基于近红外和中红外光谱的杜仲产地溯源.docx

背景介绍

杜仲(EucommiaeCortex)皮是一味在中国拥有悠久历史的中药材，早在两千多年前，杜仲皮已被列入中国医学经典《神农本草经》。在最新的《中国药典2020版》中规定，该味中药基源为杜仲科(Eucommiaceae)杜仲属(Eucommia)植物杜仲(EucommiaeulmoidesOliv.)的干燥树皮。近红外和中红外等光谱技术因具有检测速度快、无损和操作简单的优点，已成为中药分析领域的重要工具，广泛应用于中药物种鉴定、地理起源分析、掺假检测和定量分析。

文章亮点

1.使用k-最邻近分析(kNN)、主成分分析-线性判别分析(PCA-LDA)和偏最小二乘判别分析(PLS-DA)模型对杜仲样品进行了产地来源分类。

2.采用近中红外光谱与化学计量学相结合的方法，用于简便、快速和准确地鉴别杜仲的产地，有望应用于市场监督领域。

内容简介

１??实验部分

本研究从8个省的50个地区采集了组杜仲样品。首先采集了来自８?个不同省份的500个杜仲样品的近红外光谱与中红外光谱数据，然后利用常用的化学计量学方法，包括k-最邻近分析(kNN)、主成分分析-线性判别分析(PCA-LDA)和偏最小二乘判别分析(PLS-DA)对杜仲样品按其地理来源进行分类。k-最邻近分析(kNN)是一种非参数分类方法，广泛应用于许多实际的分类任务。主成分分析-线性判别分析(PCA-LDA)是一种无监督降维技术，它将可能相关的变量转换为若干线性不相关变量，即主成分(PC)，每个主成分是原始变量的线性组合。偏最小二乘判别分析(PLS-DA)是化学计量学中最流行的分类方法之一，在各类食品的检测与控制、生物代谢组学以及制药过程控制等领域已经有很多的应用，它巧妙地结合了经典的偏最小二乘回归和分类技术。本文的所有数据分析都是在MATLAB软件中进行的。

2???结果与讨论

2.1??近红外光谱与中红外光谱分析

杜仲样品的近红外光谱如图1所示，从原始光谱上看，8个产地的杜仲近红外光谱从谱形上没有明显的波形差异，难以用肉眼进行区分，这可能是由于不同产地杜仲的化学成分组成相似，导致其出峰位置相似以及谱形趋势相似。

图1??不同预处理方式得到的八省份杜仲样品的近红外光谱

杜仲样品的中红外光谱如图2所示，8个产地的杜仲原始中红外光谱具有非常相似的波形走向，这可能是因为不同产地杜仲的化学成分组成具有相似性，导致了基频峰的出峰位置一致。

图2??不同预处理方式得到的8个省份杜仲样品的中红外光谱

2.2??杜仲地理来源的判别

采用随机抽样算法将来自不同产地的所有杜仲样本分成训练集和测试集。在近红外光谱的分析中，基于多元散射校正光谱建模时，kNN模型的k值为2时，其交叉验证的判别准确率为100%，为最佳模型。在中红外光谱的分析中，由交叉验证程序的结果表明，基于多元散射校正光谱建模时，PLS-DA模型的LV为19时，其交叉验证的判别准确率为99.11%为最佳模型。2.3??不同算法识别性能的比较为了进一步评估这些分类模型的性能，计算了SEN与SPE等性能参数。基于近红外光谱的交叉验证、训练集和测试集的SEN和SPE结果显示，3?种算法在分类性能上都具有很好的灵敏度和特异性。综合结果，kNN模型更适合于本研究中基于近红外光谱的杜仲产地的识别。基于中红外光谱的交叉验证、训练集和测试集的SEN和SPE结果，PCA-LDA模型与PLS-DA模型都具有较好的灵敏度与特异性。

3??结论

本研究采用近红外光谱与中红外光谱结合化学计量学的方法，实现了我国8个主要产地杜仲的精准识别，为准确判别杜仲的地理来源提供了一种新的客观快速的方法，在判别食品和中药的产地方面具有一定的实用价值，有望应用于市场监督领域，为新方法的构建提供参考。