基于化学计量学对药品铝塑包装片的差分拉曼光谱分析

韩宏福，姜红，王子琦，李卓容，屈音璇，段斌，刘峰

食品流通与包装

基于化学计量学对药品铝塑包装片的差分拉曼光谱分析

韩宏福1，姜红1，王子琦1，李卓容1，屈音璇1，段斌2，刘峰2

（1.中国人民公安大学，北京 100038；2.南京简智仪器设备有限公司，南京 210049）

为快速无损地检验犯罪案件现场遗留的药品铝塑包装片。采用最新的差分拉曼光谱仪，并基于化学计量学对收集的51个药品铝塑片样本进行分析。共对收集的药品铝塑包装片样本提取出了9个有效光谱成分因子，累积占原始光谱数据99.54%的有效信息，并将51个样本分为4大类，通过相关性比较，可知分类结果较好。实验方法简便，无损检材重现性实验结果较好，为药品铝塑包装片类物证的检验提供依据，可为公安工作的开展提供有效帮助。

差分拉曼光谱；药品铝塑包装片；相对峰高比；化学计量学

犯罪分子未清理的药品及其包装等检材可在杀人投毒案件现场或假药加工现场收集到，但由于药品自身往往受限于物理化学性质及生产加工工艺不同等因素[1-3]，技术人员难以从药品本身获得有关产地、批次等相关信息，而药品铝塑包装片的成分和物理化学性质相对固定，因此当下法庭科学研究的重点是寻求一种能够对药品铝塑包装片进行无损检验并提取有用信息的方法。铝塑包装片是一种较新的药品包装形式，具有包装方便、运输快捷、防腐蚀、易于储存加工等特点。实验采用犯罪案件现场常见的不同厂家、不同药品所用的51个药品铝塑包装片作为实验样本。

差分拉曼光谱法[4-7]具有能滤除环境光峰、PL峰等干扰峰，直接测量高荧光物质等独特优点，以及操作简便、无损检材等特点。目前利用差分拉曼光谱技术对药品铝塑包装片的检验研究尚未见到报道。聚类分析是根据样本数据计算样本之间的距离将样本分类，即同一类的样本距离相对较近，不同类的样本距离相对较远，因此采用差分拉曼光谱技术，基于化学计量学，对药品铝塑包装片进行聚类分析，研究结果可为公安检测工作提供参考。

1 实验

1.1 样本

不同生产企业、不同药品的铝塑片样本51个（样品表略）。

1.2 主要设备及条件

主要设备：SERDS Portable-standard 型便携式差分拉曼光谱仪（南京简智仪器设备有限公司）。

主要条件：采用785 nm激光器，光谱扫描范围为180～3200 cm−1，激光波长为785 nm，激光功率为440 mW，积分时间为10 s。

1.3 方法

对收集的药品铝塑片样本用无水乙醇棉球进行擦拭，晾干后在上述实验条件下进行测试，将得出的差分拉曼光谱数据利用化学计量学方法进行分析。

1.4 重现性实验

重现性指的是不同测定结果之间的精密度。为验证药品铝塑片样本实验结果的稳定性，随机取样，对38#样本“尼可地尔片喜格迈”药品铝塑包装片，采用差分拉曼光谱仪对该样本中部进行5次平行测定实验；对40#样本“金水宝片”药品铝塑包装片，在同样的实验条件下采用差分拉曼光谱仪对该药品铝塑片样本上部、中部、下部进行测定。

1.5 差分拉曼光谱检验

将收集的药品铝塑片样本依次放在差分拉曼光谱仪激光探头前，调整积分时间和激光功率，在无光环境下进行检验测定。

2 结论与分析

2.1 重现性实验结果

38#样本在同一部位进行了5次平行测定实验，实验结果所得的差分拉曼光谱图见图1，由图1可知，其出峰峰位相同，峰数、峰形基本一致。40#样本不同部位3次测定结果的差分拉曼光谱图见图2，由图2可知，其出峰峰位、峰数相同，峰形基本一致。表明实验仪器稳定性良好，药品铝塑片样本具有较好的均匀性，实验结果稳定可靠。

图1 38#样本的差分拉曼光谱图

图2 40#样本的差分拉曼光谱图

2.2 对药品铝塑包装片的分类

不同生产企业、不同药品所用的铝塑包装片主要化学成分有所差异[8-10]，目前药品铝塑包装片主要化学成分有聚丙烯（PP）、聚乙烯（PE）、聚苯乙烯（PS）、聚氯乙烯（PVC）、聚对苯二甲酸乙二醇酯（PET），其拉曼特征峰见表1[11]。

为较好区分药品铝塑包装片样本成分的种类，将表1中相同峰位以及不在扫描范围的拉曼特征峰进行筛选剔除，选择能识别药品铝塑包装片不同主要成分的拉曼特征峰。

根据表1数据综合来看，筛选出识别PE、PP、PVC、PS、PET的拉曼特征峰依次为1125、1289、1429 cm−1；1330、1458 cm−1；625、684 cm−1；1000、1029 cm−1；1283、1602、1716 cm−1。通过对药品铝塑包装片样本的差分拉曼谱图分析，可将51个药品铝塑片样本按照其含有的主要成分个数分为4类，分类结果见图3。

对同一组药品铝塑片样本进行区分时，以第Ⅳ类样本为例，因其样本过多，若直接通过人工主观对谱图进行处理分析，带来的误差较大且耗时耗力，因此实验将基于化学计量学方法进一步对实验样本进行分析研究。

实验得到的光谱数据为高维度数据，通过对这些高维度数据进行分析来区分样本，难度很大，因此需要对该数据进行降维。PCA[12-13]是一种将较多的变量通过线性变换以选出较少且主要的变量的数学降维方法和多元统计分析方法，因此可基于PCA主成分分析方法对药品铝塑包装片差分拉曼光谱数据进行降维，并利用IBM SPSS Statistics 25软件，将差分拉曼光谱数据导入其中进行分析，分析结果显示见表2。由表2可知，实验共提取了9个有效成分因子（对成分因子编号为1—9），成分累积共占99.54%的拉曼光谱数据。而后将经PCA降维后的拉曼光谱数据进行系统聚类分析，使用组间联接法作为一种度量降维后的拉曼光谱数据类间亲疏程度的测定方法，采用皮尔逊相关系数作为度量降维后的拉曼光谱数据个体间距离的依据，以第Ⅳ类样本为例，得到26种样本的树状聚类图（见图4）。

表1 药品铝塑包装片主要成分的拉曼特征峰表

Tab.1 Raman characteristic peaks of main components in drug aluminum plastic packaging tablets

图3 药品铝塑包装片样本分类

表2 第Ⅳ类样本PCA总方差解释结果

Tab.2 Results of PCA total variance interpretation for Ⅳ samples

图4 第Ⅳ类样本树状聚类谱系图

由图4可知，当系统聚类标度距离为1时，第Ⅳ类样本将被分为22组（结果见表3），其他几类药品铝塑包装片样本也可以此类推进行分组，分组结果均较好。

通过比较实验样本的相对峰高比，可对分到同一组的样本进一步区分，以Ⅳ-3组的4个样本为例，选取PVC的一处特征峰1（684 cm−1）和PP的一处特征峰2（1330 cm−1），将4种样本的相对峰高比1（1/2）一一进行比较，结果见表4。从表4中可以看出药品铝塑片样本之间相对峰高比差异较大，因此可以对其进行区分。

表3 第Ⅳ类样本聚类结果表

Tab.3 Clustering results of Ⅳsamples

表4 Ⅳ-3组中样本相对峰高比表

Tab.4 Relative peak height ratio of samples in group Ⅳ-3

2.3 对同种或同源的药品铝塑片样本的分类

28#、32#和43#样本都是他汀钙片药品铝塑包装片，为不同来源同种药品的铝塑包装片样本，对3个样本进行差分拉曼光谱分析，实验结果见表5。分析可知，在PE的拉曼特征峰附近存在特征峰的样本有28#、32#和43#样本，28#样本在PS的拉曼特征峰附近存在特征峰，43#样本在PP的拉曼特征峰附近存在特征峰，32#样本在PP和PS的拉曼特征峰附近不存在特征峰，不同来源同种药品的铝塑包装片样本含有的主要成分种类差异明显，因此可将不同来源同种药品的铝塑包装片样本进行区分。

表5 不同来源厂家同种药品的铝塑包装片样本区分结果

Tab.5 Differentiation results of aluminum plastic packaging tablet samples of the same drug from different manufacturers

注：“+、−”号代表药品铝塑包装片样本是否在该主要成分的拉曼特征峰附近存在特征峰。

27#和35#样本都是杭州中美华东制药有限公司厂家生产的药品铝塑包装片，为相同来源不同药品的铝塑包装片样本，对2个样本进行差分拉曼光谱分析，实验结果见表6。分析可知，在PE的拉曼特征峰附近存在特征峰的样本有27#和35#，而27#样本在PVC的拉曼特征峰附近存在特征峰，35#样本在PVC的拉曼特征峰附近不存在特征峰，相同来源不同药品的铝塑包装片样本含有的主要成分种类差异明显，因此可将相同来源不同药品的铝塑包装片样本进行区分。

表6 相同来源厂家不同药品的铝塑包装片样本区分结果

Tab.6 Differentiation results of aluminum plastic packaging tablet samples of different drugs from the same manufacturer

注：“+、−”号代表药品铝塑包装片样本是否在该主要成分的拉曼特征峰附近存在特征峰

2.4 系统聚类分析

系统聚类又称为凝聚性层次聚类[14-16]，是一种多元统计分类方法，首先根据实验数据找出能度量这些数据之间相似程度的统计量，而后依据这些统计量来划分类型，将一些相似程度较大的变量（或样本）聚合为一类，把另一些相似程度较小的变量（或样本）聚合为另一类，直到把一切子类全部聚合在一个新的大类，最后依照各类之间的亲疏关系，绘制出一张较为完整的分类系统图，又称谱系图。采用组间联接法度量该变量（或样本）类间亲疏程度，采用平方欧氏距离作为度量个体间距离的依据[17]，进行系统聚类分析，得到了51组样本的树状聚类谱系图（见图5）。

图5 51组药品铝塑包装片样本树状聚类谱系图

由图5可以看出，选择的并类距离不同时，样本可被分为不同类。当选择的并类距离为1、7、10、12、15时，样本依次可被分为9类、5类、4类、3类、2类；当阈值达到25时，所有药品铝塑包装片样本聚合为一类[18-19]。

通过分别计算各个类别的药品铝塑包装片样本之间的显著性和Pearson相关系数可验证药品铝塑包装片系统聚类的分类结果，因此，取1#、5#、9#等9个样本进行相关性分析[20]，分析结果见表7。

由表7可见，1#与19#样本的Pearson系数为0.838；5#与28#样本的Pearson系数为0.842；28#与49#样本的Pearson系数为0.963，以上样本相关性相对较高。9#与49#样本的Pearson系数为0.214，相较而言相关性较低，40#与其他8个样本的Pearson系数为负值，相关性相对较低，因此将1#和19#样本归为一类，5#和28#样本归为一类，40#单独为一类，通过相关性比较，并类距离为10时，样本分为4类较为合适。

表7 9个药品铝塑包装片样本的相关性分析结果

Tab.7 Correlation analysis results of 9 samples of drug aluminum plastic packaging tablets

3 结语

通过对药品铝塑片样本差分拉曼特征峰的测定可以推测犯罪现场药品铝塑包装片的主要成分信息，从而较为准确认定药品铝塑片检材的厂家来源；通过差分拉曼光谱法对药品铝塑片样本进行检验，可以明显分析出同种或相同来源的药品铝塑包装片所含的主要成分不同，从而对其进行区分，对同一组药品铝塑片样本可借助PCA对光谱数据进行降维，而后采用组间联接法将同一类样本分组，并依据特征峰相对峰高比的不同进行区分，取得了较为满意的结果；通过相关性比较可对系统聚类结果进行进一步的验证，证实其分类结果较为理想；基于化学计量学对药品铝塑包装片的差分拉曼光谱分析方法操作简便、无损样本，可以为侦查人员指明下一步侦查方向，研究结果可为公安检测工作提供参考。

[1] 白冰. 药品铝塑泡罩包装及材料应用展望[J]. 中国包装, 1999(5): 67-68.

BAI Bing. Application Prospect of Aluminum Plastic Film Blister Packaging and Materials for Pharmaceutical Packaging[J]. China Packaging, 1999(5): 67-68.

[2] 陈渝英. 药品铝塑泡罩包装材料[J]. 医药工程设计, 1988(5): 17-20.

CHEN Yu-ying. Aluminum Plastic Blister Packaging Materials for Drugs[J]. Medical Engineering Design, 1988(5): 17-20.

[3] 张樟. 铝塑包装与药品[J]. 中国现代应用药学, 1998, 15(6): 68-69.

ZHANG Zhang. Aluminum Plastic Packaging and Medicine[J]. Chinese Journal of Modern Applied Pharmacy, 1998, 15(6): 68-69.

[4] 郭鹏, 姜红. 拉曼光谱检验烟用内衬纸的研究[J]. 中华纸业, 2016, 37(12): 53-58.

GUO Peng, JIANG Hong. A Study on Analysis of Inner Liner for Cigarette by Raman[J]. China Pulp & Paper Industry, 2016, 37(12): 53-58.

[5] 邹文博, 尹利辉, 胡昌勤. 拉曼光谱与近红外光谱技术在药品快速分析中的应用[J]. 中国药房, 2018, 29(3): 416-420.

ZOU Wen-bo, YIN Li-hui, HU Chang-qin. Application of Raman Spectroscopy and Near Infrared[J]. Chinese Preventive Medicine, 2018, 29(3): 416-420.

[6] 姜红, 朱晓晗, 何歆沂, 等. 差分拉曼光谱对塑料瓶的鉴别分析[J]. 中国测试, 2020, 46(8): 76-79.

JIANG Hong, ZHU Xiao-han, HE Xin-yi, et al. Differential Raman Spectroscopy for Identification and Analysis of Plastic Bottles[J]. Test in China, 2020, 46(8): 76-79.

[7] 李晟全, 姜红, 常鹏宇, 等. 差分拉曼光谱法对塑料牙刷柄的分析研究[J]. 上海塑料, 2020(3): 40-45.

LI Sheng-quan, JIANG Hong, CHANG Peng-yu, et al. Analysis of Plastic Toothbrush Handle by Differential Raman Spectroscopy[J]. Shanghai Plastics, 2020(3): 40-45.

[8] 刘金坤, 李春宇, 吕航, 等. 基于K均值算法的X射线荧光光谱法检验药用铝塑包装片的研究[J]. 应用化工, 2021(2): 556-559.

LIU Jin-kun, LI Chun-yu, LYU Hang, et al. Study on the Examination of Medicinal Aluminum-Plasticpackaging Sheets by X-ray Fluorescence Spectroscopy Based on K-means Algorithm[J]. Applied Chemical Industry, 2021(2): 556-559.

[9] 王欣, 姜红, 刘峰, 等. 基于差分拉曼光谱快速鉴别食品塑料包装袋[J]. 激光技术, 45(2): 213-217.

WANG Xin, JIANG Hong, LIU Feng, et al. Rapid Identification of Food Plastic Packaging Bags Based on Differential Raman spectroscopy[J]. Laser Technology, 45(2): 213-217.

[10] 姜红, 陆润洲, 段斌, 等. 基于差分拉曼光谱对烟盒物证检验[J]. 包装工程, 2021, 42(21): 79-85.

JIANG Hong, LU Run-zhou, DUAN Bin, et al. Cigarette Case Evidence Based on Differential Raman Spectroscopy[J]. Packaging Engineering, 2021, 42(21): 79-85.

[11] 董鹍, 饶之帆, 杨晓云, 等. 几种塑料的拉曼光谱检测[J]. 塑料工业, 2011, 39(6): 67-70.

DONG Kun, RAO Zhi-fan, YANG Xiao-yun, et al. Determination of Several Plastic by Raman Spectroscopy[J]. China Plastics Industry, 2011, 39(6): 67-70.

[12] 张进, 姜红, 刘峰, 等. 基于差分拉曼光谱的烟盒外包装薄膜检验研究[J/OL]. 中国测试: 1-9 [2022-02-21]. http://kns.cnki.net/kcms/detail/51.1714. TB.20200827.1023.002.html.

ZHANG Jin, JIANG Hong, LIU Feng, et al. Inspection of Cigarette Packaging Film Based on Differential Raman Spectroscopy[J/OL]. China Measurement & Test: 1-9[2022-02-21]. https://kns.cnki.net/kcms/detail/ 51.1714.TB.20200827.1023.002.html.

[13] 张景顺, 姜红. 红外光谱法结合化学计量学方法对IC卡的分类研究[J]. 塑料科技, 2019(10): 48.

ZHANG Jing-shun, JIANG Hong. Classification of IC Cards by Infrared Spectroscopy Combined with Chemometrics[J]. Plastics Science and Technology, 2019(10): 48.

[14] 张进, 姜红, 张景顺, 等. 差分拉曼光谱结合聚类分析检验运动鞋鞋底[J]. 中国塑料, 2020(7): 81-85.

ZHANG Jin, JIANG Hong, ZHANG Jing-shun, et al. Discrimination and Classification of Sneaker Sole by Combination of Differential Raman Spectroscopy and Cluster Analysis[J]. China Plastics, 2020(7): 81-85.

[15] 张进, 姜红, 刘峰, 等. 差分拉曼光谱结合化学计量学检验烟用内衬纸[J]. 激光技术, 2021, 45(1): 61-66.

ZHANG Jin, JIANG Hong, LIU Feng, et al. Differential Raman Spectroscopy Combined with Stoichiometry for Inspection of Cigarette Liner[J]. Laser Technology, 2021, 45(1): 61-66.

[16] 姜红, 任继伟, 鞠晨阳, 等. X射线荧光光谱结合聚类分析检验药品铝塑包装片[J]. 化工新型材料, 2019(11): 194-198.

JIANG Hong, REN Ji-wei, JU Chen-yang, et al. XRF Combined with Cluster Analysis for Inspection of Pharmaceutical Aluminum-Plastic Package[J]. New Chemical Materials, 2019(11): 194-198.

[17] 姜红, 马枭, 李飞, 等. 基于判别分析与ANN的药品铝塑包装泡罩XRF分析[J]. 包装工程, 2021, 42(5): 189-193.

JIANG Hong, MA Xiao, LI Fei, et al. XRF Analysis of Pharmaceutical Aluminum-Plastic Packaging Blister Based on Discriminant Analysis and ANN[J]. Packaging Engineering, 2021, 42(5): 189-193.

[18] GOLDBERGER J, TASSA T. A Hierarchical Clustering Algorithm Based on the Hungarian Method[J]. Pattern Recognition Letters, 2008, 29(1): 1632-1638.

[19] CILIBRASI R L, VITÁNYI P M B. A Fast Quartet Tree Heuristic for Hier-Archical Clustering[J]. Pattern Recognition, 2011, 44(3): 662-677.

[20] 姜红, 鞠晨阳, 张冰钰, 等. 红外光谱结合X射线荧光光谱分析多种塑料袋组份的研究[J]. 化学研究与应用, 2019, 31(3): 391-396.

JIANG Hong, JU Chen-yang, ZHANG Bing-yu, et al. X-Ray Fluorescence Spectrometry Combined with Cluster Analysis for Inspection of Pharmaceutical Aluminum-Plastic Package[J]. Chemical Research and Application, 2019, 31(3): 391-396.

Differential Raman Spectrometric Analysis of Aluminum Plastic Packaging Tablets for Drugs Based on Chemometrics

HAN Hong-fu1, JIANG Hong1, WANG Zi-qi1,LI Zhuo-rong1, QU Yin-xuan1, DUAN Bin2, LIU Feng2

(1.People's Public Security University of China, Beijing 100038, China; 2.Nanjing Jianzhi Instrument and Equipment Co., Ltd., Nanjing 210049, China)

The work aims to quickly and accurately carry out non-destructive test to the drug aluminum plastic packaging tablet left at the crime scene. The latest differential Raman spectrometer was used to analyze the 51 samples of drug aluminum plastic packaging tablets collected at the crime scene based on chemometrics. A total of 9 effective components were extracted from the collected samples of drug aluminum plastic packaging tablets, with accumulated effective information accounting for 99.54% of the original spectral data. Then, the 51 samples were divided into 4 categories. Through correlation comparison, the classification results were better. The experimental method is simple and reproducible, and the experimental results of non-destructive test are good, which provides the basis for the inspection of material evidence of drug aluminum plastic packaging tablets and can effectively help the development of public security work.

differential Raman spectroscopy; aluminum plastic packaging tablet for drugs; relative peak height ratio; chemometrics

TB487; TQ016; TQ018

A

1001-3563(2022)05-0108-07

10.19554/j.cnki.1001-3563.2022.05.015

2021-07-08

中国人民公安大学2020年度基科费项目（2020JKF502)；国家重点研发计划（2018YFC1602701）；南京简智仪器设备有限公司技术合作项目（20191218）

韩宏福（1999—），男，中国人民公安大学本科生，主攻刑事科学技术。

姜红（1963—），女，硕士，中国人民公安大学教授，主要研究方向为微量物证分析。