一种金钗石斛的质量检测方法技术

本发明专利技术公开金钗石斛的质量检测方法，包括：1)以ITS‑26SE和ITS‑17SE为引物，进行测序，以鉴定待测石斛药材的品种；2)对样本容量为n的样本进行色谱检测，获取以化学小分子成分夏佛托苷和/或柚皮素作为参照成分的检测数据；3)对样本分别进行指纹图谱检测，获取金钗石斛的全化学成分的指纹图谱峰面积值；4)以色谱数据中夏佛托苷和/或柚皮素的成分含量值作为响应变量，将指纹图谱中的其它成分的峰面积值作为自变量建立分析模型，通过Lasso方法筛选变量建立化学小分子成分的相关特征指纹图谱模型。通过一代测序及特征指纹图谱，精确地鉴别和控制金钗石斛药材的质量。

A quality control method for Dendrobium nobile

The invention discloses a quality detection method for Dendrobium nobile, which comprises: 1) sequencing with ITS_26SE and ITS_17SE as primers to identify the varieties of Dendrobium nobile medicinal materials to be tested; 2) chromatographic detection of samples with n sample size to obtain the detection data with the chemical small molecular components of Charlotin and/or naringin as the reference components; 3) The fingerprints of the samples were detected to obtain the peak area values of the total chemical components of Dendrobium nobile; 4) The peak area values of the other components in the fingerprints were used as independent variables to establish the analytical model by Lasso method, taking the content values of the components of Charvotopin and/or naringin in the chromatographic data as the response variables. Screening variables to establish the fingerprint model of chemical small molecules. The quality of Dendrobium nobile Lindl. Was accurately identified and controlled by generation sequencing and characteristic fingerprints.

【技术实现步骤摘要】
一种金钗石斛的质量检测方法
本专利技术属于中药成份检测分析领域，具体涉及一种金钗石斛的质量检测方法。
技术介绍
金钗石斛(DendrobiumnobileLindley)：茎直立，肉质状肥厚，稍扁的圆柱形，长10cm～40cm，直径可达1.3cm，上部多少回折状弯曲，基部明显收狭，不分枝，具多节，节有时稍肿大；节间多少呈倒圆锥形，长2cm～4cm，干后金黄色。叶基部具抱茎的鞘。总状花序常从具叶或落叶的老茎中部以上发出，长2cm～4cm，具1朵～4朵花；花序柄长0.5cm～1.5cm，基部具数枚筒状鞘；花苞片膜质，卵状披针形，长0.6cm～1.3cm，先端渐尖；花梗和子房淡紫色，长0.3cm～0.6cm；花大，白色带淡紫色先端，有时全体淡紫红色，或除唇瓣上具一个紫红色斑块外其余均为白色；中萼片，长圆形，长2.5cm～3.5cm，宽1cm～1.4cm，先端钝，具5条脉；侧萼片与中萼片相似，先端锐尖，基部歪斜，具5条脉；萼囊圆锥形，长0.6cm；花瓣多少斜宽卵形，长2.5cm～3.5cm，宽1.8cm～2.5cm，先端钝，基部具短爪，全缘，具3条主脉和许多支脉；唇瓣宽卵形，长2.5cm～3.5cm，宽2.2cm～3.2cm，先端钝，基部两侧具紫红色条纹并且收狭为短爪，中部以下两侧围抱蕊柱，边缘具短的睫毛，两面密布短绒毛；唇瓣中央具1个紫红色大斑块；蕊柱绿色，长0.5cm，基部稍扩大，具绿色的蕊柱足；药帽紫红色，圆锥形，密布细乳突，前端边缘具不整齐的尖齿。喜在温暖，潮湿，半阴半阳的环境生长。原产地主要分布于亚洲热带和亚热带，澳大利亚和太平洋岛屿，全世界约有1000多种。中国约有76种其中大部分分布于西南、华南、台湾等地。有滋阴清热，生津止渴的功效，用于热病伤津、口渴舌燥、病后虚热等治疗。石斛一直被人们视为珍贵的中草药，具有十分重要的滋补功效。在临床上，石斛被用于治疗多种疾病，具有增强免疫力、抗氧化、降血糖和抑制癌症等药理功效。由于人为长期无节制采挖及不合理利用石斛，其野生资源日趋减少，市场上出现了一些以假乱真、以次充好的现象。此外，由于石斛品种较多，其品种间的杂交使得其近缘的种存在性状交叉现象，分类区别比较困难。因此，有必要建立石斛的特征指纹图谱对石斛的药材质量进行评价。色谱指纹图谱是一种综合的、可量化的鉴别手段，作为一种全局分析的全景模式，反映的是样品的整体情况。但在色谱指纹图谱分析过程中，很多数据都是高维的，即数据包含很多属性或特征，比如有关金钗石斛色谱指纹图谱，就能更好地对金钗石斛进行描述，但在实际应用中对高维数据直接进行操作将会面临“维数灾难”的问题，“维数灾难”会导致建模过程所需要的样本数随着维数升高而呈指数级增长。面对高维数据，常规的最小二乘方法不再适用，为了提高模型的可解释性和预测的准确度，变量选择变得很重要。如何高效地从众多的变量中筛选出对因变量有重要作用的若干个变量，是在对指纹图谱进行分析时亟需解决的问题。目前国家药典采用定量测定中药材中某一活性成分或有效成分即小分子成分的含量的高低来评价其质量。但研究证明，中药的疗效是来自其多种“活性成分”之间的协同作用，甚至是被普遍公认的有效的“活性成分”与“非活性成分”之间的协同作用或“生克作用”才能达到中药的疗效，而不是某一活性成分单独作用的结果。在中医理论指导下的中药，任何一种活性成分均不能全面反映中医用药所体现的整体疗效。
技术实现思路
本专利技术提供了一种金钗石斛的质量检测方法，通过一代测序鉴定石斛药材的品种，利用Lasso方法筛选变量建立金钗石斛中的化学小分子成分的相关特征指纹图谱模型，通过一代测序和相关特征指纹图谱模型准确评价金钗石斛的药材的质量。本专利技术的目的是通过以下技术方案实现的：一种金钗石斛的质量检测方法，包括：1)以ITS-26SE：5’GAATTCCCCGGTTCGCTCGCCGTTAC3’；ITS-17SE：5’ACGAATTCATGGTCCGGTGAAGTGTTCG3’为引物，进行PCR扩增测序，以鉴定待测石斛药材的品种为金钗石斛样本；2)对样本容量为n的金钗石斛样本进行色谱检测，获取以化学小分子成分夏佛托苷和/或柚皮素作为参照成分的检测数据；3)对样本分别进行指纹图谱检测，获取金钗石斛的全化学成分的指纹图谱峰面积值；4)以色谱数据中夏佛托苷和/或柚皮素的成分含量值作为响应变量，将指纹图谱中的其它成分的峰面积值作为自变量建立分析模型，通过Lasso(TheLeastAbsoluteShrinkageandSelectionOperator)方法筛选变量建立化学小分子成分的相关特征指纹图谱模型，其基本模型为：y＝XTβ+ε其中，y为响应变量，y＝(y1,y2,...,yn)T；X为矩阵，X＝(x1,x2,...,xn)T；E(ε)＝0；Var(ε)＝σ2In；ε为模型的随机误差项；σ是随机误差项的标准差；n为样本量；In是一个n×n的单位阵。假定随机项服从古典假定，即：(1)随机项具有零均值，E(εi|xi)＝0；(2)随机项具有同方差，Var(εi|xi)＝σ2；(3)随机项无序列相关性，Cov(εi,εj)＝0,i≠j；(4)ε服从正态分布，εi～N(0,σ2)。随机项的方差矩阵是一个对角线为σ2，其他地方为0的方阵，如下所示：其中，In是一个n×n的单位阵，n为数据的样本量，进一步地，所述Lasso方法是通过式Ⅰ计算实现的：在式Ⅰ中，n为样本量；p*为变量数；p为样本的维数；y＝(y1,y2,...,yn)T∈Rn为响应变量；x＝(x1,x2,...,xn)T为n×p的设计矩阵，包含对响应变量有影响的所有候选自变量；；λ为调整参数；为惩罚函数；β0的含义为公式的截距项，也就是当所有自变量x为0时响应变量y的值；βj的含义是自变量xj的系数，即自变量xj对响应变量y的影响程度。进一步地，所述λ的选择方法为K折交叉验证法：K-foldCV：其中，K为5或10。进一步地，所述分析模型为取CV值最小的子模型。进一步地，所述λ的选择遵循GCV准则，所述GCV准则定义为：其中，SSEk是含有k个变量的CV子模型的残差平方和，df＝trace{P(λ)}；trace表示矩阵的迹。在线性代数中，一个n×n的矩阵A的主对角线(从左上方至右下方的对角线)上各个元素的总和被称为矩阵A的迹(或迹数)，一般记作tr(A)。也就是说，df等于矩阵P(λ)中主对角线上所有元素的和。进一步地，所述分析模型为取GCV值最小的子模型。进一步地，当色谱数据呈现超高维情形时，首先采用以下SIS(SureIndependenceScreening)方法筛选变量，再利用Lasso方法处理；SIS：Mγ＝{1≤i≤p:|ωi|是前|γn|个比较大的}其中，M*＝{1≤i≤p:βi≠0}表示真模型中非零系数的下标集；s＝|M*|表示非零系数的个数；ω＝(ω1,ω2,...,ωp)T＝XTy；对于任意给定的γ∈(0,1)，ω的p个元素按绝对值从大到小排列并且定义；此时|γn|＜n，选取Mγ中下标对应的自变量，是超高维降到d(d≤n)维；其中，d＝n或者d＝[n/logn]。本专利技术还提供了上述方法在金钗石斛质量控制中的应用。与现有技术相比，本专利技术至少具有以下优点：(a)本本文档来自技高网...

【技术保护点】
1.一种金钗石斛的质量检测方法，其特征在于，包括：1)以ITS‑26SE：5’GAATTCCCCGGTTCGCTCGCCGTTAC 3’和ITS‑17SE：5’ACGAATTCATGGTCCGGTGAAGTGTTCG 3’为引物，进行PCR扩增测序，以鉴定待测石斛药材的品种为金钗石斛；2)对样本容量为n的样本进行色谱检测，获取以化学小分子成分夏佛托苷和/或柚皮素作为参照成分的检测数据；3)对样本分别进行指纹图谱检测，获取金钗石斛的全化学成分的指纹图谱峰面积值；4)以色谱数据中夏佛托苷和/或柚皮素的成分含量值作为响应变量，将指纹图谱中的其它成分的峰面积值作为自变量建立分析模型，通过Lasso(The Least Absolute Shrinkage and Selection Operator)方法筛选变量建立化学小分子成分的相关特征指纹图谱模型，其基本模型为：y＝XTβ+ε其中，y为响应变量，y＝(y1,y2,...,yn)T；X为矩阵，X＝(x1,x2,...,xn)T；E(ε)＝0；Var(ε)＝σ2In；ε为模型的随机误差项；σ是随机误差项的标准差；n为样本量；In是一个n×n的单位阵。...

【技术特征摘要】
1.一种金钗石斛的质量检测方法，其特征在于，包括：1)以ITS-26SE：5’GAATTCCCCGGTTCGCTCGCCGTTAC3’和ITS-17SE：5’ACGAATTCATGGTCCGGTGAAGTGTTCG3’为引物，进行PCR扩增测序，以鉴定待测石斛药材的品种为金钗石斛；2)对样本容量为n的样本进行色谱检测，获取以化学小分子成分夏佛托苷和/或柚皮素作为参照成分的检测数据；3)对样本分别进行指纹图谱检测，获取金钗石斛的全化学成分的指纹图谱峰面积值；4)以色谱数据中夏佛托苷和/或柚皮素的成分含量值作为响应变量，将指纹图谱中的其它成分的峰面积值作为自变量建立分析模型，通过Lasso(TheLeastAbsoluteShrinkageandSelectionOperator)方法筛选变量建立化学小分子成分的相关特征指纹图谱模型，其基本模型为：y＝XTβ+ε其中，y为响应变量，y＝(y1,y2,...,yn)T；X为矩阵，X＝(x1,x2,...,xn)T；E(ε)＝0；Var(ε)＝σ2In；ε为模型的随机误差项；σ是随机误差项的标准差；n为样本量；In是一个n×n的单位阵。2.根据权利要求1所述的方法，其特征在于，所述Lasso方法是通过式Ⅰ计算实现的：在式Ⅰ中，n为样本量；p*为变量数；p为样本的维数；y＝(y1,y2,...,yn)T∈Rn为响应变量；x＝(x1,x2,...,xn)T为n...

【专利技术属性】
技术研发人员：赵田，刘仲健，
申请(专利权)人：北京蓝标一成科技有限公司，
类型：发明
国别省市：北京,11