采用傅里叶变换红外光谱技术, 获得蒸制过程中附子红外光谱及二维相关谱（Tow-dimensional correlation, 2D-COS）, 研究附子炮制过程特征。 分别比较原始红外光谱、 二阶导数谱及二维相关谱, 结果表明红外原始光谱图十分相似, 结合二阶导数光谱分析1　63487 cm-1为羰基峰; 1　60318, 1　57158, 1　48509和1　41308 cm-1为苯环的骨架振动峰, 85141和75924 cm-1 为苯环C—H键的振动峰; 1　15373, 　1　08184和1　02135 cm-1为生物碱中酯键和醇羟基的特征峰。 二维相关谱结果揭示附子在炮制过程中发生的2个过程时序段, 分别为2～3和8～9　h。 研究数据有助于临床根据适应证选择适宜的煎煮时间, 避免煎煮不足导致中毒或煎煮太过影响疗效。

以氘代氯仿为溶剂,以中药化学标准品厚朴酚为载体,采用二维相关光谱(Tow-dimensional correlation spectroscopy,2D-COS)技术,采集近红外光谱(near infrared spectroscopy,NIR),由氘代氯仿纯溶剂与厚朴酚原始光谱的二维相关同步谱可知,厚朴酚在1 365~1　455,1　600~1　720,2　000~2　181和2　275~2　465 nm处有特征吸收,其中1　440 nm为酚基O—H伸缩振动基频的一级倍频谱带,1 679 nm为芳基C—H及与芳基相连的甲基C—H伸缩振动一级倍频谱带,2 117,2 304,2 339和2 370 nm为芳基C—H伸缩振动、弯曲振动和变形振动的组合频,2 445 nm为芳基相连的甲基C—H弯曲振动基频二级倍频谱带,这些波段为厚朴酚的特征归属.以藿香正气口服液复杂体系为载体,以厚朴酚光谱解析的特征波段与间隔偏最小二乘(interval partial least squares,iPLS)和组合间隔偏最小二乘(synergy interval partial least squares,SiPLS)筛选的特征波段分别建立偏最小二乘(partial least squares,PLS)定量模型,模型的决定系数R2cal 和R2pre均大于0.99,校正均方根误差(root mean of square error of calibration,RMSEC),交叉验证均方根误差(root mean of square error of cross validation,RMSECV)和预测均方根误差(root mean of square error of prediction,RMSEP)均较小.结果表明,2D-COS技术解析厚朴酚所得波段建立的定量模型与iPLS和SiPLS波段筛选的模型均相对稳定,这使定量模型的波段选择更具有解释性.该研究为中药化学成分NIR光谱解析特征波段的归属提供方法参考,同时为NIR建模波段筛选提供借鉴和指导.

近红外光谱(near infrared spectroscopy, NIR)作为目前中药关键质量属性快速评价热门技术, 广泛应用于提取、 浓缩、 醇沉、 纯化等中药生产过程质量控制领域。 由于谱带严重重叠, 谱峰较宽, 吸收信号弱等特征, NIR需采用化学计量学建立模型。当前, 光谱解析是NIR分析的研究热点, 结合作者的研究成果, 率先综述国内外NIR光谱解析的研究进展及主要方法。 其中包括: 物质吸收的光谱差异对特征信号提取的主成分分析法; 光谱波段筛选, 寻找物质特征吸收波段, 解析物质结构与特征波段关系的偏最小二乘法; 针对扰动(温度、 浓度、 压力等)引起的光谱变化, 通过同步、 异步光谱相关峰对光谱进行分析, 解析引起光谱变化的特征基团的二维相关光谱法; 用量子力学方法对物质结构的能量变化进行计算, 解析分子能量变化与光谱变化关系的密度泛函理论法。 最后, 结合实例, 考虑中药组分复杂性特点, 从单一药效指标成分出发, 采用氘代DMSO技术指认不同浓度的绿原酸NIR吸收特征, 验证金银花提取过程中在线NIR模型绿原酸成分变量筛选的可靠性, 阐明间隔偏最小二乘法筛选的特征波段与绿原酸光谱特征吸收的一致性, 建立了一种中药NIR关键质量属性的光谱解析策略, 为中药NIR关键质量属性快速准确评价提供支撑。

选取a, b, c和d四种类型近红外光谱仪, 分别采用透射模式测定清开灵注射液近红外光谱, 以高效液相色谱法测定值作为参考值, 建立不同仪器类型清开灵注射液中黄芩苷偏最小二乘(PLS)和间隔偏最小二乘(iPLS)定量模型, 并计算模型的多变量检测限(MDL)。 四种仪器的PLS模型决定系数(R2)和预测均方差(SEP)分别为0.976 2和230.4 μg·mL-1(a), 0.956 1和246.4 μg·mL-1(b), 0.966 2和264.4 μg·mL-1(c), 0.998 5和71.5 μg·mL-1(d), 其中d型仪器较其他三种类型能获得更好的模型性能。 经iPLS变量筛选后, a和b两种类型仪器得到的iPLS模型R2pre和SEP分别为0.977 1和218.4 μg·mL-1, 0.975 4和219.4 μg·mL-1, 相较其PLS模型预测性能未见明显提高; c和d未筛选出变量。 不同仪器的MDL(Δ0.05, 0.05)均低于250 μg·mL-1, 其中c和d型MDL分别低至58和2.9 μg·mL-1。 表明不同类型仪器定量预测性能和MDL不同。 创新性采用多变量检测限理论探讨了不同类型近红外仪器的检测性能, 这一方法具有可行性。 在实际应用中应根据研究载体的特征选择合适的仪器类型, 以确保定量准确性。