近红外光谱技术快速测定丹参药材中水浸出物含量

目的:运用近红外光谱技术和化学计量学方法,对丹参原药材中水浸出物的含量进行快速测定。方法:采用TQ8.0软件结合偏最小二乘法(PLS)建立测定丹参中水浸出物含量的近红外光谱校正模型。结果:采用一阶导数+多元散射校正(MSC)法,建模范围为7 038.39～4 418.78 cm-1,主因子数为6,校正集内部交叉验证决定系数R2=0.984 30,交互验证均方根偏差RMSECV=0.857,11份样品的外部预测均方根偏差RMSEP=0.787。预测值的平均回收率为100.03%。结论:利用近红外光谱技术建立的模型对丹参药材中水浸出物含量的测定是可行的,该方法快速、简便、结果准确,有望在中药体系中有更广泛的应用。     

丹参药材丹酚酸B含量的NIR快速检测

目的利用近红外光谱技术,快速测定丹参药材中丹酚酸B的含量。方法运用偏最小二乘法(PLS)建立丹参药材中丹酚酸B含量与其近红外光谱之间的校正模型,并对未知的丹参样品进行丹酚酸B含量预测。结果校正集内部交叉验证决定系数R2为0.999 73,交互验证均方根偏差RMSECV为0.028 9,11份样品的外部预测均方根偏差RMSEP为0.584。预测值的平均相对误差为2.0471%。结论近红外光谱技术测定丹参药材中丹酚酸B的含量是可行的,快速准确,简单无损,可应用于大批量样品的快速分析。     

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。     

近红外漫反射光谱法快速测定苦参和白土苓药材的水分

目的:利用近红外(NIR)光谱技术建立一种快速测定苦参及白土苓药材水分的方法。方法:以《中国药典》水分测定法中的烘干法测定不同苦参及白土苓药材含水量,采用偏最小二乘回归方法(PLS)分别建立两种药材的近红外光谱与含水量之间的相关模型,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:2个模型的校正集内部交叉验证决定系数(R2)均在0.97以上,内部交叉验证均方差(RMSECV)均在0.001 9以下;2个模型的验证集外部验证R2均在0.99以上,预测误差均方根(RMSEP)均在0.002 2以下。结论:近红外漫反射光谱法具有快速、无损、准确的特点,能满足工业生产上对于原料药材水分含量测定的要求,可推广应用于药材含水量的快速测定。     

近红外光谱法快速测定筋骨痛消丸中的水分

目的运用近红外光谱技术(NIRS)对筋骨痛消丸中水分的含有量进行快速测定。方法通过TQ Analyst 8.0分析软件将近红外光谱图与筋骨痛消丸中水分的含有量进行关联,对光谱预处理方法、建模区间和主成分数进行考察,得到最佳建模条件,选用NIRS结合偏最小二乘法(PLS)建立测定筋骨痛消丸中水分含有量的近红外定量分析模型。结果筋骨痛消丸中水分含有量定量分析模型的内部交叉验证决定系数(R2)为0.984 52,校正均方根偏差(RMSEC)为0.034 4,预测均方根偏差(RMSEP)为0.037 2,16份验证集样品水分含有量预测值和参考值的平均偏差为0.02%,预测相关系数为0.972 2。结论近红外光谱技术建立的定量分析模型可以对筋骨痛消丸中水分含有量进行快速测定。     

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。     

筋骨痛消丸水浸出物含量的近红外光谱快速测定

目的:运用近红外光谱技术(NIRS),结合偏最小二乘法(PLS),对筋骨痛消丸中水浸出物进行快速测定。方法:将近红外光谱图与筋骨痛消丸水浸出物的含量进行关联,对光谱预处理方法和建模区间进行考察;采用近红外光谱技术结合偏最小二乘法,建立测定筋骨痛消丸中水浸出物含量的近红外光谱定量分析模型。结果:98份样品所建立的定量分析模型内部交叉验证决定系数(R2)为0.983 26,校正均方根偏差(RMSEC)为0.21,预测均方根偏差(RMSEP)为0.22。18份验证集样品真实值和预测值的平均相对偏差为0.09%。结论:近红外光谱技术结合偏最小二乘法建立的定量分析模型可用于对筋骨痛消丸中水浸出物含量的快速测定。     

基于FT-NIR的连花清瘟胶囊中连翘苷含量测定方法的建立

目的:建立基于FT-NIR的连花清瘟胶囊中连翘苷的含量快速测定方法。方法:采集所有批次样品的FTNIR光谱,用多元散射校正法进行光谱预处理,采用偏最小二乘法(PLS)建立校正集模型,使用校正集内部交叉验证决定系数(R2)、验证集标准偏差与预测集标准偏差的比值(RPD)和校正集内部交叉验证均方根误差(RMSECV)作为评价指标比较不同方法处理后建模的准确性。采用验证集样品进行模型准确性再验证,以预测集均方根误差(RMSEP)作为评价模型的指标。利用建立的模型进行样品测定,测定结果和基于HPLC法测定结果进行比较。结果:不同预处理方式后建模所得到的R2、RPD和RMSECV表明以多元散射校正法处理效果最好;校正集样品均匀地分布在回归线的两侧,经内部交叉验证得RMSECV=0.351,RPD=3.94,R2=90.21;模型验证集预测均方根误差(RMSEP)为0.24。结论:基于FT-NIR所得结果与HPLC测定结果相比较,偏差较小。该方法具有简便、快速、准确、无损等特点,可用于连花清瘟胶囊中连翘苷含量的快速测定。     

近红外光谱法快速测定酒女贞子中女贞苷含量

目的:利用近红外光谱技术(NIRS)快速测定酒女贞子中女贞苷含量。方法:采用3个不同产地的黄酒对女贞子进行炮制,以HPLC测定样品中女贞苷的含量为参考,运用近红外光谱技术结合偏最小二乘法(PLS)建立酒女贞子中女贞苷含量的定量分析模型。结果:女贞苷的定量分析模型内部交叉验证决定系数(R2)为0.967 89,校正均方根偏差(RMSEC)为0.107,预测均方根偏差(RMSEP)为0.103,交互验证均方根偏差(RMSECV)为0.256 69,主因子数为8。结论:该方法简便快速,准确无损,所建模型能够对酒女贞子中女贞苷的含量进行快速测定。     

近红外漫反射光谱法快速测定山药药材中多糖的含量

目的:应用近红外光谱技术和化学计量学方法,对山药中多糖的含量进行快速测定.方法:采用苯酚-硫酸法测定山药多糖含量,采用一阶导数+矢量归一化来处理近红外光谱图,用偏最小二乘法(PLS)建立多糖的定量校正模型.结果:用105个样品经内部交叉验证建立校正模型,校正集的相关系数R~2=0.932 4,内部交叉验证均方差RMSECV=1.18.用10个样品进行外部验证,其外部验证均方差RMSEP=0.922,预测值与真实值的相关系数为0.948 2.结论:本研究所建立的模型可以很好的预测山药药材的多糖含量.该方法具有快速方便、无损、无污染等特点,可以应用于大批山药的多糖含量测定.     

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。     

近红外光谱法结合PLS快速测定木香药材中水分

目的:采用近红外光谱技术结合PLS建立一种木香药材中水分的快速测定方法。方法:运用近红外漫反射光谱技术采集木香的近红外漫反射光谱,以甲苯法测定的含量为参考值,结合偏最小二乘法(PLS)建立木香药材中水分的定量分析模型,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)和预测均方差(RMSEP)分别为0.982 9,0.178,0.196;验证集NIR预测值与甲苯法参考值的t检验值为-0.615,双侧P>0.05,差异无统计学意义。结论:该方法操作简便,测定快速,结果准确,可用于木香药材中水分含量的快速测定。     

近红外光谱法结合PLS快速测定木香药材中水分的含量

目的：建立HPLC同时测定舒乐洗剂中苦参碱和小檗碱的含量测定方法。方法：采用Kromasil C₁₈色谱柱（4.6 mm×250 mm,5 μm）,以甲醇-乙腈-0.1%磷酸溶液（每100 mL含十二烷基磺酸钠0.l g）为流动相进行梯度洗脱,流速1.0 mL·min^-1,柱温30 ℃,检测波长230 nm。结果：苦参碱和小檗碱的色谱峰面积与质量呈良好的线性关系,线性范围分别为0.430 5~8.61 μg（r=1.000 0）,0.005 85~0.117 1 μg（r=0.999 9）;平均回收率分别为98.9%,99.1%。结论：该方法简便、准确、重复性好,可用于舒乐洗剂的质量控制。     

怀地黄中地黄苷A,地黄苷D及益母草苷含量快速分析方法的建立

目的:建立一种快速测定怀地黄中地黄苷A,地黄苷D,益母草苷含量的方法。方法:应用近红外光谱技术(near infrared reflectance spectroscopy,NIRS)测得85-5,北京1号,白状元,沁怀,白选,沁怀郑共6个品种108份怀地黄样品的近红外光谱图,结合高效液相法(high performance liquid chromatography,HPLC)同时测定的样品中地黄苷A,地黄苷D,益母草苷的含量,并利用TQ软件将光谱信息与测得含量相关联,采用偏最小二乘法(partial least squares,PLS)建立怀地黄中地黄苷A,地黄苷D,益母草苷的定量分析模型。结果:模型的内部交叉验证决定系数(R2)分别为0.924 67,0.934 96,0.951 54,校正均方差(root mean square error of calibration,RMSEC)分别为0.016 6,0.015 9,0.022 8,验证均方差(root mean square error of prediction,RMSEP)分别为0.017 00,0.007 86,0.012 50,交叉验证均方差(root mean square error of cross validation,RMSECV)分别为0.032 13,0.030 36,0.069 22,以及性能指数(performance index,PI)分别为92.5,82.7,83.1;配对样本t检验显示NIR模型预测值与HPLC测得参考值的P分别为0.422,0.549,0.131,均0.05,表明两组数据无显著性差异。结论:该方法准确、快速、绿色,可用于怀地黄中地黄苷A,地黄苷D,益母草苷的定量分析。     

青蒿浓缩过程在线近红外快速检测模型的建立

目的建立青蒿单效浓缩过程中近红外在线快速检测模型,并讨论吸光度的变化对其模型建立的影响。方法在线收集9批浓缩液样本,偏最小二乘(PLS)法建立定量校正模型,并用此模型对1批样品进行预测。结果总酸和固含量PLS模型参数如下:决定系数(R2)分别为0.967 9和0.962 3,校正集均方根误差(RMSEC)分别为0.783 5和0.948 8,交叉验证集均方根误差(RMSECV)分别为0.825 8和0.978 0。结论青蒿浓缩液样品吸光度范围为0~2.0,该光谱建立的总酸和固含量的PLS模型的预测相对偏差(RSEP)值均在10%以内,能够满足青蒿生产过程中质量要求,说明当吸光度范围为0~2.0时,通过增加样品数和运用化学计量学方法可消除吸光度太高(即透过率太低)对青蒿近红外模型建立的影响。     

基于R语言的近红外光谱对甘草中指标成分定量分析

目的:建立较优的甘草质控成分(水分、总灰分、甘草苷、甘草酸)的近红外定量模型,实现快速检测。方法:基于2015年版《中国药典》方法测定97批甘草中水分、总灰分、甘草苷及甘草酸的含量。采用近红外光谱仪扫描其近红外光谱。采用R语言筛选最佳光谱预处理方法,建立近红外定量模型。结果:水分和甘草苷近红外定量模型的最佳预处理方法为一阶导数,其中水分测试集和验证集的相关系数分别为0.930 0和0.929 9,均方根误差分别为0.243 2和0.203 8,甘草苷测试集和验证集的相关系数分别为0.930 3和0.907 6,均方根误差分别为0.093 9和0.128 9;总灰分近红外定量模型的最佳预处理方法为MSC,测试集和验证集的相关系数分别为0.926 5和0.917 7,预测均方根误差分别为0.109 6和0.103 7;甘草酸近红外定量模型的最佳预处理方法为SNV,测试集和验证集的相关系数分别为0.918 1和0.915 7,预测均方根误差分别为0.274 8和0.236 0。结论:该研究建立了较优的甘草质控成分的近红外定量模型,其模型的准确度均较高,为实现快速检测奠定了基础。