基于近红外光谱技术的陈皮提取物质量监控方法研究

段晓婷，冯杰明，黄俊斌，洪庆龙，王彦波，许代松

（广东一方制药有限公司/广东省中药配方颗粒企业重点实验室，广东 佛山 528244）

陈皮为芸香科植物橘Citrus reticulataBlanco及其栽培变种的干燥成熟果皮，具有理气健脾、燥湿化痰的功效[1]。陈皮主要化学成分为挥发油、黄酮类和生物碱[2]。黄酮类化合物具有多种生物活性，如抗痉挛、抗炎或抗菌活性。其中，橙皮苷是最主要活性成分之一。因此，橙皮苷含量是陈皮质量控制的重要指标[3-4]。

陈皮配方颗粒由陈皮饮片经水提、浓缩、干燥、制粒而成，相对于传统汤剂而言，使用、调配更为方便。由于产地、种源、药材质量等因素的影响，陈皮配方颗粒的产品质量存在一定的波动，为保证产品质量的稳定，应对中间产品物料及时进行质量监控。陈皮配方颗粒质量标准将橙皮苷作为质量评价指标，药典规定的含量测定检测方法操作复杂，分析周期长，适于产品检验，但难以适应生产过程的现场检测需求。近红外光谱（Near Infrared Spectroscopy,NIRS）技术是近年来发展迅速的一种高效的现代分析技术，具有无损、高效、快速、无污染、结果准确等优点[5-6]，已广泛应用于中药的真伪鉴别、含量测定以及在线监控等方面[7-9]。目前尚未见有关近红外分析方法应用于陈皮提取物质量检测的文献报道。本研究以陈皮饮片经水提取、浓缩、干燥制得陈皮提取物作为研究对象，以水分、橙皮苷、浸出物作为评价指标，建立NIRS 模型，达到在线质量监控的目的，为其生产过程质量监控提供借鉴意义。

1 仪器与试药

1.1 仪器

TANGO-R 近红外光谱仪（德国Bruker 公司），配备积分球漫反射检测器及OPUS 7.5分析软件。

1.2 试药

110 批陈皮提取物（广东一方制药有限公司），为2021 年和2022 年生产批次。橙皮苷对照品（批号：110721～202019，质量分数95.3%）购自中国食品药品检定研究院。

2 方法与结果

2.1 水分测定

取陈皮提取物约2 g，采用烘干法（《中国药典》2020年版四部通则0832）测定。

2.2 含量测定

橙皮苷含量照高效液相色谱法（《中国药典》2020 年版四部通则0512）测定。取陈皮提取物约0.2 g，精密称定，置具塞锥形瓶中，精密加入甲醇50 mL，称定质量，超声处理（功率300 W，频率40 kHz）30 min，放冷，再称定质量，用甲醇补足减失的质量，摇匀，滤过，取续滤液，即得供试品溶液。取橙皮苷对照品适量，精密称定，加甲醇制成每1 mL含0.1 mg 的溶液，即得对照品溶液。色谱条件：以十八烷基硅烷键合硅胶为填充剂；以甲醇-醋酸-水（35∶4∶61）为流动相；检测波长为283 nm。在上述色谱条件下，分别精密吸取对照品溶液与供试品溶液各10 μL，注入液相色谱仪，测定。

2.3 浸出物测定

取陈皮提取物约2 g，精密称定，精密加入乙醇100 mL，照醇溶性浸出物测定法（《中国药典》2020年版通则2201）项下的热浸法测定。

2.4 指标成分测定结果

110 批样品中水分含量的变化范围为4.1%～6.7%，橙皮苷含量的变化范围为6.5～10.3 mg/g，浸出物变化范围为35.33%～55.80%。

2.5 近红外光谱的采集

取混合均匀的样品装入光谱采集样品瓶内，用积分球漫反射系统采集近红外光谱。采集条件：以仪器内置背景为参比，扫描范围12 000～4 000 cm-1，分辨率8 cm-1，扫描次数64 次，每批样品重复测量2次，110批样品共得220张光谱（图1）。

图1 陈皮提取物原始NIRS图Figure 1 Original NIRS of Citri Reticulatae Pericarpium extract

2.6 模型性能评价指标

采用OPUS 7.5分析软件建立模型，运用偏最小二乘回归法（PLSR）建立陈皮提取物水分、橙皮苷、浸出物3个组分的定量模型，选择合适的光谱范围及光谱预处理方法，通过交叉验证的决定系数（R2）、交叉验证均方差（RMSECV）考察模型性能，以R2无限趋近于1，RMSECV越小，评价模型性能越好。将陈皮提取物验证集样品的近红外图谱导入建立的定量模型中，预测各组分的含量，验证所建定量模型的预测性能。采用相对平均偏差、预测均方差（RMSEP）评价模型的预测性能。参数公式定义如下：

2.7 近红外定量模型的建立

110批样品中，将89批样品选入校正集，用于建模，剩余21 批样品划入验证集。89 批样品，每批样品的2 张光谱用于建立模型，以增加所建模型的耐用性。采用近红外OPUS 7.5 分析软件建立校正模型，采用化学计量法将上述样品经扫描所得的光谱图和检验测得的水分、橙皮苷、浸出物含量值进行分析，选定光谱影响值和化学值误差，剔除测定的异常值，软件计算后得出的模型比较RMSECV和R2的大小。

2.7.1 光谱预处理及波段选择 采用OPUS 7.5 分析软件，取178 张校正集光谱的全波长12 000 ～4 000 cm-1光谱数据，选择5 种预处理方法，包括一阶导数+MSC，一阶导数+矢量归一化（SNV），一阶导数，多元散射校正，矢量归一化（SNV），比较5 种不同预处理方法对模型性能的影响，结果见表1。结果显示，水分、橙皮苷、浸出物定量模型选用一阶导数+矢量归一化（SNV）的光谱预处理方法，所得的模型RMSECV 值最小且R2越接近1。经方法预处理后的光谱见图2。

表1 陈皮提取物3种指标模型在不同预处理方法下的模型参数Table 1 Model parameters of models of three indexes of Citri Reticulatae Pericarpium extract under different pretreatment methods

图2 建模样品经一阶导数+矢量归一化（SNV）预处理后的NIRS光谱Figure 2 NIRS spectra of modeling samples after first derivative+vector normalization（SNV）pretreatment

结合OPUS 7.5 软件自动优化的结果，通过比较不同建模谱段对模型性能的影响，最终选择水分、橙皮苷、浸出物模型的建模谱段分别为9 403.1～4 595.4 cm-1；6 105.6 ～5 444.3 cm-1；9 403.1 ～7 493.1 cm-1、6 105.5～5 444.3 cm-1、4 422～4 244.5 cm-1。

2.7.2 NIRS 定量模型的建立 通过近红外OPUS 7.5 分析软件，选择合适的预处理方法，以89 批样品作为校正集，21 批样品作为验证集。运用偏最小二乘法建立NIRS 定量校正模型，其预测值与实测值相关图见图3。

图3 NIRS定量校正模型预测值与实测值相关图Figure 3 Correlation between the predicted and measured values of NIRS quantitative correction model

2.8 NIRS定量模型的验证

2.8.1 准确性 为了确定所建模型的适用性，选取21批验证集样品的42张光谱导入所建的NIRS定量模型中，预测其水分、橙皮苷、浸出物3种指标成分的含量值，并与法定检验方法结果作比较，结果见表2。结果表明NIRS预测值与实测值均较为接近，相对平均偏差分别为0.07、0.06、0.07，均在0.1以内，RMSEP分别为0.30、0.56、0.96，评价为模型预测性能良好。

表2 21批样品NIRS预测值与实测值比较Table 2 Comparison of NIRS predicted values and measured values of 21 batches of samples

2.8.2 精密度 取同一陈皮提取物样品重复6 次采集光谱，将所得近红外光谱代入NIRS 定量校正模型进行预测分析，所得水分、橙皮苷、浸出物的含量预测值的RSD 值分别为0.37%、0.74%、0.12%，表明所建NIRS分析方法精密度较好。

2.8.3 重复性 取同一批次的陈皮提取物样品6份，在相同光谱采集条件下分别采集光谱1 次，将所得近红外光谱代入建立的NIRS 定量校正模型进行预测分析，所得水分、橙皮苷、浸出物含量预测值的RSD 值分别为0.35%、1.16%、0.13%，表明所建NIRS分析方法重复性良好。

3 讨论

中药质量控制与质量标准的建立是中医药发展的关键，获取质量有保证的产品是中药商品化的前提。将NIRS 技术应用于中药生产过程的监控，本研究将NIRS 应用于陈皮提取物的生产过程质量监控，建立了NIRS 在陈皮提取物中水分、橙皮苷、浸出物3 个关键质量控制指标的快速检测方法，并考察了不同光谱预处理方法对定量模型性能的影响。实验结果表明，所建立的NIRS 模型性能良好，可用于陈皮提取物样品质量指标成分的快速定量分析，并初步验证了所建NIRS 快速检测方法，该方法准确性、精密度和重复性结果均良好。本研究为陈皮提取物提供了一种准确、可靠的陈皮提取物检测手段，可应用于其他中药配方颗粒及其中间产品的质量控制，实现生产过程中的现场快速检测，从而保证最终产品的质量稳定均一、安全有效，对提高中药配方颗粒质量控制效率和生产效率具有重要意义。未来研究重点为逐步扩大和完善陈皮提取物及其他中药产品的近红外光谱模型系统，提高模型的稳定性和准确率。