张会梅，刘 雪，李德坤，周大铮，鞠爱春，叶正良

（1.天津中医药大学，天津 300193；2.天津中国药科大学中药评价与转化研究室，南京 210038；3.天津天士力之骄药业有限公司，天津 300410）

麦门冬（Ophiopogonis Radix）为百合科沿阶草属植物麦门冬Ophiopogon japonicus（L.f）Ker Gawl.的干燥块根，为常用滋阴药材。具有养阴生津、润肺清心的功效，用于治疗肺燥干咳，阴虚痨嗽，喉痹咽痛，津伤口渴，内热消渴等[1]。麦门冬化学成分中除含有甾体皂苷、高异黄酮，还含有15%以上的多糖类成分[2]，若水分含量较高会导致药材发霉、变质，进而影响以麦门冬为原料的成品制剂质量和临床疗效。因此，需对麦门冬中水分含量进行控制，为麦门冬药材的质量评价研究提供数据支持。

2015版《中国药典》规定麦门冬水分不得超过18.0%（通则0832第二法，即烘干法），该法操作费时，不便用于批量样品水分含量的快速测定。近年来近红外光谱技术以分析速度快、样品预处理简便、无损样品、易于操作等优势已在食品、药物分析、农产品、纺织、化工、生物医学等领域广泛应用[3]。近红外光谱是波长在 780～2 500 nm（12 000～4 000 cm-1）区域内的电磁波，光谱信息反映C-H、O-H、N-H等含氢基团的倍频和合频吸收，利用水分子中的O-H键在1 940 nm（组合频）和1 440 nm（O-H伸缩振动的一级倍频）处2个特征吸收谱带，可对水分含量进行测定[4]。本研究以麦门冬药材为研究对象，采用近红外漫反射技术结合偏最小二乘法（PLS）建立麦门冬中水分的定量分析模型，为麦门冬中水分的测定提供一种快速、简便的方法，同时为药材的质量评价研究提供数据支持。

1 材料

Thermo Fisher Antaris MX傅里叶变换型近红外光谱仪（Thermo Nicolet），分析软件为TQAnalyst、ETTLERAL204型万分之一电子分析天平（瑞士梅特勒-托利多仪器有限公司）、DGG-101-1 BS型电热鼓风干燥箱（天津市天宇实验仪器有限公司）、WK-200 B高速药物粉碎机（青州市精诚机械有限公司）、药典筛（浙江上虞市五星冲压筛具厂）。

麦门冬样品90批（由天津天士力之骄药业有限公司提供，麦门冬产地为四川、浙江、山东、湖北等），经中国药科大学余伯阳教授鉴定麦门冬为百合科沿阶草属植物麦门冬Ophiopogon japonicus（L.f）Ker Gawl.的干燥块根。

2 方法与结果

2.1 麦门冬中水分含量参考值的测定 根据2015版《中国药典》水分测定（通则0832第二法）烘干法测定90批麦门冬药材中的水分含量。结果见表1。

表1 90批麦门冬药材水分含量数据（n=2）

2.2 近红外光谱的采集 麦门冬药材粉碎，过80目筛，得麦门冬粉末样品。取适量样品粉末于样品杯中混合均匀，探头插到样品杯中进行扫描，采集光谱图。测样参数为：仪器开机预热1 h，漫反射采集模式，分辨率 8 cm-1，扫描范围 12 000～4 000 cm-1，温度25℃，湿度30%，扫描次数64次，每份样品扫描3次，求平均值作为样品的NIR光谱[5-6]。见图1。

2.3 麦门冬中水分含量定量模型的建立

2.3.1 异常样本的剔除 马氏距离是近红外光谱定量分析建模中判断异常样品的方法之一，是标准光谱与样本光谱集的平均光谱之间的距离[7]。根据TQAnalyst软件分析，马氏距离大于1.7剔除4个异常样品，结果见图2。

2.3.2 光谱预处理方法的选择 因近红外光谱的采集易受样品本身物理性状、环境因素、仪器自身噪音等诸多因素的影响，使近红外光谱的基线漂移。为降低对光谱的干扰，需对原始光谱进行预处理。结合文献[8]，利用TQ Analyst9.0软件，以内部交叉验证相关系数（R）、交叉验证误差均方差（RMSECV）为指标，选择最优预处理方法。结果见表2。由表2可知，SNV+First Derivative+Norris平滑处理方法较好。

图1 90批麦门冬样品的近红外光谱图

图2 马氏距离法剔除异常样品图

表2 不同预处理方法对麦门冬水分定量模型的影响

2.3.3 波段的选择 水分子中O-H键在近红外光谱的特征吸收谱带在5 155～7 800 cm-1[8-9]，以R、RMSECV为指标，考察不同波段对建模性能的影响，结果见表3。通过比较发现，在不同的波段区域内，波段在5 000～9 000 cm-1范围内R最接近1，RMSECV值最小。因此最佳的光谱波段为5 000～9 000 cm-1。

2.3.4 主因子数的选择 在模型建立中，主因子数影响建模的稳定性。主因子数太少，影响建立模型的准确性；主因子数过多，建立的模型出现过拟合现象。综合文献中对主因子数的确定方法，RMSECV随主因子数的增加而减小的特征，选择最佳主因子数[10]。结果见图3。当主因子数为8时，RMSECV值最小。

表3 不同波段对建模性能的影响

图3 RMSECV随主因子数的变化趋势图

2.3.5 校正模型的建立与内部验证 综合麦门冬水分的定量模型参数[11]：光谱预处理方法为SNV+First Derivative+Norris平滑，最佳建模波段为5 000～9 000 cm-1，主因子数为 8，采用 TQAnalyst 9.0软件中的PLS建立麦门冬水分的校正模型，模型校正值与验证值相关性见图4，偏差见图5。结果表明，模型校正值与参考值线性关系良好，相关系数R为0.981 1，RMSECV 为 0.131。

将12份验证集样品的NIR图谱调入上述建好的校正模型中，预测水分值，结果见表4。

从表4可看预测值可以较准确接近《中华人民共和国药典》中方法测定值，建立的NIR定量校正模型具有较好的预测效果，可快速预测麦门冬药材中水分的含量。并且两组数据经统计学t检验，P=0.95＞0.05，两组数据比较无统计学差异。说明运用近红外光谱技术建立麦门冬水分定量模型测定麦门冬水分的方法与传统的烘干法测定结果差异不明显，由上述可知，该模型可快速，准确测定麦门冬水分的含量。

图4 样品水分参考值与预测值相关关系图

图5 参考值与预测值的偏差图

表4 验证集样品烘干法的参考值和NIR预测值的水分结果

3 讨论

本研究采用烘干法测定90批麦门冬药材中水分含量，水分值范围为6.25%～10.96%，符合药典标准。NIR采集麦门冬光谱图，用74份样品建立定量校正模型，12份验证集样品，验证集样品水分值范围为7.91%～9.48%。结果表明，建立的校正模型参考值与预测值相关系数R为0.981 1，RMSECV为0.131。所建模型用决定系数（R2）和RMSECV来评价，R2越接近于1，RMSECV越小，表明模型结构越合理。且两组数据比较无统计学意义，即建立的麦门冬水分定量模型可快速、精准预测其水分含量。

本研究通过马氏距离客观、科学地处理异常光谱，使麦门冬水分定量模型更加可靠、准确，从而使得麦门冬水分检测数值更加真实。对于近红外光谱技术快速测定麦门冬药材中水含量模型的建立具有指导意义。

本研究通过将近红外光谱技术应用到中药材麦门冬水分的快速检测中，与传统的烘干法相比，且有无污染、节约检测成本、分析效率较高、不破坏样品等优点，弥补传统方法的不足，该方法为制药企业实现快速、批量检测提供了参考和依据，是一种非常值得推广的绿色分析方法。本实验建立模型的数量虽多，但麦门冬样品来源单一，使得其模型覆盖范围较小，无法预测其模型覆盖范围外的样品。因此仍需扩大样品取样范围，从而提高模型的适应性，从而更好应用与实际满足现代中药的现代化需求。