目的：中药质量评价是中药科研和生产领域的重要研究内容,建立科学、合理及可行的中药质量评价方法对中药的发展具有重要意义。面临中药现代化和国际化的难题,迫切需要建立全面、有效的中药质量综合评价方法,且急需发展快速、高效、准确的新型分析检测技术。近年来,近红外光谱技术(Near Infrared Spectroscopy, NIRS)由于具有分析速度快、样品处理简单、可同时分析多种成分、对样品破坏性小、无化学污染等特点,在农业、食品、石油化工、制药等领域得到广泛应用。NIRS用于中药产地、真伪优劣定性分析及定量分析方面取得一定成效,得到了飞速的发展。本文以南板蓝为研究对象,应用NIRS对中药材南板蓝根和地上茎的相似性、不同产地、栽培与野生及真伪优劣进行定性分析,同时对南板蓝根和地上茎的水、醇浸出物、多糖及总生物碱进行定量分析研究,以达到从药材整体方面控制南板蓝质量的目的。方法：第一章,首先对NIRS进行了概述,其次阐述了NIRS在中药质量控制中的应用,并对南板蓝研究进展进行了阐述。第二章,首先考察了近红外光谱的采集条件；应用NIRS结合聚类分析和相似度计算对南板蓝根和地上茎进行了定性分析,以阐述南板蓝根茎和地上茎之间的共性；在此基础上应用NIRS结合聚类分析和相似度计算对不同产地、栽培与野生及真伪优劣南板蓝根和地上茎分别进行了研究,同时采用一致性检验及相关系数法对南板蓝根和地上茎的真伪优劣分别进行了鉴别研究,并建立了定性模型。第三章,按照药典方法测定了南板蓝根和地上茎中水、醇浸出物的含量,在基础数据基础上建立NIRS对南板蓝水、醇浸出物的模型,并对模型进行验证；采用正交设计优化南板蓝根中多糖的提取工艺,测定了南板蓝中多糖的含量,在基础数据基础上建立NIRS对南板蓝多糖的模型,并对模型进行验证；考察了酸性染料比色法测定南板蓝根提取物中总生物碱的含量,并采用响应曲面法优化南板蓝根中总生物碱的提取工艺,测定了南板蓝中总生物碱的含量,在基础数据基础上建立NIRS对南板蓝总生物碱的模型,并对模型进行验证。结果：1.近红外光谱数据的采集条件为：取低温干燥的样品,粉粹过80目标准筛,取约3g样品粉末放入试管中,混合均匀,用光纤探头压平,将光纤探头对准试管底部照射,扫描得到样品的近红外光谱图,每个样品重复扫描6次,求平均光谱图。OPUS采集参数：扫描范围12000-4000cm-1,样品背景和样品扫描时间均为32s,分辨率8cm-1,温度18～25℃,扫描次数64次。2.栽培南板蓝根和地上茎的鉴别及野生南板蓝根和地上茎的鉴别：选用“一阶导数+矢量归一化”预处理方法,在8998.6-5457.8cm-1、4937.1～4050cm-1区域,基于聚类分析的模式识别法可鉴别野生南板蓝根和地上茎,但有少数样品出现假阳性；选用“一阶导数+矢量归一化”预处理方法,在8998.6-5457.8cm-1、4937.1-4050cm-1区域,基于聚类分析的模式识别法鉴别栽培南板蓝根和地上茎时出现了较多的假阳性。相似度计算结果与聚类分析结果相似,并给出了光谱间具体的相似度。结果表明南板蓝根与南板蓝地上茎化学组分相似,建议将南板蓝地上茎加入南板蓝的入药部位,提高资源利用率。3.不同产地南板蓝的鉴别：选用“一阶导数+矢量归一化法”预处理方法,在8989.9-7478.9cm-1、6989.1-5427cm-1和4979.5～4038.4cm-1区域,基于聚类分析的模式识别法可以有效鉴别不同产地的南板蓝根；选用“矢量归一化法”预处理方法,在9010.2-5373cm-1和4937.1-4023cm-1区域,基于聚类分析的模式识别法可以有效鉴别不同产地的南板蓝地上茎。相似度计算结果与聚类分析结果相似,并给出了光谱间具体的相似度。模型经过验证比较合理。4.栽培与野生南板蓝的鉴别：选用“二阶导数+矢量归一化法”预处理方法,在7980.4-5427cm-1,4979.5-3999.8cm-1区域,基于聚类分析的模式识别法可以有效鉴别栽培与野生的南板蓝根；选用“矢量归一化法”预处理方法,在8983.2-5361.4cm-1,4937.1～4023cm-1区域,基于聚类分析的模式识别法可以有效鉴别栽培与野生的南板蓝地上茎。相似度计算结果与聚类分析结果相似,并给出了光谱间具体的相似度。模型经过验证比较合理。5.真伪优劣南板蓝的鉴别：选用“矢量归一化”预处理方法,在8983.2-5388.4cm-1、4964.1～4050cm-1区域,基于聚类分析的模式识别法可以有效鉴别真伪优劣南板蓝根；选用“一阶导数+矢量归一化法”预处理方法,在8998.6-5373cm-1、4961.1～3999.8cm-1区域,基于聚类分析的模式识别法可以有效鉴别南板蓝地上茎真伪优劣。相似度计算结果与聚类分析结果相似,并给出了光谱间具体的相似度。模型经过验证比较合理。6.一致性检验模型的建立与验证：选用“一阶导数+矢量归一化法”预处理方法,在8998.6-5373cm-1、4937.1～4023cm-1区域建立一致性检验模型,可看到南板蓝根真伪优劣之间存在明显差异。对于限度控制,采用最大CI法,即直观指定CI=4限度值。选用“一阶导数+矢量归一化法”光谱预处理方法,在8998.6-5346cm-1、4937.1～4038.4cm-1区域建立一致性检验模型,可看到南板蓝地上茎真伪之间存在明显差异。对于限度控制,采用最大CI法,即直观的指定CI=4限度值。检验光谱均已超过CI=4限度,表明正品与伪劣品可以较好的分开。7.相关系数模型的建立与验证：选取“二阶导数化”光谱预处理方法,在6200-5500cm-1、5000-4700cm-1区域建立相关系数模型,相关系数的限度设置为0.99,该限度设置条件下,相关系数法可以将伪品、劣质药材与正品南板蓝根区分开,该方法具有一定的可行性和准确性,但是将南板蓝地上茎来检验样品集则较难将两者分开；选取“二阶导数化”光谱预处理方法,在6200-5500cm-1、5000-4700cm-1区域建立相关系数模型,相关系数的限度设置为0.99,该限度设置条件下,相关系数法可以将伪品、劣质药材与正品南板蓝地上茎区分开,该方法具有一定的可行性和准确性,但是将南板蓝根来检验样品集则较难将两者分开。8.水、醇溶性浸出物校正模型的建立与验证：南板蓝根校正模型R2(水)=95.92%,RMSECV(水)=0.602,R2(醇)=96.49%,RMSECV(醇)=0.481,最佳主因子数为8和7。近红外光谱法预测值与参考值之间的绝对误差均在±2%之间,两个模型的建立较为成功。南板蓝地上茎R2(水)=96.35%,RMSECV(水)=0.509,R2(醇)=96.42%,RMSECV(醇)=0.509,最佳主因子数为7和9。近红外光谱法预测值与参考值之间的绝对误差均在±2%之间,两个模型的建立较为成功。南板蓝根验证模型R2(水)=97%,预测均方差RMSEP(水)=0.498,R2(醇)=96.43%,RMSEP(醇)=0.485,预测值与参考值之间的绝对误差均在±2%之间,模型的建立较为成功。南板蓝地上茎R2(水)=96.68%,预测均方差RMSEP(水)=0.521,R2(醇)=96.42%,RMSEP(醇)=0.398,预测值与参考值之间的绝对误差均在±2%之间,模型的建立较为成功。9用正交设计方法设计水提取工艺,以提取物中多糖含量为测定指标,考察提取温度,提取时间,水料比三个因素对有效成分多糖提取的影响。得到最佳工艺为提取温度80℃,提取时间20min,水料比30：1,南板蓝根多糖的提取率为9.53%,该方法是一种简单、快捷、高效的提取方法。10.多糖校正模型的建立与验证：南板蓝根和地上茎多糖校正模型R2(根)=96.6%,RMSECV(根)=0.53,R2(茎)=97.69%,RMSECV(茎)=0.393,最佳主因子数为7和5,预测值与参考值之间的绝对误差均在±2%之间,两个模型的建立较为成功。南板蓝根和地上茎多糖验证模型R2(根)=98.8%,预测均方差RMSEP(根)=0.401,R2(茎)=98.57%,RMSEP(茎)=0.202,预测值与参考值之间的绝对误差均在±2%之间,模型的建立较为成功。11.通过酸性染料比色法,利用紫外分光光度计进行南板蓝根总生物碱的含量测定,并进行方法学考察,确定适宜的含量测定方法。得到了南板蓝根总生物碱含量测定方法,于415nm的检测波长下,以靛玉红为对照品,在3.29-32.9ug/ml范围内对照品含量与吸光度呈良好的线性关系,回归方程为y=0.0338x+0.004(r2=0.9994),精密度RSD=0.30%,加样回收率为99.24%,RSD=1.02%。该方法回收率、稳定性、重现性、精密度良好,可用于南板蓝根总生物碱的含量测定。12.在单因素试验的基础上,选取南板蓝根总生物碱提取时间、乙醇体积分数和液料比3个因素进行Box-Benhnken中心组合设计,利用响应曲面法对其提取工艺参数进行优化。结果在提取时间20.23min,乙醇体积分数83.21%,液料比21.16：1时,南板蓝根总生物碱的最高理论提取率达0.781%。根据实际试验情况,将其修正为提取时间20.5min,乙醇体积分数83.0%,液料比21.0：1,在此条件下南板蓝根总生物碱提取率为(0.78±0.024)%(n=3),与理论值较为接近,修正后的南板蓝根总生物碱提取工艺优化参数准确可靠,具有一定的实用价值。13.总生物碱校正模型的建立与验证：南板蓝根和地上茎总生物碱校正模型R2(根)=94.76%,RMSECV(根)=0.0256,R2(茎)=96.21%,RMSECV(茎)=0.0885,确定的最佳主因子数为7和4,预测值与参考值之间的绝对误差均在±2%之间,两个模型的建立较为成功。南板蓝根和地上茎总生物碱验证模型R2(根)=93.2%,预测均方差RMSEP(根)=0.0189,R2(茎)=97.92%,RMSEP(茎)=0.0607,预测值与参考值之间的绝对误差均在±2%之间,模型的建立较为成功。结论：上述研究表明,NIRS能够较好的区分开不同产地、栽培与野生及真伪优劣南板蓝根和地上茎；NIRS不需要对样品进行复杂繁琐的前处理,可以快速对南板蓝根和地上茎分别进行定性分析。采用酸性染料比色法测定南板蓝根提取物中总生物碱的含量；采用响应曲面法和正交设计优化南板蓝根中总生物碱和多糖的提取工艺方法可靠。NIRS还可以同时定量分析多种组分,分析速度快、结果准确,具有常规分析方法所不具有的显著优点,因此,NIRS在中药领域具有良好的应用前景。三种方法的最终目的是从整体上较好的对中药整体质量进行控制。