近红外光谱法快速检测赤芍配方颗粒芍药苷和浸出物含量

打开文本图片集

摘要：為了直接、快速地测定赤芍配方颗粒中芍药苷和浸出物的含量，解决回流烘干法测定耗时长、操作繁琐等问题，利用近红外漫反射技术，结合偏最小二乘法（PLS），建立了测定芍药苷和浸出物含量的近红外光谱测定方法。选用积分球系统测定样品的近红外光谱，定量模型的预处理方法采用多元散射校正和一阶导数进行处理，光谱范围分别为5 492～5 103 cm-1，7 428～7 201 cm-1，6 942～5 322 cm-1。结果表明，定量模型中芍药苷含量和浸出物含量的最佳主因子数分别为7和6，内部交叉验证均方差分别为0.082 6和0.226 0，决定系数（R2）分别为0.981 7和0.982 4，系统精密度RSD值分别为1.1%和0.9%，方法精密度RSD值分别为2.1%和1.6%，外部验证预测均方差分别为0.363和0.282。采用建立的近红外预测模型对赤芍配方颗粒进行快速测定，方法可行，分析快速、简便，结果准确，为赤芍配方颗粒的测定提供了高效方法。

关键词：中药化学;近红外光谱（NIRS）;赤芍配方颗粒;芍药苷;浸出物

中图分类号：R917 文献标志码：A doi： 10.7535/hbgykj.2019yx01010

LI Junshan， PENG Xinhua， LI Zhenjiang.Rapid detection of paeoniflorin and extraction content in Paeoniae Radix Rubra formula granules by NIRS[J].Hebei Journal of Industrial Science and Technology，2019，36（1）：53-58.Rapid detection of paeoniflorin and extraction content in

Paeoniae Radix Rubra formula granules by NIRS

LI Junshan1，2， PENG Xinhua1， LI Zhenjiang1

（1.Shineway Pharmaceutical Group Limited， Shijiazhuang， Hebei 051430， China; 2.TCM Formula Granule Engineering Technology Research Center of Hebei， Shijiazhuang， Hebei 050091， China）

Abstract： In order to directly and quickly determine paeoniflorin and its extraction content in Paeoniae Radix Rubra formula granules and solve the problems of long time consuming and complicated operation of reflux drying method， a near infrared spectroscopy method for determining paeoniflorin content and extraction content is established by using near infrared diffuse reflectance technology and partial least squares （PLS）. The near infrared spectrum of the sample is determined by an integrating sphere system， and the pretreatment method of the quantitative model is processed by multiple scattering correction and first derivative. The wavelength range is 5 492～5 103 cm-1，7 428～7 201 cm-1，6 942～5 322 cm-1， respectively. The results show that the numbers of the best principal factors for the amount of paeoniflorin and the amount of leachate in the quantitative model are 7 and 6，and the internal mean cross-validation variances are 0.082 6 and 0.226 0， the coefficients of determination （R2） are 0.981 7 and 0.982 4， while the system precision RSDs are 1.1% and 0.9%， and the method precision RSD are 2.1% and 1.6%. The external verification predicted mean variances are 0.363 and 0.282. The established near infrared prediction model is used to quickly determine the Paeoniae Radix Rubra formula granules. The method is feasible， rapid， simple and accurate， and provides an efficient method for the determination of the Paeoniae Radix Rubra formula granules.

Keywords：chemistry of Chinese materia medica;near-infrared transmission spectroscopy （NIRS）; Paeoniae Radix Rubra formula granules;paeoniflorin;extraction

中药配方颗粒因具有携带方便、服用简便、疗效稳定等优点，深受人们的欢迎。赤芍配方颗粒是以符合《中华人民共和国药典》2015年版要求的赤芍饮片为原料，经水提取、浓缩、喷雾干燥、干法制粒而制成的，具有清热凉血、散瘀止痛的功效[1]，用于治疗热入营血、温毒发斑、吐血衄血、目赤肿痛、肝郁胁痛、痛经闭经、癥瘕腹痛、跌扑损伤、痈肿疮疡等。其质量标准中芍药苷的含量测定采用高效液相色谱法（不得低于30 mg/g），浸出物（不得低于30%）的测定采用回流加烘干法，耗时长、操作繁琐。

1主要仪器与材料

ANTARIS Ⅱ型近红外光谱仪，配置TQ Analyst 8分析软件、Result操作软件、积分球和光纤采样系统，赛默飞世尔科技（中国）有限公司提供;Sartorius CP225D型电子分析天平，德国赛多利斯公司提供;DHG-9140A型电热鼓风干燥箱，上海精宏实验设备有限公司提供;KH-3200E超声波清洗器，江苏昆山禾创超声仪器有限公司提供;U3000高效液相色谱仪，带Chromelon分析软件，戴安中国有限公司提供。

甲醇，色谱纯;其他试剂均为分析纯;芍药苷对照品，由中国药品生物制品检定研究院提供（批号为110736-201640）;赤芍配方颗粒，神威药业集团有限公司提供，50批样品批号见表1。

2方法与结果

2.1浸出物含量的测定

取赤芍配方颗粒1.5 g，精密称定，置于50 mL的锥形瓶中，精密加乙醇20 mL，密塞，称定质量，静置1 h后，连接回流冷凝管，加热至沸腾，并保持微沸1 h。放冷后，取下锥形瓶，密塞，再称定质量，用乙醇补足减失的质量，摇匀，用干燥滤器过滤。精密量取滤液25 mL，置入已干燥至恒重的蒸发皿中，在水浴上蒸干后，在105 ℃烘干3 h，置入干燥器中冷却30 min，迅速精密称定质量，计算浸出物含量。50份样品中，浸出物含量的最大值为65.4%（质量分数，下同），最小值为38.5%。

2.2芍药苷含量的测定[1]

1）色谱条件与系统适用性试验

以十八烷基硅烷键合硅胶为填充剂，乙腈-0.1 mol/L磷酸溶液（二者体积比为15∶85）为流动相，检测波长为230 nm，理论板数按芍药苷峰计算应不低于3 000。

2）对照品溶液的制备

取经五氧化二磷减压干燥器中干燥36 h的芍药苷对照品适量，精密称定，加甲醇制成每l mL含30 μg芍药苷的溶液，即得。

3）供试品溶液的制备

取研细的赤芍配方颗粒适量，精密称定质量，置于50 mL具塞锥形瓶中，精密加入70%（体积分数，下同）甲醇25 mL，称定质量，超声处理（功率为250 W，频率为33 kHz）10 min，放冷，再称定质量，加70%甲醇补足减失的质量，摇匀，过滤。精密量取续滤液2 mL，置于10 mL量瓶中，加70%甲醇至刻度，摇匀，即得。

4）测定方法

分别精密吸取对照品溶液与供试品溶液各10 μL，注入液相色谱仪，依法检测40批样品的质量，最大值为56.6 mg/g，最小值为28.6 mg/g。对照品、样品的色谱图见图1。

2.3光谱扫描方法

光谱测量范围为10 000～4 000 cm-1，分辨率为8 cm-1，扫描次数64次，数据格式为log（1/R），1 倍增益，将样品平铺在积分球中进行测定[6-9]。图2为50批样品的NIRS光谱图。

2.4光谱数据预处理

本实验采用原始光谱、多元散射校正、一阶微分、二阶微分、S-G平滑等不同的预处理方法，进行比较并选出最优方法[9-12]，最终得到多元散射校正（multiplicative scatter correction，MSC） 与一阶导数相结合为最佳的预处理方法。不同光谱处理方法对模型的影响见表2，样品一阶导数光谱图见图3。

2.5建模光谱区间的选择

选择全谱区（ 10 000～4 000 cm-1 ）、部分谱区（5 096～4 536 cm-1，7 308～7 158 cm-1，5 881～4 929 cm-1）以及（5 492～5 103 cm-1，7 428～7 201 cm-1，6 942～5 322 cm-1）3組光谱范围，对光谱采用的预处理均为MSC及一阶导数，结果见表3。

从表3 可以看出，在5 492～5 103 cm-1，7 428～7 201 cm-1和6 942～5 322 cm-1波数范围内，建立的模型有较高的精度及较好的预测结果。

2.6模型建立参数的选择

选取编号为1～30的赤芍配方颗粒作为校正集样本，采用PLS建立定量校正模型，最佳主因子数由交互验证法所得的内部交叉验证均方差确定，内部交叉验证均方差随主因子数[13-15]的变化情况如图4所示。由图4可知，芍药苷含量和浸出物含量的最佳主因子数分别为7和6。

2.7系统精密度与方法精密度

从验证集样品中选择序号为12的赤芍配方颗粒样品，进行6次光谱测定，用所建模型预测样品的含量值，测得系统的精密度RSD最大值为1.1%。将同一批样品分别取样6次，依次测定其近红外图谱，得到方法的精密度RSD最大值为2.1%，结果表明系统的精密度与方法的精密度良好。

2.8结果[15-19]

按2.6项下方法建立的校正数学模型，对编号为31～50验证集的赤芍配方颗粒含量进行预测，预测结果与标准方法测定结果对比见表4。结果表明，计算标准方法测定结果与NIRS预测结果的绝对偏差最小值为0，最大值为0.86%。所选校正数学模型用于快速预测赤芍配方颗粒的含量，结果准确，可用于进一步分析。化学分析法所得结果与预测结果的对应关系见图5。

3结论

1）基于近红外光谱检测方法，采用MSC和一阶导数处理作为定量模型的预处理方法，依据PLS法建立了定量预测模型。通过实验验证了方法的有效性，系统精密度RSD值分别为1.1%和0.9%，方法精密度RSD值分别为2.1%和1.6%。方法方便快速，系统的精密度和方法的精密度均良好，为赤芍配方颗粒的测定提供了高效方法。

2）在原始近红外图谱采集过程中，样品的不同粒度会影响近红外光的吸收与反射，导致得到的光谱峰型不规则，干扰谱图信息，对结果产生一定的影响。针对此问题，可先将待测样品粉碎，过3号筛后再进行测定。此办法解决了由于颗粒大小不一导致的样品测定误差问题。

3）近红外药品分析技术具有不破坏样品、简便快速、成本低和环保等优点，采用近红外技术测定赤芍配方颗粒中的芍药苷和浸出物的含量，方法快速，结果稳定，与传统液相色谱法相比，具有操作简便、测定时间大幅缩短、成本低等优点。

本研究由于样本量不是足够大，导致预测值与实测值相对误差偏大。今后还需通过加大设置不同的含量水平，积累更多的试验数据，为快速、准确地进行检测提供理论依据。

参考文献/References：

[1]国家药典委员会.中华人民共和国药典（一部）[M].北京：中国医药科技出版社，2015.

[2]陆婉珍.现代近红外光谱分析技术[M].北京： 中国石化出版社， 2007.

[3]白铁成，王亚明，张楠楠，等.胡杨叶片水分含量的近红外光谱检测[J].光谱学与光谱分析，2017，37（11）：3419-3423.

BAI Tiecheng，WANG Yaming，ZHANG Nannan，et al.Near infrared spectrum detection method for moisture content of Popuius Euphratica leaf[J].Spectroscopy and Spectral Analy-sis，2017，37（11）：3419-3423.

[4]高晗，李军山，郝鹏彬，等.近红外光谱法快速测定侧柏叶配方颗粒槲皮苷含量[J].中国现代中药，2015，17（7）：722-725.

GAO Han，LI Junshan，HAO Pengbin，et al.Rapid quantitative aanlysis of quercetin-3-rhamnoside in Cacumen Platicladi formula granules by near infrared diffuse reflectance spectroscopy [J].Modern Chinese Medicine，2015，17（7）：722-725.

[5]李军山，张博，校军彦.近红外光谱法快速测定大豆磷脂粉的干燥失重及磷含量[J].中国药业，2013，22（16）：41-43.

[6]李军山，陈钟，张博.近红外光谱技术监控银杏叶提取物柱层析的研究[J].药物分析杂志，2014，34（11）：2098-2101.

LI Junshan，CHEN Zhong，ZHANG Bo.Study on monitoring column chromatography of Ginkgo biloba extract by near infrared spectroscopy[J]. Chinese Journal of Pharmaceutical Analysis，2014，34（11）：2098-2101.

[7]LI Junshan， ZHANG Bo.Extraction process validation of Isatis Radix[J].Pharmacology & Pharmacy，2014，5：356-363.

[8]高会芹，李军山，李振江，等.红参提取工艺近红外光谱与液相色谱比较研究[J].药物分析杂志，2015，35（7）：1274-1278.

GAO Huiqin，LI Junshan，LI Zhenjiang，et al.Comparative study of near infrared spectroscopy and liquid chromatography for Red Ginseng extraction process[J]. Chinese Journal of Pharmaceutical Analysis， 2015，35（7）：1274-1278.

[9]李軍山，彭新华，张博.近红外光谱法快速测定茯苓药材水分[J].亚太传统医药，2011，7（8）：36-38.

LI Junshan，PENG Xinhua，ZHANG Bo.Studies on rapid quantitative analysis of the water in Poria Cocos by infrared diffuse reflectance spectroscopy[J].Asia-Pacific Traditional Medicine，2011，7（8）：36-38.

[10]陈钟，李军山，彭新华.近红外光谱法快速测定利咽解毒颗粒中黄芩苷含量[J].亚太传统医药，2011，7（9）：25-28.

CHEN Zhong，LI Junshan，PENG Xinhua. Rapid quantitative analysis of the Baicalin in Liyan Jiedu granules by near infrared diffuse reflectance spectroscopy[J].Asia-Pacific Traditional Medicine，2011，7（9）：25-28.

[11]李军山，高晗，张肖建，等. 近红外光谱法快速测定猪去氧胆酸含量[J].中国现代中药，2016，18（5）：588-590.

LI Junshan，GAO Han，ZHANG Xiaojian，et al. Rapid quantitative analysis of hyodeoxycholic acid by near infrared spectroscopy[J].Modern Chinese Medicine， 2016，18（5）：588-590.

[12]郝磊，李军山，彭新华，等.丹参药材水分近红外定量模型的建立[J].中国药物警戒，2016，13（8）：464-467.

HAO Lei，LI Junshan，PENG Xinhua，et al.Establishment of rapid analysis of water in Salvia Miltiorrhiza by near infrared diffuse reflectance spectroscopy[J].Chinese Journal of Pharmacovigilance，2016，13（8）：464-467.

[13]刘国海，韩蔚强，江辉.基于近红外光谱的橄榄油品质鉴别方法研究[J].光谱学与光谱分析，2016，36（9）：2798-2801.

LIU Guohai，HAN Weiqiang，JIANG Hui.Study on quality identification of olive oil based on near infrared spectra[J].Spectroscopy and Spectral Analysis， 2016，36（9）：2798-2801.

[14]YUN Yonghuan， WANG Weiting， TAN Minli，et al. A stra-tegy that iteratively retains informative variables for selecting optimal variable subset in multivariate calibration[J].Analytica Chimica Acta，2014，807（1）：36-43.

[15]谢越，周成，涂从，等.近红外光谱技术定量分析连作滁菊土壤中的阿魏酸含量[J].分析化学，2017，45（3）：363-368.

XIE Yue，ZHOU Cheng，TU Cong，et al.Quantitative determination of ferulic acid content in Chrysanthemum Morifolium cv（Chuju） continuous cropping soil using near infrared spectroscopy[J].Chinese Journal of Analytical Chemistry， 2017，45（3）：363-368.

[16]乔瑶瑶，赵武奇，胡新中，等.近红外光谱技术检测燕麦中蛋白质含量[J].中国粮油学报，2016，31（8）：138-142.

QIAO Yaoyao，ZHAO Wuqi，HU Xinzhong，et al. Determination of protein content in oat using near-infrared spectroscopy[J]. Journal of the Chinese Cereals and Oils Association， 2016，31（8）：138-142.

[17]商志伟，赵云，沈奇，等.紫苏种子品质的近红外光谱分析[J].光谱学与光谱分析，2017，37（12）：3719-3724.

SHANG Zhiwei，ZHAO Yun，SHEN Qi，et al. Quality analysis with near-infrared spectroscopy in Perilla seed[J].Spectroscopy and Spectral Analysis， 2017，37（12）：3719-3724.

[18]张金伟，张延莹，刘岩，等.近红外光谱法在线质量监控白芍工业化提取[J].中草药，2011，42（12）：2459-2461.

ZHANG Jinwei，ZHANG Yanying，LIU Yan，et al.On-line quality control for Paeoniae Radix Alba industrial extraction by NIRS[J]. Chinese Traditional and Herbal Drugs， 2011，42（12）：2459-2461.

[19]李军山，陈钟，彭新华，等. 杜仲不同炮制品配方颗粒红外快速鉴别[J]河北工业科技，2016，33（6）：503-508.

LI Junshan，CHEN Zhong，PENG Xinhua，et al.Rapid identification of different processed products of Eucommia ulmoides  formula granules by FTIR[J].Hebei Journal of Industrial Science and Technology，2016，33（6）：503-508.第36卷第1期河北工業科技Vol.36，No.1

推荐访问:赤芍 芍药 颗粒 配方 含量