邓群芬　李源源　胡春琼　黄双

摘      要：为实现对假冒抗生素药物的快速识别，采集了7种抗生素106份样品的近红外漫反射光谱，采用一阶导数、标准归一化和Norris平滑对光谱预处理，选择9 300～4 000 cm^-1的光谱波段，通过相似度匹配和判别分析法建立抗生素的鉴别模型，并取样对该模型验证，预测集均能被正确的识别，取得了良好的效果。因此，近红外光谱结合判别分析法能快速、准确的对抗生素质量进行鉴别，为抗生素的真伪鉴别提供了一种新方法。

关  键  词：抗生素;近红外漫反射光谱;真伪鉴别

中图分类号：O 657       文献标识码： A       文章编号： 1671-0460（2020）06-1257-04

Rapid Identification of Antibiotics by Near-infrared Spectroscopy

DENG Qun-fen， LI Yuan-yuan， HU Chun-qiong， HUANG Shuang

（Key Lab of Process Analysis and Control of Sichuan Universities， Yibin University， Yibin Sichuan 644000， China）

Abstract： To achieve the rapid identification of counterfeit antibiotics， the NIR diffuse reflection spectra of 7 species 106 samples of antibiotics were collected in this study. Subsequently， the near-infrared spectra were pretreated with the first derivate， standard normal variate and Norris smoothing. After that， frequencies from 9 300～4 000 cm^-1 transmit wavelength range were selected. By means of the similarity matching and discriminant analysis， the identification model of antibiotics was established and verified by samples. The results showed that the prediction set could be correctly identified， and good results were achieved. In conclusion， the NIR spectroscopy combined with discriminant analysis can quickly and accurately identify these antibiotics， which provides a new approach for identifying antibiotics.

Key words： Antibiotics; Near-infrared diffuse reflection spectroscopy; Identification

抗生素在人们日常生活中扮演着非常重要角色。近年来，假药问题层出不穷，据权威调查，全球假药年销售额达到400亿美元，每年还在以约13%的速度增长。当下，传统假药，包含以非药品冒充药品、以低值药品冒充高价药品，越来越少了，取而代之的是未经批准私自在药品处方中增加或减少活性成分、用普通企业生产的药品冒充名牌药品等，本文主要研究的假药类型是真包装里装假药，通过检测药物本身对药物真伪进行鉴别，解决了扫描药品条形码无法鉴别药物真伪的问题。传统检测方法费时费力，当前用于假劣药品分析主要有化学法、色谱法、光谱法^[1]。光谱法特别是分子光谱法具有简单、快速、灵敏、无需样品处理、可原位检测、特征丰富等独特优势，具有天然的优势^[2]。

近红外（NIR）光谱是波長在780～2 526 nm区域的电磁辐射波^[3]，近红外光谱分析技术可用于无损和在线分析^[4]，被广泛应用于农业^{[ 5]}、食品^[6]、医药^[7]、石油化工^[8]等领域。

本文通过采集市面上常见的抗生素药物的近红外光谱，利用光谱分析软件TQ Analyst建立起常用抗生素的定性鉴别模型，结果表明该模型鉴别抗生素药物正确率高达100%，取得了较好的效果。该方法的建立为抗生素的鉴别提供了一种新方法，同时也为抗生素真伪鉴别提供了参考。

1  仪器与试药

傅里叶变换近红外光谱分析仪;选择含有10颗左右，7种不同种类的抗生素。本实验采集了样品头孢克肟分散片（A）、头孢克肟片（B）、头孢克诺片（C）、头孢呋辛酯片（D）、盐酸左氧氟沙星片（E）、罗红霉素片（F）、阿奇霉素片（G）的光谱。已采集样品的部分参数见表1。

2  实验方法

样品本身不进行预处理，采用积分球漫反射的采集模式，其测定温度为室温，对每种样品随机抽取5到10片，每片正、反面各采集一次，准备好测量仪器，选择合适的背景参数，扫描范围为10.0～4.0k·cm^-1，分辨率为3.86 cm^-1，扫描累积次数为20次，将样本按照1∶1的比例划分为定标集和预测集，不同种类抗生素的定标集和预测集的划分，见表2。

3  结果与分析

3.1  建模谱段选择

图1为所有建模抗生素样品在全波数范围内的光谱图，可见，抗生素药物的吸收特征峰主要位于波数9.3 k·cm^-1以下，波数在10.0～9.3 k·cm^-1范围内几乎没有吸收峰，所以选择波数范围为9.3～4.0 k·cm^-1来建模。

3.2  光谱预处理的选择

实验采集近红外漫反射光谱，影响近红外光谱的因素有样品颗粒不均匀、噪音、基线漂移等。研究表明，多元信号校正法（MSC）或标准归一法（SNV）处理光谱可以消除样品均匀性和颗粒度的影响;对光谱进行Norris平滑处理可以提高信噪比、减小随机噪音^[9];对光谱进行求导处理可以消除基线漂移^[10]，有放大和分离重叠信息的作用，又因求导级数增高会增加计算量，降低谱图信噪比。因此分别采用，一阶导数+Norris平滑、一阶导数+标准归一法（SNV）+Norris平滑、一阶导数+乘法信号校正法（MSC）+Norris平滑的方法对样品进行预处理。

相似度匹配法（similarity match，SM） 属于光谱分类技术。可将多种不同类别的已知样品归为一大类建立模型，通过比较未知样品与已知标准光谱信息，表征某未知样品与已知材料的匹配程度，比较的结果称为匹配值（match value，反映未知样品光谱的残差平方和），匹配值越接近于百，匹配程度越高。

判别分析法（discriminate analysis，DA）常用于筛分多种材料，能判断已知材料的类别与哪个未知样品最相似，利用所有的标准信息可建立一个或多个分类模型，同时也可以计算多个未知样品与某一个已知标准品光谱之间的距离，距离越接近于零，其相似度越高。

马氏距离判别法是一种有效的计算两个未知样品集相似度的方法，样品i和j间的马氏距离为：

由此，可得出各样品间的距离，从而可以知道各样品间的相似程度，并以此作为分析和判别样品种类的基础。

图2为建模全波长范围内的原始近红外吸收光谱。图3为一阶求导后在全波长范围内的近红外吸收光谱，可见求导后的光谱消除了基线漂移，放大了特征信息。

3.3  定性模型的建立

采用TQ analyst分析軟件，通过优化光谱预处理方法，建模结果见表3和表4。结果表明，不同的预处理方法对SM定性模型影响较大，对于DA定性模型几乎没有影响，但对于DA模型，没有经过预处理后的光谱较预处理后的光谱识别率降低，固最终采用标准归一法结合一阶导数和Norris平滑对光谱进行预处理的方法建立模型。

3.4  定性模型的验证

模型建立后，需要对模型进行检验，以反映模型的正确性，以每类抗生素半数光谱作为定标集建立的SM和DA定性模型对剩余半数同类抗生素光谱组成的预测集进行预判，结果见表5和表6。

表5运用相似度匹配法对同类样品预测集进行预测，匹配值均在99.8上，说明相似度匹配法可以有效辨别同类抗生素。表6是通过马氏距离计算法得到的各类之间的距离，结果表明，同种样品之间的距离相差最小，不同种样品之间的距离相差较大。综上，判别分析取得了较好的结果，正确率为100%，可以有效地对样品进行分类。

4  结 论

在应用近红外漫反射光谱法采集7种抗生素样品共106份光谱图， 结合化学计量法，通过光谱分析软件TQ analyst，选择9.3～4.0k·cm^-1的光谱波段，采用段长为5、段间距为5的Norris平滑处理结合一阶导数去除高频波段的噪音，用SNV对样品进行预处理，采用SM-DA方法，建立定性鉴别模型，预测集均能被正确的识别，模型具有较高的正确性。该方法的建立表明，利用近红外光谱技术结合化学计量学，可以快速、高效的对抗生素种类进行鉴别，该方法的建立为抗生素的鉴别提供了一种新方法，同时也为抗生素真伪鉴别提供了参考。

参考文献：

[1]罗诗琴.点击化学及其在生物医药领域的应用分析[J].科技风，2017（23）：16.

[2] 陆婉珍，袁洪福，徐广通，等.现代近红外光谱分析技术[M].北京：中国石化出版社，2000.

[3] 张恩阳，夏维高，闫晓剑.近红外光谱的原理及应用[J].信息记录材料，2017，18（6）：26-27.

[4] 褚小立，袁洪福.近红外光谱分析技术发展和应用现状[J].现代仪器，2011，17（5）：1-4.

[5] 张小超，吴静珠，徐云.近红外光谱分析技术及其在现代农业技术中的应用[M].北京：电子工业出版社，2012.

[6] 潘振朝.食品安全监测中的近红外光谱技术分析[J].食品安全导刊，2017（15）：124-125.

[7] 阮治纲，李彬.近红外光谱分析技术的原理及在中药材中的应用[J].药物分析杂志，2011，31（2）：408-417.

[8] 徐喆.近红外光谱技术在油品检测中的应用[J].中国石油和化工标准与质量，2015，35（24）：13-15.

[9] 王菊香，瞿军，邢志娜，等.近红外光谱技术在推进剂质量检测中的应用[J].火箭推进，2018，44（2）：82-87.