一種用紅外光譜結合聚類分析鑑定中藥材的方法
2023-09-09 22:35:35 1
專利名稱：一種用紅外光譜結合聚類分析鑑定中藥材的方法
技術領域：
本發明涉及藥材檢測技術領域，具體地說，本發明涉及用紅外光譜法進行藥材檢測的 技術領域。
背景技術：
中藥材具有以下特點(1)複雜性中藥材成分極為複雜，其數量多，來源複雜，結 構和性質差異大，相互的作用關係難於清楚；(2)整體性中藥材雖然成分複雜，但優質 中藥材的成分相互複合、平衡，形成一個整體，使不同藥材的藥材質形不一；(3)差異性 中藥材由於產地的自然環境、炮製工藝不同，使不同藥材呈現不同特徵。
中藥材的複雜性、整體性、差異性決定了其整體質量評價的必要性，然而，常規的現 代儀器分析如HPLC、 GC，多注重於中藥材微觀化學成分個體的研究，而將中藥材本身各 種成分的綜合作用和相互關係割裂開來，這種運用於中藥材的標準分析方法很難適應中藥 材的綜合、宏觀的整體評價；而傳統的鑑別鑑定方法又容易受到主觀性和經驗性影響。
隨著傅立葉變換紅外光譜儀的問世，以及各種新技術和新附件的研製開發拓寬了紅外 光譜法的應用領域。如鏡面反射附件可以採集平整、光滑固體表面的光譜信息；漫反射附 件則能獲得高散射粉末樣品的光譜信息；衰減全反射附件可收集普通紅外光譜法無法測量 的厚度大於O.l mm的塑料、高聚物、橡膠等樣品；而變溫附件又可以動態跟蹤樣品的熱 變性過程。特別是近年來數學多學科的相互支持和計算機輔助解析技術(模式識別和人工 神經網絡等)的應用，為紅外光譜法應用到中藥材這一複雜混合物體系中提供了良好的技 術工作平臺。
聚類分析是模式識別中的一種，其基本思想是認為所研究的對象中的樣本，存在著不 同程度的相似性(親疏關係)。於是，可以根據這批樣品的客觀指標，找出一些能夠度量 樣本之間相似程度的統計量，以此為依據，把一些相似程度大的樣品聚為一類，疏遠的聚 合到一個大的分類單位，最後把分類系統直觀的用圖形(譜系圖或稱分群圖、聚類圖等) 表示出來，以清楚反映出樣本或變量的親疏關係。這種方法按照不同對象之間的差異，根 據距離函數的規律作模式分類，將相似的歸為一類，不相似的歸為一類，其關鍵是選取合 適的特徵。 一般採用聚類中心之間的距離(類間距)評價聚類效果。
SIMCA (Soft Independent Modeling of Class Analogy)軟體是一個非商業化的、嘗試性的軟體，雖然也可以提供其它信息，但其主要目的是將未知物質聚類。它是基於類模型基 礎上的有監督的模式識別方法。該法基於這樣的假設同一類樣本具有相似的特徵就會聚 集在某一特定的空間區域，而對不同類的樣本，則分布在不同的區域。通過因子分析法分 別針對訓練集中的每類樣本建立類模型。類模型建好後，對實驗集中的樣本，計算其到各 類模型的SIMCA距離，根據SIMCA距離判別該樣本屬於某一已知類，或同時屬於某幾個 已知類，或歸於新類。
在中藥材的聚類分析中，由於中藥材的樣品是多組分的，如果用濃度作為聚類對象會 比較片面，而用光譜作為聚類的對象比用濃度更加直接，因為光譜中包含的信息多，如果 用一種濃度進行聚類，建立標準樣品集，只能將該濃度均勻分開，充分包含該濃度的信息， 但不能保證包含樣品的背景信息。同時，中藥材不僅是一個複雜的混合物體系，而且數量 大，品種多，所含各種化合物吸收強度的疊加具有難以解析的複雜性；又因大多數藥材的 主體成分往往具有共性，故譜圖又具有一定程度的相似性。因此，藉助藥材紅外指紋譜圖 的差異，建立相關的模式識別法，實現譜圖的辨認和藥材的快速鑑定(別)在理論上是可 行的。
發明內容
本發明的目的在於提供一種無損、快速、簡便的中藥材定性分析和鑑定方法，本發明 的技術方案是
一種用紅外光譜結合聚類分析鑑定中藥材的方法，包括如下步驟
(1) 選取同類中藥材標準樣品；
(2) 對標準樣品進行紅外光譜檢測，得到紅外譜(3) 對所得到的紅外譜圖用聚類分析方法建立該中藥材的標準紅外模型；
(4) 運用標準紅外模型和待測中藥材樣品的紅外譜圖進行比對，即可直接對中藥材進 行分析、鑑定。
本發明所說的中藥材，可以是任何類型的中藥材，包括果實類、根類、莖類、葉類、 藤類藥材，以及經前處理的不同部位的藥材。
本發明的方法，其中步驟(1)所用的中藥材標準樣品優選230個。
本發明的方法，其中步驟(2)的紅外光譜優選近紅外譜圖或中紅外譜圖，更優選採 用近紅外或者中紅外全波長或部分特徵波段進行掃描的光譜。
本發明的方法，其中步驟(3)聚類分析方法釆用的算法可以是任何的聚類分析方法，例如偏最小二乘算法、主成分分析算法。
本發明的方法，其中步驟(3)主要包括下列步驟
1、 信號的預處理利用EMD等小波算法對原始信號進行消噪、校正基線等預處理；
2、 主成分分析把預處理後的信號，運用主成分分析算法提取體現出特徵峰的有用 伶g.
3、 聚類分析建模基於主成分分析的結果，運用Mean-Shift算法、C均值和K均值 算法、模擬退火算法、神經網絡算法、遺傳算法等聚類分析建模，確定出特定的 參數指標，包括光譜殘差、建模殘差、組合殘差、建模權重、類間距、分辨權重 等指標。
本發明的紅外光譜測定可以採用商業化的包括近紅外光譜儀、帶ATR水平附件的中紅 外光譜儀完成。
紅外光譜檢測一個混合物體系，其分子光譜中峰位、峰形、峰強度則代表著體系中所 含相應各種基團的譜峰的疊加，混合物組成的變化，將導致分子光譜整體譜圖的變化，因 而利用紅外光譜譜圖的整體性、特徵性和模糊性，以求得到中藥材所有分子信息，然後通 過計算機技術使中藥材整體信息表現出來。利用紅外光譜技術(FTIR)結合聚類分析技術對 中藥材進行"無損、快速"檢測，既能客觀反映中藥材內在物質基礎，又能在宏觀上有效 控制中藥材整體質量。中藥材紅外聚類分析的優點和特點①無損性，對試樣的測定可以 做到不失原本性。②簡便、快捷，對試樣無需處理，無需經過繁瑣的分離提取過程就可以 直接測試。③自動化，可以和計算機進行聯機，實現中藥材品質控制的自動化。 儀器較 為通用，測定操作簡便，易於推廣應用。⑤不必專門尋求單個的、純的標準物。
圖l是丹參藥材標準紅外光譜一維譜圖。
圖2是實施例1不同產地丹參藥材聚類分析圖。
圖3是雞血藤藥材標準紅外光譜一維譜圖。
圖4是實施例2雞血藤正品與偽品藥材聚類分析圖。
圖5是半夏藥材醇提物標準紅外光譜一維譜圖。
圖6是實施例3半夏正品與偽品藥材聚類分析圖。
具體實施例方式
下面結合實施例對本發明作進一步闡述。實施例是為了幫助理解本發明，而不以任何 方式限制本發明。
實施例1不同產地丹參藥材中紅外聚類分析
(1) 選取丹參藥材——山東、四川兩產地樣本各30批次，2006年陝西基地提供在產合 格藥材32批次。
(2) 進行中紅外光譜檢測，得到紅外譜圖採用Perkin-Elmer公司的Spectrum one傅 立葉變換中紅外光譜儀，測定範圍4000 400cm"，掃描儀次數16次，解析度4cm—1。
(3) 利用SIMCA軟體中主成分分析算法建立中紅外聚類標準模型，所選參照為中國生 物製品檢定所提供的丹參藥材的標準紅外光譜一維譜圖(圖1)，確定出的特定的參數指標 包括光譜殘差、建模殘差、組合殘差、建模權重、類間距、分辨權重等指標，如下。
F-Test(%): 10.0
Backward search SEP (%): 25.0
Outliers (%): 5.0
Influence (%): 10.0
Validation leverage ratio: 1.0
Validation residual ratio: 3.0
圖2為不同產地丹參的聚類分析圖，其中ds07201——山東丹參藥材，ds0720——四 川丹參藥材。
(4)在對新的丹參藥材進行分析、鑑定時，運用步驟(3)所建立的標準模型對丹參藥材 待測藥材樣品紅外譜圖分別進行比對，觀察待測樣品是否進入標準模型，進入模型表示為 同一物質，否則為異類物質。
實施例2雞血藤正品與偽品藥材中紅外聚類分析
(1) 選取雞血藤、大血藤(常見偽品)藥材各30批次。
(2) 進行中紅外光譜檢測，得到紅外譜圖採用Perkin-Elmer公司的Spectrum one傅 立葉變換中紅外光譜儀，測定範圍4000~400(^-1，掃描儀次數16次，解析度4cm人
(3) 利用SIMCA軟體中主成分分析算法建立中紅外聚類標準模型，所選參照為中國生 物製品檢定所提供的雞血藤藥材的標準紅外光譜一維譜圖(圖3)，確定出的特定的參數指 標包括光譜殘差、建模殘差、組合殘差、建模權重、類間距、分辨權重等指標。
F-Test(%): 10.0Backward search SEP (%): 25.0
Outliers (%): 6.0
Influence C%): 8.0
Validation leverage ratio: 1.0
Validation residual ratio: 3.0
圖4為雞血藤正品與偽品的聚類分析圖，其中jxt08031——大血藤藥材，jxt0803— —雞血藤藥材。
(4)在對新的雞血藤藥材進行分析、鑑定時，運用步驟(3)所建立的標準模型對雞血藤 藥材待測藥材樣品紅外譜圖分別進行比對，觀察待測樣品是否進入標準模型，進入模型表 示為同一物質，否則為異類物質。
實施例3半夏正品與偽品藥材聚類分析
(1) 選取半夏、水半夏、天南星藥材各30批次。
(2) 進行中紅外光譜檢測，得到紅外譜圖採用Perkin-Elmer公司的Spectrum one傅 立葉變換中紅外光譜儀，測定範圍4000 400cm"，掃描儀次數16次，解析度4cm—1。
(3) 利用SIMCA軟體中主成分分析算法建立中紅外聚類標準模型，所選參照為中國生 物製品檢定所提供的半夏藥材的標準紅外光譜一維譜圖(圖5)，確定出的特定的參數指標 包括光譜殘差、建模殘差、組合殘差、建模權重、類間距、分辨權重等指標。
F-Test(%): 10.0
Backward search SEP (%): 25.0
Outliers (%): 6.0
Influence C%): 7.0
Validation leverage ratio: 1.0
Validation residual ratio: 3.0
圖6為半夏、水半夏、天南星藥材的聚類分析圖，其中wpq903——半夏藥材，bxq903 ——水半夏、天南星藥材。
(4)在對新半夏藥材進行分析、鑑定時，運用步驟(3)所建立的標準模型對半夏藥材待 測藥材樣品紅外譜圖分別進行比對，觀察待測樣品是否進入標準模型，進入模型表示為同 一物質，否則為異類物質。
權利要求
1. 一種用紅外光譜結合聚類分析鑑定中藥材的方法，包括如下步驟(1)選取同類中藥材標準樣品；(2)對標準樣品進行紅外光譜檢測，得到紅外譜圖；(3)對所得到的紅外譜圖用聚類分析方法建立該中藥材的標準紅外模型；(4)運用標準紅外模型和待測中藥材樣品的紅外譜圖進行比對，即可直接對中藥材進行分析、鑑定。
2. 根據權利要求1所述的方法，其特徵在於步驟(1)中所述中藥材是果實類、根類、 莖類、葉類或藤類藥材，或者是經過前處理的不同部位的藥材。
3. 根據權利要求1所述的方法，其特徵在於所述步驟(1)選取的中藥材標準樣品至少 為30個。
4. 根據權利要求1所述的方法，其特徵在於步驟(2)中所述的紅外光譜為近紅外譜圖 或中紅外譜圖。
5. 根據權利要求4所述的方法，其特徵在於步驟(2)中所述的紅外光譜為中紅外全波長或部分特徵波段進行掃描的光譜。
6. 根據權利要求1所述的方法，其特徵在於所述步驟(3)中聚類分析方法採用的算法是偏最小二乘算法或主成分分析算法。
7. 根據權利要求6所述的方法，其特徵在於所述步驟(3)主要包括下列步驟 3-1.利用小波算法對原始信號進行預處理，所述預處理包括消噪、校正基線； 3-2.根據預處理後的信號，運用主成分分析算法提取體現出特徵峰的有用信號；3-3.基於主成分分析的結果進行聚類分析建模，確定出特定的參數指標。
8. 根據權利要求7所述的方法，其特徵在於所述步驟3-3中運用Mean-Shift算法、C 均值和K均值算法、模擬退火算法、神經網絡算法或遺傳算法進行聚類分析建模。
9. 根據權利要求7所述的方法，其特徵在於步驟3-3中所述參數指標包括光譜殘差、 建模殘差、組合殘差、建模權重、類間距和分辨權重指標。
全文摘要
本發明是運用紅外光譜技術結合聚類分析對中藥材進行鑑定的方法，包括以下步驟(1)選取同類中藥材標準樣品；(2)對標準樣品進行紅外光譜檢測，得到紅外譜圖；(3)對所得到的紅外譜圖用聚類分析方法建立該中藥材的標準紅外模型；(4)運用標準紅外模型和待測中藥材樣品的紅外譜圖進行比對，即可直接對中藥材進行分析、鑑定。該方法簡便、快捷，不失中藥材整體性，可以直接確定中藥材質量和鑑別中藥材真偽優劣。
文檔編號G01N21/31GK101532954SQ20081005242
公開日2009年9月16日 申請日期2008年3月13日 優先權日2008年3月13日
發明者巖 劉, 劉順航, 波 徐, 王俊全 申請人:天津天士力現代中藥資源有限公司