一种大黄药材真伪及基源种属类别预测模型的构建方法技术

本发明专利技术提供了一种大黄药材真伪及基源种属类别预测模型的构建方法，该模型基于气质联用技术结合偏最小二乘判别分析，实现大黄正品与伪品及三个种的分类鉴别，包括以下步骤：（1）样品的收集；（2）样品的制备方法；（3）GC-MS数据的采集；（4）数据处理及多变量分析，通过比较不同来源大黄色谱行为的差异，进行聚类分析及主成分分析；（5）预测模型的构建；（6）模型的验证。本发明专利技术构建的两个类别预测模型，经验证具有100%的识别和预测准确性，本方法通过建模实现大黄真伪及种属鉴别，结论可靠，整体性强，克服了现行方法的缺陷，为大黄药材及饮片的真伪、种属鉴别提供了一种更易行、可靠的新思路。

【技术实现步骤摘要】

本专利技术涉及中药质量控制领域，具体涉及一种通过构建类别预测模型实现多种来 源大黄药材及饮片的分类鉴别方法，是基于气质联用方法并结合偏最小二乘判别分析法建 立预测模型，实现大黄正品与伪品的分类鉴别及药典收载的三个种大黄的分类鉴别。
技术介绍
大黄为常用中药，有泻下攻积，清热泻火，凉血解毒，逐瘀通经，利湿退黄的功 效。大黄为多基源药材，品种较多，2015版《中国药典》一部规定的寥科植物掌叶大黄 Rheum palmatum L、唐古特大黄 Rheum tanguticum Maxim, ex Balf.或药用大黄 Rheum officinale Baill.的干燥根及根莖，可作为正品大黄使用。藏边大黄（R · emodi Wall. )，华北大黄（R · franzenbachiiMunt.)，河套大黄（R · hotaoense C. Υ· Chenget C. Τ· Kao)，羊蹄（R. japonicusHoutt.)等为常见的伪品大黄。大黄分布广泛，化学成分 复杂，以蒽醌类成分为主，还含有二苯乙烯苷类、色酮类、萘酚苷类、鞣质类等。现行标准中 正品与伪品大黄的鉴别以土大黄苷作为检测指标，但有研究指出，药用大黄也含有一定量 的土大黄苷，这种方法已受到质疑。三个种大黄的鉴别，通常采用性状和显微鉴别方法，但 由于受显微特征相似度高及基源鉴别经验要求高的影响，应用较困难，市售大黄饮片鉴别 难度更大。近年来采用指纹图谱方法整体评价大黄的质量研究较多，通过相似度分析、聚类 分析和主成分分析等化学计量学分析手段在一定程度上可区分正品与伪品大黄，但它对多 基源药材的质量评价有一定局限性，无法对未知来源的药材做出判断，不能实现大黄3个 种的分类鉴别。
技术实现思路
本专利技术的目的是通过构建类别预测模型，提供一种用于中药材及饮片来源鉴别的 方法，具体是将以统计分析方法为基础的类别预测模型用于中药材及饮片的鉴别研究，构 建区分大黄正品与伪品、三个不同种的类别预测模型。 为此，本专利技术提供的大黄类别预测模型的构建方法，包括以下步骤： (1)不同来源大黄药材的收集及鉴定，包括三个不同种大黄及常见伪品大黄，用于模型 训练和验证。 (2 )大黄测试溶液的制备。 (3)气相色谱质谱数据的采集，通过气质联用仪，采集大黄测试溶液的总离子流 图。 (4)数据处理：通过NIST AMDIS (自动质谱解卷积和鉴定系统）和Agilent Mass Profiler Professional (MPP)多变量统计分析软件对气相色谱质谱数据进行处理。通过 进行丰度过滤、时间对齐和质量数校正、分组匹配、频率过滤、模式识别等，根据不同来源大 黄色谱图的差异性比较，进行主成分分析及聚类分析。 (5)类别预测模型的建立：采用偏最小二乘判别分析（PLS-DA)法，通过多变量关 系的筛选、离子特征的提取，建立大黄正品与伪品及三个种的区分模型。 (6)预测模型的验证：通过交叉验证方法，对模型的识别和预测准确性进行验证。 根据本专利技术的方法，步骤（2)中所述大黄样品溶液制备方法具体为：将大黄药材 粉碎过5号筛，精密称取1.(^，用甲醇201^超声提取0.511，离心，取200以1^上清液，蒸 干，用ImL丙酮溶解，0. 22 μ m滤膜滤过，得供试品溶液。取大黄对照药材lg，同法制成对 照药材溶液。 根据本专利技术的方法，步骤（3)中所述的气相色谱质谱数据的采集方法具体为：GC 采用DB-5MS色谱柱，进样量I yL，分流/不分流进样口温度250 °C，柱箱程序升温，70 °C 保持〇. 5 min，以8 °C/min升至280°C，保持10 min，载气为氦气，恒流，1.0 mL/min，传输 线温度270 °C，MS条件为离子化模式EI方式，离子源温度230 °C，四极杆温度150 °C，扫 描范围 50 - 800 m/z。 根据本专利技术的方法，步骤（5)中所述的类别预测模型的建立方法，具体步骤为： (a)质量控制：采用聚类分析（CA)和主成分分析（PCA)，对训练集样品进行无监督的统计分 析，直观的表征样品的分类情况，并确定有无离群样本。通过筛选数据和质量控制分析的数 据用于创建样品预测模型。（b)PLS-DA分类预测模型的建立：通过数据的筛选，采用偏最小 二乘判别分析法建立用于类别预测的多变量模型，采用该模型，可以实现大黄的正品与伪 品以及3个不同种的分类预测。 根据本专利技术的方法，步骤（6)中所述的模型验证方法采用交叉验证方法，通过训练 集样品和测试集样品进行模型验证。【附图说明】 图1为本专利技术提供的大黄药材及饮片真伪及基源种属类别预测模型构建方法流 程图即大黄药材及饮片真伪及基源种属分类预测模型构建方法流程图。 图2为本专利技术提供的大黄样品的气相色谱质谱总离子流图即样品溶液GC-MS总离 子流图。 图3为本专利技术提供的聚类（CA)分析图即大黄样品聚类分析图。 图4为本专利技术提供的主成分（PCA)分析得分图即PCA分析得分图。 图5为本专利技术提供的正品与伪品大黄区分模型的PLS-DA t得分图即正品与伪品 大黄区分模型的PLS-DA t得分图（A为伪品大黄，B为正品大黄）。 图6为本专利技术提供的药典收载的3个不同种大黄区分模型的PLS-DA t得分图即 3个不同种大黄区分模型的PLS-DA t得分图（A为唐古特大黄，B为掌叶大黄，C为药用大 黄）。【具体实施方式】 通过下面的实施例可以对本专利技术进行进一步的描述，然而，本专利技术的范围并不限 于下述实施例。本领域的专业人员能够理解，在不背离本专利技术的精神和范围的前提下，可以 对本专利技术进行各种变化和修饰。 A样品、仪器与试药 仪器与试药：Agilent 6890GC/5973MS (Agilent公司）。甲醇、丙酮为Merk公司色谱 纯试剂。 样品：本研究共收集大黄药材及饮片共27批（S1-S27)，经鉴定，来源包括掌叶 大黄、唐古特大黄、药用大黄、藏边大黄、华北大黄等，详见表1。唐古特大黄对照药材(批 号120902-200609)、掌叶大黄对照药材(批号121249-201304)、药用大黄对照药材(批号 120984-201202)，土大黄对照药材（批号 121291-201102)，华北大黄（批号 121676-201201) 来自中国食品药品检定研究院。 表1不同来源的大黄样品 LlN 丄UOldSSb丄 A yJ^ rVJ zI/ /B试验部分 GC 条件：色谱柱：DB_5ms 5%phenyl Methyl Siloxane (30mX0. 25m mXO. 25 μπι); 分流/不分流进样口温度250 °C，进样量I μ L，柱箱程序升温，70 °C保持0.5 min，以8 °C/min升至280°C，保持10 min，载气为氦气，恒流，1.0 mL/min，传输线温度270 °C。 MS条件：离子化模式EI，离子源温度230 °C，四极杆温度150 °C，采集方式，全扫 描，扫描范围50 -800 m/z。 供试品溶液的制备：将大黄药材粉碎过五号筛，精密称取药材粉末I. 0g，用甲 醇20mL超声提取0.当前第1页1 2 本文档来自技高网...

【技术保护点】
一种大黄药材真伪及基源种属类别预测模型的构建方法，其特征在于，该模型的建立是基于气相色谱质谱联用及偏最小二乘判别分析法，以已知真伪和种属的大黄药材及饮片样品作为模型的训练集和测试集建立模型，该方法包括如下步骤：（1）不同来源大黄药材及饮片的收集，包括三个不同种大黄及常见伪品大黄，用于模型训练和测试；（2）大黄测试溶液的制备；（3）气相色谱质谱原始数据的采集；（4）数据处理；（5）类别预测模型的建立；（6）模型的验证。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈安珍，蒋万枫，孙磊，袁航，吴爱英，
申请(专利权)人：青岛市食品药品检验研究院，
类型：发明
国别省市：山东;37