青海及周围地区的蕨麻红外图谱的建立及计算机解析＊

2014-07-30陈颖文慧谢久祥吴启勋

云南师范大学学报（自然科学版） 2014年4期

陈颖，文慧，谢久祥，吴启勋

（1.青海民族大学化学与生命科学学院，青海西宁810007；2.青海大学农牧学院，青海西宁810016）

1 引言

随着现代仪器和计算机的发展，红外指纹图谱技术已经越来越多地运用于中药质量的控制［1］.经预处理后的中药材或中药可通过现代的信息收集手段和质量分析方法得到特征的图谱、图像及其图谱数据，称为中药的指纹图谱技术［2］.所得的图谱经数据分析处理，可反映中药中所含的化学成分及其数量，进而反映中药的整体质量，与传统仅依靠几种指标或有效成分的质量控制方法相比，更具科学性［3］.目前我国指纹图谱的数据预处理依据《中药注射剂指纹图谱研究的技术要求》采用相似度分析法［4］，但因中药指纹图谱极其复杂，在使用中若仅依靠相似度分析法，有时得到的结果与实际不符，甚至可能是错误的［5］.本文利用化学指纹图谱主流技术之一的红外谱法，建立了青海及周围地区藏药蕨麻的红外图谱，并以计算机作为红外图谱解析的工具，实现了对青海及周围地区蕨麻的质量鉴别.

蕨麻是比较常用的中藏药，又名人参果、延寿果等，蔷薇科委陵菜属的植物，在我国主要分布在甘肃、青海、西藏、山西、宁夏、新疆、内蒙古等地.蕨麻所含有的各种氨基酸比例与人体需要的氨基酸基本相符，很容易被人体吸收，有较好的保健作用；蕨麻性甘温，富含多种维生素，具有健胃益脾、生津止渴、益气补血、收敛止血、止咳、止泻、利痰的功效［6］；此外，蕨麻还能增强机体的抗感染能力，可用于防治各种急性传染病、过敏性疾病、坏血病以及肝病等.蕨麻含脂肪1.14%、灰分3.52%、粗蛋白10.08%、膳食纤维15.18%、总糖12.47%、还原糖1.90%、淀粉18.02%［7］.

2 蕨麻红外图谱建立

2.1 样品来源

实验用蕨麻样品共11批，符合国家关于建立指纹图谱研究技术要求的至少10个批次规定.蕨麻样品采自主产地青藏高原，包括青海各地以及西藏拉萨、宁夏银川等地，经青海民族大学化学与生命科学学院李军乔教授鉴定为蔷薇科委陵菜属植物鹅绒委陵菜的根，即蕨麻.其批次来源见表1.

表1 蕨麻样本来源表Table 1 The source of potentilla anserine samples

2.2 仪器和试剂

岛津公司出品的IRPrestge－21型傅立叶变换红外光谱仪，检测器采用新型高灵敏度DLATGS检测器，光谱纯溴化钾.

2.3 实验方法

2.3.1 样品的制备

将不同产地的蕨麻样本洗净，在65℃下干燥至恒重，然后再粉碎、过100目筛子，取5mg过筛后的蕨麻样品粉末和600mg溴化钾混合均匀后再研磨，压片后待测.

2.3.2 测定条件

测定的波数范围为4 000～400cm－1，其扫描的光谱信号加到16次，本实验的分辨率为4cm－1.为了降低误差，谱图基线采用仪器自带软件自动进行多点基线校正和平滑处理.每个样品平行测定3次，取其吸光度的平均值.

2.4 蕨麻红外图谱的建立

测定了11个不同产地的蕨麻样品.典型红外图谱（青海玉树）如图1.

图1 玉树蕨麻红外光谱Fig.1 The infrared spectrum of potentilla anserine from Qinghai

2.5 蕨麻的红外图谱解析

由图1可得，在1 200～800cm－1、1 400～1 200cm－1、3 200～2 800cm－1和3 600～3 200cm－1波段中，出现了蕨麻比较典型的多糖化合物官能团的吸收峰，分别为多糖化合物分子内O－H键和多糖化合物分子间O－H键的伸缩振动、C－H键的变角振动和弯曲振动、吡喃环的C－O－C与C－O－H两种C－O键形成的伸缩振动，在1 630cm－1附近的吸收峰为酰胺基团中乙酰基的特征吸收峰，表明蕨麻中的多糖含有氨基糖；在845.45cm－1处的吸收峰为其蕨麻α－吡喃型糖的特征吸收峰，而在890cm－1附近则没有吸收峰，说明蕨麻多糖成苷的半缩醛羟基主要为α构型的吡喃糖，但是没有蕨麻的β构型的吡喃糖；2 921cm－1处的吸收峰不是很明显，说明蕨麻样品分子结构中含有的亚甲基和甲基比较少，表明其分子的链比较短，相对的分子量也较小.

3 红外图谱的数据预处理和计算机解析及其结果

通常来说，中药材的红外指纹图谱极其复杂且很难辨识.如果人工对样品的红外指纹图谱进行鉴别，不仅费力，而且会因主观的猜测和判断影响结果的准确性.若选择适当的算法并与计算机识别技术和指纹图谱解析结合起来，则可大幅度地提高鉴别的准确性，且容易实现自动化的操作.

3.1 数据预处理

红外光谱分析技术的主要难点在于信息的提取.光谱数据在建模前需要进行一定预处理，在红外光谱分析中，由于光谱仪收集到的光谱图除含有样品的组成、含量、结构等有用信息之外，还有一些无关的噪声，主要来自仪器、制样（如均匀性、粒度形状和直径的大小等）以及实际操作环境（如湿气、温度及CO2等）等环节.如果直接使用原始光谱信号进行分析，会影响最终所建模型的精度与准确性.因此，要对光谱进行预处理，来减弱或者消除各种非目标因素对光谱的影响，尽可能地删除无关信息及噪声，以提高所建模型的稳健性和预测能力.本文采用小波分析对蕨麻红外光谱进行降噪和压缩，提出了小波分析信号降噪与压缩性能评价指标.在小波降噪的基础上，进一步进行光谱压缩，光谱数据长度由1 868压缩为241，为原始数据长度的八分之一.小波变换重构后的压缩数据，消去了噪声，但仍保留了原始光谱数据的信息，可以用于后面的化学计量学方法鉴别蕨麻.原始信号与消噪、压缩信号的均方根误差RMS（表2）已经很小，达到10－4～10－5数量级，与光谱测量精度相当.小波分析信号降噪与压缩均来自于MATLAB的自行编程计算.研究选取高阶正交紧支集Daubechies（dbN，N＝5）小波作为小波变换的母函数.小波分解层数，采用小波工具箱中wmaxlev函数，在确定对信号S作小波分解时的最高分解层数的基础上，选定一个合适的层数，研究选定的层数N＝3.采用小波工具箱中thselect函数，对比分析四种不同的小波阈值降噪模型对光谱数据进行降噪的效果（RMS评价），确定采用启发式SURE（heursure）方法获取阈值.

表2 蕨麻样品小波降噪、压缩后的均方根误差（RMS）Table 2 Root mean square error of wavelet denoising and compression of potentilla anserine samples

3.2 相似度分析

相似度分析是药典委员会推荐使用的数据分析法，当前通常使用的指标（参数）为夹角余弦和相关系数.因蕨麻样本的红外指纹谱图反映的是被测样品的整体特征，需找出待鉴别样品图谱和标准图谱的亲疏程度，确定一个合理的阈值，从而鉴别被测样品的质量优劣.

两个n维模式矢量Xs和Xt间的相关系数Rst和夹角余弦cosαst算式为［7］

3.3 灰色理论分析

灰色关联度分析事实上是相似性的排序分析.根据序列曲线几何形状的相似性来判断联系是否紧密.一组几何曲线形状越相似，则关联度越大，反之则越小.选定参考序列（一般选优序列），则通过灰色关联度分析可以得出样品与参考序列的关联度，关联度大表明该样品与参考模式相似程度高，产品质量也就越高［8－9］.求序列关联度的算法如下：

设有若干灰色数据序列，其一为母序列 X0（i），余为子序列 Xi（i），定义｛Xj（i）｝对｛X0（i）｝的关联系数 GRCoj（i）为［10］

式中ρ为分辨系数，其值影响关联系数的差异显著性.取值范围为0＜ρ＜1，一般取0.5，则灰色关联度GRDoj为

不同产地蕨麻红外光谱相似度分析结果见表3.

表3 不同产地蕨麻红外光谱的相似度分析Table 3 The similarity analysis and grey correlation coefficient of infrared spectrum of potentilla anserine from different regions

3.4 结论

表3中的相关系数Rst、夹角余弦cosαst及灰色关联系数均是以蕨麻主产地青海玉树3号样品作为比较标准应用MATLAB自行编程计算做出的.由表3可以看出，相关系数Rst和夹角余弦cosαst数据比较集中，大都在0.99左右，少数在0.98～0.97之间.而灰色关联系数数据比较分散，分布在0.9～0.6之间.尽管如此，也还是能做出质量优劣的基本鉴别.青海玉树、海南、黄南等地区的相关系数Rst和夹角余弦cosαst（0.99左右）和灰色关联系数（0.8以上）均高，可以得出该地区出产的蕨麻质量高，而宁夏、拉萨地区的相关系数Rst和夹角余弦cosαst（0.97～0.98）和灰色关联系数（0.7以下）均较低，则该地区出产的蕨麻质量较低.这些鉴别结果，与目前商品市场流通的实际质量情况相符.

至于1号样品比较特别，按相关系数Rst、夹角余弦cosαst及灰色关联系数判定应是质量较好之列，虽然购自宁夏，但产地不详，疑是青海蕨麻流入之产品.