基于指標成分與近紅外光譜對寧夏野生和栽培甘草的比較鑒別研究

狄天云+高曉娟+張霞+趙建軍+雍婧姣+馬玲+王英華+王漢卿

[摘要]比較寧夏烏拉爾甘草（以下均簡稱甘草）中基于指標成分含量的色譜鑒別和基于近紅外光譜的光譜鑒別差異，建立快速有效鑒別寧夏野生和栽培甘草的方法。采用HPLC和紫外光譜法測定9批野生甘草和14批栽培甘草中甘草苷、甘草酸和總黃酮的含量并采集其近紅外光譜信息。結果顯示，基于指標成分定量的色譜鑒別無法有效鑒別寧夏野生和栽培甘草，近紅外光譜結合聚類分析和主成分分析能夠直觀、快速、有效鑒別寧夏野生和栽培甘草樣品，為甘草生長方式的鑒別及應用研究提供有效方法。同時，為甘草的品種、產地及規格等方面的鑒別提供了研究思路。

[關鍵詞]甘草； 近紅外； 指標成分； 聚類分析； 主成分分析； 鑒別

[Abstract]This study is to construct a rapid and effective method for identification of wild and cultivated Glycyrrhiza uralensis （hereinafter referred to as Glycyrrhizae Radix et Rhizoma） from Ningxia by comparison of the difference in chromatography identification based on index components and near-infrared spectroscopy identification. HPLC and UV methods were used to determine the content of liquiritin， glycyrrhizate and total flavonoids for 9 wild Glycyrrhizae Radix et Rhizoma and 14 cultivated Glycyrrhizae Radix et Rhizoma samples，and the near-infrared spectroscopy was also，collected. The results illustrated that the chromatography identification based on index components could not identify wild and cultivated Glycyrrhizae Radix et Rhizoma from Ningxia， while near-infrared spectroscopy could quickly and effectively achieve it. It provides an effective method for the growth pattern identification and application of Glycyrrhizae Radix et Rhizoma.

[Key words]Glycyrrhiza uralensis （Glycyrrhizae Radix et Rhizoma）； near-infrared spectroscopy； index components； cluster analysis； principal components analysis； identification

甘草Glycyrrhizae Radix et Rhizoma為豆科植物甘草（又稱烏拉爾甘草）Glycyrrhiza uralensis Fisch.、脹果甘草G.inflata Batal.或光果甘草G.glabra L.的干燥根和根莖^[1]，具有補脾益氣，清熱解毒，祛痰止咳，緩急止痛，調和諸藥之功，素有“十方九草”之稱。在我國，甘草分布范圍最廣，主要分布在西北、東北和華北地區，以中西部地區（內蒙古、寧夏和甘肅）所產的西甘草而聞名^[2]。甘草作為藥材、食品及煙草添加品，其市場需求量急劇增加，野生資源過度采挖^[3]，蘊藏量不足50萬t^[2]，被列入《國家重點保護野生藥材物種名錄》二級保護野生藥材，2000年國務院發布的《關于禁止采集和銷售發菜。制止濫挖甘草和麻黃草有關問題的通知》明令禁止對甘草的掠奪性采挖。目前，市售甘草以人工栽培為主。但是由于栽培與野生藥材之間存在質量差異^[2，4]，對二者進行鑒定區分，有利于合理使用以提高臨床療效。

中藥鑒定旨在研究中藥的品種、質量，保證臨床療效。目前，對于中藥鑒定研究除傳統的基源鑒別、性狀鑒別、顯微鑒別和理化鑒別外，以指紋圖譜研究較多^[5]，其次，分子鑒定也已逐步開展^[6]。指紋圖譜雖然可以反映藥材的內在質量，但是需要考慮產地、采收期等因素對化學成分的影響，且需要對藥材進行前處理；分子鑒定專屬性強，但是其操作復雜，且成本高^[7]。近紅外光譜作為一種快速、價廉、無損分析方法，其與化學計量學結合，已被用于農業、食品、化學和石油化工等領域的定性和定量分析^[8-9]，已被歐美藥典納入附錄內容^[10-11]。近紅外光譜分析技術在中藥材真偽、摻偽、產地、同屬中藥品種和中成藥的鑒定及含量測定等方面已有相關研究報道，但是關于其對不同生長方式（野生和栽培）的鑒定研究報道鮮少。

本研究采用近紅外光譜技術建立寧夏14批栽培甘草和9批野生甘草的近紅外光譜，并對光譜采用不同的預處理方法預處理后進行聚類分析和主成分分析。同時，采用HPLC及紫外光譜法對各批甘草中指標成分甘草苷、甘草酸和總黃酮進行測定，并對其含量進行聚類分析。對近紅外分析結果和指標成分含量分析結果進行比較研究，進而確定寧夏野生和栽培甘草的鑒定方法。

1 材料

1.1 儀器

Bruker Matrix-F型傅利葉變換近紅外光譜儀（測試條件：分辨率8 cm^-1；樣品累積掃描次數32 Scans；背景累積掃描次數

32 Scans；光譜范圍12 000～4 000 cm^-1；軟件為OPUS 5.5）；高效液相色譜儀（Agilent 1260 LC色譜工作站，G1313A自動進樣器，G1316A柱溫箱，G1311A四元泵，G1379A脫氣機，GB15B二極管陣列檢測器）；島津UV1901紫外分光光度計；梅特勒XS-205電子分析天平。

1.2 試劑

甘草苷、甘草酸對照品（批號111610-201106，110731-201418）、蘆丁對照品（批號100080-200707）均購于中國食品藥品檢定研究院；甲醇、乙腈為色譜純；娃哈哈純凈水；其他試劑均為分析純。

1.3 藥材

實驗所用的23批甘草藥材采自寧夏不同產區，栽培甘草生長年限3年，經王英華主任藥師鑒定為豆科植物甘草G. uralensis，樣本信息見表1。

2 方法

2.1 近紅外光譜測定

分別取甘草藥材粉末適量，在Bruker Matrix-F型傅利葉變換近紅外光譜儀掃描近紅外光譜，測試條件：分辨率8 cm^-1；樣品累積掃描次數32Scans；背景累積掃描次數32 Scans；光譜范圍12 000～4 000 cm^-1；軟件為OPUS 5.5。每個樣品平行測定6次，取平均值作為該樣品的原始光譜，環境條件為：溫度23 ℃，濕度40%。

2.2 甘草指標成分檢測

2.2.1 甘草苷、甘草酸的含量測定 按照《中國藥典》2015年版一部甘草【含量測定】項下甘草苷、甘草酸的測定方法測定。

2.2.2 總黃酮的含量測定 參考文獻測定總黃酮含量^[12]。

2.3 數據分析

2.3.1 近紅外光譜數據預處理 采用OPUS5.5軟件對各批次甘草近紅外光譜分別進行矢量歸一化、一階導數、二階導數、一階導數+矢量歸一化和二階導數+矢量歸一化預處理，導出各近紅外光譜點數據。

2.3.3 聚類分析 采用R語言3.2.3對甘草近紅外光譜預處理后的數據及指標成分含量數據分別進行進行聚類分析。

2.3.4 主成分分析 采用SIMCA13.0對甘草近紅外光譜預處理后的數據及指標成分含量數據進行主成分分析。

3 結果與討論

3.1 近紅外分析結果

3.1.1 近紅外光譜圖預處理 近紅外光譜常受到光程、樣品厚度、基線漂移等因素的影響，在分析之前需要對其進行預處理。矢量歸一化可以消除光程或樣品厚度的影響，而導數化可以消除基線漂移等因素的影響。本研究將測得的近紅外光譜數據導入OPUS5.5軟件中獲得23批甘草樣本的近紅外光譜圖見圖1。所有測得的近紅外光譜分別采用矢量歸一化、一階導數、一階導數+矢量歸一化、二階導數、二階導數+矢量歸一化預處理方法進行預處理后，經離差平方和法聚類和主成分分析，能夠區分野生和栽培甘草的聚類正確率及第一主成分貢獻率見表2。由表2可知，采用一階導數+矢量歸一化預處理方式對23批甘草近紅外光譜進行預處理后，離差平方和聚類分析可以完全將野生和栽培甘草進行分類，第一主成分的貢獻率達到99.1%，故采用一階導數+矢量歸一化方法對所得近紅外光譜進行預處理，預處理后光譜圖見圖2。

3.1.2 近紅外光譜聚類分析 聚類分析通過計算樣品間的統計量（距離或相關系數等），逐步將相關性最大的樣品聚在一起，直到所有樣品歸為一類^[13]。本研究將一階導數+矢量歸一化預處理后的近紅外數據基于歐式距離采用7種聚類方法（最長聚類法、最短距離法、中間距離法、類平均法、重心法、離差平方和法和Mcquitty相似法）進行聚類，聚類結果顯示，只有離差平方和法聚類結果可以完全將野生和栽培甘草進行分類，見圖3，最長距離法和Mcquitty相似法的聚類正確率為91.3%，類平均法的聚類正確率69.6%，最短距離法、重心法和中間距離法聚類正確率僅為65.2%。這與各聚類方法計算距離的公式相關。聚類的目的是使類內差異較小，而類間差異較大；聚類結果中各類包含元素即不太多，也不太少^[14]。本研究采用不同的聚類方法聚類后顯示，離差平方和聚類法在分析野生和栽培甘草近紅外光譜時能夠達到聚類的目的，效果最好，可以100%將野生和栽培甘草進行分類，表明甘草近紅外光譜經適當的預處理方法后采用適當的聚類分析方法可以有效區分野生和栽培甘草。

3.1.3 近紅外光譜主成分分析 將甘草近紅外光譜經一階導數+矢量歸一化預處理后的數據導入SIMCA13.0軟件進行主成分分析。第一主成分代表了總變異的99.1%，為甘草近紅外光譜最重要的信息，第一主成分和第二主成分的累計貢獻率為99.6%，僅有0.4%的信息丟失，能夠反映近紅外光譜的大量信息。近紅外光譜主成分的載荷圖見圖4。由圖4可知，野生甘草聚為一簇，栽培甘草聚為一簇，說明野生和栽培甘草樣品具有差異，表明甘草近紅外光譜經適當的預處理后經主成分分析能夠有效區分野生和栽培甘草，與聚類結果一致。

3.2 各指標成分含量分析

3.2.1 各指標成分含量測定 23批甘草樣品中甘草苷、甘草酸和總黃酮的含量測定數據見表1。由表1可得，各批次甘草中甘草苷和甘草酸的含量均高于藥典標準，為合格藥材；總黃酮含量均高于3.0%。

3.2.2 3種指標成分聚類分析 3種指標成分基于歐式距離采用7種聚類方法進行聚類，共得到兩種聚類結果，均不能將野生和栽培甘草進行分類。離差平法和聚類結果見圖5。

3.2.3 3種指標成分主成分分析 23批甘草樣本中3種指標成分的含量主成分分析結果見圖6。由圖6可知，第一主成分涵蓋了總變異的93.7%，將所有甘草樣本分為2類，N22C為一類，其余樣本為另外一類，同樣不能將野生和栽培甘草分類，與聚類結果一致。

4 討論

近紅外光譜結合聚類分析和主成分分析對23批甘草藥材進行鑒別分析，運用OPUS5.5軟件對光譜進行6種不同預處理后，采用R語言3.2.3和SIMCA13.0分別進行聚類分析和主成分分析，根據野生和栽培聚類正確率和第一主成分貢獻率篩選甘草近紅外光譜最佳預處理方式，結果顯示甘草近紅外光譜經一階導數+矢量歸一化預處理后野生和栽培聚類正確率為100%，第一主成分貢獻率高達99.1%，能夠反映樣品的主要信息。近紅外光譜經一階導數+矢量歸一化預處理后基于歐式距離的離差平方和聚類結果顯示野生和栽培甘草分別聚為兩類，可以通過聚類分析將二者進行區分。主成分分析的載荷圖表明甘草近紅外光譜通過適當的預處理后經主成分分析能夠有效區分野生和栽培甘草。

采用HPLC對23批甘草藥材中甘草苷和甘草酸含量進行測定，結果顯示23批甘草藥材均符合藥典標準，為合格藥材?；?種指標成分（甘草苷、甘草酸和總黃酮）的含量數據，采用歐氏距離的7種聚類方法（最長距離法、最短距離法、中間距離法、類平均法、重心法、離差平方和法、Mcquitty相似法）進行2聚類，聚類結果說明該3種指標成分不能有效區分野生與栽培甘草。主成分分析結果與聚類結果相一致。

通過近紅外光譜可以獲得生物樣品中所有有機分子含氫基團和C=O、C=C基團的特征信息，因此土壤、氣候、水分等綜合因素作用下對野生甘草和栽培甘草的多類成分（如纖維、蛋白、糖類等）產生的影響而形成差異，體現在近紅外光譜的差異，從而實現鑒別。已有研究表明，利用紅外或近紅外光譜可以快速鑒別野生和栽培燈盞花、肉蓯蓉、丹參、天麻、栽培和半野生黃芪^[15-19]。而甘草酸、甘草苷及總黃酮的含量也受多種因素影響，但特征類型簡單，在野生和栽培甘草中的變化是連續的，因此不能對二者進行有效鑒別。

[參考文獻]

[1]中國藥典.一部[S].2015：86.

[2]黃明進，王文全，魏勝利.我國甘草藥用植物資源調查及質量評價研究[J]. 中國中藥雜志，2010，35（8）：947.

[3]劉洋洋，劉春生，曾斌芳，等. 甘草種質資源研究進展[J].中草藥， 2013， 44（24）：3593.

[4]閆永紅，段天璇，王文全，等. 野生及栽培甘草HPLC指紋圖譜[J].中國天然藥物，2006，4（2）：116.

[5]李強，杜思邈，張忠亮，等.中藥指紋圖譜技術進展及未來發展方向展望[J]. 中草藥， 2013， 44（22）：3095.

[6]陳士林，郭寶林，張貴君，等.中藥鑒定學新技術新方法研究進展[J].中國中藥雜志，2012（8）：1123.

[7]趙中振，梁之桃.近紅外光譜技術在中藥鑒定中的應用與優勢[J].中國中藥雜志，2012，37（8）：1062.

[8]Roggo Y， Chalus P， Maurer L， et al. A review of near infrared spectroscopy and chemometrics in pharmaceutical technologies[J]. J Pharm Biomed Anal， 2007， 44（3）：683.

[9]Magwaza L S， Naidoo S I M， Laurie S M， et al. Development of NIRS models for rapid quantification of protein content in sweetpotato [Ipomoea batatas， （L.） LAM.][J]. LWT-Food Sci Technol， 2016， 72：63.

[10]Candolfi A， Maesschalck R D， Massart D L， et al. Identification of pharmaceutical excipients using NIR spectroscopy and SIMCA[J]. J Pharm Biomed Anal， 1999， 19（6）：923.

[11]胡詠川，田曉鑫，劉蕾，等.近紅外光譜技術鑒定中藥的進展[J].中國中藥雜志，2012（8）：1066.

[12]馬玲，安瑜，王坤，等.甘草中總黃酮含量測定的方法學研究[J].寧夏醫學雜志，2010，32（5）：428.

[13]楊天偉，張霽，李濤，等.基于主成分分析和聚類分析的不同產地絨柄牛肝菌紅外光譜鑒別研究[J].光譜學與光譜分析，2016，36（6）：1726.

[14]沈毅，陳峰.六種常見的條件系統聚類法比較[J].中國衛生統計，2004，21（6）：338.

[15]李國輝，張錄達，楊建文，等.栽培和野生中藥材燈盞花的近紅外光譜鑒別模型[J].光譜學與光譜分析，2007，27（10）：1959.

[16]徐榮，孫素琴，劉友剛，等.紅外光譜與聚類分析法無損快速鑒別肉蓯蓉[J]. 光譜學與光譜分析，2009，29（7）：1860.

[17]王鳳嶺，周建科，吳婧，等.栽培與野生丹參的紅外光譜三級鑒定研究[J]. 現代儀器與醫療，2006，12（5）：18.

[18]方智文，唐延林，魏曉楠，等.野生與栽培天麻的紅外三級鑒定[J].山地農業生物學報，2014，33（6）：79.

[19]黃冬蘭，徐永群，陳小康，等.紅外三級鑒定法快速鑒別栽培與半野生黃芪[J].光譜實驗室，2010，27（3）：833.

[責任編輯 丁廣治]