阅读说明：本技术 一种中药多糖二维红外光谱鉴别预测模型及其构建方法和应用 (Traditional Chinese medicine polysaccharide two-dimensional infrared spectrum identification prediction model and construction method and application thereof ) 是由 夏永刚 梁军 吕艳丽 匡海学 于 2019-10-17 设计创作，主要内容包括：本发明公开了中药多糖二维红外光谱鉴别预测模型及其构建方法和应用,该构建方法采用自身样品来源为外界干扰或单一特征温度为外界干扰,建立参考红外光谱；采用衰减全反射傅里叶变换二维红外相关光谱,采集所有原始和参考红外光谱；获取二维红外相关谱,建立以特征峰峰位和强度为指标的特征红外数据阵并结合多元统计学分析,通过训练集样本分析建立中药多糖提取物的衰减全反射傅里叶变换二维红外相关光谱鉴别预测模型,实现了中药多糖快速、直观的鉴别和质量评价。本发明能够以高通量式建立所有样品二维红外相关光谱,避免了以梯度升温式的温度干扰以及通过溴化钾压片等方式,建立二维红外光谱繁琐的局面。(The invention discloses a traditional Chinese medicine polysaccharide two-dimensional infrared spectrum identification prediction model and a construction method and application thereof, wherein the construction method adopts a self sample source as external interference or a single characteristic temperature as external interference to establish a reference infrared spectrum; adopting an attenuated total reflection Fourier transform two-dimensional infrared correlation spectrum to collect all original and reference infrared spectrums; the method comprises the steps of obtaining a two-dimensional infrared correlation spectrum, establishing a characteristic infrared data array taking characteristic peak positions and intensities as indexes, combining multivariate statistical analysis, and establishing an attenuated total reflection Fourier transform two-dimensional infrared correlation spectrum identification prediction model of the traditional Chinese medicine polysaccharide extract through training set sample analysis, so that quick and intuitive identification and quality evaluation of the traditional Chinese medicine polysaccharide are realized. The invention can establish two-dimensional infrared related spectra of all samples in a high-throughput manner, and avoids the situation that the establishment of two-dimensional infrared spectra is complicated in a gradient heating type temperature interference manner, a potassium bromide tabletting manner and the like.)

一种中药多糖二维红外光谱鉴别预测模型及其构建方法和 应用

技术领域

本发明涉及中药多糖的鉴别，具体涉及中药材多糖提取物的鉴别预测模型及其构建方法和应用，属于中药多糖的鉴别领域。

背景技术

衰减全反射傅里叶傅里叶变换红外光谱法是一种常用的结构分析技术，具有灵敏度高，特征性强，可实现快速无损检测等特点。近年来，二维相关红外光谱技术的发展使红外光谱的分辨率及谱图的识别能力有了新的突破，它正成为中药快速鉴别及质量评价的一种有效手段，但还未应用于中药多糖提取物的鉴别与质量评价领域。

发明内容

本发明的目的之一是提供一种中药多糖提取物的二维红外光谱鉴别预测模型；

本发明的目的之二是提供一种所述中药多糖提取物的二维红外光谱鉴别预测模型的构建方法；

本发明的目的之三是将所构建的中药多糖提取物的二维红外光谱鉴别预测模型应用于鉴别中药多糖。

为实现上述目的，本发明通过以下技术方案来实现的：

本发明首先提供了一种中药多糖提取物的衰减全反射傅里叶变换二维红外相关光谱鉴别预测模型，其构建方法包括：

(1)在恒定的衰减全反射温度下，采用衰减全反射傅里叶变换红外光谱方法，采集中药多糖提取物的一维红外光谱并进行谱图处理；

(2)获取中药材多糖提取物的参考衰减全反射傅里叶变换红外平均红外图谱；

(3)将一维红外光谱VS参考衰减全反射傅里叶变换红外平均红外图谱作图，得到二维相关红外谱图；

(4)以每个二维相关红外谱图中的自动峰为鉴别特征峰，建立以特征峰峰位和强度为指标的二维相关红外数据阵；

(5)采用多元统计学判别分析方法，通过训练集样本分析，建立中药多糖提取物的衰减全反射傅里叶变换二维红外相关光谱鉴别预测模型。

作为本发明进一步的改进，所述的中药包括五味子属或人参属中药材。

作为本发明进一步的改进，步骤(1)中所述的恒定的衰减全反射温度是30℃。

作为本发明进一步的改进，步骤(1)中所述的谱图处理方式包括：自动基线校正，13点平滑和纵坐标归一化。

作为本发明进一步的创新，所述中药多糖的参考衰减全反射傅里叶变换红外平均红外图谱的建立方法之一包括：将训练集中所有同种来源中药多糖一维红外光谱归一化后谱图运算得到平均图谱作为二维图谱转化的参考衰减全反射傅里叶变换红外平均红外图谱。

作为本发明进一步的改进创新，所述中药多糖提取物的参考衰减全反射傅里叶变换红外平均红外图谱的建立方法之二包括：分别在同属不同种的中药材多糖提取物中取一个样品采用衰减全反射梯度升温傅里叶变换红外光谱方法采集多糖提取物一维红外光谱并进行谱图处理得到平均谱图；以该平均谱图为参考图谱建立不同温度下的一系列二维红外图谱，在一系列二维红外图谱中找到变化最为明显的温度，以该温度下的一维图谱为二维图谱转化的最佳参考红外图谱。

作为本发明进一步的改进，所述的参考衰减全反射傅里叶变换红外平均红外图谱的建立方法之二的衰减全反射梯度升温是从30℃升到110℃；所述的五味子属多糖或人参属多糖变化最为明显的温度分别为80℃或85℃。

作为本发明进一步的改进，所述的参考衰减全反射傅里叶变换红外平均红外图谱的建立方法之二中谱图处理方式包括：自动基线校正，13点平滑和纵坐标归一化。

作为本发明进一步的改进，步骤(5)中所述多元统计学判别分析方法包括正交偏最小二乘法、线性判别分析法或偏最小二乘法中的任何一种或多种。

本发明进一步保护上述的衰减全反射傅里叶变换二维红外相关光谱鉴别预测模型在鉴别中药材多糖中的应用；优选的，所述的中药包括五味子属中药材或人参属中药材。

本发明具有如下有益效果：

本发明采用衰减全反射傅里叶变换红外光谱技术，通过以自身样品来源(不同产地、不同批次)为外界干扰，或采用另一特征衰减全反射干扰温度下，采集中药多糖一维红外光谱，标记为二维图谱转化的参考红外图谱，能够以高通量式建立所有样品二维红外相关光谱，避免了以梯度升温式的温度干扰建立二维红外光谱繁琐的局面；与溴化钾压片相比，本发明的构建方法更加快速、简便。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明中药材多糖提取物的衰减全反射傅里叶变换二维红外相关光谱鉴别预测模型建立方法和使用流程图；

图2为基于自身样品来源为外扰的南五味子二维红外同步相关光谱；

图3为基于自身样品来源为外扰的北五味子二维红外同步相关光谱；

图4为基于自身样品来源为外扰的五味子属多糖正交偏最小二乘法判别分析的scores图；其中1:南五味子；2:北五味子；

图5为基于自身样品来源为外扰的五味子属多糖正交偏最小二乘法判别分析的预测scores图；其中1:南五味子；2:北五味子；ps1:南五味子；ps2:北五味子；

图6为基于单一特征温度为外扰的南五味子80℃二维红外同步相关光谱；

图7为基于单一特征温度为外扰的北五味子80℃二维红外同步相关光谱；

图8为基于单一特征温度为外扰的五味子属多糖正交偏最小二乘法判别分析的scores图；其中1:南五味子；2:北五味子；

图9为基于单一特征温度为外扰的五味子属多糖正交偏最小二乘法判别分析的预测scores图；其中1:南五味子；2:北五味子ps1：南五味子；ps2：北五味子。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1基于自身样品来源为外界干扰的五味子属多糖的二维红外光谱鉴别

1.仪器与试药

傅立叶红外光谱仪(Thermo Fisher Scientific)，选用南五味子、北五味子五味子属中药各23批。

2.方法与结果

2.1红外光谱指纹图谱

恒定的ATR温度(30℃)下采用衰减全反射傅里叶变换红外光谱技术，采集五味子属多糖一维红外光谱并进行谱图处理，包括：自动基线校正+13点平滑+纵坐标归一化。

2.2二维相关红外谱图

将训练集中同种五味子多糖的一维红外光谱的平均图谱，作为二维图谱转化的参考图谱；以五味子多糖的一维红外光谱vs相应的参考一维红外光谱作图，得到二维红外光谱。以每个二维相关红外谱图中的自动峰为鉴别特征峰(图2、3)，建立以特征峰峰位和强度为指标的二维相关红外数据阵。其中，自动峰峰位有1730cm^-1、1600cm^-1、1410cm^-1、1078cm^-1、1050cm^-1和1030cm^-1，作为特征峰，用于区别五味子属多糖。

2.3建立预测模型

采用正交偏最小二乘法判别分析，通过训练集样本建立衰减全反射傅里叶变换二维红外相关光谱(ATR-FT-2D-IR-COSY)鉴别预测模型(图4)。图中1表示南五味子，2表示北五味子，可以直观清晰地把南、北五味子进行分类。

为了验证所建立的预测模型对于五味子多糖的不同来源的鉴定是否准确，本发明将10批未知样品的中特征峰的峰位和强度数据代入预测模型验证(图5)，图中DS1是训练集样本，PS1是未知样本，1表示南五味子，2表示北五味子，其正确率为100％。

实施例2基于单一特征温度为外界干扰的五味子属多糖的二维红外光谱鉴别

1.仪器与试药

傅立叶红外光谱仪(Thermo Fisher Scientific)，选用南五味子、北五味子五味子属中药各30批。

2.方法与结果

2.1红外光谱指纹图谱

分别在不同种的五味子属中药多糖中取一个样品采用ATR梯度升(30℃—110℃)衰减全反射傅里叶变换红外光谱技术，采集五味子属多糖一维红外光谱并进行谱图处理，包括：自动基线校正+13点平滑+纵坐标归一化。以平均谱图为参考图谱，建立不同温度下的一系列二维红外图谱，在一系列二维红外图谱中找到变化最为明显的温度，以该温度下的图谱为参考图谱，五味子属中药多糖变化最为明显的温度是80℃。

2.2二维相关红外谱图

将训练集中五味子多糖中30℃一维红外图谱vs 80℃一维参考红外图谱作图，得到五味子多糖二维红外光谱图谱；以每个二维相关红外谱图中的自动峰为鉴别特征峰(图6、7)，建立以特征峰峰位和强度为指标的二维相关红外数据阵。其中，自动峰峰位有1730cm^-1、1610cm^-1、1420cm^-1、1150cm^-1、1100cm^-1、1080cm^-1、1050cm^-1和1024cm^-1。

2.3建立预测模型

采用正交偏最小二乘法判别分析，通过训练集样本建立ATR-FT-2D-IR-COSY鉴别预测模型(图8)。可以直观地把南、北五味子分类，图中1表示南五味子，2表示北五味子。

为了验证所建立的预测模型对于五味子属多糖的不同来源的鉴定是否准确，本发明将10批未知样品的中特征峰的峰位和强度数据代入预测模型验证(图9)，图中DS1是训练集样本，PS1是未知样本，1表示南五味子，2表示北五味子其正确率为100％。

实施例3基于自身样品来源为外界干扰的人参属多糖的二维红外光谱鉴别

1.仪器与试药

傅立叶红外光谱仪(Thermo Fisher Scientific)，选用人参、三七、西洋参三种人参属中药各30批。

2.方法与结果

2.1红外光谱指纹图谱

恒定的ATR温度(30℃)下采用衰减全反射傅里叶变换红外光谱技术，采集人参属多糖一维红外光谱并进行谱图处理，包括：自动基线校正+13点平滑+纵坐标归一化。

2.2二维相关红外谱图

将训练集中同种人参多糖的一维红外光谱的平均图谱，作为二维图谱转化的参考图谱；以人参多糖的一维红外光谱vs相应的参考一维红外光谱作图，得到二维红外光谱。以每个二维相关红外谱图中的自动峰为鉴别特征峰，建立以特征峰峰位和强度为指标的二维相关红外数据阵。其中，自动峰峰位有1745cm-¹、1622cm-¹、1429cm-¹、1146cm-¹、1100cm-¹、1078cm-¹和1030cm-¹，作为特征峰，用于区别人参属多糖。

2.3建立预测模型

采用线性判别分析法或偏最小二乘法判别分析，通过训练集样本建立ATR-FT-2D-IR-COSY鉴别预测模型。同时可得到线性判别分析中Fisher线性判别分类函数系数。

为了验证所建立的预测模型对于人参属多糖的法定来源的鉴定是否准确，本发明将15批未知样品的中特征峰的峰位和强度数据代入预测模型验证，其正确率为100％。

实施例4基于单一特征温度为外界干扰的人参属多糖的二维红外光谱鉴别

1.仪器与试药

傅立叶红外光谱仪(Thermo Fisher Scientific)，选用人参、三七、西洋参三种人参属中药各30批。

2.方法与结果

2.1红外光谱指纹图谱

分别从不同种的人参属中药多糖中取一个样品采用ATR梯度升温(30℃—110℃)衰减全反射傅里叶变换红外光谱技术，采集人参属中药多糖一维红外光谱并进行谱图处理，包括：自动基线校正+13点平滑+纵坐标归一化。以平均谱图为参考图谱，建立不同温度下的一系列二维红外图谱，在一系列二维红外图谱中找到变化最为明显的温度，以该温度下的图谱为参考图谱。人参属中药多糖变化最为明显的温度是85℃。

2.2二维相关红外谱图

将训练集中人参属多糖中30℃一维红外图谱vs 85℃一维参考红外图谱作图，得到人参属多糖二维红外光谱图谱；以每个二维相关红外谱图中的自动峰为鉴别特征峰，建立以特征峰峰位和强度为指标的二维相关红外数据阵。其中，自动峰峰位有1740cm-¹、1620cm-¹、1441cm-¹、1142cm-¹、1100cm-¹、1080cm-¹和1020cm-¹。

2.3建立预测模型

采用线性判别分析法或偏最小二乘法判别分析，通过训练集样本建立ATR-FT-2D-IR-COSY鉴别预测模型。同时可得到线性判别分析中Fisher线性判别分类函数系数。

为了验证所建立的预测模型对于人参属多糖的法定来源的鉴定是否准确，本发明将10批未知样品的中特征峰的峰位和强度数据代入预测模型验证，其正确率为100％。

对比例1参考文献(林浩坚，刘刚，杨卫梅，等.二维相关红外光谱分析鉴别不同产地黑木耳[J].中国农业科技导报，2019，21(1):154－163)。

与现有技术相比，本发明采用衰减全反射傅里叶变换红外光谱技术，采集中药多糖一维红外光谱，与溴化钾压片相比，更加快速、简便；其次，本发明以自身样品来源(不同产地、不同批次)为外界干扰，或采用另一特征ATR干扰温度下，采集中药多糖一维红外光谱，标记为二维图谱转化的参考红外图谱，能够以高通量式建立所有样品二维红外相关光谱，避免了以梯度升温式的温度干扰建立二维红外光谱繁琐的局面。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。