论文部分内容阅读
优质的中药材是保证中药在临床疗效中安全性和有效性的前提,中药质量控制与评价是保证中药的安全性和有效性的重要手段。中药的质量决定着现代中医药的发展,对其进行质量控制及品质评价是目前中医药研究的热点。中药质量参差不齐,众多因素如地理起源、气候条件、采收时间、贮存条件、加工方法等均会导致其活性成分产生较大的变化。因此,寻找科学、有效、全面和实用的中药质量控制与评价方法是亟需解决的难题。云南重楼Prais polyphylla Smith var.yunnanensis（Franch.）Hand.Mazz.为百合科重楼属多年生草本植物,常用于治疗跌扑伤痛、咽喉肿痛、疔疮痈肿、惊风抽搐等。本文以云南重楼（滇重楼）为主要研究对象,采用傅立叶变换红外光谱（Fourier transform infrared spectroscopy,FT-IR）、超高效液相色谱（High performance liquid chromatography,HPLC）、超高效液相色谱质谱联用（Ultra-performance liquid chromatography tandem mass,UPLC-MS/MS）等分析技术,建立滇重楼的化学指纹图谱,结合化学计量学方法对不同种类、不同生长年限和不同炮制方法的滇重楼进行定性鉴别和定量评价研究,以期为滇重楼的资源开发与利用提供理论依据和实用价值。论文分为五章,第一章对滇重楼及其近缘种的亲缘关系研究,明确滇重楼及其近缘种之间的亲缘关系;第二章对不同种类重楼中重楼皂苷Ⅰ、重楼皂苷Ⅱ和重楼皂苷Ⅶ进行定量分析,建立快速评价重楼品质的方法;第三章对不同生长年限滇重楼样品进行定性鉴别和定量评价分析;第四章对滇重楼不同炮制品红外指纹图谱进行对比分析,并建立定性鉴别模型对滇重楼不同炮制品进行区分。第五部分（文献综述）对红外光谱技术在中药领域的研究与应用进行了综述。（1）采集滇重楼（P.polyphylla var.yunnanensis）、白花重楼（Paris polyphylla var.alba）、毛重楼（Paris mairei）、南重楼（Paris vietnamensis）、五指莲（Paris axialis var.axialis）共50份样品的红外光谱信息,对光谱数据进行自动基线校正、自动平滑、纵坐标归一化、多元散射校正（Multiplicative signal correction,MSC）、二阶求导（Second derivative,2nd Der）等预处理,采用主成分分析（Principal Component Analysis,PCA）、偏最小二乘判别分析（Partial Least Squares Discriminant Analysis,PLS-DA）及系统聚类分析（Hierarchical Cluster Analysis,HCA）分析光谱数据。原始红外光谱中,1 653、1 156、1 082、1 021、925、851、759、572、524 cm-1等为重楼属植物的共有峰,主要归属为黄酮、淀粉和糖苷类成分的吸收峰;毛重楼和五指莲分别在1 535和1 369 cm-1附近有特征吸收峰,可与另外三种重楼属植物相区分。以全波段光谱数据进行PLS-DA和PCA,PLS-DA对重楼属植物分类效果优于PCA,能够准确区分5种野生重楼属植物。HCA及向量夹角余弦相关性分析能够反映5个重楼属植物的亲缘关系:滇重楼与白花重楼和南重楼的亲缘关系较近,与毛重楼和五指莲的关系较远。（2）本文采用红外光谱结合偏最小二乘回归（Partial least squares regression,PLSR）法对重楼中重楼皂苷Ⅰ、Ⅱ和Ⅶ进行定量分析,建立快速评价重楼品质的方法。采集78份不同产区、不同种类重楼样品的红外光谱,用高效液相色谱测定重楼样品中重楼皂苷Ⅰ、Ⅱ、Ⅶ的含量,将重楼的红外光谱数据和液相数据进行拟合,快速预测3种重楼皂苷含量。原始红外光谱经多元散射校正、标准正态变量（Standard normal variate,SNV）、正交信号校正（Orthogonal signal correction,OSC）、一阶求导（First derivative,1st Der）、二阶求导预处理后,运用PLSR建立重楼皂苷的定量预测模型。结果显示,重楼皂苷Ⅰ和Ⅱ的最佳预处理方法为MSC+OSC+2nd Der,重楼皂苷Ⅶ的最佳预处理方法为MSC+SNV+OSC+2nd Der;重楼皂苷Ⅰ、Ⅱ和Ⅶ3个指标成分定量校正模型的决定系数（Determination coefficients,R2）分别为0.930 8、0.934 8、0.912 3;校正均方根误差（Root mean square error of estimation,RMSEE）分别为1.855 0、0.632 3、0.001 6;验证模型的R2分别为0.948 8、0.703 6、0.801 7;预测均方根误差（Root mean square error of prediction,RMSEP）分别为1.704 6、1.227 8、0.002 0;定量模型的预测值与真实值比较接近,模型预测效果好,其中重楼皂苷Ⅰ的定量模型效果优于重楼皂苷Ⅱ和重楼皂苷Ⅶ。（3）FT-IR结合PCA和PLS-DA对不同生长年限滇重楼分别进行定性鉴别与定量分析,同时采用UPLC-MS/MS多反应监测（Multi-reactions monitoring,MRM）定量方法测定滇重楼样品中重楼皂苷Ⅰ、重楼皂苷Ⅱ、重楼皂苷Ⅵ及重楼皂苷Ⅶ的含量,以期为滇重楼合理采收和鉴别评价提供科学依据。UPLC-MS/MS结果显示,4种活性成分在8年生滇重楼样品中含量最高,滇重楼最佳采收年限为8年。PCA模型显示,除两个8年生滇重楼样品被误判为9年生外,其他生长年限滇重楼样品均能够明显区分。定量模型显示,重楼皂苷Ⅰ、Ⅱ、Ⅵ和Ⅶ定量预测模型的训练集和验证集样品均匀分布在回归线两侧,训练集（Rc2）和验证集（Rp2）均接近1（R2?0.92）,且RMSEE、交叉验证均方根误差（Root-mean-square error of cross-validation,RMSECV）和RMSEP均小于0.9,模型定量预测能力好。（4）本文采用红外光谱法对9种滇重楼不同炮制品进行对比分析,结合化学计量学建立主成分-马氏距离（Principal component analysis-Mahalanobis distance,PCA-MD）判别模型进行鉴别分析。滇重楼不同炮制品的红外光谱经自动基线校正和纵坐标归一化预处理后,取其平均光谱图。9种重楼不同炮制品的平均红外光谱和二阶导数光谱显示:其主要特征吸收峰为3 387、2 923、1 745、1 463、1 338、1 240、1 207、1 158、1 180、1 080、1 048、1 020、988、921、895、859、833、765、708、572和529 cm-1;重楼不同炮制品红外图谱的峰形基本相似,可显示出重楼所特有的红外光谱特征;重楼不同炮制品红外图谱中少数特征吸收峰数目、位置和吸收强度存在差异,表明重楼经不同炮制后化学成分和含量发生了改变。红外光谱经多元散射校正,标准正态变量,一阶求导,二阶求导和平滑（Savitzky-Golay,SG）优化处理后,采用Kennard-Stone算法筛选训练集和预测集（3:1）,建立PCA-MD判别分析模型。结果显示,重楼不同炮制品的最佳预处理方法为1st Der+SG（11:3）。提取前5个主成分,变量特征的解释能力为88.2%,以PC1、PC2和PC3为坐标轴建立PCA-MD三维得分图可知,9种炮制品可完全区分;其中重楼I、H、G和F的聚类效果最好,且前三种炮制品距离较近,表明晒干和烘干处理重楼与传统炮制重楼所含化学成分相似;重楼D和E空间距离较近,推测其经过微波和蒸汽高温处理后化学成分变化相似。预测集样本可准确的归属于训练集,PCA-MD判别模型的准确率为100%。