文章标题 全文   多个检索词，请用空格间隔。

       【关键词】  近红外漫反射光谱法；,,中药材鉴别；,,含量测定
       摘要：目的对中药材成分进行含量测定。方法建立一数学模型，对该模型进行评价，即代入校正方程计算出每个预测样品的含量，并用统计学方法将预测值与相应样品理论值（标准值）对比，根据预测值是否与理论值一致，来评价该模型。结果用建模方法测定药材中有效成分或掺伪成分，方法简便，对药材无损。结论 该方法适合于大量重复性样品的分析测定，为NIRDRS技术应用于评价中药材品质及中药掺伪提供了可能。
       关键词：近红外漫反射光谱法；  中药材鉴别；  含量测定
       The Math Model and Evaluation of NIRDRS Method on Analysis of Chinese Traditional Medicine
       SHI Guilian, YE Fuli
       (The Department of Biomedical Engineering, Xianning College,Xianning 437100,China)
       Abstract：ObjectiveQuantitative analysis of Chinese traditional medicine.MethodsDevelop a math model ,and then evaluate this model.ResultsThe math model method was simple and especially for analyzing large amount of samples.ConclusionThe NIRDRS technology is feasible after improving the sample collecting and standardizing data processing.It can evaluate the special features of samples more completely and reliably .
       Key words：NIRDRS;  Identification of Chinese traditional medicine;  Quantitative analysis
   
　　药材品质的优劣与其有效成分含量多少有很大关系，为评价中药材的质量，通常要对其成分进行含量测定。常用的方法有薄层色谱法、高效液相色谱、气相色谱法等一些分离分析法，这些方法首先要对药材进行提取等处理，一般操作都较烦琐、费事［1］。近红外漫反射光谱法（Near-infrared diffuse reflectance spectroscopy,简称NIRDRS）用于中药材中有效成分测定，虽然基础数据必须来源于经典的化学方法，但一旦建立好预测模型，以后的分析将是无损的，并且快捷。将NIRDRS用于药材中有效成分的测定，并对其品质进行评价，目前国内外少有报道。为了能够评价丹参药材质量，笔者通过实验测得丹参药材中酚酸B的标准值，建立丹参药材NIRDRS的数学模型。
       　　1  材料与方法
       1.1  仪器VECTOR22/N傅立叶变换近红外光谱仪。
       1.2  样品69份不同产地及不同采收时间的丹参药材。
       1.3  实验条件测定方式：积分球温反射；分辨率8 cm1；扫描次数为64次；扫描范围3 700～12 000 cm1;室温20℃；空气湿度70%。
       1.4  实验方法将丹参样品粉碎，过80目筛，取约2 g置测量杯中，按实验条件进行扫描，每个样品重复5次，求平均光谱。扫描后的丹参样品用HPLC法测定其酚酸B含量。
       1.5  数据处理应用Bruker OPUS/QUANT2 定量分析软件进行数据处理，其中51份样品作为校正样品集，其余18份样品为预测样品集。选择6 200～4 000 cm1 谱区，对光谱数据作多元散射校正（MSC）预处理，消除样品不均匀带来的误差；进行F检测，检查溢出值；用校正样品集进行内部交叉验证，确定最佳成分数［2］；用预测样品集作外部验证，检验模型的预测能力。
       1.6  模型的建立及其评价
       1.6.1  建立校正方程（数学模型）议程建立校正方程即建立样品待测成分的含量与其NIRDRS之间的关系。首先选出一组有代表性的样品，其中一部分为校正样品集，其余的为评价数学模型的预测样品，称为预测集。用经典方法测出待测组分的含量，称此值为理论值，同时扫描这些样品的NIRDRS，最后用偏小二乘法（PLS）建立样品光谱与其对应组分含量间的数学关系［3~5］。常用内部交叉验证建立校正方程，并且以下参数确定最佳模型。
       1.6.2   内部交叉验证均方差（root mean square error of cross validation,RMSECV）RMSECV是内部交叉验证中的一个重要参数，用于衡量校正集样品预测结果的准确性。内部交叉验证时，每次从校正集n个样品中，剔除一个样品，有n-1个样品都重复进行这一过程，直到校正集中每有一个预测结果，通过下式计算内部交叉验证均方差：RMSECV=1     n∑(differ1)RMSECV越小，校正集样品的预测结果越接近理论值。
       1.6.3  决定系数（coefficient of determination,R2）表示校正样品集中样品预测值与理论值的相关程度，R2越接近100%，预测结果越好。
       1.6.4  因子数（Rank）PLS法建立模型的关键是选择最佳因子数。第一因子数最重要，其余类推。所选因子数过少，光谱中一些有用信息未被包含在模型中，校正集样品的预测结果不好；所选因子数过多，虽然对校正集样品的校正结果很好，但对没有在校正集中的样品的预测结果较差［6］。通常选择校正集具有最小的RMSECV的因子数作为PLS最佳因子数，此时R2值也最接近100%。
       1.7  评价校正方程扫描预测样品的NIRDRS，代入校正方程计算出每个预测样品的含量，称为样品的预测值，并用统计学方法将预测值与相应样品理论值（标准值）对比，根据预测值是否与理论值一致，评价校正方程［7］。常用下列参数衡量校正方程的优劣。
       1.7.1  预测均方差（root mean square error of predication ,RMSEP）RMSEP是外部验证中的一个重要参数，用于衡量预测集样预测结果的准确性。由已建立的校正方程，对预测集中的n个样品进行预测，计算预测误差（differ），并用下式计算RMSEP：RMSEP=1     n∑(differ1)RMSEP越小，预测集样品的预测结果越接近理论值。
       1.7.2  决定系数（coefficient of determination,R2）表示预测样品集中样品预测值与理论值的样关程度，R2越接近100%，预测值越接近理论值。
       1.7.3  评估均方差（root mean square error of estimation,RMSEE）同内部交叉验证中的RMSECV类似，表示用校正集样品所建模型预测校正集样品自身平均误差的一个指标。若RMSEP≤RMSEE时，说明所建模型预测效果最佳。
       1.8  测定未知样品在尽量保证与建模样品测定条件一致时，扫描未知样品的NIRDRS，将其代入经过检验，符合测定精度的校正方程，计算出未知样品的含量。
       　　2  结果
       2.1  建立校正方程应用Bruker OPUS/QUANT-2定量分析软件中的PLS法进行数据处理，结果：最佳主成分数（Rank）=3，内部交叉验证均方差（RMSECV）=0.217，决定系数（R2）=97.97。RMSECV与R2与Rank值之间的关系分别见图1~2。由图1~2可以看出，当Rank为3时，RMSECV最小，R2最大，有利于样品预测。当Rank值为3时进行建模，得校正样品集中预测结果与理论值之间的相关性见图3。理论值与预测结果的绝对误差见图4。
       图1  RMSECV与Rank值的关系（略）
       图2  R2与Rank值的关系（略）
       图3  预测结果与理论值的相关图（略）
       图4  理论值与预测结果绝对误差的关系（略）
       2.2  评价校正方程为了检验模型的可靠性，对预测集样品进行预测，结果：预测均方差（RMSEP）=0.293。决定系数（R2）=97.14，评估均方差（RMSEE）=0.179。表1为预测样品集中样品的预测结果。外部验证预测值与理论值的相关系数（R）=0.985 6，相关性见图5，理论值与预测结果绝对误差的关系见图6。
       表1  丹参药材中丹参酚酸B的预测结果（略）
       图5  预测结果与理论值的相关图（略）
       图6  理论值与预测结果绝对误差的关系（略）
       2.3  精密度回收率实验取一预测样品，重复7次测量其NIRDRS，将所得光谱代入建立的校正模型计算含量，以考察方法的精密度，结果RSD为1.5%（n=7）。从表1中得平均回收率为（101.0±7.6）%。
       　　3  讨论
       用建立数学模型的方法测定药材中的有效成分，预测效果准确与否，主要取决于建模时校正样品的代表性和标准值的准确性，通过适量的校正样品建立起数学模型之后，可准确快速地确定未知样品的含量，特别适合于大量重复性样品的分析测定，为NIRDRS技术应用于评价中药材品质提供了可能。
       　　参考文献：
       ［1］  吴瑾光.近代傅立叶变换红外线光谱技术及应用，上卷［M］.北京：科学技术文献出版社，1994.
       ［2］  LiQiu WANG,XiaoJun PENG,Weijng ZHANG.Synthesis and Spectral Properties of Novel Water-soluble Near-infrared Fluorescent Indocyanines［J］.Chinese Chemical Letters,2005,16(3):341.
       ［3］  Yang Huayuan,Xian Yuanchun,Liu Yitang ,Determination of Specturm Characteristic of Near Infrared Radiated by Indirect Moxibution［J］.Journal of Acupunature and Tuina Science,2005,3(6):55.
       ［4］  孟兰贞，聂  红，徐珍霞，等.色谱技术在中药白芷研究中的应用进展［J］.时珍国医国药，2006，17（1）：4.
       ［5］  陈华才，吕  进.近红外光谱法测定茶多酚中总儿茶素含量［J］.中国计量学院学报，2005，16（1）：17.
       ［6］  冯军勤，周誉昌，吕  华.运用近红外发射光谱技术检测中药水分含量［J］.大众科技，2006，2：46.
       ［7］  张录达，王  韬，杨丽明. 傅里叶变换近红外全谱回归分析的应用研究［J］.光谱学与光谱研究，2005，25（12）：1959.
       (咸宁学院，湖北 咸宁  437100)