CN105181852A - 一种鉴别延胡索生熟药材的方法 - Google Patents

Abstract

一种鉴别延胡索生熟药材的方法，首先由延胡索药材制备供试品溶液，然后对供试品溶液进行色谱分析，以得到的色谱图作为样品的指纹图谱，然后用动态时间规整方法对所得指纹图谱进行保留时间漂移校正，然后用各延胡索样品经动态时间规整方法校正后所得色谱指纹图谱作为行向量组成一个数据矩阵X，对矩阵X标准化之后进行主成分分析运算，最后通过建立人工神经网络分类模型鉴别醋制与未醋制延胡索药材；该方法有不受到指纹图谱中保留时间漂移影响的优点，具有客观准确的特点。

Description

一种鉴别延胡索生熟药材的方法

技术领域

本发明涉及中药材定性分析技术领域，特别涉及一种鉴别延胡索生熟药材的方法。

背景技术

延胡索(元胡)是罂粟科植物延胡索(CorydalisyanhusuoW.T.Wang)的干燥块茎，有镇痛、活血，散瘀，理气、镇静等作用，其临床疗效确切，大量应用于中成药生产和临床处方。延胡索是醋制后增效的典型药物，醋制能使其生物碱类成分溶出量增加，显著提高药效。因此，有必要提出一种能对经醋制的熟延胡索药材与未经醋制的生延胡索药材进行鉴别的方法。

目前各类文献中提出的醋制与未醋制延胡索药材的鉴别方法主要是窦志英等提出的方法(窦志英，金祖翔，魏思文，吴梓君，罗琛艳，一种快速鉴别延胡索生熟饮片的方法，中国专利，CN103543235B，2015.07.15)。该专利提出用薄层色谱方法测定延胡索药材中延胡索乙素的含量，以延胡索乙素含量为指标，观察薄层色谱板上亮点的不同区别醋制与未醋制药材。但延胡索作为一种中药材，其质量和药效是由各组分的整体作用所决定的，仅仅考虑一种或几种活性组分的含量有不准确评价药材质量的可能。此外，仅测定延胡索中一种活性组分延胡索乙素(或几种活性组分)的含量，通过故意或非故意的掺入相应物质，可以直接改变对药材的评价结果。由此可见，现有的醋制与未醋制延胡索药材的鉴别方法在实际应用中受到较大的限制，需要建立一种以延胡索药材整体化学组成为基础的鉴别醋制与未醋制延胡索药材的方法。

色谱指纹图谱能够直接反映中药材的整体化学组成。使用化学模式识别等化学计量学方法分析色谱指纹图谱能够准确评价中药材的质量。但是保留时间漂移现象会严重影响色谱指纹图谱的化学模式识别结果，需要进行校正。目前常用的保留时间漂移校正方法受分析人员的主观影响较大，客观性和标准性不足，在实际应用中受到较大的限制。因此，需要建立一种应用范围广、客观性强的中药色谱指纹图谱保留时间漂移校正方法。这对中药材的市场监管和标准化生产有非常重要的意义。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种鉴别延胡索生熟药材的方法，综合运用动态时间规整(Dynamictimewarping,DTW)和化学模式识别方法，通过对色谱指纹图谱的保留时间漂移校正和模式识别分析，鉴别延胡索生熟药材，该方法有不受指纹图谱中保留时间漂移影响的优点，具有客观准确的特点。

为了达到上述目的，本发明采取的技术方案为：

一种鉴别延胡索生熟药材的方法，步骤为：

S1、制备供试品溶液：取延胡索药材，研磨成粉末，加入有机溶剂使药材粉末中可溶物全部溶解；所得混合物放置16-24小时后加入氨水，在40-45℃水浴中超声提取；然后进行抽滤，加热所得滤液，滤液蒸干后所剩固体物质加适量甲醇溶解，经0.45μm滤膜滤过，即得供试品溶液；

S2、对供试品溶液进行色谱分析，以得到的色谱图作为样品的指纹图谱；

S3、用动态时间规整方法对所得指纹图谱进行保留时间漂移校正；

S4、用各延胡索样品经DTW校正后所得色谱指纹图谱作为行向量组成一个数据矩阵X，这里矩阵X的每行对应于一个样品的色谱指纹图谱，每列对应于色谱实验中的一个采样点，即在每秒测得的色谱信号值；对矩阵X标准化之后进行主成分分析(Principalcomponentanalysis,PCA)运算；保留能使累计方差贡献率大于85％的主成分，以这些主成分的得分矢量，即得分矩阵(scorematrix)中的对应列，作为人工神经网络(Artificialneuralnetwork,ANN)模型的输入变量；

S5、建立多层感知器(MultilayerPerceptron)人工神经网络模型；输入变量对应于主成分分析运算所保留的主成分；输出变量对应于延胡索样品的两个分类，即醋制与未醋制延胡索药材；分类阈值设定不小于0.90；用误差反向传递(backpropagation,BP)算法训练建立人工神经网络模型；该模型即可用于延胡索药材样品的分类鉴别。

所述步骤S1中，每1.0g延胡索药材粉末用总量50-60mL的有机溶剂溶解，其中，有机溶剂为氯仿与甲醇以体积比为5:1的比例进行混合的混合溶剂；

加入的所述氨水与所述有机溶剂中甲醇的体积比为0.15:1；

用于溶解滤液蒸干后所剩固体物质的甲醇的用量为每1.0g延胡索药材粉末对应使用甲醇10mL。

所述步骤S4中，所述人工神经网络是用误差反向传递算法训练的多层感知器人工神经网络。

本发明的有益效果为：

本发明提出了一种使用简便的对醋制与未醋制延胡索药材进行鉴别的方法。通过使用DTW进行保留时间漂移校正，很好的解决了色谱指纹图谱分析中常见的保留时间漂移问题。通过将主成分分析和人工神经网络方法相结合，能够根据经保留时间漂移校正后的色谱指纹图谱准确区别醋制与未醋制延胡索样品。醋制和未醋制的延胡索药材的药效差别较为显著，提出能对其进行鉴别的化学方法，可为延胡索药材的市场监管和标准化生产提供必需的方法，有非常重要的实际意义。这种方法还能推广应用于中药质量控制中其他产品的质量评价。

附图说明

图1是本发明的实施例一中各延胡索样品的色谱指纹图谱。

图2是本发明的实施例二中各延胡索样品的色谱指纹图谱。

图3是本发明的实施例三中各延胡索样品的色谱指纹图谱。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细说明。

参见附图，本发明为一种鉴别延胡索生熟药材的方法，步骤为：

S1、制备供试品溶液：取延胡索药材，研磨成粉末，加入有机溶剂使药材粉末中可溶物全部溶解；所得混合物放置16-24小时后加入氨水，在40-45℃水浴中超声提取；然后进行抽滤，加热所得滤液，滤液蒸干后所剩固体物质加适量甲醇溶解，经0.45μm滤膜滤过，即得供试品溶液；

S2、对供试品溶液进行色谱分析，以得到的色谱图作为样品的指纹图谱；

S3、用动态时间规整方法对所得指纹图谱进行保留时间漂移校正；特别的，必须用动态时间规整方法对所有指纹图谱进行保留时间漂移校正；

S4、用各延胡索样品经DTW校正后所得色谱指纹图谱作为行向量组成一个数据矩阵X，这里矩阵X的每行对应于一个样品的色谱指纹图谱，每列对应于色谱实验中的一个采样点，即在每秒测得的色谱信号值；对矩阵X标准化之后进行主成分分析运算；保留能使累计方差贡献率大于85％的主成分，以这些主成分的得分矢量，即得分矩阵中的对应列，作为人工神经网络模型的输入变量；

S5、建立多层感知器人工神经网络模型；输入变量对应于主成分分析运算所保留主成分；输出变量对应于延胡索样品的两个分类，即醋制与未醋制延胡索药材；分类阈值设定不小于0.90；用误差反向传递算法训练建立人工神经网络模型；该模型即可用于延胡索药材样品的分类鉴别。

具体的，所述步骤S1中，每1.0g延胡索药材粉末用总量50-60mL的有机溶剂溶解，其中，有机溶剂为氯仿与甲醇以体积比为5:1的比例进行混合的混合溶剂。

具体的，加入的所述氨水与所述有机溶剂中甲醇的体积比为0.15:1。

具体的，用于溶解滤液蒸干后所剩固体物质的甲醇的用量为每1.0g延胡索药材粉末对应使用甲醇10mL。

特别的，所述步骤S4中，所述人工神经网络是用误差反向传递算法训练的多层感知器人工神经网络。

实施例一

收集13个延胡索药材样品，所有样品信息见表1。

表1延胡索药材样品信息

第一步，由延胡索药材制备供试品溶液：取延胡索药材粉末，精密称定，置于三角瓶中；加入有机溶剂，该有机溶剂由体积比为5:1的氯仿和甲醇配制，每1.0g延胡索药材粉末用有机溶剂总量50-60mL；放置16小时后加入氨水，其中氨水与甲醇的体积比为0.15:1，在40℃水浴中超声提取1小时，取出后抽滤，加热所得滤液，滤液蒸干后所剩固体物质加甲醇溶解，每1.0g延胡索药材粉末对应使用甲醇10mL，经0.45μm滤膜滤过，即得供试品溶液。

第二步，建立延胡索样品的指纹图谱。所用色谱条件为：PhenomenexLunaC18色谱柱(250mm×4.6mm，ID：5μm)；柱温30℃；梯度洗脱，所用流动相见表2；流速：1.0mL·min^-1；光谱扫描范围：240-400nm，色谱图采集波长为289nm；运行时间：75min，每秒采样一次；进样量：5μL。

表2测定延胡索指纹图谱的流动相组成

第三步，用动态时间规整方法对所建立13个样品的色谱指纹图谱进行保留时间漂移校正。动态时间规整是一种解决语音信号匹配和识别问题的常用方法。算法的基本思想是将被处理信号在时间序列上规整(Warping)，即拉伸或缩短，使其特征量与参考信号对应，同时与参考信号的长度一致。这个过程称为时间规整。在此过程中，用满足一定条件的时间规整函数描述被处理信号和参考信号的时间对应关系，用归整路径距离来衡量两个时间序列之间的相似性，用动态规划(dynamicprogramming)求解两信号匹配时累计距离最小所对应的规整函数，该函数即对应于最佳规整路径。中药的色谱指纹图谱类似于语音信号，同一样品在相同实验条件下进行的不同次实验所得到的时间序列信号一般会有差别。也就是说，这些信号整体上具有非常相似的形状，但这些形状在时间序列上并不是对齐的。在比对各样品的指纹图谱时，必须进行保留时间漂移校正，通过时间轴的规整使各样品的特征峰相互对齐。

DTW方法中参数设定为：PadLength：[00]；Span：20；MaxStep：2；Band：0.05。图1所示为本实施例中各延胡索样品的色谱指纹图谱。图中“←”以上为未经校正的指纹图谱，由上到下分别对应于1-13号样品。“←”以下为经DTW校正所得指纹图谱，由上到下分别对应于1-13号样品。由图1可见，如不经校正，这13个样品的指纹图谱中多个特征峰的保留时间有明显的差异，经DTW校正后，保留时间漂移得到了很好的校正。

第四步，以1-12号样品校正所得指纹图谱为行向量组成一个矩阵。对此矩阵进行主成分分析运算，以所得前三主成分(PC1、PC2和PC3)的得分矢量作为人工神经网络的3个输入变量。

第五步，建立多层感知器人工神经网络模型。人工神经网络由多个处理单元(也称为神经元或结点)组成，每个神经元由输入通道加载的信息经数学转换形成输出信息，再传递到其他神经元。人工神经网络的基本思想是通过不断调整各神经元之间的连接权重和偏置，从而使误差函数达到最小值。多层感知器人工神经网络是一种在输入层与输出层之间含有一层或多层隐含结点的具有正向传播机制的神经网络。人工神经网络是一种常用的有监督的化学模式识别方法，这类方法利用类别己知的一批样本构成校正集，通过对校正集的学习建立对样本进行分类的模式识别模型，然后用所得模型对未知样本进行分类。网络的输出变量设定为两个分类，即醋制与未醋制延胡索药材。分类阈值设定为0.95。这里人工神经网络用于化学模式识别，其输出节点的阈值对分类结果有显著影响。如果阈值设置过高，模型过于严苛，缺少“模糊性”，没有实际应用价值；阈值设置过低，则模型过于宽松，常造成错误分类。通常的，使用一个标准化的输出节点进行分类时阈值设定为0.90-0.95之间得到的模型较好。用误差反向传递(backpropagation,BP)方法进行网络训练。学习速率和学习动量分别设定为0.6和0.3。进行训练得到用于分类的人工神经网络模型。用所得模型对13号样品进行分类。该模型判定13号样品为未醋制样品，与实际情况吻合。

实施例二

收集15个延胡索药材样品，所有样品信息见表3。

表3延胡索药材样品信息

第一步，由延胡索药材制备供试品溶液：取延胡索药材粉末，精密称定，置于三角瓶中；加入有机溶剂，该有机溶剂由体积比为5:1的氯仿和甲醇配制，每1.0g延胡索药材粉末用有机溶剂总量50-60mL；放置24小时后加入氨水，其中氨水与甲醇的体积比为0.15:1，在45℃水浴中超声提取1小时，取出后抽滤，加热所得滤液，滤液蒸干后所剩固体物质加甲醇溶解(每1.0g延胡索药材粉末对应使用甲醇10mL)，经0.45μm滤膜滤过，即得供试品溶液。

第二步，建立延胡索样品的指纹图谱：所用色谱条件为：PhenomenexLunaC18色谱柱(250mm×4.6mm，ID：5μm)；柱温30℃；梯度洗脱，所用流动相见表2；流速：1.0mL·min^-1；光谱扫描范围：240-320nm，色谱图采集波长为289nm；运行时间：75min，每秒采样一次；进样量：5μL。

第三步，用DTW方法对所建立15个样品的色谱指纹图谱进行保留时间漂移校正：DTW方法中参数设定为：PadLength：[00]；Span：20；MaxStep：2；Band：0.05。图2所示为本实施例中各延胡索样品的色谱指纹图谱。图中“←”以上为未经校正的指纹图谱，由上到下1-15号样品的。“←”以下为经DTW校正所得指纹图谱，由上到下分别对应于1-15号样品。由图2可见，如不经校正，这15个样品的指纹图谱中多个特征峰的保留时间有明显的差异，经DTW校正后，保留时间漂移得到了很好的校正。

第四步，以1-14号样品经DTW校正所得指纹图谱为行向量组成一个矩阵。对此矩阵进行主成分分析运算：以所得前三主成分(PC1、PC2和PC3)的得分矢量作为人工神经网络的3个输入变量。

第五步，建立多层感知器人工神经网络模型。网络的输出变量设定为两个分类，即醋制与未醋制延胡索药材：分类阈值设定为0.90。用误差反向传递方法进行网络训练。学习速率和学习动量分别设定为0.6和0.3。进行训练得到用于分类的人工神经网络模型。用所得模型对15号样品进行分类。该模型判定15号样品为醋制样品，这与实际情况吻合。

实施例三

收集22个延胡索药材样品，所有样品信息见表4。

表4延胡索药材样品信息

第一步，由延胡索药材制备供试品溶液：取延胡索药材粉末，精密称定，置于三角瓶中；加入有机溶剂，该有机溶剂由体积比为5:1的氯仿和甲醇配制，每1.0g延胡索药材粉末用有机溶剂总量50-60mL；放置20小时后加入氨水，其中氨水与甲醇的体积比为0.15:1，在42℃水浴中超声提取1小时，取出后抽滤，加热所得滤液，滤液蒸干后所剩固体物质加甲醇溶解(每1.0g延胡索药材粉末对应使用甲醇10mL)，经0.45μm滤膜滤过，即得供试品溶液。

第二步，建立延胡索样品的指纹图谱：所用色谱条件为：PhenomenexLunaC18色谱柱(250mm×4.6mm，ID＝5μm)；柱温30℃；梯度洗脱，所用流动相见表2；流速：1.0mL·min^-1；光谱扫描范围：240-350nm，色谱图采集波长为289nm；运行时间：75min，每秒采样一次；进样量：5μL。

第三步，用DTW方法对所建立20个样品的色谱指纹图谱进行保留时间漂移校正：DTW方法中参数设定为：PadLength：[00]；Span：20；MaxStep：2；Band：0.05。图3所示为本实施例中各延胡索样品的色谱指纹图谱。图中“←”以上为未经校正的指纹图谱，由上到下分别对应于1-22号样品。“←”以下为经DTW校正所得指纹图谱，由上到下分别对应于1-22号样品。由图3可见，如不经校正，这22个样品的指纹图谱中多个特征峰的保留时间有明显的差异，经DTW校正后，保留时间漂移得到了很好的校正。

第四步，以1-18号样品经DTW校正所得指纹图谱为行向量组成一个数据矩阵。对此矩阵进行主成分分析运算：以主成分分析所得前三主成分(PC1、PC2和PC3)的得分矢量作为人工神经网络的输入变量。

第五步，建立多层感知器人工神经网络模型：网络的输出变量设定为两个分类，即醋制与未醋制延胡索药材。分类阈值设定为0.95。用误差反向传递方法进行网络训练。学习速率和学习动量分别设定为0.9和0.3。训练得到用于分类的人工神经网络模型。用所得模型对19-22号样品进行分类。结果对这4个样品的分类全部正确。

本发明并不局限上述所列举的具体实施方式，本领域的技术人员可以根据本发明工作原理和上面给出的具体实施方式，可以做出各种等同的修改、等同的替换、内容增减和重新组合，从而构成更多新的实施方式。

Claims (2)

1.一种鉴别延胡索生熟药材的方法，其特征在于，步骤为：

S1、制备供试品溶液：取延胡索药材，研磨成粉末，加入有机溶剂使药材粉末中可溶物全部溶解；所得混合物放置16-24小时后加入氨水，在40-45℃水浴中超声提取；然后进行抽滤，加热所得滤液，滤液蒸干后所剩固体物质加适量甲醇溶解，经0.45μm滤膜滤过，即得供试品溶液；

S2、对供试品溶液进行色谱分析，以得到的色谱图作为样品的指纹图谱；

S3、用动态时间规整方法对所得指纹图谱进行保留时间漂移校正；

S4、用各延胡索样品经DTW校正后所得色谱指纹图谱作为行向量组成一个数据矩阵X；对矩阵X标准化之后进行主成分分析运算；保留能使累计方差贡献率大于85％的主成分，以这些主成分的得分矢量为人工神经网络模型的输入变量；

S5、建立多层感知器人工神经网络模型；输入变量对应于主成分分析运算所保留的主成分；输出变量对应于延胡索样品的两个分类，即醋制与未醋制延胡索药材；分类阈值设定不小于0.90；用误差反向传递算法训练建立人工神经网络模型；该模型即可用于延胡索药材样品的分类鉴别。

2.根据权利要求1所述的一种鉴别延胡索生熟药材的方法，其特征在于：

所述步骤S1中，每1.0g延胡索药材粉末用总量50-60mL的有机溶剂溶解，其中，有机溶剂为氯仿与甲醇以体积比为5:1的比例进行混合的混合溶剂；

加入的所述氨水与所述有机溶剂中甲醇的体积比为0.15:1；

用于溶解滤液蒸干后所剩固体物质的甲醇的用量为每1.0g延胡索药材粉末对应使用甲醇10mL。