征波长,最后将支持向量回归(support vector regression,SVR)、最小二乘支持向量回归(least squares of support vector regression,LS-SVR)、前馈型反向传播(back propagation,BP)神经网络3种方法用于可溶性固形物(soluble solids content,SSC)、总黄酮(total flavones,TF)的定量分析模型的建立。结果 3种模型的决定系数R²均≥0.816 8,均方根误差RMSE均≤4.378 2,均获得了较好的预测效果。对测试集SSC及TF预测结果进行对比发现,与BP神经网络、LS-SVR相比,SVR模型获得了最大R²以及最小RMSE。SVR-SSC模型的R²为0.999 8,RMSE为0.260 3,SVR-TF模型的R²为0.998 3,RMSE为0.543 3。结论 紫外可见光谱结合SVR可以提供1种双黄连口服液质量的高精度快速现场检测方法。     

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。     

金线兰属10种药用植物UPLC指纹图谱及6种黄酮类成分含量测定

目的 建立金线兰属10种药用植物超高效液相色谱（UPLC）指纹图谱及6种黄酮类成分的含量测定方法，为其质量控制提供参考。方法 采用UPLC法建立金线兰属10种药用植物的指纹图谱并进行相似度分析，通过UPLC法测定不同来源金线兰属植物中6种黄酮类成分的含量。结果 台湾银线兰、南丹金线兰的指纹图谱与金线兰对照指纹图谱有明显差异，其余金线兰属植物的指纹图谱与金线兰对照指纹图谱的差异不大。含量测定结果表明，除了台湾银线兰，其余金线兰属植物中水仙苷的含量最高。结论 所建立的UPLC指纹图谱及多成分含量测定方法可用于金线兰与台湾银线兰、南丹金线兰的鉴别，但不能用于区分金线兰与其余金线兰属植物，研究结果可为金线兰属药用植物质量控制、品质评价以及寻找金线莲的替代资源提供参考。     

金线莲多糖的药理作用及其机制研究进展

金线莲来源于兰科开唇兰属植物金线兰Anoectochilus roxburghii （Wall.）Lindl.,主要分布于中国福建、浙江、江西等地。金线莲多糖作为其主要成分,具有抗糖尿病、保肝、抗炎和抗肿瘤等药理作用,其主要通过抗氧化、调节脂质代谢、调节机体免疫以及诱导细胞凋亡等发挥作用。就金线莲多糖的上述药理作用及作用机制的研究进展进行阐述,旨在为其后续的制剂开发、临床研究与应用提供理论基础及文献依据。     

基于代谢组学和网络药理学分析福建金线莲叶和台湾银线兰叶治疗肝纤维化作用差异

目的 初步分析福建金线莲(Anoectochilus roxburghii)和台湾银线兰(Anoectochilus formosanus)的叶片在治疗肝纤维化疾病的作用机制差异，为分析两者的临床疗效差异及其资源的精准利用提供参考信息。方法 利用代谢组学技术分析福建金线莲叶(the leaves of A.roxburghii，Arl)和台湾银线兰叶(the leaves of A.formosanus，Afl)的差异代谢物；并结合网络药理学方法分析其差异代谢物治疗肝纤维化疾病的作用差异。结果 利用代谢组学的方法分析初步得到Arl和Afl的46个差异代谢物，主要为黄酮类、糖苷类和甘油磷脂类等，其中有23种差异化合物具有潜在药用活性。基于网络药理学的方法，预测了23种差异化合物的759个相关靶点，与肝纤维化疾病的相关靶点进行映射，得到交集靶点249个，其中AKT1、STAT3、VEGFA等48个关键靶点被预测为治疗肝纤维化的主要差异靶点；作用靶点较多的关键差异化合物为Arl相比Afl含量较高的化合物，预示Arl中富含更多可以用于治疗肝纤维化的有效化合物。GO富集功能和KEGG富集分析表明，福建金线莲与台湾银线兰的差异成分参与治疗肝纤维化疾病的信号通路有所不同，VEGF信号通路为Arl相比Afl含量较高的差异化合物的主要差异信号通路，磷脂酰肌酶3-激酶-蛋白激酶B(PI3K-Akt)信号通路为Arl相比Afl含量较低的差异化合物治疗肝纤维化疾病的主要差异信号通路。分子对接结果表明各差异成分与其对应的关键靶点均有较好的结合活性。结论 本研究表明福建金线莲与台湾银线兰叶片中存在一些差异代谢物，预测了其治疗肝纤维化疾病作用机制差异，并初步验证了其作用靶点，为金线莲资源的精准利用具有指导性意义。     

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。     

金线莲及其混伪品中总黄酮含量的比较研究

目的 比较金线莲及其混伪品中总黄酮的含量。方法 以芦丁为对照品,采用紫外分光光度法测定金线莲及其混伪品中总黄酮的含量。结果 12批金线莲总黄酮含量在3.89~15.17 mg/g之间,其中广东清远的野生金线莲总黄酮含量最高,为15.17 mg/g;13种混伪品的总黄酮含量在3.66~21.96 mg/g之间,其中野生斑叶兰总黄酮含量最高,为21.96 mg/g。结论 金线莲及其混伪品中总黄酮含量存在明显差异。     

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.     

硫酸羟氯喹颗粒水分近红外光谱在线定量模型的建立

目的 为实时检测硫酸羟氯喹颗粒在流化床干燥过程中的水分含量变化,建立颗粒水分的在线近红外光谱定量模型.方法 物料颗粒在流化床的干燥过程中,实时取样并用水分测定仪测量颗粒水分,采用多元散射校正(multiplicative signal correction,MSC)、一阶导数和Karl Norris平滑的光谱预处理方法...     

基于近红外光谱的阿立哌唑片溶出行为研究

目的 建立阿立哌唑片剂溶出行为近红外定量模型,预测片剂的溶出行为。方法 采集阿立哌唑片剂近红外光谱,进行溶出度试验,分别于3、6、9、12、15、30 min时测定每片的溶出度,采取卷积平滑方法预处理波段4 000.00～4 396.90 cm^-1和5 326.43～12 000.00 cm^-1的近红外光谱,以偏最小二乘法建立溶出行为模型。结果 不同时间点的校正均方根误差(RMSEC)和预测均方根误差(RMSEP)均在8%以下,不同时间点校正相关系数(R_C)和预测相关系数(R_P)均在0.95以上(6 min的相关系数除外),近红外光谱和各时间点溶出度之间呈现出良好的相关性。结论 近红外光谱分析技术能够预测阿立哌唑片剂的溶出行为,为近红外光谱分析技术在线监测片剂质量奠定了理论基础。