论文部分内容阅读
中药栀子(Gardeniae Fructus)为茜草科栀子属植物栀子(Gardenia jasminoides Ellis)的干燥成熟果实,属于临床常用中药材。栀子产地广泛,江西、福建等地均有种植,但是因产地生长环境、规格划分、采收期等因素的影响,导致药材质量参差不齐。目前药材质量检测多采用化学分析技术,如液相色谱法、气相-质谱联用法等,这些方法耗时长、价格高且技术要求严格,因此建立快速、无损而又准确的栀子鉴别检测方法,具有迫切的市场需求。本研究使用高光谱技术采集410~2500 nm内栀子的光谱信息,获取感兴趣区域(region of interest,ROI)内的平均反射光谱后,使用多元散射校正(MSC)、Savitzky-Golay平滑(SG平滑)、标准正态变换(SNV)、一阶导数(FD)和二阶导数(SD)5种预处理方法对数据进行降噪,结合多种算法模型,针对中药栀子的产地、商品规格、采收期以及指标性化学成分含量预测等问题,建立了一组快速无损检测的方法模型。以期为实现中药栀子药材质量快检体系的建立提供参考方法。主要研究内容和结论如下:1.中药栀子产地识别及主要化学成分含量测定采集了8个不同产地栀子以及栀子粉末的高光谱数图像,对图像进行黑白板校正后,提取样品图像感兴趣区域(ROI)数据,获得可见-近红外(VNIR,410~990 nm)、短波红外(SWIR,950~2500 nm)和全波段(410~2500 nm)的样品光谱数据,分别进行预处理后,使用PLS-DA、SVM和RF建立分类模型,结果显示,全波段-FD-Linear SVC模型适用于栀子产地分类,准确率均达到100%;VNIR-Linear SVC模型适用于栀子粉末产地分类,在准确率达到100%的同时,模型所需波段较少。基于UPLC-MS/MS法分别对8个产地栀子中的14个萜类成分(栀子苷、西红花苷I等)、8个有机酸类成分(原儿茶酸、咖啡酸、富马酸等)、6个绿原酸类成分(绿原酸、异绿原酸A等)、6个黄酮类成分(芦丁、栀子黄素B等)分别进行含量测定。结果显示,该方法精确度高、重复性好,单因素方差分析显示不同产地栀子样品中4个类别化学成分含量之间均表现出显著性差异(P<0.05)。高光谱技术可用于中药栀子及粉末的产地快速无损识别;UPLC-MS/MS法准确,重复性好,检测限低,能够客观反映不同产地中药栀子之间主要化学成分含量之间存在差异。2.中药栀子商品规格识别及主要化学成分含量测定(以江西和福建栀子为例)江西省和福建省是市场中中药栀子的主要产区,本研究以江西统货和选货栀子、福建统货和选货栀子作为样品,获取高光谱图像,校正和提取数据后,同样获得相应的VNIR、SWIR和全波段数据,使用OPLS-DA和SVM,分别基于江西统货和选货、福建统货和选货、混合统货和选货等三个维度构建快速识别模型。结果显示,上述3个维度最佳识别模型均为VNIR-FD-Linear SVC,训练集和预测集准确率均达到90%以上。使用UPLC-MS/MS法测定不同商品规格栀子中主要化学成分(同1)含量。使用t检验分析各成分不同商品规格之间的显著性差异。结果显示,对于本研究测定的成分,不同商品规格之间的绿原酸类成分、黄酮类成分均表现有显著性差异,萜类和有机酸类成分中部分成分含量表现有显著性差异(P<0.05)。高光谱技术可用于中药栀子商品规格的快速无损识别;含量测定结果能够客观反映中药栀子不同商品规格之间部分化学成分之间存在差异。3.中药栀子采收期识别及主要化学成分含量测定本研究采用来源于福建省同一基地6个不同采收期(10月-12月)的栀子样品,获取高光谱图像,校正并提取数据后,获得相应的VNIR、SWIR和全波段数据。预处理后使用PLS-DA、SVM和RF建立分类模型,通过比较训练集和预测集的准确率评价模型。结果显示,全波段-FD-Linear SVC模型适用于栀子采收期分类,训练集和预测集准确率分别达到100%和98.33%。使用UPLC-MS/MS法测定不同采收期栀子中主要化学成分(同1)含量。使用单因素方差分析各成分不同采收期之间的显著性差异。结果显示,对于本研究测定的成分,绝大部分成分(除京尼平、鸡矢藤次苷甲酯和栀子黄素B外)含量在不同采收期栀子中具有显著性差异(P<0.05)。其中,京尼平苷酸、山栀苷等成分的含量随采收期变化呈现下降趋势;西红花苷Ⅰ、西红花苷Ⅱ等成分的含量随采收期变化呈现上升的趋势;山栀苷B等成分以及有机酸类成分总含量、黄酮类成分总含量随采收期变化呈现先上升后下降的趋势。高光谱技术可用于中药栀子采收期的快速无损识别;含量测定结果能够客观反映中药栀子不同采收期之间绝大部分化学成分之间存在差异,且部分成分含量变化表现出规律性。4.中药栀子中指标性化学成分含量无损预测将收集到的110份栀子样品高光谱数据在VNIR波段、SWIR波段和全波段,分别结合3种主成分(环烯醚萜类、二萜类、绿原酸类)总含量数据以及8个单一成分(栀子苷、西红花苷Ⅰ等)含量数据,使用PLSR建立回归预测模型,同时对结果不理想的成分含量预测模型进行预处理,以相关系数R~2c和R~2p、RPD值作为模型评价指标筛选最佳模型。结果显示:(1)全波段-FD-PLSR模型适用于环烯醚萜类成分总含量预测;(2)全波段-MSC-PLSR模型适用于二萜类成分总含量预测;(3)全波段-PLSR模型适用于绿原酸类成分总含量预测;(4)全波段-PLSR模型适用于大部分单一化学成分(除去乙酰车叶草酸甲酯、西红花苷Ⅰ、异绿原酸C外),以上PLSR模型的评价指标R~2c和R~2p均达到0.90以上,RPD值均达到2.00以上。高光谱技术能够用于中药栀子中不同类型化学成分总含量和指标性成分含量的无损预测,模型准确度和稳定性较高。综上,本研究建立了基于高光谱技术的中药栀子产地、商品规格、采收期模式识别及指标性化学成分含量预测模型,为中药栀子快检技术体系构建提供了一种创新性研究技术,为中药栀子快速无损检测提供了一种参考方法和参考依据,同时也为其他中药材快速无损检测提供了新的参考方法。