人参主要依靠大田栽培, 耗时长, 利用植物组织培养技术不仅可以缩短育种年限, 还可以用来生产次生代谢产物。 在组织培养中, 光质对于药用植物次生代谢产物的影响受到了人们广泛关注。 以人参愈伤组织为试材, 采用超高效液相色谱法, 研究了不同光质(包括红光、 红蓝光、 蓝光、 绿光、 黄绿光)对人参愈伤组织生长状态、 总皂苷及9种皂苷单体Rg1, Re, Rf, Ro, Rb1, Rc, Rb2, Rb3, Rd含量的影响。 结果表明: 绿光加速人参愈伤组织老化, 促进次生代谢产物的积累, 而蓝光对人参愈伤组织生长有促进作用; 红光和绿光对总皂苷作用不明显, 且蓝光、 红蓝光(1:1)、 黄绿光(1:1)对人参皂苷转化与合成起到明显的抑制作用; 与对照组相比, 绿光处理后Rg1、 Rf含量均偏高, 其含量分别为4.063和1.194 mg·g^-1, 对Rg1、 Rf人参皂苷单体含量有促进作用。 表明不同光质对人参愈伤组织生长及皂苷含量有不同的影响, 可以通过绿光处理来获得人参单体皂苷Rg1和Rf。 该研究旨在探究光质对人参愈伤组织生理生化的影响, 提高人参皂苷含量, 为工业化生产提供理论依据。

红参中提取出的有效活性成分人参皂苷含量对后续产品的质量有重要的影响。 传统的红参提取质量控制化学检测方法成本高, 具有滞后性。 已有的研究表明快速无损的近红外检测方法用于红参提取过程具有可行性, 但现有方法依赖仪器自带数据处理软件, 无法满足生产实际的精度和速度需求。 为实现红参提取过程的快速、 精确监测, 提出将多种智能光谱筛选算法应用在近红外光谱建模中, 并对比不同光谱筛选算法的性能和稳健性。 以红参提取液中含量高的人参皂苷Rg1和含量较低的人参皂苷Rc为目标, 采集了三个不同批次前两次红参提取液样本128份, 在线获取1 000~2 499 nm波段近红外原始光谱吸光度数据, 并同时采用国标方法高效液相色谱法测定目标人参皂苷含量, 首先采用竞争适应性重加权采样法(CARS)、 无信息变量消除法(UVE)、 随机蛙跳算法(RF)和连续投影算法(SPA)四种波长筛选算法进行波长降维处理, 然后使用筛选后的波长建立线性偏最小二乘(PLS)定量模型, 并通过模型的均方根误差(RMSE)、 决定系数(R²)和预测相对分析误差(RPD)等来评估模型的性能。 从四种波长优选算法PLS建模结果可知, 经RF优选后, 建模特征波长变量下降为原来的0.67%, 红参提取液中人参皂苷Rg1和Rc含量的R²都达到了0.94以上, 预测均方误差分别为0.024 6和0.013 5, 预测集相对分析误差达到了4.84以上, 降低了建模的难度, 提高了建模的精度; 将RF和CARS在原始光谱、 全光谱、 SNV预处理后的全光谱上建模对比, RF波长筛选算法建模模型的性能整体较好, 不同的光谱范围和预处理方法下性能影响较小, 稳健性好。 综上表明RF是红参提取液建模相对理想的波长筛选算法, 基于RF的PLS算法实现了对红参两次提取液的一次建模, 可用于提取液中人参皂苷成分含量的快速检测, 为药物的在线提取控制提供理论支撑。