近紅外光譜技術在名貴中藥材質量評價中的研究進展

黃志偉，郭 拓，黃文靜，李 冰，徐浩然，葉楚璇，嚴詩楷, 3, 6，肖 雪, 6*，羅國安, 4, 5

近紅外光譜技術在名貴中藥材質量評價中的研究進展

黃志偉1，郭 拓2, 6*，黃文靜1，李 冰3, 4，徐浩然1，葉楚璇1，嚴詩楷1, 3, 6，肖 雪1, 6*，羅國安1, 4, 5

1. 廣東藥科大學中醫(yī)藥研究院，廣東 廣州 510006 2. 陜西科技大學電子信息與人工智能學院，陜西 西安 710021 3. 上海交通大學藥學院，上海 200240 4. 中藥制藥共性技術國家重點實驗室，山東 臨沂 276000 5. 清華大學 分析中心，北京 100086 6. 國家藥品監(jiān)督管理局藥品快速檢驗技術重點實驗室（廣東省藥品檢驗所），廣東 廣州 510663

名貴中藥材療效顯著，但其產(chǎn)量低、價格昂貴，市場上出現(xiàn)了以假充真、以劣充優(yōu)和摻偽等現(xiàn)象，嚴重影響其臨床應用。中藥質量是保證中藥療效的重要因素，目前常用的中藥質量評價方法有理化檢驗法、薄層色譜法、氣相色譜法、液相色譜法等。這些方法極大地保證了中藥的質量可靠性，但也存在一些局限性，如需要對樣本進行預處理和破壞性分析、需用專業(yè)儀器設備和檢測方法、檢測時間長、須配備專業(yè)的技術人員等。因此快速、無損、高通量的新型技術在中藥質量評價中越來越受到重視，特別是以近紅外光譜為代表的光譜檢測技術得到了廣泛的應用。從真?zhèn)舞b定、種類鑒定、含量測定、質量綜合評價等方面綜述了近紅外技術在名貴中藥材中的最新研究進展，并對其前景進行了展望。

近紅外光譜；中藥材；質量評價；定性分析；定量分析

中醫(yī)藥具有完整的理論體系，凝聚了中國人民和中華民族的博大智慧，為中華民族幾千年來的健康繁衍和繁榮昌盛做出了巨大的貢獻。近年來中藥由于活性成分豐富的研究成果和對突發(fā)傳染性疾病治療控制的突出表現(xiàn)受到了世界各地的廣泛關注[1-3]。同時，這也對中藥材和中藥制劑的品質提出了更高的要求。名貴中藥材是一類具有典型代表性的藥材，其質量評價與臨床應用格外受到重視。

名貴中藥材療效確切，使用廣泛，民眾認可度高，但由于生長條件苛刻、入藥部位特殊、炮制考究等原因，導致產(chǎn)量低、價格昂貴。目前我國中藥市場上名貴中藥材質量良莠不齊，存在著偽品冒充正品或摻偽、非法染色、硫熏過度和提取藥渣再次流通等現(xiàn)象[4]。從2013～2018年的全國市場質量抽檢結果可知，中藥材及飲片總體合格率雖逐年上升，但2018年其總體合格率也僅為88%[5]。名貴中藥材及飲片由于價格高昂，不可避免的成為了不法商家摻偽、造假的主要對象。如常見的人參[6]、鹿茸[7]等名貴中藥材均存在不同程度的假冒偽劣現(xiàn)象，引發(fā)人民群眾對中藥材質量的嚴重擔憂。因此加快名貴中藥材的現(xiàn)代化質量檢測研究，是提高我國中藥材及飲片整體質量水平的關鍵。

傳統(tǒng)的中藥質量評價以基礎鑒別法（基原、性狀、顯微、理化等）為主。隨著中藥質量研究發(fā)展，高效液相色譜（high performance liquid chromatography，HPLC）、氣相色譜（gas chromatography，GC）、質譜（mass spectrometry，MS）及其聯(lián)用技術被廣泛的應用。但是，這些檢測方法大多需要昂貴的儀器設備或復雜的前處理過程，對操作人員的專業(yè)性也有較高的要求，難以實現(xiàn)大范圍檢測和普遍應用。亟需尋找一種分析成本低、操作難度小、可推廣性強的分析測試手段。

近紅外（near infrared，NIR）光譜技術具有操作簡單、分析時間短、成本低的特點，近幾年來發(fā)展迅速，在農(nóng)業(yè)[8]、食品[9]、石油化工[10]和醫(yī)藥[11]行業(yè)等均有廣泛的應用，并取得了規(guī)?；膽贸尚АIR光譜技術在食品和農(nóng)產(chǎn)品的場地溯源、營養(yǎng)成分含量測定、等級分類及在線檢測等方面中應用廣泛[12]。中藥材多源于天然動植物，NIR光譜技術在中藥的質量檢測和質量控制的應用中具有巨大的潛力。在中藥領域中，NIR光譜技術已在中藥特別是名貴中藥材的真?zhèn)舞b別、種類鑒別、產(chǎn)地鑒別、質量評價等方面得到廣泛的研究和應用[13]。本文對近幾年近紅外光譜技術在名貴中藥材的質量評價研究進行綜述，并對其未來發(fā)展方向進行展望（圖1）。

圖1 NIR光譜技術在名貴中藥材質量評價中的應用

1 NIR光譜技術與特點

1.1 NIR光譜簡介

NIR是介于可見光與中紅外光譜之間的電磁波，美國材料與試驗協(xié)會（American Society for Testing and Materials，ASTM）規(guī)定其波長范圍為780～2526 nm（12 820～3959 cm?1）[14]。NIR光譜的產(chǎn)生，主要是由于分子的振動具有非諧振性，能從基態(tài)向高能級進行躍遷。在NIR光譜中，主要來源于C-H、O-H、N-H等含氫基團倍頻和合頻的吸收。由于不同基團產(chǎn)生的NIR光譜在吸收波長和強度上有所不同，樣品組成的變化也會導致其光譜特征的改變，這為近紅外光譜的定性分析與定量分析奠定了基礎[15]。

1.2 NIR光譜分析技術原理

NIR光譜分析技術由光譜儀、化學計量學軟件和校正模型3部分組成。光譜儀用于樣本光譜的采集，化學計量學軟件用于校正模型構建，而基于建模樣本的光譜及定標數(shù)據(jù)所構建的校正模型則用于對待測樣本的定性或定量檢測。

NIR光譜儀器從分光系統(tǒng)可分為固定波長濾光片、光柵色散、聲光可調濾光器和傅立葉變換等類型。NIR光譜儀擁有多種檢測終端，如流通池、透射探頭和積分球等，采用透射（透反射、漫透射）、反射（漫反射）等檢測方法可實現(xiàn)對液體和固體顆粒、粉末等的測定[16-19]。

校正模型在NIR光譜技術的研究中處于關鍵地位，一個理想的校正模型具有良好的穩(wěn)健性，其預測能力也出色，可以實現(xiàn)在預定參數(shù)范圍內的良好應用。構建一個理想的校正模型，往往需要相對嚴格的前置條件，主要包括：（1）待測樣品近紅外光譜與其相對應的目標理化性質值的準確獲??；（2）適合的光譜預處理方法和波長（波段）選擇方法；（3）優(yōu)選的擬合算法，如運用偏最小二乘法（partial least squares，PLS）、人工神經(jīng)網(wǎng)絡、支持向量機等算法的一種或多種，實現(xiàn)最優(yōu)校正模型的構建。校正模型構建及優(yōu)化的過程，也需要進行綜合評價以篩選。常用的評價參數(shù)主要決定系數(shù)（2）、交叉驗證均方根誤差（RMSECV）、預測均方根誤差（RMSEP）、相對分析誤差（RPD）等。

化學計量學軟件是實現(xiàn)模型構建與應用的媒介，可以快速地完成校正模型的構建及評價。一般來說，化學計量學軟件可分為3類。一種是NIR光譜儀供應商提供的專業(yè)化學計量學軟件；一種是偏重于建模的專業(yè)處理軟件，如Unscrambler、Matlab等；還有一種是用戶自行開發(fā)的專用軟件。

1.3 NIR光譜的技術特點

NIR光譜分析技術相較于傳統(tǒng)的分析方法具有“多、快、好、省”的優(yōu)勢，主要體現(xiàn)在：（1）分析對象多：采用不同的測量方式采集光譜，可以對均勻透徹的液體[16]、固體顆粒及粉末[17]、粘稠狀液體如石油[18]、牛奶[19]等進行測量。（2）分析速度快，效率高：測定速度可以達到秒級或者毫秒級。（3）環(huán)境友好：可實現(xiàn)樣品的直接檢測，一般無需對樣品進行前處理，避免了化學試劑的使用，對環(huán)境不造成污染。（4）檢測成本低：NIR光譜技術屬于無損檢測技術，避免了試劑的使用及樣品的浪費；同時NIR光譜技術操作簡單，對專業(yè)人員的需求低，光譜信號可通過石英或玻璃光纖進行傳導，實現(xiàn)在線實時質量分析，極大的降低了人力成本。

作為一種新興分析技術，NIR光譜技術近幾年來迅速發(fā)展，但其也存在著一些弱點：（1）作為一種間接檢測技術，NIR光譜技術需基于標準方法獲得原始數(shù)據(jù)以建立模型，原始數(shù)據(jù)的準確性和模型建立的合理性直接影響其預測結果。（2）NIR譜圖重疊嚴重，檢測限一般認為是0.1%～0.01%，目前對痕量成分分析仍存在一定難度。（3）NIR光譜的應用比較適合于樣品數(shù)量較多且具有日常需求，不太適用于樣本數(shù)量較少或分散性樣品的分析。（4）校正模型的構建與應用，需投入相對較多的人力和物力，且這個過程需要專業(yè)人員的深度介入。

2 基于NIR光譜技術的中藥材真?zhèn)舞b別

以形態(tài)學特征為主的性狀和顯微鑒定，是鑒別中藥材的簡單、快速手段，但鑒定者須具備較高的專業(yè)能力和豐富的實踐經(jīng)驗。薄層色譜法（thin-layer chromatography，TLC）可在較短的時間內對中藥進行鑒定，但是專屬性較差，難以對種源相近的中藥材進行判別[20]。因此，選擇快速有效的近紅外光譜技術實現(xiàn)名貴中藥材的真?zhèn)舞b別具有重要意義。

2.1 正品與偽品鑒別

貝母始載于《神農(nóng)本草經(jīng)》，而后歷代本草著作均有記載。《中國藥典》2020年版共收載川貝母、浙貝母、平貝母、伊貝母和湖北貝母共5個百合科植物貝母品種。其中川貝母最為常用，且藥效價值高，市售價格與其它品種貝母差別甚大。市場上以浙貝母、平貝母、伊貝母等混充川貝母的現(xiàn)象十分普遍?！吨袊幍洹?020年版使用貝母素乙作為川貝母及浙貝母的TLC鑒別對照品[21]，鑒定方法缺乏專屬性，難以實現(xiàn)川貝母與其它貝母的有效鑒別。周婷等[22]采用值聚類法并結合PLS法對川貝母及浙貝母、平貝母、湖北貝母、伊貝母的NIR光譜進行聚類分析，浙貝母、湖北貝母、平貝母、伊貝母的類型值分別為1.20、1.91、3.45、4.02，川貝母的類型值區(qū)間為5.06～5.96。該研究在實現(xiàn)了川貝母和其他貝母有效區(qū)分的同時，也實現(xiàn)了對暗紫貝母、瓦布貝母、卷葉貝母、太白貝母、梭砂貝母和甘肅貝母等6個品種川貝的初步區(qū)分。

黃必勝等[23]利用聚類分析法建立了龍齒藥材的NIR光譜定性模型，能夠快速鑒別龍齒藥材真?zhèn)?，識別率為82%。瞿海斌等[24]采集阿膠粉末的NIR譜圖，對其進行多重散射校正和小波變換光譜預處理并分別運用相似度匹配和馬氏距離方法建立判別模型，結果表明所建立的NIR模型都能準確鑒別出真品及偽品阿膠。王鋼力等[25]采集了300份中國紅參和多種偽品紅參的NIR漫反射光譜，采用判別分析（discriminatory analysis，DA）法建立其定性鑒別模型，結果顯示模型驗證的預測結果與實際完全一致，證明NIR光譜可準確鑒別紅參與其偽品。

2.2 正品與摻偽品鑒別

NIR光譜技術不僅可以實現(xiàn)名貴中藥材的真?zhèn)舞b別，還可實現(xiàn)摻雜部分偽品的藥材鑒別，并對其摻偽量進行檢測。

三七為五加科植物三七(Burk.) F. H. Chen的干燥根和根莖[21]，具有散瘀止血，消腫定痛的功效，在中醫(yī)骨傷科、外科、婦科等具有廣泛應用。三七粉與苦參粉或玉米粉口感和外觀較為相似的，且摻假成本低，易摻入苦參粉或玉米粉。Nie等[26]分別采用可見光、短波近紅外光譜和長波近紅外光譜三個波長范圍，分別基于偏最小二乘回歸（partial least squares regression，PLSR）和最小二乘支持向量機（least squares support vector machine，LSSVM）2種校正方法建立摻假三七粉末中的三七定量模型，優(yōu)先了基于長波近紅外光譜的PLSR模型是定量測定三七的最佳模型，實現(xiàn)了對摻偽三七粉末的快速定量分析。

Hao等[27]基于偏最小二乘判別分析（partial least squares discriminant analysis，PLS-DA）建立了NIR判別模型，對純霍山石斛和摻雜河南石斛的霍山石斛進行了區(qū)分，同時利用PLSR模型來實現(xiàn)霍山石斛樣品中河南石斛摻雜量的定量檢測。PLS-DA模型的2值為0.489 8，預測集均方差為0.155 4，驗證集準確率達到100%；PLSR模型的2為0.994 6，預測集均方差為2.38。胡鋼亮等[28]通過PLSR建立了川貝母中浙貝母摻人量的NIR檢測方法，預測值與真值相關系數(shù)為0.999 7，樣品回收率為97.96%～100.90%，RSD為0.81%，實現(xiàn)了川貝中浙貝摻入量的快速檢測。

3 基于NIR光譜技術的中藥材種類鑒別

名貴中藥材常存在一藥多源的現(xiàn)象，且多數(shù)來源于同一科屬內的多種形態(tài)相近的植物，傳統(tǒng)方法難以實現(xiàn)其快速鑒別。部分名貴中藥材還受產(chǎn)地或種植、培育方式等影響而導致功效上的較大差異。NIR光譜技術在名貴中藥材的真?zhèn)舞b別、產(chǎn)地鑒別以及含量測定等方面已得到廣泛研究，但對于同一種屬的近緣藥材之間以及不同培育、栽培方式藥材間的分類鑒定研究相對偏少。

3.1 同屬中藥種類鑒定

紅景天來源于景天科植物大花紅景天(Hook. f. et Thoms.) H. Ohba的干燥根和根莖[21]。但紅景天屬植物種類繁多，我國的紅景天屬植物便有73種；Li等[29]基于傅立葉變換近紅外光譜（fourier transform near infrared spectroscopy，F(xiàn)T-NIR）技術，結合化學計量學分析實現(xiàn)對大花紅景天、長圓紅景天、狹葉紅景天和短柄紅景天4種不同品種紅景天的快速、無損判別分析。

靈芝應用廣泛，但品種繁多，不同種類靈芝之間功效差異較大。楊吉等[30]采集了9種靈芝540個樣品的NIR光譜，建立了基于多元散射校正光譜預處理的主成分分析（principal component analysis，PCA）定性模型，對不同品種靈芝的分類歸屬達到100%的正確識別率，實現(xiàn)對靈芝種類的快速、無損檢測。

3.2 同種中藥不同培育（種植）方式鑒別

牛黃為?？苿游锱melin的干燥膽結石，具有清心、豁痰、開竅、涼肝、息風、解毒的功效。體外培育牛黃以牛的新鮮膽汁作母液，加入去氧膽酸、膽酸、復合膽紅素鈣等制成；人工牛黃則是參照天然牛黃的已知成分，人工配制而成。3種不同培育方式的牛黃雖同為藥典收錄，但其價格差異甚大。聶黎行等[31]采用NIR光譜，并利用基于分析的判別對體外培育牛黃、人工牛黃和天然牛黃進行判別分析，結果表明3種牛黃主成分空間分布差異明顯，不同牛黃均被準確分類，校正集和驗證集的誤判數(shù)均為0，模型準確率為100%。

人參為五加科植物人參C. A. Mey.的干燥根和根莖，具有大補元氣、復脈固脫、補脾益肺、生津養(yǎng)血等功效。由于資源匱乏，目前純野外生長的人參已被列入我國一級保護植物，《中國藥典》自2005年版起不再收載野山參?，F(xiàn)市場所售的野山參多指人工播種于山林，在野生狀態(tài)下自然生長一定年限后的林下參。邢琳等[32]使用FT-NIR儀采集了不同栽培方式人參樣品10 000～4100 cm?1的NIR光譜圖，并結合化學計量學軟件建立了池底、野山參移栽、野山參和趴貨4種人參的定性聚類模型。所建立的定性聚類模型對4種樣品的識別率分別為98%、97%、98%、97%，對4種人參建模樣品驗證合集的識別率達到98%。

NIR光譜技術通過模型的建立，實現(xiàn)了同一種藥材間不同培育、栽培方式藥材間的快速分類，有利于名貴中藥材市場上種植品冒充野生品、人工合成品冒充天然品等魚目混珠現(xiàn)象的改善，并推動中醫(yī)臨床的精準用藥。

3.3 中藥材產(chǎn)地鑒別

中藥產(chǎn)地來源不同，其質量也會有所差異。道地藥材往往因其品種優(yōu)良、環(huán)境適宜、加工精良而具有更好的質量和療效[33]。中藥材的產(chǎn)地識別有利于保障中藥療效和用藥安全。Chen等[34]對來源于3個不同省份的6個不同產(chǎn)地的靈芝樣品進行近紅外光譜的采集并采用PLS-DA、PCA和DA進行建模分類。結果表明，對于來自3個不同省份樣品的鑒別，PLS-DA模型實現(xiàn)100%的正確分類，對于6個不同產(chǎn)地的樣本，DA模型實現(xiàn)96.6%的正確分類。此外NIR光譜技術在動物、植物、真菌等不同類型名貴中藥材的產(chǎn)地識別中均有應用，見表1。

表1 近紅外光譜技術在名貴中藥材產(chǎn)地鑒別中的應用

Table 1 Application of near-infrared spectroscopy for origin identification of some VCMMs

類別 研究對象產(chǎn)區(qū)數(shù)量擬合算法檢測結果文獻 真菌冬蟲夏草 2DA識別率100%35 靈芝 4RF識別率93.33%36 動物鹿茸13ED識別率較高37 植物重樓 3PLS-DA識別率100%38 太子參 4PCA、PLS-DA、OPLS-DAOPLS-DA模型識別率最高39 三七 4PLS-DA、SIMCAPLS-DA模型識別率100%40 鐵皮石斛 5SMICA模型識別率100%41 天麻 4Logistic、SVM、LMT、MCMC模型識別率98.1%42

4 基于近紅外光譜技術的中藥材含量測定

中藥材成分復雜，藥效作用受到多方面的影響。中藥材指標性成分、有效成分及風險物質的精確測定是科學闡釋和保證其有效性及安全性的必要手段。對于中藥材大類成分的含量測定，目前仍以紫外分光光度法為主，而對于單體成分的含量測定，則較多使用HPLC、GC、MS及其聯(lián)用技術。但這些方法多前處理復雜、分析時間較長、操作繁瑣，因而分析結果的準確性易受到分析過程中的操作影響。NIR圖譜獲取簡單，掃描一張光譜便可以獲得樣品的多種信息，可快速、無損的實現(xiàn)名貴中藥材內在成分的含量測定。

4.1 有效部位（大類成分）含量測定

NIR光譜技術用于名貴中藥材中的有效部位（大類成分）含量測定。蘆永軍等[43]將NIR用于人參總糖的快速定量檢測，證明了NIR光譜技術在人參總糖含量定量測定中的可行性和優(yōu)越性。Hao等[27]利用衰減全反射近紅外（attenuated total reflectance near infrared spectroscopy，ATR-NIR）技術結合標準正態(tài)變換結合一階導數(shù)光譜預處理和PLS法，實現(xiàn)霍山石斛C. Z. Tang et S. J. Cheng中的總多糖和主要單糖甘露糖和葡萄糖含量的快速測定。Chen等[44]利用NIR光譜結合區(qū)間偏最小二乘遺傳算法（interval partial least squares-genetic algorithm，IPLS-GA）測定雪蓮中總黃酮的含量，模型預測集RMSEC為0.834 7%，校正模型相關系數(shù)（C）＝0.944 4，驗證集RMSEP為1.076 6%，相關系數(shù)P＝0.900 6。

4.2 有效成分或指標成分含量測定

楊南林等[45]基于NIR光譜結合人工神經(jīng)網(wǎng)絡建立了冬蟲夏草中的甘露醇含量測定模型，RMSECV為0.475，RMSEP為0.608，相關系數(shù)為0.917 7，實現(xiàn)對冬蟲夏草中甘露醇含量的快速檢測。由于NIR包含了樣品的大量化學及物理信息，因此通過數(shù)學模型的建立，NIR光譜可實現(xiàn)中藥材的多成分同時檢測。劉杰等[46]采用PLS結合二階導數(shù)預處理方法建立了國產(chǎn)血竭中龍血素A、龍血素B的NIR含量測定模型。胡馨等[47]基于NIR光譜，采用PLS法建立了西紅花中西紅花總苷及西紅花苷-II含量測定模型；RC、RMSEP分別達到西紅花總苷0.9560、4.343%，西紅花苷-II 0.952 8、4.077%。

4.3 水分測定

藥材的含水量對其質量的穩(wěn)定性有重大影響。牟倩倩[48]采用NIR漫反射光譜分析技術結合PLS對紅景天藥材中水分和紅景天苷含量進行含量預測，實驗方法快速、準確、無污染。雷敬衛(wèi)等[49]基于甲苯法測定的木香藥材水分含量，結合PLS建立木香藥材水分含量的NIR定量模型，驗證集預測值與甲苯法參考值無統(tǒng)計學差異，說明NIR光譜可以應用于藥材水分的快速檢測。

雖然NIR光譜技術在名貴中藥材的水分測定具有較多的應用，但目前仍停留于特定藥材的專屬模型構建研究，即對不同的藥材需構建不同的NIR水分測定模型，耗費大量的人力、物力。建立多種藥材的通用型水分檢測模型可能是未來的發(fā)展趨勢。

4.4 風險物質檢測

由于中藥的自然屬性，中藥材可能存在著重金屬、農(nóng)藥殘留及真菌毒素等有害物質。劉燕德等[50]基于NIR光譜技術結合PLS-DA，建立了丁香蓼葉的重金屬銅近紅外定量模型。經(jīng)過平滑處理，模型C為0.950，RMSEC為5.99，外部驗證相關系數(shù)P為0.923，RMSEP為7.38。證明了近紅外光譜技術用于中藥重金屬含量的快速檢測具有可行性。同樣，基于目前近紅外在食品、農(nóng)產(chǎn)品領域的應用研究報道，發(fā)現(xiàn)近紅外在中藥材的農(nóng)藥殘留及真菌毒素等風險物質的檢測中也具有較大潛力[51-52]。但目前，近紅外光譜技術在中藥材的風險物質檢測報道相對較少，需要進一步加強研究。

5 基于近紅外光譜技術的中藥材綜合評價

目前市場上名貴中藥材質量的快速評價以及等級分類主要通過“辨狀論質”，即以形、色、氣、味等藥材外部的“性狀”來判斷其內部的“質”[53]。但作為一種經(jīng)驗鑒別方法，“辨狀論質”有著不可避免的缺點，如鑒別者需實踐經(jīng)驗豐富；受鑒別者主觀意識影響；僅能實現(xiàn)初略的評判及分類。而基于HPLC、GC和MS等的化學成分含量測定及指紋圖譜分析，因儀器昂貴、前處理復雜、檢測時間長等原因，難以實現(xiàn)大批量檢測，仍無法替代傳統(tǒng)鑒別方法?；谥兴庂|量標志物（quality marker, Q-Marker）的概念，利用NIR光譜技術將光譜與藥效成分含量信息相關聯(lián)，可實現(xiàn)簡便可靠的中藥材質量快速評價[54]。

5.1 基于NIR光譜技術的質量分級評價

沉香具有鎮(zhèn)靜、止痛、催眠等作用，深得群眾喜好，市場需求量大。然而，野生白木香瀕臨滅絕，市場出現(xiàn)大量摻假和劣質沉香。Ding等[55]采用UPLC-Q/TOF MS與PCA相結合的方法對沉香的質量標志物進行鑒定，確定了4種高氧化的5,6,7,8-四氫-2-(2-苯乙基)色酮為鑒別沉香真?zhèn)蔚臐撛跇酥疚?，并利用協(xié)調偏最小二乘法結合蒙特卡洛算法建立其NIR定量模型，應用系統(tǒng)聚類分析和PLS-DA對定量結果進行深入分析，將50個沉香樣品分為優(yōu)質、合格、不合格和假冒4類樣品。

5.2 基于Q-Marker的NIR光譜技術評價新方法

劉昌孝院士[56-57]提出的中藥Q-Marker理論為中藥的質量研究提供了新的思路。Q-Marker是指與中藥有效性和安全性相關聯(lián)并可以檢測的化學成分，是建立以療效為核心質量控制體系的關鍵。白鋼等提出基于中藥Q-Marker的中藥材品質近紅外智能評價體系[58]，分別建立了當歸抗炎功效[59]、血管舒張功效[60]、金銀花抗炎功效[57]的智能評價體系。由于目前中藥材品質評價方法與藥效的關聯(lián)不明確，而通過Q-Marker對藥材功效進行評判的技術標準尚未建立，白鋼等[61]進一步提出質量綜合評價指數(shù)的新概念，以當歸藥材為例，通過對多項檢測指標的整合分析，建立了一種藥材質量綜合評價與等級鑒定的新方法。

6 展望

NIR光譜技術在名貴中藥材質量評價中已有廣泛的研究，但從其發(fā)展趨勢來看，目前仍處于萌芽狀態(tài)。因此，未來還需要進行更多的研究，特別是在模型的穩(wěn)健性、光譜儀的便攜性、檢測技術的網(wǎng)絡化、通用模型的構建與評估等方面。隨著研究的深入，NIR光譜技術在中藥領域中的應用研究，將從簡單的定性、定量研究逐步轉向基于多種藥效成分的中藥功效評價及結合多種傳統(tǒng)分析方法的中藥質量綜合評價研究。鑒于此，基于質量標志物的中藥品質近紅外快速評價，有望成為未來中藥品質快檢研究的主要趨勢。

此外，隨著名貴中藥材的市場流通逐漸擴大，傳統(tǒng)的分析方法已難以滿足快速發(fā)展的需要。因此，建立一套名貴中藥材的質量快速識別系統(tǒng)將是未來發(fā)展的一個重要趨勢。系統(tǒng)可由簡易、便攜的近紅外光譜儀、具有光譜傳輸及數(shù)據(jù)接收功能的智能設備和名貴中藥材質量評價云端服務平臺3部分構成。客戶使用簡單、便攜的NIR光譜儀對樣本進行光譜采集，通過智能設備及相應軟件將圖譜上傳至云端平臺，云端平臺則根據(jù)客戶的需求迅速選擇相應的模型對樣品質量進行快速評估，并將結果反饋至客戶。名貴中藥材質量快速識別系統(tǒng)的構建與使用可有力的打擊中藥材市場上的“假冒偽劣”現(xiàn)象，推動優(yōu)質藥材的生產(chǎn)與流通。但系統(tǒng)的構建任重而道遠，以下問題須逐步克服：①NIR光譜儀的穩(wěn)定性、重現(xiàn)性、便攜性及操作的簡單化。②NIR模型的穩(wěn)健性、通用性和準確性。③云端系統(tǒng)的魯棒性、運算的快速化和計算的精準化。

利益沖突 所有作者均聲明不存在利益沖突

[1] Tu Y Y. The discovery of artemisinin (qinghaosu) and gifts from Chinese medicine [J]., 2011, 17(10): 1217-1220.

[2] Noedl H, Se Y, Schaecher K,. Evidence of artemisinin-resistant malaria in western Cambodia [J]., 2008, 359(24): 2619-2620.

[3] 王饒瓊, 楊思進, 謝春光, 等. 清肺排毒湯治療新型冠狀病毒肺炎的臨床療效觀察 [J]. 中藥藥理與臨床, 2020, 36(1): 13-18.

[4] 魏鋒, 劉薇, 嚴華, 等. 我國中藥材及飲片的質量情況及有關問題分析 [J]. 中國藥學雜志, 2015, 50(4): 277-283.

[5] 魏鋒, 馬雙成. 中藥材飲片質量安全概況及監(jiān)管思考 [J]. 中國食品藥品監(jiān)管, 2019(3): 22-29.

[6] 王晶晶, 陳娜, 韓雪, 等. 人參混偽品發(fā)展歷史及當前藥材市場人參品質調查 [J]. 特產(chǎn)研究, 2016, 38(2): 58-62.

[7] 李明月, 王倩雯, 石瑤, 等. 梅花鹿鹿茸片及近源品種真?zhèn)舞b別[J]. 中國林副特產(chǎn), 2019(1): 14-15.

[8] Lin C, Chen X, Jian L,. Determination of grain protein content by near-infrared spectrometry and multivariate calibration in barley [J]., 2014, 162: 10-15.

[9] Qu J H, Liu D, Cheng J H,. Applications of near-infrared spectroscopy in food safety evaluation and control: A review of recent research advances [J]., 2015, 55(13): 1939-1954.

[10] Balabin R M, Safieva R Z, Lomakina E I. Gasoline classification using near infrared (NIR) spectroscopy data: Comparison of multivariate techniques [J]., 2010, 671(1/2): 27-35.

[11] 肖雪, 梁瓊麟, 王義明, 等. 近紅外光譜技術在醫(yī)藥領域中的應用進展 [J]. 現(xiàn)代儀器, 2011, 17(5): 9-12.

[12] Li X, Zhang L X, Zhang Y,. Review of NIR spectroscopy methods for nondestructive quality analysis of oilseeds and edible oils [J]., 2020, 101: 172-181.

[13] 褚小立, 陳瀑, 李敬巖, 等. 近紅外光譜分析技術的最新進展與展望 [J]. 分析測試學報, 2020, 39(10): 1181-1188.

[14] 徐廣通, 袁洪福, 陸婉珍. 現(xiàn)代近紅外光譜技術及應用進展 [J]. 光譜學與光譜分析, 2000, 20(2): 134-142.

[15] 阮治綱, 李彬. 近紅外光譜分析技術的原理及在中藥材中的應用 [J]. 藥物分析雜志, 2011, 31(2): 408-417.

[16] 劉建學, 張衛(wèi)衛(wèi), 韓四海, 等. 白酒基酒中己酸、乙酸的近紅外快速檢測 [J]. 食品科學, 2016, 37(4): 181-185.

[17] 劉賢, 韓魯佳. 近紅外漫反射光譜法快速測定秸稈青貯飼料成分含量 [J]. 光譜學與光譜分析, 2006, 26(11): 2016-2020.

[18] Alves J C L, Poppi R J. Simultaneous determination of hydrocarbon renewable diesel, biodiesel and petroleum diesel contents in diesel fuel blends using near infrared (NIR) spectroscopy and chemometrics [J]., 2013, 138(21): 6477-6487.

[19] Mabood F, Jabeen F, Ahmed M,. Development of new NIR-spectroscopy method combined with multivariate analysis for detection of adulteration in camel milk with goat milk [J]., 2017, 221: 746-750.

[20] 丁錘, 張煒, 邊櫻, 等. 3種來源藏紫菀藥材的形態(tài)學與薄層色譜鑒別研究 [J]. 中國中藥雜志, 2015, 40(11): 2244-2248.

[21] 中國藥典 [S]. 一部. 2020: 12, 38, 161, 304.

[22] 周婷, 付紹兵, 謝慧敏, 等. 近紅外光譜在川貝母及非川貝母品種鑒別中的應用 [J]. 華西藥學雜志, 2021, 36(2): 193-197.

[23] 黃必勝, 袁明洋, 余馳, 等. 紅外及近紅外光譜法對真?zhèn)锡堼X的快速鑒別 [J]. 中國現(xiàn)代中藥, 2013, 15(12): 1046-1049.

[24] 瞿海斌, 楊海雷, 程翼宇. 近紅外漫反射光譜法快速無損鑒別阿膠真?zhèn)?[J]. 光譜學與光譜分析, 2006, 26(1): 60-62.

[25] 王鋼力, 聶黎行, 張繼, 等. 應用近紅外光譜技術鑒別紅參藥材 [J]. 中草藥, 2008, 39(3): 438-440.

[26] Nie P C, Wu D, Sun D W,. Potential of visible and near infrared spectroscopy and pattern recognition for rapid quantification of notoginseng powder with adulterants [J].(), 2013, 13(10): 13820-13834.

[27] Hao J W, Chen Y, Chen N D,. Rapid detection of adulteration inusing NIR spectroscopy coupled with chemometric methods [J]., 2021, 104(3): 854-859.

[28] 胡鋼亮, 陳瑞珍, 程柯, 等. 近紅外漫反射光譜快速檢測川貝母中浙貝母的摻入量 [J]. 藥物分析雜志, 2005, 25(2): 150-152.

[29] Li T, Su C. Authenticity identification and classification ofspecies in traditional Tibetan medicine based on Fourier transform near-infrared spectroscopy and chemometrics analysis [J]., 2018, 204: 131-140.

[30] 楊吉, 冼玲, 鐘天圣, 等. 近紅外光譜指紋圖譜的靈芝品種快速鑒別方法 [J]. 時珍國醫(yī)國藥, 2017, 28(6): 1359-1361.

[31] 聶黎行, 張燁, 胡曉茹, 等. 近紅外光譜法結合模式識別技術快速無損鑒別天然牛黃、體外培育牛黃和人工牛黃 [J]. 藥物分析雜志, 2017, 37(10): 1897-1903.

[32] 邢琳, 汪樹理, 任謂明, 等. 傅里葉變換近紅外光譜結合化學計量學對不同類別人參的快速無損鑒別研究 [J]. 上海中醫(yī)藥雜志, 2019, 53(7): 75-82.

[33] 謝宗萬. 論道地藥材 [J]. 中醫(yī)雜志, 1990, 31(10): 43-46.

[34] Chen Y, Xie M Y, Yan Y,. Discrimination ofaccording to geographical origin with near infrared diffuse reflectance spectroscopy and pattern recognition techniques [J]., 2008, 618(2): 121-130.

[35] 王鋼力, 石巖, 魏玉海, 等. 近紅外光譜鑒別冬蟲夏草道地藥材 [J]. 中草藥, 2006, 37(10): 1569-1571.

[36] 賴長江生, 周融融, 余意, 等. 基于近紅外分析和化學計量學方法對不同產(chǎn)地靈芝快速鑒別及多糖含量測定的研究 [J]. 中國中藥雜志, 2018, 43(16): 3243-3248.

[37] 毛建江, 張玉杰, 徐經(jīng)偉. 傅立葉近紅外光譜法用于鹿茸的定性分析 [J]. 理化檢驗: 化學分冊, 2007, 43(1): 33-36.

[38] 趙艷麗, 張霽, 袁天軍, 等. 近紅外光譜快速鑒別不同產(chǎn)地藥用植物重樓的方法研究 [J]. 光譜學與光譜分析, 2014, 34(7): 1831-1835.

[39] Pan W, Wu M, Zheng Z Z,. Rapid authentication of(Taizishen) from different regions by near-infrared spectroscopy combined with chemometric methods [J]., 2020, 85(7): 2004-2009.

[40] Chen H, Lin Z, Tan C. Fast discrimination of the geographical origins of notoginseng by near-infrared spectroscopy and chemometrics [J]., 2018, 161: 239-245.

[41] 顧玉琦, 劉瑞婷, 壽國忠, 等. 應用近紅外光譜技術快速鑒別鐵皮石斛的產(chǎn)地 [J]. 江蘇農(nóng)業(yè)科學, 2016, 44(5): 365-368.

[42] 李飛雁, 徐曼菲, 喬延江. 基于近紅外光譜技術天麻的產(chǎn)地區(qū)分 [J]. 世界科學技術-中醫(yī)藥現(xiàn)代化, 2015, 17(7): 1405-1408.

[43] 蘆永軍, 曲艷玲, 曹志強, 等. 人參總糖的近紅外光譜定量分析 [J]. 光譜學與光譜分析, 2006, 26(8): 1457-1459.

[44] Chen Q S, Jiang P, Zhao J W. Measurement of total flavone content in snow lotus () using near infrared spectroscopy combined with interval PLS and genetic algorithm [J]., 2010, 76(1): 50-55.

[45] 楊南林, 程翼宇, 瞿海斌. 用人工神經(jīng)網(wǎng)絡-近紅外光譜法測定冬蟲夏草中的甘露醇 [J]. 分析化學, 2003, 31(6): 664-668.

[46] 劉杰, 楊瑤珺, 王文祎, 等. 應用近紅外光譜定量分析模型測定國產(chǎn)血竭中龍血素A、龍血素B含量 [J]. 中藥新藥與臨床藥理, 2015, 26(1): 102-105.

[47] 胡馨, 張聰, 張英華. 西紅花中西紅花苷II及總苷的近紅外光譜研究 [J]. 中國現(xiàn)代中藥, 2012, 14(5): 1-4.

[48] 牟倩倩, 賀敬霞, 張建琪, 等. 近紅外漫反射光譜法結合PLS法快速測定紅景天藥材中水分和紅景天苷的含量 [J]. 中國藥房, 2017, 28(30): 4260-4264.

[49] 雷敬衛(wèi), 樊明月, 白雁, 等. 近紅外光譜法結合PLS快速測定木香藥材中水分的含量 [J]. 中國實驗方劑學雜志, 2014, 20(15): 82-85.

[50] 劉燕德, 施宇, 蔡麗君. 基于近紅外漫反射光譜的丁香蓼葉片重金屬銅含量快速檢測研究 [J]. 光譜學與光譜分析, 2012, 32(12): 3220-3224.

[51] 代芬, 張昆, 洪添勝, 等. 龍眼表面農(nóng)藥殘留的無損檢測研究: 基于近紅外光譜分析 [J]. 農(nóng)機化研究, 2010, 32(10): 111-114.

[52] 易永艷, 李德榮, 張?zhí)N薇, 等. 近紅外技術在真菌生物量和真菌毒素檢測中的研究與應用 [J]. 光譜學與光譜分析, 2009, 29(7): 1826-1829.

[53] 謝宗萬. 中藥品種傳統(tǒng)經(jīng)驗鑒別“辨狀論質”論 [J]. 時珍國藥研究, 1994, 5(3):19-21.

[54] 白鋼, 丁國鈺, 侯媛媛, 等. 引進近紅外技術用于中藥材品質的快速評價 [J]. 中國中藥雜志, 2016, 41(19): 3501-3505.

[55] Ding G Y, Nie Y, Hou Y Y,. An integrated strategy of marker ingredients searching and near infrared spectroscopy rapid evaluation for the quality control of Chinese eaglewood [J]., 2015, 114: 462-470.

[56] 劉昌孝, 陳士林, 肖小河, 等. 中藥質量標志物(Q-Marker): 中藥產(chǎn)品質量控制的新概念[J]. 中草藥, 2016, 47(9): 1443-1457.

[57] 劉昌孝. 中藥質量標志物（Q-Marker）研究發(fā)展的5年回顧[J]. 中草藥, 2021, 52(9): 2511-2518.

[58] 白鋼, 侯媛媛, 丁國鈺, 等. 基于中藥質量標志物構建中藥材品質的近紅外智能評價體系 [J]. 藥學學報, 2019, 54(2): 197-203.

[59] 閆孟琳, 叢龍飛, 張子玥, 等. 基于質量標志物的當歸抗炎功效近紅外快速評價 [J]. 分析測試學報, 2020, 39(11): 1320-1326.

[60] 閆孟琳, 丁國鈺, 叢龍飛, 等. 基于質量標志物的當歸血管舒張功效的近紅外快速評價 [J]. 中草藥, 2019, 50(19): 4538-4546.

[61] 白鋼, 劉昌孝, 張鐵軍, 等. 基于質量綜合評價指數(shù)的藥材品質快速評價 [J]. 中草藥, 2021, 52(2): 313-320.

Research progress of near-infrared spectroscopy in quality evaluation of valuable Chinese medicinal materials

HUANG Zhi-wei1, GUO Tuo2, 6, HUANG Wen-jing1, LI Bing3, 4, XU Hao-ran1, YE Chu-xuan1, YAN Shi-kai1, 3,6, XIAO Xue1, 6, LUO Guo-an1, 4, 5

1. Institute of Chinese Medicine Research, Guangdong Pharmaceutical University, Guangzhou 510006, China 2. School of Electronic Information and Artificial Intelligence, Shaanxi University of Science & Technology, Xi’an 710021, China 3. College of Pharmacy, Shanghai Jiaotong University, Shanghai 200240, China 4. State Key Laboratory of Generic Manufacture Technology of Chinese Traditional Medicine, Linyi 276000, China 5. Analysis Center, Tsinghua University, Beijing 100086, China 6. NMPA Key Laboratory for Rapid Testing Technology of Drugs, Guangdong Institute for Drug Control, Guangzhou 510663, China

The valuable Chinese medicinal materials (VCMM) have significantly curative effects. Due to its limited production and high price, the adulterants are frequently found in the market, which arouse seriously affects in clinical application. The quality of traditional Chinese medicines (TCMs) is the guarantee of clinical efficacy. Nowadays, there are lots of common approaches used in the evaluation of the quality of TCMs, such as physical and chemical examination, thin-layer chromatography, gas chromatography, liquid chromatography, etc. These methods guarantee the quality reliability of TCM. However, these detection methods also have several limitations, which are mainly reflected as follow: it required some pretreatments or destructive analyses of samples, professional equipment or detection methods, a long detection time and skillful technicians, etc. Therefore, a rapid, non-destructive, high-throughput technology is getting more attention in the quality evaluation of TCMs, especially the spectroscopy detection technology represented by near-infrared (NIR) spectroscopy has been widely applied. This paper aims to summarize the latest research progress of NIR on VCMM from the perspectives of authenticity identification, species identification, determination of index components, and comprehensive quality evaluation and predict its prospect.

near-infrared spectroscopy; Chinese medicinal materials; quality evaluation; qualitative analysis; quantitative analysis

R286

A

0253 - 2670(2022)20 - 6328 - 09

10.7501/j.issn.0253-2670.2022.20.003

2022-03-06

國家自然科學基金資助項目（81603070）；廣州市科技計劃項目珠江科技新星專項（201610010113）；國家藥品監(jiān)督管理局藥品快速檢驗技術重點實驗室開放課題（KF2022002，KF2022006）

黃志偉（1997—），男，碩士研究生，研究方向為中藥分析與質量評價研究。E-mail: hzhi_wei@163.com

肖 雪，碩士生導師，副研究員，研究方向為中藥分析與質量評價研究。E-mail: erxiaohappy@163.com

郭 拓，碩士生導師，講師，研究方向為機器學習與過程分析技術研究。E-mail: guotuonwpu@126.com

[責任編輯 時圣明]