CN114965838A - 一种麦芽炮制品的鉴别模型的构建方法以及鉴别方法 - Google Patents

一种麦芽炮制品的鉴别模型的构建方法以及鉴别方法 Download PDF

Info

Publication number
CN114965838A
CN114965838A CN202210394378.9A CN202210394378A CN114965838A CN 114965838 A CN114965838 A CN 114965838A CN 202210394378 A CN202210394378 A CN 202210394378A CN 114965838 A CN114965838 A CN 114965838A
Authority
CN
China
Prior art keywords
peak
malt
significant difference
equal
less
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210394378.9A
Other languages
English (en)
Other versions
CN114965838B (zh
Inventor
张志强
李梦荣
梁勇满
邓海霞
李纳纳
***
董晨虹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Tcmages Pharmaceutical Co Ltd
Original Assignee
Beijing Tcmages Pharmaceutical Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Tcmages Pharmaceutical Co Ltd filed Critical Beijing Tcmages Pharmaceutical Co Ltd
Priority to CN202210394378.9A priority Critical patent/CN114965838B/zh
Publication of CN114965838A publication Critical patent/CN114965838A/zh
Application granted granted Critical
Publication of CN114965838B publication Critical patent/CN114965838B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02Column chromatography
    • G01N30/86Signal analysis
    • G01N30/8696Details of Software
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02Column chromatography
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02Column chromatography
    • G01N30/86Signal analysis
    • G01N30/8675Evaluation, i.e. decoding of the signal into analytical information
    • G01N30/8679Target compound analysis, i.e. whereby a limited number of peaks is analysed
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02Column chromatography
    • G01N30/86Signal analysis
    • G01N30/8693Models, e.g. prediction of retention times, method development and validation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02Column chromatography
    • G01N30/04Preparation or injection of sample to be analysed
    • G01N2030/042Standards
    • G01N2030/045Standards internal
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Library & Information Science (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明公开了一种麦芽炮制品的鉴别模型的构建方法以及鉴别方法,其中一种麦芽炮制品的鉴别方法,采用高效液相色谱法获取待测物的液相图谱;该液相图谱中包括至少2个显著性差异成分和1个内标成分,获取显著性差异成分相比于内标成分的相对峰面积,将待测物检测获得的各显著性差异成分的相对峰面积与鉴别模型进行对比,实现麦芽炮制品种类的判断。本发明通过上述方法可以快速、准确的区别出不同麦芽炮制品及其水提物的种类,操作十分简便。

Description

一种麦芽炮制品的鉴别模型的构建方法以及鉴别方法
技术领域
本发明涉及中药鉴别领域,具体涉及一种麦芽炮制品的鉴别模型的构建方法以及鉴别方法。
背景技术
麦芽为本品为禾本科植物大麦Hordeum vulgare L.的成熟果实经发芽干燥的炮制加工品。将麦粒用水浸泡后,保持适宜温、湿度,待幼芽长至约5mm时,晒干或低温干燥。是临床常见的消食药,其性味甘、平,归脾、胃经,具有行气消食,健脾开胃,回乳消涨的功效。根据炮制方法不同,分为生麦芽、炒麦芽、焦麦芽。不同炮制品具有不同功效,生麦芽健脾和胃,疏肝行气,用于脾虚食少,乳汁郁积;炒麦芽用于食积不消,妇女断乳,而焦麦芽则偏于消食化滞。
在“基于UPLC-Q-TOF-MS/MS与网络药理学的麦芽生物碱化学物质及药效学研究,湖北中医药大学.2021(09),陶佳晗”的文献中,公开了利用UPLC-MS/MS手段,对麦芽不同炮制品中的化学成分进行鉴定,共鉴定出33种成分,并发现生麦芽与炒麦芽中以生物碱为主,焦麦芽中生物碱减少较多,则以有机酸为主;并建立了麦芽不同炮制品中N-甲基酪胺、大麦芽碱、芦竹碱的含量测定方法,明确了三者的含量变化。同时,现有公开的其他文献中也公开了麦芽HPLC指纹图谱,确定了19个共有峰,并对不同炮制品中成分变化进行了介绍。
但是,上述现有公开的成分的变化均是通过相应特征成分的含量进行判断,在判断过程中需要进行含量检测,操作复杂;并且,原料中本来各成分之间的含量存在差异,仅仅以其中特征成分的含量来判断炮制品种类并不准确,因此,现有技术依然存在无法有效、快速区分不同麦芽炮制品的问题。
发明内容
因此,本发明要解决的技术问题在于,克服现有技术并未公开能够有效、快速区分不同麦芽炮制品的问题;从而提供一种能够有效、快速区分不同麦芽炮制品种类的鉴别模型及其构建方法,以及利用该构建得到的鉴别模型进行麦芽炮制品种类鉴别的方法。
鉴别麦芽炮制品的模型构建方法,包括:
采用已知种类的麦芽炮制品进行高效液相色谱检测,获得各麦芽炮制品的色谱图;
筛选出所有麦芽炮制品的色谱图中分离度以及峰面积更大的至少10个共有峰作为特征峰;
对特征峰的峰面积进行归一化处理,采用主成分分析法比较各类麦芽炮制品的各个特征峰的聚集分布状况,利用正交偏最小二乘判别分析分别进行所有麦芽炮制品种类的两两分析,获取至少2个显著性差异成分,以及1个内标成分;
获取色谱图中显著性差异成分相比于内标成分的相对峰面积,根据显著性差异成分的相对峰面积的比值划分各类麦芽炮制品中显著性差异成分的比值范围,该比值范围即为麦芽炮制品种类的鉴别模型。
所述主成分分析法以及正交偏最小二乘判别分析可采用SIMCA统计分析软件或SPSS统计分析软件实现;
采用SIMCA统计分析软件进行显著性差异成分和内标成分区分时,显著性差异成分为VIP≥1.5的成分,内标成分为VIP<1.5的成分。
所述麦芽炮制品的种类包括生麦芽、炒麦芽、焦麦芽。
所述特征峰的数量≥15个。
一种麦芽炮制品的鉴别模型,采用上述的鉴别麦芽炮制品的模型构建方法构建得到。
一种麦芽炮制品的鉴别模型,包括2个显著性差异成分和1个内标成分,2个显著性差异成分分别为5-羟甲基糠醛和阿魏酸,内标成分为苜蓿素;显著性差异成分相比于内标成分获得的相对峰面积范围为:
焦麦芽:5-羟甲基糠醛所在峰的相对峰面积≥1.20;
生麦芽:5-羟甲基糠醛所在峰的相对峰面积<1.20且阿魏酸所在峰的相对峰面积>0.93;
炒麦芽:5-羟甲基糠醛所在峰的相对峰面积<1.20且阿魏酸所在峰的相对峰面积≤0.93。
所述显著性差异成分至少还包括另外的8个成分;所述苜蓿素所在特征峰为峰8,5-羟甲基糠醛所在特征峰为峰2,阿魏酸所在特征峰为峰11;另外的8个成分所对应的特征峰按照出峰时间依次命名为峰3、峰4、峰6、峰7、峰9、峰10、峰13、峰14;上述各特征峰的相对保留时间为规定值的±10%,规定值包括:峰2为0.32、峰3为0.40、峰4为0.66、峰6为0.75、峰7为0.80、峰8为1.00、峰9为1.08、峰10为1.09、峰11为1.12、峰13为1.42、峰14为1.46;
显著性差异成分相比于内标成分获得的相对峰面积范围为:
生麦芽:峰2<1.20,峰3<0.70,峰4>1.45,峰6≤0.74,峰7≤1.95,峰9>0.37,峰10>0.90,峰11>0.93,峰13>0.30,峰14≤0.28;
炒麦芽:峰2<1.20,0.70≤峰3≤1.50,峰6>0.74,峰7>1.95,0.21≤峰9≤0.37,峰10>0.90,峰11≤0.93,峰13≤0.30,峰14>0.28;
焦麦芽:峰2≥1.20,峰3>1.50,峰4<1.45,峰6>0.74,峰7>1.95,峰9<0.21,峰10≤0.90,峰13≤0.30,峰14≤0.28。
一种麦芽炮制品的鉴别方法,采用高效液相色谱法获取待测物的液相图谱;获取显著性差异成分相比于内标成分的相对峰面积,将待测物检测获得的各显著性差异成分的相对峰面积与采用上述的鉴别麦芽炮制品的模型构建方法构建的鉴别模型或上述的一种麦芽炮制品的鉴别模型进行比对,实现麦芽炮制品种类的判断。
所述显著性差异成分的数量大于等于10个时,判断待测物中各显著性差异成分所在特征峰的相对峰面积落入到鉴别模型中的相应特征峰数值范围内的数量,如果落入数值范围内的特征峰数量≥显著性差异成分总数量的80%时,则判断该待测物属于该鉴别模型中相应的麦芽炮制品种类。
所述待测物为麦芽炮制品或麦芽炮制品的水提物;所述麦芽炮制品的水提物为水提液、浓缩液、干燥液或配方颗粒。
所述的高效液相色谱法的色谱条件为:
色谱柱:以HSS T3键合硅胶为填充剂的色谱柱;检测波长为305~315nm;以乙腈为流动相A,以0.08~0.12%甲酸水溶液为流动相B,按以下梯度洗脱程序进行洗脱,其中:
Figure BDA0003596803650000031
所述的高效液相色谱法中色谱柱的柱温为28~32℃;该色谱柱的规格为2.1*150mm、1.8μm;流速为0.285~0.315ml/min,理论板数按苜蓿素峰计算应不低于5000。
所述高效液相色谱法中所用供试品溶液的制备过程为:取待测物,加入溶剂,处理后过滤获得滤液,该滤液即为供试品溶液。
在供试品溶液的制备过程中,所述处理为超声处理;溶剂为体积分数为40%~60%的甲醇水溶液。
所述超声处理时间为20~60分钟。
本发明技术方案,具有如下优点:
1.本发明通过鉴别麦芽炮制品及其配方颗粒的模型构建方法,可以有效确定出不同炮制品的显著性差异成分,并结合对显著性差异成分相对峰面积的比值范围进行设计即可获得用于判断麦芽炮制品种类的鉴别模型,通过待测物中该显著性差异成分所在特征峰相比于S峰的相对峰面积的比值范围与该鉴别模型比对,即可有效、快速区分不同炮制品的种类,操作简单方便。
2、本发明提供的一种麦芽炮制品的鉴别方法中,该鉴别麦芽炮制品种类的模型中的显著性差异成分至少包括5-羟甲基糠醛和阿魏酸,内标成分为苜蓿素,只需通过检测待测物的显著性差异成分所在特征峰相比于苜蓿素所在特征峰的相对峰面积的比值结果,与鉴别模型中各显著性差异成分所对应的特征峰的相比峰面积的范围进行比较,即可有效、快速区分不同炮制品的种类。
3、由于在检测过程中,其中有个别特征峰的峰面积较小或工艺等其他原因,可能导致炮制品中显著性差异成分所在特征峰的相对峰面积具有离散值,容易导致结果不准确,因此,本发明中的鉴别方法中给出了鉴别模型中至少包括10个显著性差异成分所在特征峰的相对峰面积的范围值,只要数量有80%以上的特征峰符合比值围即可确定该待测物所属的麦芽炮制品种类,判断结果更加准确、可靠。
4、本发明的鉴别方法还能够用于炮制工艺的终点的判断,使炮制品质量更加稳定;同时,本发明不需要待测物进行定量表征、计算;数据不需要导入软件进行二次分析,省时、省力。
5、本发明进一步优化了鉴别方法中高效液相色谱条件,可以获得至少10个在炮制过程中成分含量发生显著变化的特征峰,有效为准确鉴别麦芽炮制品种类提供有效前提。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例1中三种麦芽炮制品的液相对照图谱。
具体实施方式
实施例中未注明具体实验步骤或条件者,按照本领域内的文献所描述的常规实验步骤的操作或条件即可进行。所用试剂或仪器未注明生产厂商者,均为可以通过市购获得的常规试剂产品。
仪器:Waters超高效液相色谱仪(PDA紫外检测器),电子天平(ML204T型,梅特勒·托利多仪器有限公司),电子天平(JJ500型,常熟市双杰测试仪器厂),超声波清洗器(KQ-100DE型,昆山市超声仪器有限公司),水浴恒温振荡器(THZ-82型,金坛市精达仪器制造有限公司),色谱柱:Waters ACQUITY
Figure BDA0003596803650000051
HSS T3(2.1*150mm,1.8μm)。
试药:乙腈(Merck)为色谱纯;磷酸(Thermo)为色谱纯;水为蒸馏水(屈臣氏);其它试剂均为分析纯。
实施例1
鉴别麦芽炮制品的模型构建方法,具体过程如下:
1、取14批不同炮制品的配方颗粒的样品(生麦芽颗粒、炒麦芽颗粒、焦麦芽颗粒),研细后按照下列方法制备供试品溶液并检测,获取液相图谱。
其中,生麦芽颗粒的批号分别为:20003572、20003582、20003592、20003602;
炒麦芽颗粒的批号分别为:19019753、19017301、20042891、20006521、20006511;
焦麦芽颗粒的批号分别为:20022481、20022491、20005381、20005391、20005401。
(1)对照品溶液的制备:称取苜蓿素、5-羟甲基糠醛、阿魏酸对照品,加50%甲醇溶解,制成每1mL分别含5μg、10μg、1μg的溶液,即得;
(2)供试品溶液的制备:取本品适量,研细,取约1.0g,精密称定,置锥形瓶中,精密加50%甲醇25ml,密塞,称定重量,超声处理(功率500W,频率40kHz)20分钟,放冷,再称定重量,用50%甲醇补足减失的重量,摇匀,滤过,取续滤液15ml蒸干,用50%甲醇溶解于5ml容量瓶中,定容,摇匀,滤过作为供试品,即得。
(3)色谱条件
色谱柱:以HSS T3键合硅胶为填充剂,柱长为150mm,内径为2.1mm,粒度为1.8μm;
柱温:30℃;
流动相:以乙腈为流动相A,以0.1%甲酸水溶液为流动相B;
流动相流速:0.3mL/min;
进样量:3μL;
检测波长:310nm;
理论板数按苜蓿素峰计算应不低于5000;
流动相按下表1进行梯度洗脱,具体为:
表1
Figure BDA0003596803650000052
Figure BDA0003596803650000061
按照上述表1的洗脱程序进行获取14批样品的液相图谱。
2、液相图谱的数据处理
(1)获取共有峰:
使用《中药色谱指纹图谱相似度评价***》(2012.1版本),均以第一批次S1液相图谱为参照图谱,将所测得的三种炮制品颗粒的液相图谱进行分析比较,最终选取共有峰中15个峰面积较大、分离效果较好的峰作为特征峰,本实施例中该15个特征峰依次命名为峰1-峰15,不同炮制品色谱图如图1所示。
(2)获取特征峰中的显著性差异成分和内标成分。
本发明中可以实现内标成分和显著性差异的成分的区别的软件包括但不限于SIMCA统计分析软件或SPSS统计分析软件,本实施例中,以采用SIMCA统计分析软件为例,获取上述14批样品的显著性差异成分和内标成分。
具体的,对14批样品(生麦芽颗粒、炒麦芽颗粒、焦麦芽颗粒)的15个特征峰峰面积进行归一化处理,采用SIMCA-P14.1软件进行模式识别,利用PCA模块的主成分分析法比较生麦芽、炒麦芽、焦麦芽的聚集分布状况,利用正交偏最小二乘法判别分析(OPLS-DA)分别进行两两分析,通过OPLS-DA筛选差异变量(VIP),以VIP>1.5为标准,筛选出各特征峰所对应的显著性差异成分,筛选出的显著性差异成分可选作为质量标记物进行炮制品鉴别。
通过两两炮制品分析结果可知,通过比值大小可看出由生麦芽到焦麦芽在炮制过程中的不同成分含量的连续变化,有些峰对热较敏感,在炒至阶段变化较为明显,因此可用于区别生品与炮制品,有些较不敏感,则经过较长时间的加热才分解转化,可用于鉴别区分生麦芽、炒麦芽与焦麦芽颗粒。由筛选结果可知,通过峰3、6、7、9、11、13、14可区分生麦芽与炒麦芽颗粒,通过峰2、3、4、6、7、9、10、13可区分生麦芽与焦麦芽颗粒,通过峰2、3、9、10、14可区分炒麦芽与焦麦芽颗粒。峰3、9可同时区别生品与炮制品(炒麦芽、焦麦芽)。
同时,通过OPLS-DA筛选差异变量(VIP),选择其中一种VIP小于1.5的成分作为内标(IS),该内标在炮制过程中含量变化不大,且分离效果好,峰面积适中。本实施例中选择出的内标(IS)为峰8的苜蓿素。
(3)确定各类麦芽炮制品中显著性差异成分相比于内标成分的相对峰面积的范围。
将上述步骤(2)中选出的显著性差异成分与内标的峰面积做比值,获得相对峰面积,统计不同炮制品不同显著性差异成分的相对峰面积的比值范围,上述14批不同炮制品显著性差异成分的峰面积的比值范围如下表2所示:
表2
Figure BDA0003596803650000071
通过以上显著性差异成分的峰面积的比值范围,可以确定不同炮制品鉴别的临界值,本实施例中确定好的临界值结果如下表3所示:
表3
Figure BDA0003596803650000072
注:-表示范围不适用
本发明中可以直接在上述表3中筛选出至少两种能够实现三种麦芽炮制品种类区分的显著性差异成分的相对峰面积范围,即可作为麦芽炮制品种类的鉴别模型,例如筛选出峰2的5-羟甲基糠醛和峰11的阿魏酸,通过这两种显著性差异成分的相对峰面积范围即可实现麦芽炮制品种类的鉴别。由这两种显著性差异成分构成的鉴别模型为:
焦麦芽:5-羟甲基糠醛所在峰的相对峰面积≥1.2;
生麦芽:5-羟甲基糠醛所在峰的相对峰面积<1.2且阿魏酸所在峰的相对峰面积>0.93;
炒麦芽:5-羟甲基糠醛所在峰的相对峰面积<1.2且阿魏酸所在峰的相对峰面积≤0.93。
进一步的,由于个别特征峰峰面积较小或工艺等其他原因,导致炮制品中特征峰有离散值,因此,为了获得更高的鉴别准确率,将上述表3中的比值范围均包含在麦芽炮制品种类的鉴别模型中,本实施例中规定有80%以上(即8个以上)特征峰的比值符合范围即可用于判定样品的种类,判定结果更加准确。
实施例2
一种麦芽炮制品的鉴别方法,采用实施例1中获得的鉴别模型进行判断,具体过程如下:
获取已知种类的麦芽炮制品的配方颗粒各3批,各麦芽炮制品的配方颗粒的批号如下表4所示。
表4
Figure BDA0003596803650000081
采用与实施例1相同的高效液相色谱检测方法进行检测获得液相色谱图,并计算峰2、3、4、6、7、9、10、11、13、14共10个特征峰的峰面积与内标的比值,结果如下表5所示。
表5三种麦芽炮制品配方颗粒的各显著性差异成分的相对峰面积
Figure BDA0003596803650000082
通过上述表5获得的结果可知,其中各显著性差异成分的相对峰面积范围均与表3所示的鉴别模型相匹配。因此,可以有效表明该鉴别模型可以有效用于生麦芽、炒麦芽、焦麦芽配方颗粒的鉴别,且该鉴别结果准确度高。
实施例3
本实施例与实施例1的区别在于,供试品溶液的制备条件不同,具体的:
1、供试品溶液的溶剂体积考察
分别取生麦芽配方颗粒(批号:20003572),平行称取1g,精密称定,置具塞锥形瓶中,精密加入50%甲醇15ml、25ml、50ml,称定重量,超声提取(功率500W,频率40kHz)进行操作,取出,放冷,再称定重量,用50%甲醇补足减失的重量,摇匀,滤过,精密量取续滤液一定体积(为加入体积的60%),蒸干,用50%甲醇溶解于5ml容量瓶中,定容,摇匀,滤过作为供试品,即得。以8号峰为参照峰S,计算1~15号特征峰的相对保留时间和相对峰面积,并计算RSD。
不同体积提取样品各特征峰的相对保留时间及相对峰面积如表6和表7所示。
表6提取溶剂体积考察相对保留时间表
Figure BDA0003596803650000091
表7提取溶剂体积考察相对峰面积表
Figure BDA0003596803650000092
Figure BDA0003596803650000101
通过上述结果表明,提取溶剂体积为15ml、25ml、50ml时,对各特征峰的相对峰面积影响较大,但RSD均小于10%,满足判别要求。结合相对峰面积考虑,确定提取溶剂体积为25ml。
2、供试品溶液的超声时间考察
分别取生麦芽配方颗粒(批号:20003582),平行称取1g,精密称定,置具塞锥形瓶中,精密加入50%甲醇25ml,称定重量,超声提取(功率500W,频率40kHz)20分钟、40分钟、60分钟,取出,放冷,再称定重量,用50%甲醇补足减失的重量,摇匀,滤过,精密量取续滤液15ml蒸干,用50%甲醇溶解于5ml容量瓶中,定容,摇匀,滤过作为供试品,即得。以8号峰为参照峰S,计算1~15号特征峰的相对保留时间和相对峰面积,并计算RSD。相对保留时间及相对峰面积结果如表8、9所示。
表8不同超声时间考察相对保留时间表
Figure BDA0003596803650000102
表9不同超声时间考察相对峰面积表
Figure BDA0003596803650000103
Figure BDA0003596803650000111
由以上结果表明,超声时间为20分钟、40分钟、60分钟时,特征峰的相对峰面积的RSD均小于10%,相对保留时间均小于0.5%,故提取时间为20-60分钟均可。
实施例4
本实施例用于对实施例1中的高效液相色谱条件进行方法学验证,包括:
1、重复性验证
取生麦芽颗粒(批号:20003592)6份,按实施例1方法测定,获得其特征图谱,以8号峰为参照峰S,计算1~15号特征峰的相对保留时间和相对峰面积;并计算RSD。结果如表10、11所示。
表10特征图谱重复性考察相对保留时间表
Figure BDA0003596803650000112
Figure BDA0003596803650000121
表11特征图谱重复性考察相对峰面积表
Figure BDA0003596803650000122
根据上述重复性考察结果可知,各特征峰的相对保留时间RSD在均小于0.2%范围内,其他特征峰的相对峰面积RSD在0.00%~6.13%范围内,表明该特征图谱的特征峰重复性较好。
2、精密度验证
取生麦芽颗粒(批号:20003592),不同分析人员在不同时间共制备6份样品进行中间精密度试验,按正文方法测定,获得其特征图谱,以8号峰为参照峰S,计算各特征峰的相对保留时间和相对峰面积;结果与重复性考察的结果计算RSD值,如表12所示。
表12中间精密度考察相对保留峰面积表
Figure BDA0003596803650000123
Figure BDA0003596803650000131
根据上述结果可知:不同人员、不同时间制备样品各特征峰的相对峰面积RSD在0.00%~6.03%范围内,表明该分析方法中间精密度良好。
3、稳定性验证
取生麦芽颗粒(批号:20003592),按正文方法制备供试品溶液,分别于0、3、6、9、12、24h按正文方法进行测定,获得其特征图谱,以8号峰为参照峰S,计算各特征峰的相对保留时间和相对峰面积;并计算RSD。结果如表13、14所示。
表13稳定性相对保留时间表
Figure BDA0003596803650000132
表14稳定性相对峰面积表
Figure BDA0003596803650000133
Figure BDA0003596803650000141
通过上述稳定性实验结果可知,样品溶液中15个特征峰在内相对保留时间及相对峰面积均小于3%,认为该样品在是室温条件下24小时内稳定。
实施例5
一种麦芽炮制品的鉴别方法,采用实施例1中获得的鉴别模型进行判断,具体过程如下:
获取已知种类的麦芽炮制品及其配方颗粒各3批,各麦芽炮制品及其配方颗粒的批号同实施例2中表4所示的批号。
色谱条件:色谱柱:以HSS T3键合硅胶为填充剂,柱长为150mm,内径为2.1mm,粒度为1.8μm;柱温:28℃;流动相:以乙腈为流动相A,以0.12%甲酸水溶液为流动相B;流动相流速:0.315mL/min;进样量:3μL;检测波长:305nm;
采用与实施例1相同的流动相梯度检测获得液相色谱图,并计算峰2、3、4、6、7、9、10、11、13、14共10个特征峰的峰面积与内标的比值,结果如下表15所示。
表15:三种麦芽炮制品配方颗粒的各显著性差异成分的相对峰面积
Figure BDA0003596803650000142
注:-表示范围不适用,未进行相对峰面积计算
通过上述上表获得的结果可以有效表明:本发明的该鉴别方法准确度较高,可用于生麦芽、炒麦芽、焦麦芽配方颗粒的鉴别。
实施例6
一种麦芽炮制品的鉴别方法,采用实施例1中获得的鉴别模型进行判断,具体过程如下:
获取已知种类的麦芽炮制品及其配方颗粒各3批,各麦芽炮制品及其配方颗粒的批号同实施例2中表4所示的批号。
色谱条件:色谱柱:以HSS T3键合硅胶为填充剂,柱长为150mm,内径为2.1mm,粒度为1.8μm;柱温:32℃;流动相:以乙腈为流动相A,以0.08%甲酸水溶液为流动相B;流动相流速:0.285mL/min;进样量:3μL;检测波长:315nm;
采用与实施例1相同的流动相梯度检测获得液相色谱图,并计算峰2、3、4、6、7、9、10、11、13、14共10个特征峰的峰面积与内标的比值,结果如下表16所示。
表16三种麦芽炮制品配方颗粒的各显著性差异成分的相对峰面积
Figure BDA0003596803650000151
通过上述上表获得的结果可以有效表明:本发明的该鉴别方法准确度较高,可用于生麦芽、炒麦芽、焦麦芽配方颗粒的鉴别。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.鉴别麦芽炮制品的模型构建方法,其特征在于,包括:
采用已知种类的麦芽炮制品进行高效液相色谱检测,获得各麦芽炮制品的色谱图;
筛选出所有麦芽炮制品的色谱图中分离度以及峰面积更大的至少10个共有峰作为特征峰;
对特征峰的峰面积进行归一化处理,采用主成分分析法比较各类麦芽炮制品的各个特征峰的聚集分布状况,利用正交偏最小二乘判别分析分别进行所有麦芽炮制品种类的两两分析,获取至少2个显著性差异成分,以及一个内标成分;
获取色谱图中显著性差异成分相比于内标成分的相对峰面积,根据显著性差异成分的相对峰面积的比值划分各类麦芽炮制品中显著性差异成分的比值范围,该比值范围即为麦芽炮制品种类的鉴别模型。
2.根据权利要求1所述的模型构建方法,其特征在于,所述主成分分析法以及正交偏最小二乘判别分析可采用SIMCA或SPSS统计分析软件实现;
采用SIMCA统计分析软件进行显著性差异成分和内标成分区分时,显著性差异成分为VIP≥1.5的成分,内标成分为VIP<1.5的成分。
3.根据权利要求1或2所述的模型构建方法,其特征在于,所述麦芽炮制品的种类包括生麦芽、炒麦芽、焦麦芽;
所述特征峰的数量≥15个。
4.一种麦芽炮制品的鉴别模型,其特征在于,采用权利要求1-3任一项所述的鉴别麦芽炮制品的模型构建方法构建得到。
5.一种麦芽炮制品的鉴别模型,其特征在于,包括2个显著性差异成分和1个内标成分,2个显著性差异成分分别为5-羟甲基糠醛和阿魏酸,内标成分为苜蓿素;显著性差异成分相比于内标成分获得的相对峰面积范围为:
焦麦芽:5-羟甲基糠醛所在峰的相对峰面积≥1.20;
生麦芽:5-羟甲基糠醛所在峰的相对峰面积<1.20且阿魏酸所在峰的相对峰面积>0.93;
炒麦芽:5-羟甲基糠醛所在峰的相对峰面积<1.20且阿魏酸所在峰的相对峰面积≤0.93。
6.根据权利要求5所述的鉴别模型,其特征在于,所述显著性差异成分至少还包括另外的8个成分;所述苜蓿素所在特征峰为峰8,5-羟甲基糠醛所在特征峰为峰2,阿魏酸所在特征峰为峰11;另外的8个成分所对应的特征峰按照出峰时间依次命名为峰3、峰4、峰6、峰7、峰9、峰10、峰13、峰14;上述各特征峰的相对保留时间为规定值的±10%,规定值包括:峰2为0.32、峰3为0.40、峰4为0.66、峰6为0.75、峰7为0.80、峰8为1.00、峰9为1.08、峰10为1.09、峰11为1.12、峰13为1.42、峰14为1.46;
显著性差异成分相比于内标成分获得的相对峰面积范围为:
生麦芽:峰2<1.20,峰3<0.70,峰4>1.45,峰6≤0.74,峰7≤1.95,峰9>0.37,峰10>0.90,峰11>0.93,峰13>0.30,峰14≤0.28;
炒麦芽:峰2<1.20,0.70≤峰3≤1.50,峰6>0.74,峰7>1.95,0.21≤峰9≤0.37,峰10>0.90,峰11≤0.93,峰13≤0.30,峰14>0.28;
焦麦芽:峰2≥1.20,峰3>1.50,峰4<1.45,峰6>0.74,峰7>1.95,峰9<0.21,峰10≤0.90,峰13≤0.30,峰14≤0.28。
7.一种麦芽炮制品的鉴别方法,其特征在于,采用高效液相色谱法获取待测物的液相图谱;获取显著性差异成分相比于内标成分的相对峰面积,将待测物检测获得的各显著性差异成分的相对峰面积与采用权利要求1-3任一项所述的鉴别麦芽炮制品的模型构建方法构建的鉴别模型或权利要求4-6任一项所述一种麦芽炮制品的鉴别模型进行比对,实现麦芽炮制品种类的判断。
8.根据权利要求7所述的鉴别方法,其特征在于,所述显著性差异成分的数量大于等于10个时,判断待测物中各显著性差异成分所在特征峰的相对峰面积落入到鉴别模型中的相应特征峰数值范围内的数量,如果落入数值范围内的特征峰数量≥显著性差异成分总数量的80%时,则判断该待测物属于该鉴别模型中相应的麦芽炮制品种类。
9.根据权利要求7或8所述的鉴别方法,其特征在于,所述待测物为麦芽炮制品或麦芽炮制品的水提物;所述麦芽炮制品的水提物为水提液、浓缩液、干燥液或配方颗粒。
10.根据权利要求7-9任一所述的鉴别方法,其特征在于,所述的高效液相色谱法的色谱条件为:
色谱柱:以HSS T3键合硅胶为填充剂的色谱柱;检测波长为305~315nm;以乙腈为流动相A,以0.08~0.12%甲酸水溶液为流动相B,按以下梯度洗脱程序进行洗脱,其中:
Figure FDA0003596803640000021
优选的,所述的高效液相色谱法中色谱柱的柱温为28~32℃;该色谱柱的规格为2.1*150mm、1.8μm;流速为0.285~0.315ml/min,理论板数按苜蓿素峰计算应不低于5000;
优选的,所述高效液相色谱法中所用供试品溶液的制备过程为:取待测物,加入溶剂,处理后过滤获得滤液,该滤液即为供试品溶液;更为优选的,在供试品溶液的制备过程中,所述处理为超声处理;溶剂为体积分数为40%-60%的甲醇水溶液;
优选的,所述超声处理时间20-60分钟。
CN202210394378.9A 2022-04-14 2022-04-14 一种麦芽炮制品的鉴别模型的构建方法以及鉴别方法 Active CN114965838B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210394378.9A CN114965838B (zh) 2022-04-14 2022-04-14 一种麦芽炮制品的鉴别模型的构建方法以及鉴别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210394378.9A CN114965838B (zh) 2022-04-14 2022-04-14 一种麦芽炮制品的鉴别模型的构建方法以及鉴别方法

Publications (2)

Publication Number Publication Date
CN114965838A true CN114965838A (zh) 2022-08-30
CN114965838B CN114965838B (zh) 2023-05-09

Family

ID=82977823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210394378.9A Active CN114965838B (zh) 2022-04-14 2022-04-14 一种麦芽炮制品的鉴别模型的构建方法以及鉴别方法

Country Status (1)

Country Link
CN (1) CN114965838B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116008134A (zh) * 2023-03-27 2023-04-25 青州尧王制药有限公司 一种麦芽、炒麦芽及焦麦芽配方颗粒的鉴别方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110596277A (zh) * 2019-10-14 2019-12-20 天津中医药大学 一种女贞子生品和酒制品的鉴别方法
CN112946111A (zh) * 2021-01-29 2021-06-11 广东一方制药有限公司 骨碎补生品及其炮制品uplc指纹图谱构建及鉴别方法
CN113440585A (zh) * 2021-06-29 2021-09-28 辽宁上药好护士药业(集团)有限公司 一种炒麦芽配方颗粒的制备方法及质量控制方法
CN114200052A (zh) * 2021-12-10 2022-03-18 广东一方制药有限公司 当归与酒当归的鉴别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110596277A (zh) * 2019-10-14 2019-12-20 天津中医药大学 一种女贞子生品和酒制品的鉴别方法
CN112946111A (zh) * 2021-01-29 2021-06-11 广东一方制药有限公司 骨碎补生品及其炮制品uplc指纹图谱构建及鉴别方法
CN113440585A (zh) * 2021-06-29 2021-09-28 辽宁上药好护士药业(集团)有限公司 一种炒麦芽配方颗粒的制备方法及质量控制方法
CN114200052A (zh) * 2021-12-10 2022-03-18 广东一方制药有限公司 当归与酒当归的鉴别方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ELIZABETH L. INNS 等: "Effect of Modification of the Kilning Regimen on Levels of Free Ferulic Acid and Antioxidant Activity in Malt", JOURNAL OF AGRICULTURAL AND FOOD CHEMISTRY *
RAMIRO ARIEL CARCIOCHI 等: "Effect of malting conditions on phenolic content, Maillard reaction products formation, and antioxidant activity of quinoa seeds", J FOOD SCI TECHNOL *
杨华生等: "麦芽炒香过程中有效成分与无效成分动态变化规律研究", 中国中药杂志 *
高颖等: "炒麦芽配方颗粒的HPLC指纹图谱研究", 中国实验方剂学杂志 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116008134A (zh) * 2023-03-27 2023-04-25 青州尧王制药有限公司 一种麦芽、炒麦芽及焦麦芽配方颗粒的鉴别方法

Also Published As

Publication number Publication date
CN114965838B (zh) 2023-05-09

Similar Documents

Publication Publication Date Title
CN109596751B (zh) 一种清热养阴活血祛瘀的脉络宁口服液成分检测方法
CN109406645B (zh) 一种小儿定喘口服液中麻黄、炒苦杏仁、甘草、黄芩的检测方法
CN109541117B (zh) 一种用于润肺的药物组合物检测方法
CN113933445A (zh) 一种石斛标准汤剂质量控制方法
CN105675739A (zh) 一种治疗风热感冒中药的hplc特征图谱的构建方法
CN114965838B (zh) 一种麦芽炮制品的鉴别模型的构建方法以及鉴别方法
CN113960241A (zh) 基于薄层色谱-近红外光谱联用技术快速筛查保健品中非法添加违禁化学物的方法
CN111487353B (zh) 高含量泽兰黄酮-4’,7-双葡萄糖苷作为玫瑰蜂花粉特征性标志物的应用
CN103926350A (zh) 康复新液制剂指纹图谱的检查方法及标准指纹图谱
CN115856108B (zh) 车前草中药配方颗粒的指纹图谱的构建方法及鉴别方法
CN110715994A (zh) 用UHPLC-Q-Orbitrap MS分析酸枣仁和理枣仁差异性化学成分的方法
CN114441685B (zh) 一种重楼标准汤剂质量检测方法
CN113759037B (zh) 南葶苈子和/或北葶苈子配方颗粒特征图谱及其构建方法和鉴别方法
CN115326974A (zh) 枳壳药材的质量双标可视化质量控制技术
CN110031577B (zh) 一种中药或中药组合物制剂的质量检测方法与鉴别应用
CN114002368A (zh) 超高效液相色谱-四级杆-飞行时间高分辨质谱法测定保健食品中非法添加成分的方法
CN107290471A (zh) 一种补肺活血胶囊中毛蕊异黄酮葡萄糖苷的含量测定方法
CN109828040B (zh) 墨旱莲药材uplc特征图谱的构建方法和检测方法
CN111721875A (zh) 一种鉴别雅连、味连的方法
CN115201393B (zh) 一种黄精芡实汤的质量检测方法
CN113759062B (zh) 一种快速筛查石菖蒲不同产地的方法
CN113533607B (zh) 一种评价牡丹叶药材质量的方法
CN116183784B (zh) 一种酸枣仁中掺伪理枣仁的hplc鉴别方法
CN116990420A (zh) 一种基于特征图谱的蜜麸枳壳综合质量评价方法
CN115144485A (zh) 治疗慢性复发性湿疹的中药组合物的特征指纹图谱及含量测定和质控方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant