CN105181637A

CN105181637A - 利用近红外漫反射光谱快速测定红参质量指标含量的方法

Info

Publication number: CN105181637A
Application number: CN201510559815.8A
Authority: CN
Inventors: 应旭辉; 刘雳; 李静慧; 孔万明; 杨文斌
Original assignee: ZHENGDA QINGCHUNBAO PHARMACEUTICAL CO Ltd
Current assignee: ZHENGDA QINGCHUNBAO PHARMACEUTICAL CO Ltd
Priority date: 2015-09-06
Filing date: 2015-09-06
Publication date: 2015-12-23

Abstract

本发明公开了一种用近红外漫反射光谱同时快速测定红参水分、糖类成分以及人参皂苷含量的方法：先用常规分析方法获得红参样品各质量控制指标成分的参考值，同时获取各红参粉末样品的近红外光谱数据，然后用数学建模将各指标成分常规分析参考值跟近红外光谱数据组成数据库，用全因子试验分析法进行建模优化，分别得到各指标的定量校正模型；然后采集未知红参粉末样品的近红外光谱，利用上述定量校正模型测定各指标成分的含量。本发明方法该法具有分析快速、简便且分析过程无污染的特点，并同时对多个指标成分进行测定，特别是通过对糖类成分的测定，可以快速辨别样品是否掺糖，从而最大可能保证红参质量。

Description

利用近红外漫反射光谱快速测定红参质量指标含量的方法

技术领域

本发明涉及医药分析检测领域，具体涉及利用近红外漫反射光谱同时快速测定多个红参粉质量指标的含量。

背景技术

中国药典(2010版)红参的质量指标主要为水分和人参皂苷Rg1、Re及Rb1，其中水分采用干燥失重的方法检测，该方法比较费时；人参皂苷的检测采用高效液相色谱法，该方法样品前处理涉及索氏提取、超声提取、蒸干、复溶等步骤，整个分析过程比较繁琐；同时分析中使用的有机溶剂会对环境造成污染并且不利于人体的健康。

近红外光谱分析法具有样品前处理简单，分析快速等优点，是一种绿色环保无污染的分析方法。目前，国内外已有一些报道开始尝试用近红外光谱技术对红参进行快速质量评价，但是分析的指标往往比较单一，不能有效全面地反映红参整体内在质量，例如简单的定性进行真伪鉴别(应用近红外光谱技术鉴别红参药材，中草药，2008,39(3)：428-440)、水分含量测定(一种基于近红外的红参药材质量快速评价方法，中草药，2005,36(6)：912-915)、人参皂苷含量测定(DevelopmentofNearInfraredSpectroscopyforRapidQualityAssessmentofRedGinseng，CHEM.RES.CHINESEUNIVERSITIES2009,25(5),633-637)。

另外，因为目前的中国药典没有对红参糖类成分进行质量控制，因此目前市场上红参中掺糖(特别是蔗糖)的现象普遍，严重影响了红参原料及相关终产品的质量。传统的糖类成分的分析方法主要为化学显色法、高效液相色谱法等，但是同样存在样品前处理复杂、分析比较费时等问题。

发明内容

为了克服传统分析方法的费时、繁琐和污染问题、现有近红外光谱法指标成分单一的问题以及目前糖类成分含量无法有效控制的问题，本发明提供一种近红外漫反射光谱同时快速测定红参水分、糖类成分以及人参皂苷含量的方法，所述方法主要包括下述步骤：

(1)按照中国药典(2010版)中红参质量标准规定的检测方法检测不同批次的红参样品中的水分含量、人参皂苷含量，并用高效液相色谱法检测总糖含量；所述总糖含量是指红参固体粉末中蔗糖和麦芽糖的总含量；所述人参皂苷含量包括红参干燥固体粉末中Rg1和Re的总含量以及Rb1的含量；

(2)将上述红参样品分别进行近红外漫反射光谱检测，近红外漫反射光谱的扫描波长范围分别为10000-4000cm^-1和10000-4250cm^-1两个波段，获得每份样品的2个波段的近红外光谱数据，步骤(1)测定的不同样品的水分含量、人参皂苷含量、总糖含量分别与其2个波段的近红外光谱数据分别组成2个波段的水分含量数据库、2个波段的人参皂苷Rg1和Re总含量数据库、2个波段的人参皂苷Rb1含量数据库，2个波段的总糖含量数据库，然后分别进行光谱预处理和回归建模，光谱预处理方法有三种：多元散射校正(MSC)、标准正态变量变化(SNV)或一阶导数(1-Der)；回归模型有三种方法：偏最小二乘回归(PLSR)、主成分回归(PCR)或多元线性回归(MLR)方法，对每个数据库都采用全因子试验分析法，即每个数据库采用不同的光谱预处理方法和回归模型，分别建模9次，使用Unscrambler软件(9.8版)进行模型的建立，分别得到18个水分含量模型组、18个Rg1和Re总含量模型组、18个Rb1含量模型组、18个总糖含量模型组，以决定系数(R²)和校正均方差(RMSECV)为模型评价指标，分别选取各模型组中R²最接近1且RMSECV最接近0的模型，得到定量校正水分含量模型、定量校正Rg1和Re总含量模型、定量校正Rb1含量模型和定量校正总糖含量模型；定量校正水分含量模型、定量校正Rg1和Re总含量模型、定量校正Rb1含量模型和定量校正总糖含量模型分别各自设定有特定的波段范围、光谱预处理方法和回归建模方法；

(3)取未知红参样品，按照步骤(2)同样条件进行近红外漫反射光谱检测，近红外漫反射光谱的扫描波长范围分别为10000-4000cm^-1和10000-4250cm^-1两个波段，获得未知样品的2个波段的近红外光谱数据，然后按照定量校正水分含量模型、定量校正Rg1和Re总含量模型、定量校正Rb1含量模型和定量校正总糖含量模型中分别设定的波段范围，在Unscrambler软件9.8版中输入相应波段的近红外光谱数据，根据各自定量校正模型计算，获得未知红参样品的水分含量、Rg1和Re总含量、Rb1含量和总糖含量。

所述步骤(1)中，水分含量和人参皂苷含量按照中国药典(2010版)中红参质量标准规定的检测方法进行检测，其中水分含量用干燥失重法进行测定，一般是按照中国药典2010版一部附录ⅨH第一法进行测定，人参皂苷含量用高效液相色谱法进行测定，可按照中国药典2010版一部红参质量标准中的含量测定项中的规定进行测定；

总糖含量用高效液相色谱法进行测定。

所述红参样品包括但不限于：整个红参、去须红参、红参参须、红参芦头等。

所述红参样品为红参细粉，一般为过六号筛的粉末。

所述步骤(1)中，不同批次的红参样品至少选取20个，优选50～200个。

所述步骤(2)中，近红外漫反射光谱检测的条件一般为：检测温度为23～27℃，检测湿度为50～60％，光谱扫描范围为10000-4000cm^-1和10000-4250cm^-1两个波段，一般可扫描10000-4000cm^-1波段，然后分别选取10000-4000cm^-1和10000-4250cm^-1两个波段的数据即可。仪器单次检测的扫描次数为32次，分辨率8cm^-1。一般每个样品重复检测三次，取自动生成的平均光谱数据作为样品的近红外光谱数据。

所述每个数据库都采用全因子试验分析法，即每个数据库采用不同的光谱预处理方法和回归模型，分别建模9次，这是指将光谱预处理方法和回归模型分为2个因素，对于每个因素，光谱预处理方法有3种水平，即多元散射校正(MSC)、标准正态变量变化(SNV)或一阶导数(1-Der)；回归模型也有3种水平，即偏最小二乘回归(PLSR)、主成分回归(PCR)和多元线性回归(MLR)方法，则根据全因子试验法，每个数据库需要建模3²次，即9次。

本发明的有益效果是，跟传统常规分析方法相比，应用近红外光谱结合数学建模可以实现更为快速、简便、无污染的分析；与现有的红参近红外分析指标单一不同，本发明建立的近红外分析方法可以同时对样品水分、人参皂苷和糖类成分进行含量测定。通过对糖类成分的同时测定，还可以快速辨别样品是否掺糖，从而最大可能地保证红参质量。此外，运用本发明提供的多指标快速检测方法，可以有效地解决医药企业生产现场红参原料抽样检验代表性不足的问题，进一步保障终产品质量。

附图说明

图1是60个红参细粉样品的近红外漫反射光谱图。

图2是水分含量定量校正模型预测值与真实值相关图。

图3是总糖含量定量校正模型预测值与真实值相关图。

图4是人参皂苷Rg1和Re总含量定量校正模型预测值与真实值相关图。

图5是人参皂苷Rb1含量定量校正模型预测值与真实值相关图。

具体实施方式

下面将结合实施例详细描述本发明，该实施例不应解释为对本发明的限制。

实施例1：红参原料近红外快速测定

红参作为原料药是多种中成药和其他相关产品的重要组成，只有保证原料药的质量才能确保最终产品的安全可靠，因此原料药的检测至关重要。医药企业传统原料药的检测通常是抽取部分样品进行常规化学分析，存在抽样检验代表性不足的问题，难以保证所有批次的质量，同时常规分析方法通常也比较繁琐费时。近红外光谱法可以很好地解决这些问题，实现对所有批次样品的快速检测。

建立近红外漫反射光谱同时快速测定红参各指标含量的方法，主要包括下述步骤：

1、近红外校正模型的建立：

(1)红参样品准备

取生产用不同批号的红参细粉共60份(所有红参样品由正大青春宝药业有限公司提供)。

(2)近红外光谱采集

取各红参细粉样品适量分别加入到50mL玻璃瓶中(样品约占玻璃瓶容积的一半)，使用赛默飞AntarisMX傅立叶近红外仪的便携式光纤采集样品近红外光谱。近红外光谱仪开机预热1小时后，将便携式光纤***样品粉末中，用仪器配套的Result软件进行近红外漫反射光谱采集，检测温度为23～27℃，检测湿度为50～60％，光谱扫描范围为10000到4000cm^-1，每次检测扫描次数为32次，分辨率8cm^-1。每个样品自动检测三次，取自动生成的平均光谱进行建模。60个样品的红参细粉近红外漫反射光谱如图1所示。

(3)各指标成分常规分析方法测定

水分的含量按照中国药典2010版一部附录ⅨH第一法进行测定。取供试品2g，平铺于干燥至恒重的扁形称量瓶中，精密称定，打开瓶盖在100～105℃干燥5小时，将瓶盖盖好，移置干燥器中，冷却30分钟，精密称定，再在上述温度干燥1小时，冷却，称重，至连续两次称重的差异不超过5mg为止。根据减失的重量，计算供试品中含水量(％)

人参皂苷按照中国药典2010版一部红参质量标准中的含量测定项进行测定。取本品粉末约1g，精密称定，置索氏提取器中，加三氯甲烷适量，加热回流3小时，弃去三氯甲烷液，药渣挥干溶剂，连同滤纸筒移入具塞锥形瓶中，精密加入水饱和正丁醇50ml，密塞，放置过夜，超声处理(功率250W，频率50kHz)30分钟，滤过。精密量取续滤液25ml，置蒸发皿中蒸干，残渣加甲醇溶解，转移至5ml量瓶中，加甲醇至刻度，摇匀，滤过，取续滤液，即得供试品。分别精密吸取对照品溶液10μL与供试品溶液20μL，注入液相色谱仪，测定含量。

对照品溶液的制备分别取人参皂苷Rg1对照品、人参皂苷Re对照品、人参皂苷Rb1对照品，加甲醇制成每1ml中含人参皂苷Rg10.5mg、人参皂苷Re0.3mg、人参皂苷Rb10.5mg的混合溶液，即得。

【含量测定】照《高效液相色谱法检验标准操作程序》测定。

色谱条件与***适用性试验以十八烷基硅烷键合硅胶为填充剂；以乙腈为流动相A，以水为流动相B，按下表中的规定进行梯度洗脱；检测波长为203nm。理论板数按人参皂苷Rg1峰计算应不低于6000。

表1：

糖类成分的测定方法具体如下：取0.5g红参细粉，置于50mL锥形瓶中，加入30mL纯化水，轻微摇晃使粉末分散开，超声提取30min，停顿10min，轻微摇晃，再超声15min，然后提取液离心后用0.45um膜滤过，取续滤液，即得总糖提取液；精确称取蔗糖和麦芽糖对照品(五氧化二磷减压干燥器中干燥12小时以上)适量，加水制成每1ml含蔗糖7mg及麦芽糖3mg的对照品溶液，摇匀，稀释成一系列浓度的混合标准品溶液；用Agilent1200液相色谱仪进行分析，色谱柱为AlltechPrevailCarbohydrateES5u(4.6×250mm)，流动相为乙腈-水溶液(75：25，V/V)，流速为1.0ml/min，柱温保持在25℃，检测器为蒸发光散射检测器，每个样品进样量为10uL，测定不同浓度混合标准品溶液中的蔗糖和麦芽糖含量，分别得到蔗糖和麦芽糖的标准曲线，然后同样条件的液相色谱检测总糖提取液中蔗糖和麦芽糖含量，与标准曲线对照，计算得到红参样品中蔗糖和麦芽糖含量。

所有60份红参细粉各指标成分的含量统计结果见下表2：

表2

指标成分	最小值(％)	最大值(％)	平均值(％)	标准差(％)
					水	4.44	8.28	6.41	0.84
蔗糖	5.06	35.23	22.84	10.36
					麦芽糖	0.60	22.26	6.71	3.74
总糖	14.77	40.07	29.55	7.91
					Rg1	0.11	0.46	0.22	0.10
Re	0.18	1.20	0.30	0.19
					Rg1+Re	0.30	1.59	0.52	0.26
Rb1	0.34	1.55	0.56	0.23

(4)模型建立

将所有60份红参细粉样品随机分成两组，其中一组50份样品作为校正集，用于校正模型的建立；另外一组10份作为测试集，对建立的模型进行验证和评价。优化模型的参数主要包括波长范围、光谱预处理方法以及回归模型的选择，这些参数间相互会有影响，因此需要作***地优化。其中波长范围主要考察10000-4000cm^-1和10000-4250cm^-1两个波段，因为用于采集近红外光谱的光纤本身在4250-4000cm^-1有一定吸收，因此需要考察光纤的吸收是否对模型有影响；每份样品分为2个波段的近红外光谱数据来进行分析。

红参细粉颗粒大小不均匀或颗粒间隙会造成散射现象，光谱预处理主要是用于消除因散射现象导致的近红外光谱基线漂移和噪音信号从而提高模型的准确度和稳定性。

将步骤(3)测定的校正集样品的水分含量、人参皂苷含量、总糖含量分别与每个样品2个波段的近红外光谱数据分别组成2个波段的水分含量数据库、2个波段的人参皂苷Rg1和Re总含量数据库、2个波段的人参皂苷Rb1含量数据库，2个波段的总糖含量数据库，然后分别进行光谱预处理和回归建模，光谱预处理方法包括多元散射校正(MSC)、标准正态变量变化(SNV)或一阶导数(1-Der)；回归模型采用偏最小二乘回归(PLSR)、主成分回归(PCR)或多元线性回归(MLR)方法，对每个数据库都采用全因子试验分析法，即每个数据库采用不同的光谱预处理方法和回归模型，分别建模9次，使用Unscrambler软件(9.8版)进行模型的建立，分别得到18个水分含量模型组、18个Rg1和Re总含量模型组、18个Rb1含量模型组、18个总糖含量模型组，以决定系数(R²)和校正均方差(RMSECV)为模型评价指标，分别选取各模型组中R²最接近1且RMSECV最接近0的模型，得到定量校正水分含量模型、定量校正Rg1和Re总含量模型、定量校正Rb1含量模型和定量校正总糖含量模型；定量校正水分含量模型、定量校正Rg1和Re总含量模型、定量校正Rb1含量模型和定量校正总糖含量模型分别各自设定有特定的波段范围、光谱预处理方法和回归建模方法；

经过***地优化，最终确定各指标成分的建模条件如下表3所示：

表3

水分、总糖含量、人参皂苷Rg1和Re总含量、人参皂苷Rg1含量的定量校正模型分别见图2～5。图2-5显示了参与建模的校正集样品的真实值和预测值的相关性图。

2、红参样品中各指标成分含量的测定：

运用Unscrambler软件将10份测试集的样品的近红外光谱输入至各指标成分的定量校正模型中，然后按照各定量校正模型中分别设定的波段范围输入相应波段的近红外光谱数据，根据各自定量校正模型计算，预测各指标成分的含量，并将预测结果与实际值进行比较，具体结果见下表4：

表4

10份红参细粉样品各指标成分的预测结果与实际值基本接近，整体预测相对偏差在10％左右，预测效果较好。结果说明可以用快速简便的近红外光谱法替代繁琐费时的常规方法对红参原料进行质量评价，该评价结果具有较高的可信度。

实施例2：不同产地和不同部位的红参样品近红外快速测定

目前的中国药典没有对红参糖类成分进行质量控制，因此目前市场上红参中掺糖(特别是蔗糖)的现象越来越多，严重影响了红参原料及相关终产品的质量。本发明实例收集4个产地的红参共8份，其中包含可能含糖和无糖的样品，用近红外快速测定各指标成分含量；另外单独收集了红参芦头和参须样品各1份，用近红外快速测定样品各指标成分含量。

1、近红外校正模型的建立：同实施例1；采用实施例1的定量校正模型。

2、红参样品中各指标成分含量的测定：

(1)红参样品制备

从4个不同产地共收集到红参样品8份，包括靖宇产地2份，其中1份标示为无糖；万良产地共4份，其中1份标示为无糖，其他3份分别标示为a、b、c；集安产地1份，标示为无糖；延边产地1份，标示为无糖。另外红参芦头和参须样品各1份。

红参样品洗净后，在40℃下烘干后粉碎，过六号筛。然后取各红参细粉样品适量分别加入到50mL玻璃瓶中(样品约占玻璃瓶容积的一半)，使用赛默飞AntarisMX傅立叶近红外仪的便携式光纤采集样品近红外光谱。近红外光谱仪开机预热1小时后，将便携式光纤***样品粉末中，用仪器配套的Result软件进行近红外漫反射光谱采集，检测温度为23～27℃，检测湿度为50～60％，光谱扫描范围为10000到4000cm^-1，单次检测扫描次数为32次，分辨率8cm^-1。每个样品自动检测三次，取自动生成的平均光谱进行分析。

(2)指标成分含量预测并进行验证

运用Unscrambler软件将上述10份红参样品的近红外光谱输入至各指标成分定量校正模型中，预测各指标成分的含量；同时，运用常规分析方法测定各指标成分的实际值并与预测值进行比较，具体结果见下表5：

表5

所有10份样品整体预测效果较好，各指标平均相对偏差均在10％以内；同时可见4个产地的红参中，标示为无糖的样品总糖预测结果明显低于其他样品，本方法可以有效辨别红参样品中糖含量的高低。红参芦头和参须部位的人参皂苷的含量明显高于主根部分，本方法对这两个部位的指标成分预测结果较好，说明本方法适用于红参各部位指标成分含量的测定。

Claims

1.一种近红外漫反射光谱同时快速测定红参水分、糖类成分以及人参皂苷含量的方法，其特征在于所述方法包括下述步骤：

(1)按照中国药典2010版中红参质量标准规定的检测方法检测不同批次的红参样品中的水分含量、人参皂苷含量，并用高效液相色谱法检测总糖含量；所述总糖含量是指红参固体粉末中蔗糖和麦芽糖的总含量；所述人参皂苷含量包括红参干燥固体粉末中Rg1和Re的总含量以及Rb1的含量；

(2)将上述红参样品分别进行近红外漫反射光谱检测，近红外漫反射光谱的扫描波长范围分别为10000-4000cm^-1和10000-4250cm^-1两个波段，获得每份样品的2个波段的近红外光谱数据，步骤(1)测定的不同样品的水分含量、人参皂苷含量、总糖含量分别与其2个波段的近红外光谱数据分别组成2个波段的水分含量数据库、2个波段的人参皂苷Rg1和Re总含量数据库、2个波段的人参皂苷Rb1含量数据库，2个波段的总糖含量数据库，然后分别进行光谱预处理和回归建模，光谱预处理方法有三种：多元散射校正、标准正态变量变化或一阶导数；回归模型有三种方法：偏最小二乘回归、主成分回归或多元线性回归方法，对每个数据库都采用全因子试验分析法，即每个数据库采用不同的光谱预处理方法和回归模型，分别建模9次，使用Unscrambler软件9.8版进行模型的建立，分别得到18个水分含量模型组、18个Rg1和Re总含量模型组、18个Rb1含量模型组、18个总糖含量模型组，以决定系数R²和校正均方差RMSECV为模型评价指标，分别选取各模型组中R²最接近1且RMSECV最接近0的模型，得到定量校正水分含量模型、定量校正Rg1和Re总含量模型、定量校正Rb1含量模型和定量校正总糖含量模型；定量校正水分含量模型、定量校正Rg1和Re总含量模型、定量校正Rb1含量模型和定量校正总糖含量模型分别各自设定有特定的波段范围、光谱预处理方法和回归建模方法；

2.如权利要求1所述的方法，其特征在于所述步骤(1)中，水分含量和人参皂苷含量按照中国药典2010版中红参质量标准规定的检测方法进行检测，其中水分含量用干燥失重法进行测定，人参皂苷含量用高效液相色谱法进行测定；

总糖含量用高效液相色谱法进行测定。

3.如权利要求1所述的方法，其特征在于所述步骤(1)中，不同批次的红参样品至少选取20个。

4.如权利要求1所述的方法，其特征在于所述步骤(2)中，近红外漫反射光谱检测的条件为：检测温度为23～27℃，检测湿度为50～60％，光谱扫描范围为10000-4000cm^-1和10000-4250cm^-1两个波段，仪器单次检测的扫描次数为32次，分辨率8cm^-1，每个样品重复检测三次，取自动生成的平均光谱数据作为样品的近红外光谱数据。