基于近红外光谱主成分分析—马氏距离法的发汗与未发汗续断的快速鉴别(1)
[摘要] 为了快速准确的鉴别续断发汗与否， 以续断发汗和未发汗样品为实验材料， 采用近红外光谱法结合主成分分析-马氏距离判别分析方法建立了定性鉴别模型。选取了129个未发汗样品和86个发汗样品的近红外光谱图，应用主成分分析-马氏距离法进行判别分析，选择谱段为9 881.46～4 119.20 cm-1，采用 “标准正则变换 +原始光谱+ 二阶求导” 组合对原始光谱进行预处理，主成分数为14，建立定性鉴别模型;并经预测集验证，鉴别准确率达到100%。说明近红外光谱结合模式识别方法进行续断“发汗”与否定性鉴别在技术上是可行的，可以作为续断产地加工“发汗”定性鉴别的一种辅助手段。
[关键词] 近红外光谱;续断;发汗;主成分分析;马氏距离;判别分析
[收稿日期] 2014-07-16
[基金项目] 国家自然科学基金青年基金项目(81303224)
, 百拇医药
[通信作者] *杜伟锋，硕士，助理研究员，研究方向为中药炮制及质量控制，Tel：(0571)87195895，E-mail：duweifeng_200158@sohu.com
产地加工是中药材加工成中药饮片的一个重要环节。长期的中药生产实践和产地加工经验积累形成了独具特色、较为系统的中药材产地加工方法和技术体系[1]。“发汗”是中药材常用的传统产地加工方法之一，主要使其内部水分往外溢，变软、变色，增加香味或减少刺激性，有利于干燥，如厚朴、杜仲、玄参、续断、丹参等药材。现代研究表明，“发汗”除了利于药材干燥外，也常常伴随着化学成分的改变[2]。近年来，随着干燥设备的兴起，再加上产地“发汗”比较繁琐耗时，药农大都摒弃了传统的“发汗”加工方法，直接烘干来代替“发汗”。必然会影响传统的中医临床疗效。目前，市场上尚无很好地发汗药材的鉴定方法，只是根据经验进行鉴别。鉴别药材“发汗”与否，有人采用色差仪和电子鼻测量其颜色特征参数和气味特征参数，建立了判别模型[3]。然而，电子鼻仅对气味较大的药材敏感，对气味淡的药材不适合。近些年来，通过与化学计量学相结合，近红外光谱已逐步发展成为一门能反映样品的整体信息、快速简便、低成本、无损失，便于在线分析的分析检测技术[4]，在中药定性和定量分析方面的应用也越来越广泛[5]，主要用于中药材的真伪鉴别、产地鉴别、种类分析、成分的快速含量测定[6-16]等。笔者以续断为例，采用近红外光谱结合化学计量学，利用主成分分析-马氏距离法进行判别分析，建立续断“发汗”的鉴别模型，以快速鉴别续断是否经过产地加工“发汗”，为控制续断药材质量提供新的手段。
, http://www.100md.com
1 材料
Antaris 傅立叶变换近红外光谱仪，配有漫反射积分球，样品旋转台，样品杯，Result 3.0光谱采集软件，TQ8.3.125光谱分析软件(美国Thermo Fisher公司)。
257批续断样品是从贵州、四川、云南、湖北、浙江、安徽等产地收集，其中发汗样品106批，未发汗样品151批，经浙江中医药大学中药饮片有限公司郑建宝主管中药师鉴定为川续断科植物川续断Dipsacus asper Wall.ex Henry的干燥根。
2 方法与结果
2.1 近红外光谱的采集
将续断样品研碎过60目筛，每份样品取约10 g，混合均匀后放入石英样品杯中，摊平，然后以空气为参比，扣除背景，采集光谱图。采样方式：积分球漫反射;采集区间10 000～4 000 cm-1;分辨率8.0 cm-1;扫描次数64次;empty门衰减;增益为1;温度(25±2) ℃，相对湿度45%～50%。每份样品扫描3次，求平均值作为样品的NIR光谱，见图1，2。续断未发汗和发汗样品的近红外光谱图都极为相似，无法直接找出特定的吸收峰加以区分。必须运用化学计量学方法，采用光谱分析软件对原始光谱进行预处理和特征信息提取后才能作出鉴别。
, http://www.100md.com
图1 续断未发汗样品近红外光谱图
Fig.1 The near-infrared spectrum of the crude Dipsaci Radix
图2 续断发汗样品近红外光谱图
Fig.2 The near-infrared spectrum of the sweated Dipsaci Radix
2.2 建立模型的方法
2.2.1 样品选择 通过优化筛选，剔除偏离较大的样品，使其误判率为0。最终选取了83批续断未发汗样品作校正集，46批作验证集;选取64批续断发汗样品作为校正集，22批样品作为验证集，其余样品作为预测集。
2.2.2 波段选择 优化光谱范围，净化谱图信息，对反映样品信息突出的光谱区域进行挑选，筛选出最有效的光谱区域，提高运算效率。以所建模型的性能指数(performance index， PI)为指标，不断优化谱段范围，最终选择谱段为9 881.46～4 119.20 cm-1。
, http://www.100md.com
2.2.3 光谱预处理方法 采用近红外光谱仪自带的TQ Analys 软件，选择常用的主成分分析-马氏距离法进行判别分析(discriminant analysis)。由于存在样品不均匀、光散射等干扰，以及近红外仪器自身的随机噪音，故应采用合理的光谱预处理方法以消除噪音、降低样品表面不均匀和色差等因素影响， 提高模型的预测精准度和稳定性。本文比较了 ①光程类型(pathlength type)：多元散射校正(MSC)、标准正则变换(SNV);②数据格式(data format)：原始光谱(spectrum)、一阶求导(first derivative，1st D)、二阶求导(second derivative， 2nd D)，见图3～5;③平滑(smoothiing)类型：不光滑(no smoothing， Ns)卷积平滑滤波( savitzky-golay filter， S-G)，Norris导数平滑滤波(Norris derivative filter， Nd)等光谱预处理方法，以判别分析的准确度为判据，不同光谱预处理方法所建模型的性能指数见表1，经过比较，选用 “SNV+spectrum+ S-G” 组合对原始光谱进行预处理。, http://www.100md.com(杜伟锋 贾永强 姜东京 张浩)
[关键词] 近红外光谱;续断;发汗;主成分分析;马氏距离;判别分析
[收稿日期] 2014-07-16
[基金项目] 国家自然科学基金青年基金项目(81303224)
, 百拇医药
[通信作者] *杜伟锋，硕士，助理研究员，研究方向为中药炮制及质量控制，Tel：(0571)87195895，E-mail：duweifeng_200158@sohu.com
产地加工是中药材加工成中药饮片的一个重要环节。长期的中药生产实践和产地加工经验积累形成了独具特色、较为系统的中药材产地加工方法和技术体系[1]。“发汗”是中药材常用的传统产地加工方法之一，主要使其内部水分往外溢，变软、变色，增加香味或减少刺激性，有利于干燥，如厚朴、杜仲、玄参、续断、丹参等药材。现代研究表明，“发汗”除了利于药材干燥外，也常常伴随着化学成分的改变[2]。近年来，随着干燥设备的兴起，再加上产地“发汗”比较繁琐耗时，药农大都摒弃了传统的“发汗”加工方法，直接烘干来代替“发汗”。必然会影响传统的中医临床疗效。目前，市场上尚无很好地发汗药材的鉴定方法，只是根据经验进行鉴别。鉴别药材“发汗”与否，有人采用色差仪和电子鼻测量其颜色特征参数和气味特征参数，建立了判别模型[3]。然而，电子鼻仅对气味较大的药材敏感，对气味淡的药材不适合。近些年来，通过与化学计量学相结合，近红外光谱已逐步发展成为一门能反映样品的整体信息、快速简便、低成本、无损失，便于在线分析的分析检测技术[4]，在中药定性和定量分析方面的应用也越来越广泛[5]，主要用于中药材的真伪鉴别、产地鉴别、种类分析、成分的快速含量测定[6-16]等。笔者以续断为例，采用近红外光谱结合化学计量学，利用主成分分析-马氏距离法进行判别分析，建立续断“发汗”的鉴别模型，以快速鉴别续断是否经过产地加工“发汗”，为控制续断药材质量提供新的手段。
, http://www.100md.com
1 材料
Antaris 傅立叶变换近红外光谱仪，配有漫反射积分球，样品旋转台，样品杯，Result 3.0光谱采集软件，TQ8.3.125光谱分析软件(美国Thermo Fisher公司)。
257批续断样品是从贵州、四川、云南、湖北、浙江、安徽等产地收集，其中发汗样品106批，未发汗样品151批，经浙江中医药大学中药饮片有限公司郑建宝主管中药师鉴定为川续断科植物川续断Dipsacus asper Wall.ex Henry的干燥根。
2 方法与结果
2.1 近红外光谱的采集
将续断样品研碎过60目筛，每份样品取约10 g，混合均匀后放入石英样品杯中，摊平，然后以空气为参比，扣除背景，采集光谱图。采样方式：积分球漫反射;采集区间10 000～4 000 cm-1;分辨率8.0 cm-1;扫描次数64次;empty门衰减;增益为1;温度(25±2) ℃，相对湿度45%～50%。每份样品扫描3次，求平均值作为样品的NIR光谱，见图1，2。续断未发汗和发汗样品的近红外光谱图都极为相似，无法直接找出特定的吸收峰加以区分。必须运用化学计量学方法，采用光谱分析软件对原始光谱进行预处理和特征信息提取后才能作出鉴别。
, http://www.100md.com
图1 续断未发汗样品近红外光谱图
Fig.1 The near-infrared spectrum of the crude Dipsaci Radix
图2 续断发汗样品近红外光谱图
Fig.2 The near-infrared spectrum of the sweated Dipsaci Radix
2.2 建立模型的方法
2.2.1 样品选择 通过优化筛选，剔除偏离较大的样品，使其误判率为0。最终选取了83批续断未发汗样品作校正集，46批作验证集;选取64批续断发汗样品作为校正集，22批样品作为验证集，其余样品作为预测集。
2.2.2 波段选择 优化光谱范围，净化谱图信息，对反映样品信息突出的光谱区域进行挑选，筛选出最有效的光谱区域，提高运算效率。以所建模型的性能指数(performance index， PI)为指标，不断优化谱段范围，最终选择谱段为9 881.46～4 119.20 cm-1。
, http://www.100md.com
2.2.3 光谱预处理方法 采用近红外光谱仪自带的TQ Analys 软件，选择常用的主成分分析-马氏距离法进行判别分析(discriminant analysis)。由于存在样品不均匀、光散射等干扰，以及近红外仪器自身的随机噪音，故应采用合理的光谱预处理方法以消除噪音、降低样品表面不均匀和色差等因素影响， 提高模型的预测精准度和稳定性。本文比较了 ①光程类型(pathlength type)：多元散射校正(MSC)、标准正则变换(SNV);②数据格式(data format)：原始光谱(spectrum)、一阶求导(first derivative，1st D)、二阶求导(second derivative， 2nd D)，见图3～5;③平滑(smoothiing)类型：不光滑(no smoothing， Ns)卷积平滑滤波( savitzky-golay filter， S-G)，Norris导数平滑滤波(Norris derivative filter， Nd)等光谱预处理方法，以判别分析的准确度为判据，不同光谱预处理方法所建模型的性能指数见表1，经过比较，选用 “SNV+spectrum+ S-G” 组合对原始光谱进行预处理。, http://www.100md.com(杜伟锋 贾永强 姜东京 张浩)