丁銀花，畢宇安，曹燕飛，秦建平，楊瑤珺，蕭 偉**

1北京中醫(yī)藥大學(xué)中藥學(xué)院，北京 100020；

2江蘇康緣藥業(yè)股份有限公司 中藥制藥過(guò)程新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，連云港 222001

茯苓為多孔菌科真菌茯苓Poria cocos（Schw.）Wolf的干燥菌核。多于7～9月采挖，挖出后除去泥沙，堆置“發(fā)汗”后，攤開(kāi)晾至表面干燥，再“發(fā)汗”，反復(fù)數(shù)次至皺紋、內(nèi)部水分大部散失后，陰干，稱為“茯苓個(gè)”，或?qū)Ⅴr茯苓按不同部位切制，陰干，分別稱為“茯苓塊”和“茯苓片”。其性甘、淡、平。歸心、肺、脾、腎經(jīng)；具有利水滲濕、健脾、寧心等功效[1]。藥材在貯藏過(guò)程中，其水分含量是藥材質(zhì)量變化的介質(zhì)，也是藥材質(zhì)量變化的內(nèi)在主導(dǎo)因素，而菌類藥材的含水量對(duì)于貯藏尤為重要，故“安全水分”有利于藥材質(zhì)量的保存[2]。藥材中含有過(guò)量的水分，極易霉?fàn)€變質(zhì)，使有效成分分解，從而造成成藥質(zhì)量不穩(wěn)定，給安全用藥帶來(lái)隱患，且相對(duì)地減少了實(shí)際用量，從而不能達(dá)到治療目的[3]。傳統(tǒng)的水分測(cè)定方法一般操作過(guò)程繁瑣、費(fèi)時(shí)，不利于藥材質(zhì)量的及時(shí)監(jiān)控。

近年來(lái)近紅外光譜（near-infrared spectroscopy，NIRS）技術(shù)發(fā)展迅速，已在農(nóng)業(yè)、煙草、石油化工、食品和藥物等領(lǐng)域得到廣泛應(yīng)用，具有分析速度快、操作簡(jiǎn)單方便、無(wú)污染、無(wú)破壞性、一般不需特別前處理等優(yōu)點(diǎn)[4]。已有研究者利用近紅外光譜技術(shù)對(duì)連翹、白芍、苦參等中藥材、中成藥及化學(xué)藥的含水量進(jìn)行了快速測(cè)定，為中藥材入庫(kù)標(biāo)準(zhǔn)的水分測(cè)定提供了可行性[5-6]。本研究測(cè)定了茯苓的NIR光譜和茯苓含水量，結(jié)合化學(xué)計(jì)量學(xué)中的偏最小二乘法（PLS），建立了茯苓的NIR光譜水分校正模型，用于快速測(cè)定茯苓中的水分，對(duì)于生產(chǎn)中批量茯苓水分的控制具有潛在的應(yīng)用前景，同時(shí)也為菌類中藥材含水量的快速準(zhǔn)確控制提供參考方法。

1 儀器和樣品

Luminar 5030便攜式AOTF近紅外光譜儀，配有專用的SNAP掃描軟件和The Unscrambler定量分析軟件（美國(guó)Brimrose公司）；立鶴牌電熱恒溫干燥箱（山東濰坊精鷹醫(yī)療器械有限公司）；直立粉碎機(jī)（北京環(huán)亞天元機(jī)械技術(shù)有限公司）；萬(wàn)分之一電子天平（Mettler Toledo AL204）。

茯苓69批，來(lái)源于安徽、廣西、湖北、云南等省區(qū)，由江蘇康緣藥業(yè)股份有限公司提供，經(jīng)本課題組楊瑤珺鑒定均為多孔菌科真菌茯苓Poria cocos（Schw.）Wolf的干燥菌核。

2 方法與結(jié)果

2.1 樣品水分的測(cè)定

將收集的69份茯苓粉碎，過(guò)45目篩，采用2010年版《中國(guó)藥典》一部附錄ⅨH水分測(cè)定法中的烘干法進(jìn)行測(cè)定，測(cè)得的數(shù)值作為茯苓含水量的真實(shí)值。水分含量12.80%～21.93%。

2.2 樣品近紅外圖譜采集

將已粉碎過(guò)45目篩的茯苓粉末裝入樣品池中，以空氣為背景，采用漫反射方式、比率模式下采集近紅外光譜，波長(zhǎng)1100～2300 nm，選擇透光率為縱坐標(biāo)，每個(gè)樣品重復(fù)采集3張光譜，取其平均值作為該樣品的光譜圖。原始吸收光譜圖見(jiàn)圖1。

圖1 樣品的原始吸收光譜圖（n=60）

上述所采集的光譜中不僅包含了樣品中的有效信息，還包括由于外界環(huán)境的波動(dòng)、隨機(jī)噪音、樣品的背景干擾所產(chǎn)生的信息，因此在建模前需要對(duì)光譜進(jìn)行預(yù)處理，以去除噪音，凈化譜圖信息，擴(kuò)大有效信息，提高模型的精度和預(yù)測(cè)效果[7]。本實(shí)驗(yàn)比較了原始吸收光譜及一階微分導(dǎo)數(shù)、二階微分導(dǎo)數(shù)，分別與S-G平滑法（savitzky-golay法）結(jié)合等光譜預(yù)處理方法，以RSEP和R2的大小為依據(jù)來(lái)優(yōu)選合適的預(yù)處理方法，結(jié)果發(fā)現(xiàn)建模時(shí)選用一階微分導(dǎo)數(shù)+9點(diǎn)S-G組合對(duì)原始吸收光譜進(jìn)行預(yù)處理可以達(dá)到最優(yōu)的結(jié)果。故本文采用一階微分導(dǎo)數(shù)+9點(diǎn)S-G平滑法對(duì)掃描得到的原始吸收光譜進(jìn)行光譜預(yù)處理，以消除噪音和基線的影響。見(jiàn)圖2。

圖2 一階微分導(dǎo)數(shù)+9點(diǎn)S-G平滑法光譜圖

2.3 定量模型的建立

按含水量高低均勻選取樣本組成校正集，用于建立校正模型，剩余樣本為驗(yàn)證集，用于對(duì)模型進(jìn)行外部驗(yàn)證，在樣本集劃分時(shí)保證校正集樣本含水量范圍大于驗(yàn)證集。校正集和驗(yàn)證集的樣品含水量分布范圍見(jiàn)表1。

表1 校正集與驗(yàn)證集樣品數(shù)量及其含水量分布范圍（n=60）

采用偏最小二乘法 （PLS）、交叉-驗(yàn)證法，用Unscrambler定量分析軟件建立茯苓藥材的水分校正模型。光譜和化學(xué)值的異常值分別采用光譜影響值Leverage和化學(xué)值誤差Residual這兩個(gè)統(tǒng)計(jì)量來(lái)檢驗(yàn)剔除。結(jié)果顯示，本實(shí)驗(yàn)中無(wú)異常點(diǎn)出現(xiàn)，能得到較為理想的校正模型。

其中樣品F1～F15和F25～F69進(jìn)行初步模型的建立與優(yōu)化，樣品F16～F24進(jìn)行模型的外部預(yù)測(cè)。其模型外部交互驗(yàn)證相關(guān)系數(shù)能達(dá)到0.9951，內(nèi)部交互驗(yàn)證相關(guān)系數(shù)為0.9956，水分模型結(jié)果如圖3。

圖3 水分（%）含量的PLS回歸模型圖

2.4 定量模型的預(yù)測(cè)

用上述茯苓水分定量校正模型對(duì)9個(gè)外部樣品進(jìn)行預(yù)測(cè)，計(jì)算得出驗(yàn)證集相對(duì)偏差RSEP為2.7%，外部預(yù)測(cè)誤差均方根RMSEP為0.49，預(yù)測(cè)值與化驗(yàn)值的平均相對(duì)偏差為1.3%。模型的外部驗(yàn)證結(jié)果見(jiàn)表2。

表2 NIR水分模型預(yù)測(cè)結(jié)果

2.5 方法學(xué)驗(yàn)證

選擇編號(hào)為F16的茯苓粉末樣本，測(cè)定6次光譜，用上述所建立的模型預(yù)測(cè)其含水量，測(cè)得精密度RSD值為0.87%；同一批樣品，分別取樣6次，依次測(cè)定其近紅外光譜，預(yù)測(cè)樣品的含水量，測(cè)得重復(fù)性RSD值為2.0%。

3 討 論

3.1 樣品粉碎度的考察?？疾炝?種篩孔下（過(guò)10目、20目、45目和60目篩）樣品采集的光譜，從原始光譜及一階導(dǎo)數(shù)光譜分析各篩孔下采集光譜重復(fù)性均較好，差異性不大，計(jì)算它們一階導(dǎo)數(shù)圖譜的 MBSD 值（移動(dòng)塊標(biāo)準(zhǔn)偏差）[8]，分別為 3.58×10-6、3.41×10-6、2.74×10-6、2.83×10-6，過(guò) 45 目篩樣品光譜MBSD最小，且光譜重復(fù)性較好，因此確定茯苓粉末過(guò)45目篩。

3.2 樣品裝樣量的考察。將過(guò)45目篩的茯苓粉末分別裝于樣品杯中，厚度分別為 0.5、1、1.5、2 cm，進(jìn)行光譜的采集，0.5、1.0 cm厚度時(shí)，光譜的重復(fù)性較差，其它厚度下的光譜重復(fù)性較好。同時(shí)，計(jì)算各厚度下一階導(dǎo)數(shù)光譜的MBSD值，分別為3.68×10-6、2.74×10-6、2.70×10-6、2.72×10-6，可以看出，裝樣厚度大于1 cm時(shí)MBSD值穩(wěn)定，均較小，光譜差異性不大，且重復(fù)性較好，所以確定裝樣厚度要大于1 cm。

3.3 掃描平均次數(shù)的考察。將過(guò)45目茯苓粉末，分別裝于樣品杯中，裝樣量均為1 cm，考察了平均300次和600次的光譜，光譜差異不大，分別計(jì)算它們一階導(dǎo)數(shù)圖譜的MBSD值，為9.00×10-6和2.74×10-6，平均600次的差異更小些，所以掃描平均次數(shù)確定為600次。

3.4 本實(shí)驗(yàn)所建立的模型預(yù)測(cè)能力較高，預(yù)測(cè)結(jié)果比較準(zhǔn)確，精密度和重復(fù)性均良好，顯示出較高的實(shí)用價(jià)值。如果在此基礎(chǔ)上，繼續(xù)加大建模樣品和模型驗(yàn)證樣品的數(shù)量，增大建模用樣品的代表性，進(jìn)一步優(yōu)化模型，提高模型的預(yù)測(cè)能力，使AOTF近紅外光譜儀完全可以滿足茯苓水分含量的快速準(zhǔn)確測(cè)定，這為茯苓等菌類中藥材水分快速測(cè)定提供一新方法。

[1] 國(guó)家藥典委員會(huì).中華人民共和國(guó)藥典：一部[S].北京：中國(guó)醫(yī)藥科技出版社，2010.

[2] 傅泉炎.中藥含水量與中藥倉(cāng)儲(chǔ)質(zhì)量的關(guān)系[J].中國(guó)藥業(yè)，2002，11（5）：70.

[3] 吳啟南，錢大偉，段金廒.中藥材貯藏過(guò)程中的質(zhì)量變化機(jī)制探討[J]. 中國(guó)中藥雜志，2010，35（14）：1904-6.

[4] 楊海雷，劉雪松，瞿海斌，等.一種基于近紅外的紅參藥材質(zhì)量快速評(píng)價(jià)方法[J]. 中草藥，2005，36（6）：912.

[5] 白 雁，王 星，陳志紅.近紅外光譜法檢測(cè)連翹藥材中水分含量[J]. 鄭州大學(xué)學(xué)報(bào)，2008，43（6）：1164-6.

[6] 魏慧珍，方少敏，饒 毅，等.近紅外光譜技術(shù)快速測(cè)定白芍藥材烘干過(guò)程中水分 [J].中草藥，2011，42（10）：1994-7.

[7] 褚小立，袁洪福，陸婉珍.近紅外分析中光譜預(yù)處理及波長(zhǎng)選擇方法進(jìn)展與應(yīng)用 [J].化學(xué)進(jìn)展，2004，16（4）：528-42.

[8] 金 葉，楊 凱，陳木洲，等.微型近紅外儀用于眾生丸粉末混合過(guò)程的在線監(jiān)測(cè)研究 [J].中國(guó)中藥雜志，2011，36（21）：2964-5.