【技術實現步驟摘要】
本專利技術涉及一種基于近紅外光譜的麻黃根產地鑒別/原花青素定量模型的構建方法，屬于藥材檢測領域。
技術介紹
1、麻黃根為麻黃科植物草麻黃(ephedra?sinica?stapf)、中麻黃(ephedraintremedia?schrenket?c.a.mey.)的干燥根莖，性甘、澀、平，歸心、肺經。傳統功效為固表止汗，用于自汗盜汗，現代藥理學研究發現麻黃根含有生物堿、黃酮、有機酸等多種化學成分，具有抗炎、抗氧化、抗腫瘤、降血壓等藥理作用。原花青素為黃酮二聚體或多聚體類化合物，有研究發現麻黃根中含有豐富的原花青素類成分。陶華明從麻黃根中分離出多種原花青素二聚體化合物，另有研究發現麻黃根原花青素成分具有良好的抗氧化及抗潰瘍性結腸炎作用。
2、麻黃根主產于山西、湖北、甘肅、新疆、內蒙古、云南等地區，不同產地的地理條件及生態環境會導致有效成分含量存在一定差異而呈現不同的品質特征，《中國藥典2020版》對于麻黃根的檢查僅包括水分與灰分的測定，并沒對于其化學成分含量的指標測定，這并不能對麻黃根的質量進行有效的檢測。因此鑒別不同產地麻黃根以及對其有效成分進行含量測定具有重要意義。
3、傳統的對于藥材產地定性分析及定量鑒別方法主要有顯微鑒定、指紋圖譜、氣相色譜技術、液相色譜技術等，這些方法較為繁瑣，耗時長，會對樣品造成一定破壞，因此有必要建立一種簡便、快捷、可靠的麻黃根定性定量分析方法。近紅外光譜技術以其無損、快捷、高效的突出優勢廣泛應用于食品、醫藥、農業等領域。近年來，近紅外也應用于中藥材的分析和質量控制上，如五味子
技術實現思路
1、專利技術目的：本專利技術的目的是提供了一種基于近紅外光譜的麻黃根產地鑒別/原花青素定量模型的構建方法及其應用。
2、技術方案：本專利技術提供了一種基于近紅外光譜的麻黃根產地鑒別/原花青素定量模型的構建方法，包括以下步驟：
3、(1)收集不同產地的麻黃根樣本，并檢測其近紅外光譜數據；
4、(2)對樣本進行ks算法劃分樣本；
5、(3)進行數據預處理；
6、(4)建立模型：
7、(4.1)產地鑒別模型的建立：對預處理后的數據進行cars提取特征變量，確定最優變量子集，建立pls-da模型，即為產地鑒別模型；
8、(4.2)原花青素定量模型的建立：測定樣品中原花青素含量，和預處理后的數據一起進行ls-svm建模，即得原花青素定量模型。
9、進一步地，步驟(1)中所述的近紅外光譜數據檢測條件為：掃描范圍12500-4000cm-1,掃描次數64次，分辨率為8cm-1。
10、進一步地，步驟(1)中所述的產地包括甘肅、內蒙古、云南和河北。
11、進一步地，當建立的模型為產地鑒別模型，步驟(2)劃分樣本方法為將每個地區樣本的三分之二作為校正集、三分之一作為驗證集；當建立的模型為原花青素定量模型，步驟(2)劃分樣本方法為將樣本總數量的三分之二作為校正集、三分之一作為驗證集。
12、進一步地，當建立的模型為產地鑒別模型，步驟(3)中的數據預處理方法選用一階求導法。
13、進一步地，當建立的模型為原花青素定量模型，步驟(3)中的數據預處理方法選用標準正態變量法。
14、進一步地，步驟(4.1)中所述的篩選第48次的變量子集為最優變量子集，含有83個變量
15、進一步地，步驟(4.2)中原花青素含量的測定方法為dmac法。
16、進一步地，所述dmac法的具體步驟為：以乙醇：水：hcl＝6：1：1為溶劑，稀釋dmac粉末得到dmac溶液；稱定原花青素標準品于容量瓶中，加乙醇溶解，配置0～100μg/ml濃度的原花青素標準品溶液；將dmac溶液加入原花青素標準品溶液，在25℃下每1分鐘以640nm的吸光度讀取30分鐘，繪制原花青素校準曲線，在相同條件下測定樣本的吸光度，帶入校準曲線即可。
17、本專利技術還提供了上述方法構建的麻黃根產地鑒別/原花青素定量模型在鑒定麻黃根產地或原花青素含量中的應用，所述產地包括甘肅、內蒙古、云南和河北。
18、進一步地，檢測上述四個產地待測麻黃根的近紅外光譜數據，帶入產地鑒別模型/原花青素定量模型中即可得到麻黃根產地/原花青素含量信息。
19、有益效果：與現有技術相比，本專利技術具有如下突出的顯著優點：本專利技術構建的麻黃根產地鑒別/原花青素定量模型，只需測定近紅外光譜數據，即可無損、快捷、高效地實現以上四個產地麻黃根產地鑒定和原花青素定量分析。
本文檔來自技高網...【技術保護點】
1.一種基于近紅外光譜的麻黃根產地鑒別/原花青素定量模型的構建方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于近紅外光譜的麻黃根產地鑒別/原花青素定量模型的構建方法，其特征在于，步驟(1)中所述的近紅外光譜數據檢測條件為：掃描范圍12500-4000cm-1,掃描次數64次，分辨率為8cm-1。
3.根據權利要求1所述的基于近紅外光譜的麻黃根產地鑒別/原花青素定量模型的構建方法，其特征在于，步驟(1)中所述的產地包括甘肅、內蒙古、云南和河北。
4.根據權利要求1所述的基于近紅外光譜的麻黃根產地鑒別/原花青素定量模型的構建方法，其特征在于，當建立的模型為產地鑒別模型，步驟(2)劃分樣本方法為將每個地區樣本的三分之二作為校正集、三分之一作為驗證集；當建立的模型為原花青素定量模型，步驟(2)劃分樣本方法為將樣本總數量的三分之二作為校正集、三分之一作為驗證集。
5.根據權利要求1所述的基于近紅外光譜的麻黃根產地鑒別/原花青素定量模型的構建方法，其特征在于，當建立的模型為產地鑒別模型，步驟(3)中的數據預處理方法選用一階求導法；
6.根據權利要求1所述的基于近紅外光譜的麻黃根產地鑒別/原花青素定量模型的構建方法，其特征在于，步驟(4.1)中所述的優變量子集為篩選第48次的變量子集，其含有83個變量。
7.根據權利要求1所述的基于近紅外光譜的麻黃根產地鑒別/原花青素定量模型的構建方法，其特征在于，步驟(4.2)中原花青素含量的測定方法為DMAC法。
8.根據權利要求7所述的基于近紅外光譜的麻黃根產地鑒別/原花青素定量模型的構建方法，其特征在于，所述DMAC法的具體步驟為：以乙醇：水：HCl＝6：1：1為溶劑，稀釋DMAC粉末得到DMAC溶液；稱定原花青素標準品于容量瓶中，加乙醇溶解，配置0～100μg/mL濃度的原花青素標準品溶液；將DMAC溶液加入原花青素標準品溶液，在25℃下每1分鐘以640nm的吸光度讀取30分鐘，繪制原花青素校準曲線，在相同條件下測定樣本的吸光度，帶入校準曲線即可。
9.權利要求1～8任一項方法構建的麻黃根產地鑒別/原花青素定量模型在鑒定麻黃根產地或原花青素含量中的應用，其特征在于，所述產地包括甘肅、內蒙古、云南和河北。
10.根據權利要求9所述的應用，其特征在于，檢測待測麻黃根的近紅外光譜數據，帶入產地鑒別模型/原花青素定量模型中即可得到麻黃根產地/原花青素含量信息。
...【技術特征摘要】
1.一種基于近紅外光譜的麻黃根產地鑒別/原花青素定量模型的構建方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于近紅外光譜的麻黃根產地鑒別/原花青素定量模型的構建方法，其特征在于，步驟(1)中所述的近紅外光譜數據檢測條件為：掃描范圍12500-4000cm-1,掃描次數64次，分辨率為8cm-1。
3.根據權利要求1所述的基于近紅外光譜的麻黃根產地鑒別/原花青素定量模型的構建方法，其特征在于，步驟(1)中所述的產地包括甘肅、內蒙古、云南和河北。
4.根據權利要求1所述的基于近紅外光譜的麻黃根產地鑒別/原花青素定量模型的構建方法，其特征在于，當建立的模型為產地鑒別模型，步驟(2)劃分樣本方法為將每個地區樣本的三分之二作為校正集、三分之一作為驗證集；當建立的模型為原花青素定量模型，步驟(2)劃分樣本方法為將樣本總數量的三分之二作為校正集、三分之一作為驗證集。
5.根據權利要求1所述的基于近紅外光譜的麻黃根產地鑒別/原花青素定量模型的構建方法，其特征在于，當建立的模型為產地鑒別模型，步驟(3)中的數據預處理方法選用一階求導法；當建立的模型為原花青素定量模型，步驟(3)中的數據預處理方法選用標準正態變量法。
6.根據權利要求1所述...
【專利技術屬性】
技術研發人員：呂蒙瑩，盧乾文，趙娜，曹彧涵，陳巖，帥錦浩，王玉瑩，
申請(專利權)人：揚州大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。