近紅外漫反射光譜法定量分析川芎中的阿魏酸含量精

1、近紅外漫反射光譜法定量分析川芎中的阿魏酸含量王小梅1,焦龍1, 2,劉小麗3,李華1*（ 1 西北大學化學與材料科學學院，西安 710069; 2西安石油大學化 學化工學院，西安710065;3 西北大學生命科學學院，西安 710069）摘要目的：應(yīng)用近紅外光譜分析技術(shù)和化學計量學方法構(gòu)建了川芎中阿魏酸含量的 定量測定模型。方法：通過偏最小二乘法建立數(shù)學模型，并對預(yù)測集進行預(yù)測。結(jié)果：34個川芎樣品經(jīng)交叉驗證建立校正模型，交叉驗證均方根誤差（RMSECV ）為0. 146%,決定系數(shù)（R 2）為0. 9883。用11個川芎樣品進行預(yù)測，預(yù)測值與 參考值的決定系數(shù)（R 2）達0. 9751，預(yù)測

2、均方根誤差（RMSEP ）為0. 251%。結(jié)論：該方法簡便快速，結(jié)果準確，可應(yīng)用于對不 同產(chǎn)地不同批次的川芎進行快速檢查或質(zhì)量控制。關(guān)鍵詞：偏最小二乘法；近紅 外；漫反射光譜；阿魏酸；川芎；快速檢測；中藥材中圖分類號：R917文獻標識碼：A文章編號：0254- 1793 （2011） 06 - 1016- 04Quantitative ananlysis of ferulic acid in Ligusticum chuanxiong Hort.by n ear in frared diffuse reflecta nee spectroscopy *WANG Xiao mei 1, JIA

3、O Long 1 , 2,LIU Xiao li 3 , LI Hua 1 *(1. School of Chemistry and Materials Scienee, Northwestern University ,Xi'an 710069, China ； 2. College of Chemistry and Chemical Engineering, Xi'an Shiyou University , Xi'an 710065, China ；3. School of Life Sciences , Northwestern University , Xi&

4、#39;an 710069, China )Abstract Objective : Near infrared (NIR ) spectroscopy and chemometrics were applied to the qua ntitative an aly-sis of ferulic acid in Ligusticum chuanxiong Hort. Method : Partial least squares(PLS ) regression model was built using a calibration set (34samples). The predict i

5、on set was established by 11samples A nd we applied this method to predict the data in the predictio n set Results: The coefficie nt of determ in ati on (R 2) was 0. 9883as indicated from the cross- validation , and the root mean square error of cross validation (RMESCV ) was 0. 146%. The coeffi-cie

6、 nt of determ in ation (R 2) of the refere nee and predicted values was 0. 9751 and the root mean square of predic-ti on(RMSEP ) was 0. 251%. NIR spectroscopy method was simple, rapid and accurate Conclusion : The method can be applied in rapid qualitative and quantitative of different batches of Li

7、gusticum chuanxiong Hort. from the dif-ferent places of origin.Key words : partial least squares； near infrared ； diffuse reflectanee ； ferulic acid ； Ligusticum chuanxiong Hort. ； rapid testing ； traditional Chinese medicine川芎(Ligusticum chuanxiong Hort.) 為傘形科植物的干燥根莖1，含有內(nèi)酯類、生物堿類、甾體、酚類以及揮發(fā)油類等多種化合物2。

8、其味辛、微苦、性溫，具有活血祛瘀、行氣開郁、祛風止痛之功效。臨床上主要用于治療心血管疾病、婦科疾病等。川芎中主要成分阿魏酸的化學 名稱為3( 4羥基3甲氧基苯基)2 丙烯酸。阿魏酸的分子式為 C 10H 10O 4,相對分子質(zhì)量為194. 18,其結(jié)構(gòu)式如圖1所示。阿魏酸含量測定已有文獻報道，主要采用流動注射化學發(fā)光法3、液相色譜法4。這些方法預(yù)處理樣品比較煩瑣，而且測定過程中耗時，難以滿足制藥企業(yè)實 施在線控制分析的要求。近紅外光譜(near infrared spectroscopy， NIRS )分析技術(shù)是近年來發(fā)展極 為迅速而且應(yīng)用相當廣泛的1種綠色分析技術(shù)。該方法不需對樣品進行預(yù)處6

9、101藥物分析雜志 Chin J Pharm Anal 2011,31 (6)*國家自然科學基金(No. 20975081);教育部科學技術(shù)研究重 點項目(204182);陜西省教育廳產(chǎn)業(yè)化中試項目(No. 09JC04)通訊作者Tel :( 029) 88302942; E mail : hualinwu. edu. cn圖1阿魏酸結(jié)構(gòu)式Fig 1The structure of ferulic acid理，操作簡便快速，已被廣泛應(yīng)用于農(nóng)業(yè)5, 6、煙草7, 8、食品9 12和藥物13, 14的定性定量分析。目前，采用NIR光譜分析技術(shù)定量測定川芎中阿魏酸的文獻尚未見報道。本文 采用偏最小二

10、乘法結(jié)合近紅外光譜分析技術(shù)構(gòu)建定量測定川芎中阿魏酸的數(shù)學模 型，無需對樣品進行繁雜的預(yù)處理，測定方法簡單快速，結(jié)果準確可靠。1儀器和材料VERTEX 70型傅里葉變換紅外光譜儀（德國Bruker公司），島津SCL - 10AVP高效液相色譜儀（日本島津公司），KQ5200DB型數(shù)控超聲波清洗器（上海楚定分析儀器有限公司），玻璃儀器氣流 烘干器（河南太康科教儀器廠），Sartorius電子天平（北京賽多利斯天平有限公司），石英亞沸高純水蒸餾器 （江蘇省宜興市勤華石英玻璃儀器廠）。四川等不同產(chǎn)地不同批次的川芎樣品共 45個，阿魏酸對照品（批號11773 200613,中國藥品生物制品檢定所），甲醇

11、（色 譜純，西安化學試劑廠），水為二次蒸餾水。2阿魏酸含量測定HPLC測量條件15, 16:采用Kromasil C 18色譜柱（4. 6mm ? 150mm, 5卩m）,流動相為1%醋酸（A ）甲醇（B ），梯度洗 脫（ 0 40min，10%B 50%B ; 40 70min，50%B 100%B ），進樣體積為 10 卩 L，流速為1mL min 1,檢測波長280nm，柱溫30?。根據(jù)上述條件，測定所有川芎樣品，將所得到的測定值作為參考值。3NIR光譜采集將川芎樣品用粉碎機粉碎，并過100目篩，裝在石英樣品杯中，厚度大約3cm （光不透過樣品），置于漫反射積分球上進行測定，設(shè)置掃描次數(shù)

12、為32次，分辨率為8cm 1,采集光譜范圍9000 4000cm 1,每份樣品重復(fù)掃描3次，取其平均光譜。4數(shù)據(jù)處理方法樣品隨機分為校正集和預(yù)測集，并保證校正集樣品濃度范圍大于預(yù)測集，建立NIR光譜校正模型。將45個樣品隨機分為校正集（34個樣品）和預(yù)測集（11個樣品），校正集樣品用于校正模型的建立。將所得到的光譜數(shù)據(jù)導入OPUS 6. 5定量分析軟件中，選擇用于建模的光譜區(qū)間，對光譜預(yù)處理方法進行比較，采用PLS建立NIR光譜定量校正模型。以校正集的交叉驗證均方根誤差（RMSECV）為指標選擇建模參數(shù)優(yōu)化模型結(jié)構(gòu)，進而得到最優(yōu)的校正模型。同時考察了 PLS模型的潛變量數(shù)（la-tent va

13、riable number）和光譜預(yù)處理方法對PLS模型的影響，以交叉驗證均方根誤差（RMSECV ）、預(yù)測均方根誤差（RMSEP ）和決定系數(shù)（R 2）為優(yōu)化參數(shù)對模型的穩(wěn)健性進行了評價。RMSECV計算公式：RMSECV=刀i =1(Ayi - y i ) 2n(1)式中，n為校正集樣品數(shù)，y i為校正集樣品i的參考值，Ayi為建立模型與去除樣品i時樣品i的預(yù)測值。RMSECV值越小，所構(gòu)建的模型性能越好。對于預(yù)測集，預(yù)測均方根誤差(RMSEP)： RMSEP刀i =1(yi - Ayi ) 2n(2)式中，n為預(yù)測集樣品數(shù)，y i為預(yù)測集樣品i的參考值，Ay i為所建模型對預(yù)測集樣品i的

14、預(yù)測值。在校正集和預(yù)測集中，參考值與預(yù)測值之間的決定系數(shù)由如下公式計算所得：R 2= 1-Eni =1E n i =1(y i 珋 y i )2?100 (3)式中，珋yi為校正集和預(yù)測集中所有樣品的參考值的平均值。在此，決定系數(shù)的含義為由解釋變量引起的被解釋變量的變化占 被解釋變量總變化的比重，用來判定回歸直線擬合的優(yōu)劣，該值越大說明擬合得越 好。即決定系數(shù)的大小決定了相關(guān)的密切程度。當R 2越接近1時，表示相關(guān)性越高。5結(jié)果與討論5. 1川芎樣品的NIR光譜圖圖2是川芎樣品的近紅外漫反射譜圖。川芎樣品中所 含的主要成分種類很多，譜峰復(fù)雜，而且相互重疊比較嚴重，單靠近紅外譜圖無法直接對樣品

15、中的阿魏酸含量進行定量，因此，只有將近紅外光譜與相關(guān)化學計量學方法相結(jié)合，才能實現(xiàn)川芎樣品中阿魏酸的定量分析7101藥物分析雜志 Ch in J Pharm Anal 2011, 31 (6)圖2川芎的NIR光譜圖Fig 2The near infrared spectra of Ligusticum chuanxiong Hort samples5. 2建模區(qū)間的選擇通過比較OPUS 6. 5軟件光譜范圍優(yōu)化結(jié)果中的RMSECV值，考察了光譜范圍對模型性能的影響，如表1所示。由表1的結(jié)果可看出，在 7501.9 6799. 9cm 1和4424 4246. 6cm 1光譜范圍內(nèi)所建模型性能最

16、好。因此，選擇最優(yōu)的建模區(qū)間為7501. 9 6799. 9cm1和 44244246. 6cm 1。表1光譜范圍對RMSECV的影響Tab 1The effect of spectral coverage on RMSECV序號(No.)光譜范圍(spectral regio n) /cm 1RMSECV /%17501.9 6799.9; 4424 4246. 60. 14627501.9 6799. 9 4601.4 4246. 60. 19137501.9 6799. 9 4601.4 4424 0. 23647501.9 5450; 4601.4 4246. 60. 23957501

17、. 9 54500. 24167501. 9 6097. 9 4601.4 4424 0. 24576799. 9 6097. 9 4601.4 4246. 60. 2805. 3光譜預(yù)處理方法的選擇般來說，樣品的物理性質(zhì)的不同會引起光譜基線和斜率的變化，在建立校正模型前需采用化學計量學方法對光譜進行預(yù)處理以消除這些影響。OPUS6. 5軟件中內(nèi)建的光譜預(yù)處理方法有消除常數(shù)偏移量、多元散射校正(multi-plicative scattercorrection，MSC )、一階導數(shù)法、二階導數(shù)方法、Savitzky Golay方法、標準正交變量變換(standard normal variat

18、e, SNV )等。本文在選定的光譜區(qū)間，采用 不同的預(yù)處理方法進行比較尋求最優(yōu)。通過交叉驗證，采用RMSECV來考察校正模型的性能。通常情況下，RMSECV值越小，模型中光譜信息與成分含量相關(guān)越 好。阿魏酸預(yù)處理方法的篩選分析結(jié)果如表2所示。從表2可以看出，川芎樣品光譜經(jīng)消除常數(shù)偏移量、多元散射校正、標準正交變量變換、最大-最小歸一化和一 階導數(shù)后，在波段7501. 9 6799. 9cm 1和4424 4246. 6cm 1光譜的預(yù)測效果中，一階導數(shù)的預(yù)測效果最好，RMSECV最小。因此，最適合該模型的預(yù)處理方法為一階導數(shù)法。表2不同光譜預(yù)處理方法對PLS模型參數(shù)的影響Tab 2The e

19、ffect of differe nt preprocess ingmethods on PLS model序號(No.)預(yù)處理方法(pretreatme nt)RMSECV /%1 階導數(shù)法(first order derivative )0. 1462多元散射校正(multiplicative scatter correction，MSC ) 0. 2213標準正交變量 變換(standard normal variate, SNV ) 0. 2274 無光譜預(yù)處理(no spectral preprocessing) 0. 2315最大一最小歸一化( max min normalized

20、 ) 0. 2356消除常數(shù)偏移量(constant offset elimination )0. 2405. 4由校正集樣品建立數(shù)學模型本文米用PLS建立定量校正模型時，米用不同的潛變量數(shù)，模型預(yù)測能力有較大的差異。在校正集樣品一定的情況下，潛變 量數(shù)取得太少，模型預(yù)測能力降低，出現(xiàn)不充分擬合現(xiàn)象；潛變量數(shù)過多，會導致模型過于復(fù)雜,并出現(xiàn)過擬合現(xiàn)象。因此，必須合理選擇潛變量數(shù)。本文采用交叉驗證法，考 察了潛變量數(shù)對RMSECV值的影響。圖3為RMSECV值隨潛變量數(shù)變化的曲線 圖。由圖3可看出，當PLS模型的潛變量數(shù)取7時，交互驗證均方根誤差 RMSECV值最小，所選潛變量數(shù)最佳0圖3潛變量

21、數(shù)對RMSECV的影響Fig 3The effect of late nt variable number on RMSECV因此，將 7501.9 6799. 9cm - 1和4424 4246. 6cm 1范圍內(nèi)的光譜，經(jīng)過一階導數(shù)預(yù)處理后，設(shè)定潛變量數(shù)為7,采用PLS法建立用于計算阿魏酸含量的校正模型。如 圖4為全部樣品的leave one out交叉驗證結(jié)果。全部樣品中阿魏酸含量的預(yù)測值與其參考值之間的R2達到0. 9883,全部樣品的 RMSECV值為0. 146%。5. 5預(yù)測集阿魏酸的分析用建立的最佳校正模型，對預(yù)測集樣品中的阿魏酸含量進行預(yù)測，預(yù)測結(jié)果見表3。由表3可以看出，預(yù)

22、測值與參考值之間的參缶Fi (reference values)/silnlaA PD4 衛(wèi) PEd 二5荼黑圖4校正模型預(yù)測值與參考值之間的相關(guān)圖Fig 4The coefficie nt program of predicted and refere nee values for cali-bratio n setR 2達0. 9751，RMSEP為0. 251%，表明該校正模型預(yù)測的結(jié)果準確，因此可以認為該數(shù)學模型比較可靠表3預(yù)測集中阿魏酸的預(yù)測結(jié)果Tab 3The predicted results of ferulicacid in the predict ion set序號(ord

23、er number)參考值(referenee values) /%預(yù)測值(predictedvalues ) /%誤差(error )相對誤差(relative error ) /%10. 0920. 089 0. 003 3.220. 1240. 1250. 0010. 830. 1150. 1150. 0000. 040. 1020. 1060. 0043. 950. 1080. 1090.0010. 960. 1170. 113- 0. 004 3. 470. 1150. 1160. 0010. 980. 1190. 1200. 0021. 790.1180. 1190. 0010.

24、8100. 0960. 0960. 000. 0110. 0940. 0950. 0011. 16結(jié)論通過應(yīng)用近紅外光譜分析技術(shù)和化學計量學方法構(gòu)建了川芎中阿魏酸的定量分析模型，最終選取出阿魏酸含量分析的最佳波段，同時考察了預(yù)處理方法和 PLS模型的潛變量數(shù)對模型的影響，并對PLS模型性能做出了評價。該方法簡便快速，預(yù)測結(jié)果準確可靠，可應(yīng)用于對不同產(chǎn)地不同 批次的川芎進行快速檢查或質(zhì)量控制。參考文獻1ChP (中國藥典).2005. Vol 1(一部)：28WANG Wen xia ng (王文祥)，GU Mi ng (顧明)，JIANG Xiao ga ng(蔣小崗)，et al . Stu

25、dies on chemical constituents of Ligustic-um chuanxiong (川芍化學成分研究).Chin Tradit Herb Drugs (中草藥)，2002, 33 (1): 43Wang JP， Li NB ， Luo HQ . Chemilu min esce nee determ in ati on of ferulic acid by flow inject ion an alysis using cerium (IV ) sen sitized by rhodam ine6G. Spectrochim Acta Part A : Molec

26、ul Biomolecul Spec-trosc，2008，71 (1)：2044Philippe AG，Mathieu R，Denis B，et al . Quantitative analysis of plasmacaffeic and ferulic acid equivale nts by liquid chromatography tan dem massspectrometry. J Chromatogr B，2009，877 (31): 39655Li XL，He Y，Wu CQ，et al . Non destructive discrim in ati on of pad-

27、dy seeds ofdifferent storage age based on Vis /NIRspectroscopy J Stored Products Res 2008，44 (3): 2646Giorgia F， Marina C， Mario LV ， et al . Different feature selection strategies in the wavelet domain applied to NIR based quality clas-sification models of bread wheat flours. Chemometr In tell Lab

28、Syst，2009，99 (2)： 917Cai WS， Li YK，Shao XG. A variable selection method based on uninformative variable elimination for multivariate calibration of near infraredspectra Chemometr In tell Lab Syst，2008，90 (2)： 1888Shao XG , Bian XH , Cai WS. An improved boosting partial least squares method for near

29、infrared spectroscopic quantitative analy-sis Anal Chim Acta ,2010, 666 (1 2): 329Liu YD , Sun XD , Ouyang AG. Nondestructive measurement of solu-ble solid content of navel orange fruit by visible NIR spectrometric technique with PLSR and PCA BPNN . LWT . Food Sci Technol , 2010, 43 (4): 60210Els B

30、, Serban AS, Mihai N , et al . Postharvest quality of apple predic-ted by NIR spectroscopy: Study of the effect of biological variabili-ty on spectra and model performanee. Postharvest Biol Technol, 2010, 55 (3): 13311Cecilia S ,Luis RS. Application of NIR and MIR spectroscopy in quality control of potato chips. J Food Composit Anal , 2009, 22 (6): 59612Yu HY , Niu XY , Lin HJ , et al . A feasibility study on on line determination of