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