近紅外光譜技術(shù)在茯苓質(zhì)量控制中成功用于茯苓酸含量檢測

該成果以“Rapid Determination of Pachymic Acid Content by Near-Infrared Spectroscopy”為題發(fā)表在中科院4區(qū)期刊Journal of Food Quality（IF2.450）。

茯苓是一種重要的藥用真菌，在我國應(yīng)用歷史悠久。茯苓酸是茯苓的關(guān)鍵活性成分，具有降血糖、抗炎、抗腫瘤等作用，因此常作為茯苓質(zhì)量的標(biāo)志性成分。目前茯苓酸的標(biāo)準(zhǔn)測定方法有比色法和高效液相色譜法。高效液相色譜法具有較高的準(zhǔn)確性和穩(wěn)定性，常被作為參考方法，但其分析過程耗時耗力，制約了其在市場上的廣泛應(yīng)用。而2020年版的《中國藥典》中還未包含該成分的定量測定方法。因此，隨著茯苓產(chǎn)業(yè)的快速發(fā)展，迫切需要一種高效、快速測定茯苓中茯苓酸含量的方法。

近紅外光譜法具有速度快、效率高、靈敏度高、樣品處理簡單、儀器操作方便等優(yōu)點，已廣泛應(yīng)用于食品、醫(yī)藥等行業(yè)，是近年來在中藥研究領(lǐng)域廣泛應(yīng)用的一種快速分析方法。本研究使用近紅外光譜法成功建立了茯苓中茯苓酸的快速定量分析模型，為茯苓的質(zhì)量控制和市場管理提供技術(shù)參考。

圖1 茯苓的近紅外光譜

不同的光譜區(qū)間內(nèi)所包含的信息是不同的，通過選擇合適的光譜區(qū)間建立定標(biāo)模型，往往可以得到預(yù)測能力強、穩(wěn)健性好的定標(biāo)模型。通過比較不同光譜區(qū)間的建模結(jié)果，選擇合適的光譜范圍。通過研究發(fā)現(xiàn)，當(dāng)光譜區(qū)間為4000-10000 cm-1，即近紅外全光譜范圍為近紅外模型的最佳波長范圍。

表 1 光譜區(qū)間的篩選實驗結(jié)果

在近紅外光譜數(shù)據(jù)分析過程中，一些系統(tǒng)因素，如樣品粒度、表面紋理等，會導(dǎo)致基線漂移，影響模型建立的可靠性和穩(wěn)定性。采用單個數(shù)據(jù)預(yù)處理方法和組合數(shù)據(jù)預(yù)處理方法評價不同的光譜預(yù)處理方法，進(jìn)而篩選出最合適的，結(jié)果如表 2所示。

表 2 光譜預(yù)處理方法的篩選實驗結(jié)果

在使用偏最小二乘法進(jìn)行建模時，主因子數(shù)的合適與否直接關(guān)系到定標(biāo)模型的好壞。如果主因子數(shù)選取過少，會造成原始光譜中有用信息的丟失，擬合不充分，這往往會降低模型的預(yù)測能力；如果主因子數(shù)選取太多，一些與樣品本身無關(guān)的信息就會被包括進(jìn)來，出現(xiàn)過度擬合的現(xiàn)象，導(dǎo)致模型的預(yù)測誤差變大。本實驗中又通過r2c、RMSEC和RMSEP確定最佳的主因子數(shù)。

表 3 最優(yōu)近紅外預(yù)測模型參數(shù)

經(jīng)過多步建模，有表 3結(jié)果可以看出近紅外光譜技術(shù)預(yù)測茯苓酸含量模型中分別有6套參數(shù)模型納入備選項（即r2c大于0.9）。最后通過驗證集從6個備選方案中再次篩選確定最優(yōu)模型，其中茯苓酸近紅外模型2號的r2v最大，為0.917。由此得到預(yù)測茯苓酸含量的最優(yōu)NIR分析模型參數(shù)如表 4所示。

表 4 最佳近紅外模型參數(shù)表

此模型的預(yù)測值和實驗值十分接近（散點圖如圖2)，兩者的比值與1無統(tǒng)計學(xué)差異(P =0.512)，證明，近紅外分析模型對茯苓中茯苓酸的含量具有較好的預(yù)測精度。

圖 2 驗證集樣品的模型預(yù)測值與實測值線性圖

  本研究采用NIR光譜分析結(jié)合化學(xué)計量學(xué)建立了茯苓酸含量檢測方法，擴大了NIR技術(shù)的適用性。與現(xiàn)有的茯苓酸分析方法相比，NIR方法具有預(yù)處理簡單、分析速度快、多樣處理能力高、成本低等優(yōu)點，有利于茯苓的質(zhì)量控制，促進(jìn)茯苓產(chǎn)業(yè)的快速發(fā)展。