双指标和聚类分析法对不同产地大黄的红外图谱研究-中国口岸科学技术-2022年01期

双指标和聚类分析法对不同产地大黄的红外图谱研究

作者：王新潮1 白兴斌1 王慧珺1 李晓蓉2 张淼2 王波1 刘阿静1*

摘要采用双指标序列分析法和聚类分析法对 13 批不同产地大黄样品（ S1 ～ S13）的红外光谱进行比较分析，研究不同产地大黄间的品质差异。结果表明：虽然各产地大黄的红外光谱趋势大致相同，但是样品在各自的光谱特征吸收峰数目及强度等方面的差异尤为显著。不同产地大黄样品间的共有峰率为 47.83% ~ 94.12%，变异峰率为 0.00% ～ 58.33%。产地相近的 S1 和 S9、 S4 和 S5 之间有较高的共有峰率（均为 94.12%）及较低的变异峰率（均为 0.00%）； S10 与 S6、S12、 S13、 S11 之间有很高的变异峰率（ ≥ 54.55%）；大黄样品共聚为 6 类，其聚类分析结果同双指标序列分析法相一致，两种方法相互印证，可靠有效，为大黄产地溯源提供一定的技术支撑。

王新潮1 白兴斌1 王慧珺1 李晓蓉2 张淼2 王波1 刘阿静1*

关键词大黄；红外光谱；双指标序列分析法；聚类分析法

Infrared Spectra Analysis of Polygonaceae from Different

Regions Based on Sequential Dual-Indexes and Cluster

Analysis Method

WANG Xin-Chao1 BAI Xing-Bin1 WANG Hui-Jun1 LI Xiao-Rong2

ZHANG Miao2 WANG Bo1 LIU A-Jing1*

Abstract The method of sequential analysis of dual-indexes and cluster analysis were utilized to investigate the infrared fingerprints of polygonaceae from 13 different regions, and the quality differences of polygonaceae were studied. Results showed that though polygonaceae from different regions had similar characteristic peaks of infrared spectra, there were obvious differences in the number and intensity of characteristic absorption peaks. The common peak ratio between the samples from different regions were 47.83% to 94.12%, with the variation peak ratio ranging from 0.00% to 58.33%. The samples S1 and S9, S4 and S5 from nearby regions had high common peak ratios (all were 94.12%) and low variant peak ratios (all were 0.00%). The samples S10 and S6, S12, S13, S11 were of significant disparity with variant peak ratio larger than 54.55%. The cluster analysis intuitively divided the samples into six categories, which were basically consistent with that of dual-indexes sequence analysis. The two methods verifies each other and are reliable and effective, which may provide a technical support for origin traceability of polygonaceae.

Keywords polygonaceae; infrared spectrum; dual-indexes sequential analysis; cluster analysis

大黄（Polygonaceae）为蓼科植物掌叶大黄（R. palmatum L.）、唐古特大黄（R. tanguticum Maxim. ex Balf.）和药用大黄（R. officinale Baill.）的干燥根和根茎，具有多种药理作用，如泻下、抗炎、抗菌等[1-2]，主要分布在西北及西南海拔3000 m左右的高寒山地地区[3]。研究报道称，大黄中含有丰富的蒽醌类、蒽酮类、二苯乙烯类等有效成分，且不同产地各成分含量差异显著，说明生态环境对大黄中的有效成分及含量有较大影响[4-6]。

目前，文献报道的大黄红外光谱检测技术主要集中于红外指纹图谱特征的测定研究[7-10]或采用化学计量学方法，如主成分分析（PCA）[11]、聚类分析[12-13]等手段对样品进行分类分析，但大部分仍只停留在最基础的光谱分析或通过建立简要的模型进行初步的品质鉴定阶段，不能具体量化出不同产地不同样品间的相似度，更无法进行模型间的相互印证。而基于红外光谱的共有峰率和变异峰率建立的双指标序列分析法与聚类分析法相结合构成的新算法[14]，除了对样品进行分类，还能较为准确地明确样品两两之间的远近关系，同时对样品亦没有严格要求，已被广泛应用于中药材领域。然而，目前笔者尚未见关于大黄中药材的此类分析方法的报道。本研究拟采用红外光谱技术结合双指标序列分析法和聚类分析法研究13个不同产地大黄的红外光谱间的差异，为大黄产地溯源体系的建立和完善提供新思路和技术支撑。

1 实验部分

1.1 仪器和与试剂

红外光谱仪及压片机（IRAffinity-IS，岛津公司）；电热恒温鼓风干燥箱（DHG-9240A，上海一恒科学仪器有限公司）；万分之一天平（±0.1 mg，Sartorius公司）；玛瑙研钵；KBr（光谱纯，天津市光复精细化工研究所）。

1.2 样品来源和制备

1.2.1 样品来源

收集13份大黄样品，分别来源于不同产地：S1（甘肃省礼县上坪镇），S2（青海省），S3（西藏自治区），S4（甘肃省陇南市宕昌县哈达铺镇），S5（甘肃省陇南市宕昌县官亭镇），S6（甘肃省礼县洮坪乡南山村），S7（甘肃省陇南市宕昌县），S8（青海省），S9（甘肃省礼县），S10（四川省），S11（甘肃省榆中县），S12（甘肃省礼县沙金镇），S13（甘肃省礼县草坪镇）。

1.2.2 试样制备

大黄药材经烘箱（60℃）干燥后恢复室温，粉碎，过200目筛，备用。将少许制备好的样品粉末按比例（1:100）与干燥后的溴化钾混合，制成厚薄均匀的透明样品片。压片条件：压力1.8 T，时间2 min。分辨率4 cm-1，波长扫描4000～400 cm-1，扫描次数45次，每个样品平行测定3次，所有测定光谱图均扣除空气背景光谱。

1.3 数据处理

鉴于大黄红外光谱中所有特征吸收峰的峰位及吸收强度的显著性差异和特征性，实验选取其特征吸收峰的透过率为原始数据进行聚类分析。采用SPSS 19.0进行系统聚类分析，组间连接法为依据。

2 结果与讨论

2.1 大黄药材红外图谱分析

按“1.2.2”方法进行样品制备并测定，谱图见图1。由图1可知，大黄红外光谱在3425.58～3342.64 cm-1处有明显的宽且强的吸收峰，主要是N-H和O-H伸缩振动以及不饱和脂肪酸中＝C-H 伸缩振动引起；2929.87～2926.01 cm-1处有吸收强度中等的尖峰，主要是亚甲基的顺式伸缩振动；1618.28～1629.85 cm-1处为尖且强的吸收峰，主要为-CONH-的酰胺I带；1521.84～1512.19 cm-1处的小肩峰吸收强度较弱，主要为酰胺II带的特征吸收峰[15]；1450 cm-1和1370 cm-1附近为C-H弯曲振动吸收峰；1320 cm-1附近为叔胺基吸收峰；1240 cm-1附近的吸收峰主要为C＝O的酰胺III带[16]；1103.28～1024.20 cm-1为C-O-C对称伸缩振动峰；1000～500 cm-1吸收峰较弱且数目少。谱图可见不同产地大黄在吸收峰的数目、形状和强度等方面均存在一定的差异，因此，笔者拟采用共有峰率和变异峰率双指标序列的计算方法进一步量化研究。

2.2 不同产地大黄红外光谱共有峰率、变异峰率双指标序列分析

根据共有峰的定义[16]，对不同产地大黄的红外光谱共有峰进行确定，数据见表1。各产地大黄的共有峰率和变异峰率的双指标序列分析结果见表2。S2: S7（66.67; 21.43, 28.57）该序列是以S2为标准，对其他样品的红外光谱共有峰率和变异峰率进行计算，其中S2与S7的共有峰率即为66.67，S2的变异峰率为21.43，S7的变异峰率为28.57。13个大黄样品共有峰率在47.83%～94.12%，变异峰率在0.00%～58.33%，整体相似度较低。其中，共有峰率最高的是S1: S9和S4: S5，为94.12%，可见，S1与S9、S4与S5每对序列对应的大黄生长地域较近，生态环境相似，因此质量和成分最为接近，但也有少许产地差异。共有峰率最低的是S2:S13，为47.83%。变异峰率最高的是S6: S10，值为58.33%；其次是S10: S12、S10: S13和S11: S13，值均为54.55%，说明S10与S6、S12、S13化学成分相差较大，S10的产地为四川，而S6和S12均产自甘肃礼县，同时，S13与S10、S11差异也较大。变异峰率最低的是S1: S9、S4: S5、S4: S7和S6: S12，值为0.00%。样品之间的地域差异较大造成共有峰率偏低，变异峰率偏大，说明不同产地对于大黄所含化学成分有一定的影响。

根据上述分析得到的序列进行分组，由共有峰率可知最相近的样品对或组被分为下列5组。

第1组 S1: S9 (94.12; 0.00, 6.25), S4: S5 (94.12; 0.00, 6.25)；

第2组 S1: S2S5S8S12 (73.68; 14.29, S2: S9 (70.00; 21.43, 21.43), S8: S9 (70.00; 21.43, 21.43)；

第3组 S5: S9 (70.00; 21.43, 21.43), S2: S9 (70.00; 21.43, 21.43)，S8: S9 (70.00; 21.43, 21.43);

第4组 S2: S4S11 (65.00; 30.77, 23.08), S5: S11 (65.00; 30.77, 23.08), S3: S12 (65.00; 23.08, 30.77), S4: S12 (65.00; 30.77, 23.08), S5: S8 (65.00; 30.77, 23.08), S11: S12 (65.00; 30.77, 23.08)；

第5组 S4: S6 (61.90; 23.08, 38.46), S3: S7 (61.90; 23.08, 38.46), S5: S12S13 (61.90; 30.77, 30.77), S9: S13 (61.90; 30.77, 30.77), S2: S5 (61.90; 30.77, 30.77)。

由此可知，第1组序列共有峰率最高，样品质量最为接近；第2组中S2、S5、S8、S12相对于S1有相同的共有峰率为73.68, S1的变异峰率为14.29, S2、S5、S8、S12的变异峰率为21.43，表明4个样品之间的化学组分接近；第3组中S5和S9, S2和S9, S8和S9两两共有峰率和变异峰率均一样，说明大黄样品化学成分极为相似；第4组中S4、S11相对于S2有相同的共有峰率65.00，S2的变异峰率30.77较大，其余样品对或组两两拥有相似的共有峰率和变异峰率；第5组中S12、S13相对于S5共有峰率为61.90，变异峰率为30.77。

2.3 不同产地大黄红外指纹图谱聚类分析

聚类分析结果表明，13个大黄样品主要分为6类，聚类分析树状图见图2。其中第1类为 S4、S5和S7，对应的产地分别为甘肃省陇南市宕昌县哈达铺镇、甘肃省陇南市宕昌县官亭镇、甘肃省陇南市宕昌县；第2类为S6和S9，对应的产地分别为甘肃省礼县洮坪乡南山村、甘肃省礼县；第3类为 S1、S12和S13，对应的产地分别为甘肃省礼县上坪镇、甘肃省礼县沙金镇和甘肃省礼县草坪镇；第4类为S11，产地为甘肃省榆中县；第5类为S2、S3和S8；第6类为S10，产地为四川省，这与双指标序列分析法得到的结论相一致。如图2所示，从红外光谱数据的角度进行聚类分析不仅能够将大黄样品大致区分开，还可以准确地显示各产地样品间的显著性差异。同时，经过光谱比对发现聚为一类的样品其红外光谱较相似，同时地域位置也相近。

3 结论

本文采用傅里叶变换红外光谱技术建立了13个不同产地大黄的红外指纹图谱，并对其主要吸收特征峰进行官能团归属分析。在此基础上采用共有峰率和变异峰率双指标序列分析法具体量化不同地域大黄间的相似性，其中S1与S9、S4与S5样品质量相似性高，成分最为接近，但仍有少许差异，S2与S13共有峰率最低，S10与S6、S12、S13化学成分相差较大，同时又借助系统聚类分析对所有样品进行分类分析，结果表明两种分析方法得到的分类情况基本一致，可用于同步实现大黄产地及质量鉴别。因此，基于红外光谱的双指标序列分析法和聚类分析法的有效结合能够实现大黄真伪鉴别、产地判别和品质优劣考量，为大黄的质量控制和产地溯源提供可靠的技术支撑。

参考文献

[1]张瑛, 王亚丽, 潘新波. 当归历史资源分布本草考证[J]. 中药材, 2016, 39(8): 1908-1910.

[2]国家药典委员会. 中华人民共和国药典[S]. 北京: 中国医药科技出版社, 2015(1): 133-134．

[3]肖雪峰, 黄海波, 张稳, 等. 药用植物大黄的资源分布概况[J]. 吉林农业, 2018(11): 80-81.

[4]金丽霞, 金丽军, 栾仲秋, 等. 大黄的化学成分和药理研究进展[J]. 中医药信息, 2020, 37(1): 121-126.

[5]王玉, 杨雪, 夏鹏飞, 等. 大黄化学成分、药理作用研究进展及质量标志物的预测分析[J]. 中草药, 2019, 50(19): 4821-4837.

[6]仝君英. 大黄及其有效成分的药理学研究概况[J]. 中国民间疗法, 2019, 27(16): 104-105.

[7]吕晋, 王黛莹. 利用近红外光谱法建立大黄药材一致性检验模型[J]. 中国药师, 2018, 21(6): 1128-1130.

[8]赵振建. 红外光谱法鉴定大黄样品分析[J]. 北方药学, 2019, 16(6): 3.

[9]郭兴蕾, 徐海星, 许沛虎, 等. 不同产地大黄红外指纹图谱及相似度分析[J]. 中国药师, 2018, 21(7): 1174-1176.

[10]张萍, 牛明, 谭鹏, 等. 中药效应近红外谱的构建及应用—以大黄配方颗粒为例[J]. 药学学报, 2019, 54(12): 2162-2168.

[11]梁寒峭, 田婧, 冯瑞章, 等. 主成分分析和聚类分析用于中药大黄药材和提取物的质量评价[J]. 时珍国医国药, 2019, 30(5): 1036-1040.