论文部分内容阅读
本文采用色谱法和光谱法相结合建立起能够反映出中药、食品等复杂物质本质特征的指纹图谱,结合化学计量学手段对中药和食品进行质量分析和监督,同时对中药和食品中的某些有效化学成分进行定量分析。指纹图谱能够全面的获得复杂物质中化学成分群的特征信息,并能够用于中药和食品的质量评价、质量控制、定量分析,是一种综合的、可量化的表征手段。指纹图谱的特点不仅有全面性和整体性,还具有模糊性。化学计量学方法是一种强有力的辅助手段,能够对指纹图谱中的有效信息进行提取和处理,进而获取关于中药和食品中的质量信息。本文采用指纹图谱与化学计量学相结合的方法用于中药连翘、牡丹皮和食品山药质量控制与定量分析。主要研究工作的内容及结果如下:1、采用高效液相色谱与质谱相结合(HPLC-DAD-MS)获得中药青翘和老翘的指纹图谱,结果发现青翘与老翘指纹图谱在指纹峰的数量和强度上存在着很大的差异。采用化学计量学方法对不同产地的青翘指纹谱图进行解析,进而对不同产地的青翘进行质量控制。通过HPLC-DAD-MS得到中药连翘17个共有指纹特征峰,并结合相关文献和数据库得到12个特征峰具体的化学成分信息。利用主成分分析(PCA)、系统聚类分析(HCA)和判别分析(DA)对不同产地的青翘指纹图谱进行分析,结果发现不同产地间的青翘在化学成分及质量上存在着差异。2、以来自不同产地的中药牡丹皮为研究对象,采用高效液相色谱与二极管阵列检测器和质谱技术(HPLC-DAD-MS)与电感耦合等离子体质谱技术(ICP-MS)相结合,获得牡丹皮醇提取有机化学成分与无机金属元素含量的数据信息。采用主成分分析对来自不同产地的牡丹皮进行分类,分类结果显示,基于化学成分的指纹图谱和无机金属元素含量的融合数据得到的分类结果比单一的数据信息得到的分类结果更佳。采用线性判别分析(LDA)进一步证实了融合数据能够得到很好的分类结果。同样,利用三种有监督模式-K-最近邻法(KNN),反传-人工神经网络(BP-ANN)和最小二乘-支持向量(LS-SVM)对单一的数据和融合后的数据建立校正预报模型,预报结果显示基于融合数据建立的预报模型的识别率和预报率最好。相比而言,KNN所建的产地预报模型,校正和预报率到能达到100%。采用多元线性回归(MLR)模型探究了有机化学成分与无机金属元素含量之间的关系,结果表明,某些化学成分与金属元素之间存在一定的线性关系。3、以来自四个不同产地的药食同源的山药样品为研究对象,利用近红外光谱法和中红外光谱法分别获得108个山药样品在12500-4000cm-1的近红外指纹图谱和2000-400cm-1的中红外指纹图谱,采用标准方法测定了山药中总糖和总黄酮的含量。通过无监督模式主成分分析对来自四个不同产地的山药样品进行分类,结果发现近红外指纹数据和中红外指纹数据都能得到满意的分类结果。分别基于两种指纹光谱数据,通过有监督模式识别最小二乘-支持向量(LS-SVM)和偏最小二乘法(PLS)分别建立起近红外光谱数据和中红外光谱数据与总糖、总黄酮之间的定量预报关系。结果表明,对于总糖而言,采用最小二乘-支持向量(LS-SVM)基于近红外光谱数据得到最好的定量预报结果;对于总黄酮而言采用最小二乘-支持向量(LS-SVM)基于中红外光谱数据能够得到最好的定量预报结果。