将石斛的鲜花干制成花茶, 作为保健饮料日渐为市场接受。 由于口感、 药理活性与产量的差异, 不同来源的石斛花茶, 价格差异显著, 其中以霍山石斛花茶价格最高。 在经济利益驱使下, 以价格较低的铁皮石斛、 河南石斛花茶冒充霍山石斛花茶时有发生, 急需构建霍山石斛花茶与铁皮石斛、 河南石斛花茶的鉴定方法。 建立一种快速鉴定霍山石斛、 铁皮石斛、 河南石斛花茶多级红外光谱方法。 收集不同企业生产的不同批次的霍山石斛、 铁皮石斛、 河南石斛花茶样品, 利用衰减全反射测定4 000～400 cm-1范围内一维红外光谱; 一维红外光谱通过数据变换获得二阶导数光谱; 利用温度微扰获得二维红外光谱。 分析一维红外光谱、 二阶导数光谱、 二维红外光谱获得三种石斛花茶区别。 结果显示, 三种石斛花茶的一维红外光谱非常相似, 很难从外观上看出三者的区别。 分析一维红外光谱吸收峰发现, 霍山石斛花茶在1 398 cm-1有特征峰, 铁皮石斛花茶在1 542 cm-1有特征峰, 河南石斛花茶在1 610, 1 332, 811, 703和603 cm-1等处有特征峰; 二阶导数处理能明显的提高光谱分辨率、 增加光谱灵敏度。 三种石斛花茶在1 800～600 cm-1的二阶导数光谱上, 可以观察到明显差异: 在1 750～1 690 cm-1区间, 相对铁皮石斛与河南石斛, 霍山石斛花茶二阶导数光谱呈明显“M”形; 在1 140～1 080 cm-1区间, 霍山石斛与河南石斛二阶导数光谱呈“W”型, 铁皮石斛呈不规则形; 在1 000～930 cm-1区间, 霍山石斛花茶二阶导数光谱为“M” 形, 铁皮石斛与河南石斛花茶呈“W”形; 二维红外光谱显示, 在1 230～1 130 cm-1区间, 霍山石斛有5个分别位于1 134, 1 155, 1 182, 1 196和1 211 cm-1的自动峰, 铁皮石斛有2个分别位于1 186和1 210 cm-1的自动峰, 河南石斛有3个自动峰, 位于1 186, 1 197和1 209 cm-1。 霍山石斛在1 230～1 130 cm-1区间存在正相关峰（1 182和1 210 cm-1）、 正相关峰（1 135和1 181 cm-1）、 负相关峰（1 197, 1 155 cm-1）, 而河南石斛和铁皮石斛在该区间没有明显的相关峰。 根据一维、 二阶导数和温度微扰二维红外光谱可以快速鉴别霍山石斛、 铁皮石斛与河南石斛花茶。

石斛是一种常用的中药材, 经常使用新鲜的或干燥的茎条入药, 有益胃生津、 滋阴清热的效果。 近年来, 药理学研究探索出石斛具有抗白内障、 抗氧化、 抗肿瘤、 提高免疫力的作用, 其在许多病例中疗效显著, 引起了国内外学者的关注, 然而不同时间采集的石斛中氨基酸、 微量元素等含量各不同, 其对应药用价值, 价格也不同, 因此石斛价格等级分辨的研究具有重要意义。 为快速鉴别不同价格、 不同药效的石斛, 研究了随机森林分类模型结合激光诱导击穿光谱技术(LIBS)对石斛价格等级进行分析建模。 选取5个等级的石斛样品进行建模, 为了对样品进行精确稳定分析, 所有石斛样品均通过粉碎压片减小实验误差。 采用1 064 nm波长的Nd∶YAG脉冲激光器作为激发光源, 设置激光脉冲能量50 mJ, 探测延时1 μs, 采集五个等级石斛样本的光谱数据, 每个等级的样本采集40组光谱, 共200组数据, 并采用归一化处理, 使所有的光谱数据转换到-1～1之间。 采用归一化处理后的光谱数据进行主成分分析, 通过主成分分析获得前7个主成分的得分矩阵, 其累计解释95.24%的光谱信息。 将选取的7个主成分作为输入, 建立波段为220~880 nm的随机森林鉴别模型。 并将石斛样本编号打乱, 任意选取50%的光谱数据作为训练集, 剩下50%的光谱数据作为测试集, 默认决策树个数ntree为500, 分裂属性集中属性个数mtry为5, 建立模型对不同等级的石斛进行分类。 等级一、 二、 三、 四、 五的识别率分别为95.45%, 100%, 78.26%, 94.12%和85%, 平均识别率为90.57%。 为提高识别率, 研究了不同的ntree和mtry对分类模型的影响, 利用袋外数据误差率估计对随机森林的两个参数进行了优化。 选择ntree为300, mtry为1, 等级一、 二、 三、 四、 五的识别率分别为100%, 100%, 92.31%, 100%和90%, 平均识别率为96.46%, 识别率提高了5.89%。 综上所述, 采用LIBS技术结合优化后的随机森林模型鉴别石斛等级具有一定的可行性, 为未来快速鉴定不同价格的石斛等级分类提供了可行性的判别系统。

本文采用ISSR分子标记方法分析了24份不同地区来源铁皮石斛种质资源的遗传多样性和亲缘关系。利用筛选出的7条ISSR引物对铁皮石斛基因组DNA进行PCR扩增, 共获得92条DNA条带, 其中多态性条带84条, 多态性比率(PPB)为 91.3%。利用POPGENE 32软件计算得出平均观察等位基因(Na)为1.913 0, 平均有效等位基因数(Ne)为 1.528 3, 平均 Nei’s 基因多样性指数(H)为 0.310 0, 平均 Shannon’s 信息指数(I)为0.465 0。利用NTSYS-pc软件得出24份试验材料的遗传相似系数(GS)范围为 0.478 3~0.913 0, 聚类分析结果表明24份人工栽培居群的铁皮石斛分为3类, 暗示铁皮石斛种质具有较为丰富的遗传多样性。该研究为全面掌握铁皮石斛种质资源遗传背景, 选育、引种和推广优良铁皮石斛品种奠定了可靠的理论基础。

运用红外光谱法对铁皮石斛、 金钗石斛、 鼓槌石斛及其两种提取物所含化学成分的红外谱图整体变化规律进行解析和鉴定。 采用傅里叶变换红外光谱对三种石斛及其提取物进行结构分析及鉴别。 原药材粉末一维红外光谱图反映出铁皮石斛、 金钗石斛和鼓槌石斛均含有2 920, 2 852, 1 737和1 509 cm-1附近的特征峰; 1 000~1 200 cm-1波段内的特征峰, 推测三种石斛均含有脂类、 芳香类和淀粉类成分。 二阶导数谱进一步佐证了以上结果。 根据峰强来判断三种石斛所含化合物含量的差别, 得出铁皮石斛和金钗石斛中的脂类和淀粉类成分含量较鼓槌石斛高, 三者中以金钗石斛的脂类成分、 铁皮石斛的多糖成分含量较高。 三种石斛原药材粉末二阶导数光谱中观察到1 318和782 cm-1处草酸钙的吸收峰。 三种石斛的两种提取物中的成分种类和含量与其原药材均有所不同, 且不同种石斛之间也存在峰形、 峰位、 峰强的差别。 在水提醇沉提取物、 无水乙醇提取物中均发现油脂类、 芳香类和多糖类成分的特征吸收峰。 与标准品比对分析发现, 金钗石斛和鼓槌石斛的多糖成分以淀粉为主, 而铁皮石斛则以黏多糖为主; 三种石斛无水乙醇提取物的红外光谱分析更清楚地发现脂类成分和芳香类成分的存在, 且脂类成分以金钗石斛提取物的含量相对较高。 芳香类成分以鼓槌石斛提取物的含量相对较高, 红外光谱整体结构解析与鉴定方法能够递进式地验证铁皮石斛、 金钗石斛和鼓槌石斛所含物质结构和量的差异, 适合于不同种石斛的快速鉴别及质量评价与控制。

评价药用植物质量的主要手段之一是有效成分含量检测, 不同采收期对药用植物有效成分含量有明显影响。 通过傅里叶变换红外光谱(FTIR)结合化学计量学建立快速预测不同采收期铁皮石斛中总黄酮含量的方法, 以期为铁皮石斛质量快速预测评价提供研究基础。 采收2014年1至12月的铁皮石斛样品干燥粉碎； 以氯化铝显色法测定铁皮石斛中总黄酮含量, 分析不同采收时间铁皮石斛总黄酮的累积规律； 采集样品红外光谱信息, 归属红外吸收峰, 拟合红外光谱数据和总黄酮含量数据, 结合一阶导数、 二阶导数、 多元散射校正、 标准正态变量、 正交信号校正等对数据进行预处理, 建立偏最小二乘回归模型预测样品中总黄酮含量。 结果显示: (1)样品和标准品芦丁均在270 nm附近有共有吸收峰, 实验以270 nm为总黄酮定量波长, 标准曲线为y=6.076 5x+0.055 8, 相关系数r=0.996 6, 线性关系良好； 重现性、 精密度和稳定性相对标准偏差分别为1.00%, 0.37%和0.28%, 该方法稳定可靠； (2)总黄酮含量随时间变化趋势为先升高后降低, 6月—8月样品含量较高, 平均含量大于64.10 mg·g-1； (3)铁皮石斛红外光谱数据与总黄酮含量拟合后进行一阶导数、 二阶导数、 多元散射校正、 标准正态变量、 正交信号校正等组合处理, 用PLSR模型预测铁皮石斛的总黄酮含量, 结果最佳预处理方式为2D+SG5+SNV+OSC-PLSR, 训练集和验证集r分别为0.979 0和0.882 4, 验证均方根误差(RMSEE)和预测均方根误差(RMSEP)分别为2.438 2和4.169 9, 铁皮石斛中总黄酮含量预测值与测量值较接近, 表明PLS模型可用于总黄酮含量的快速预测。 傅里叶变换红外光谱结合化学计量学能实现铁皮石斛中总黄酮含量准确预测, 为铁皮石斛质量评价提供快速、 有效的方法。

铁皮石斛具有重要的药用价值, 但其资源有限, 因此对其充分开发和利用具有重要的意义。本文利用α-L-鼠李糖苷酶辅助提取铁皮石斛多糖, 通过对酶解温度、酶解时间及加酶量三个因素进行优化, 提高铁皮石斛多糖提取率; 结果显示, 在酶解温度为40 ℃、酶解时间为1 h、加酶量为2.5%时, 多糖提取率为38.4%, 而不加酶处理多糖提取率仅为21.7%, 酶法处理大大增加了铁皮石斛的多糖提取率。同时, 运用顶空固相微萃取技术结合气相色谱质谱联用仪(HS-SPME-GC-MS)分析比较α-L-鼠李糖苷酶对铁皮石斛挥发性成分的影响; GC-MS分析表明, 铁皮石斛加酶处理前后共发现31种挥发性成分, 主要成分均为己醛、1-辛烯-3-醇、异薄荷醇和3-辛烯-2-酮, 并且醛类化合物在加酶处理前后的样品中相对含量均最高, 且加酶处理后产生6种新的挥发性成分。该研究结果表明α-L-鼠李糖苷酶的使用可显著增加对铁皮石斛多糖提取率, 并为铁皮石斛挥发性成分的研究和开发利用提供一定的参考依据。

通过采集15种石斛171份样品的近红外漫反射光谱, 结合化学计量学统计分析方法建立预测模型, 对不同种石斛进行快速无损鉴别。 应用Hotelling T2对随机抽取的5份样品的近红外光谱进行稳定性分析, 结果表明, 样品的近红外光谱具有较好稳定性。 设计正交试验L24（2×4×3×8）, 对光程类型、 光谱波段、 导数和平滑四个因素进行优化处理。 利用主成分分析对正交试验结果进行分析, 结果显示, 选择6 500～4 000 cm-1的光谱波段, 采用多元散射校正、 二阶导数和Norris平滑对光谱预处理, 提取的主成分数为7时, 光谱判别正确率为100%。 将正交试验优化条件作为偏最小二乘法判别分析的输入值, 随机选取123份样本作为校正集建立预测模型, 其余48份样本为预测集, 评估预测模型的性能。 结果表明, 该模型前3个主成分累积贡献率为99.36%, 设定鉴别标准偏差为±0.1时, 该方法的正确识别率为97.92%, 获得满意的结果。 该方法的建立为不同种石斛的快速鉴别提供了一种新的方法, 同时为药用植物的鉴别提供参考。

测试了30个品种206株石斛茎的红外光谱, 光谱显示, 石斛的主要物质成分为纤维素等多糖物质。 用石斛的傅里叶变换红外光谱结合Wilks’ Lambda逐步判别分析法对石斛品种进行识别研究, 比较分析了不同的光谱范围和不同的训练样本数对识别结果的影响。 对1 800～1 250 cm-1光谱范围的287个变量进行品种判别分析, 每个品种的训练样本分别为2, 3, 4, 5, 6个时, 对训练样本的回判正确率都是100%; 以余下的样本作为测试样本进行品种预测的正确率分别为79.4%, 91.3%, 93.0%, 98.2%, 100%。 同时对1 800～1 500, 1 500～1 250, 1 250～600, 1 250～950, 950～600 cm-1等不同光谱范围, 按五种不同的训练样本情况, 相同的判别分析方法进行判别分析比较, 1 800～1 250, 1 800～1 500和950～600 cm-1光谱范围的变量更适宜进行石斛品种的判别分析; 每个品种的训练样本达到3个及以上时, 建立的模型判别分析结果较好。 结果表明, 傅里叶变换红外光谱结合逐步判别分析法对不同品种的石斛进行鉴别, 能够较好的识别石斛的品种, 为石斛品种的鉴别提供了一种简便、 易行的新方法。