一种用于多源分类和多组分定量分析的绿色分析策略：以近红外光谱结合化学计量学方法对大头党参（Atractylodes Macrocephala Koidz.）进行研究

利用近红外光谱（NIR）和高性能液相色谱（HPLC）结合化学计量学方法，对344份中国12个产地的白术（Atractylodes macrocephala）样本进行产地分类和11种化学成分定量分析。PLS-DA模型经预处理和特征波段筛选后，实现94.17%的产地分类准确率。PLSR模型对β-桉叶醇（RPD=4.2366）和苍术醇（RPD=4.1316）预测性能优异，其余成分RPD值在2-3.5之间，表明模型可靠。NIR技术兼具非破坏性和快速分析优势，为白术质量控制和产地溯源提供高效解决方案。

　　

段婉|何天金|岳伟|钱旺|文斌伟|魏芳|年霞孙|于宁|段磊王

摘要

本研究采用了近红外（NIR）光谱技术和高效液相色谱（HPLC）结合化学计量学的方法，对从中国12个产地采集的344个Atractylodes macrocephala Koidz.（AMR）样品进行了快速分类和定量分析。基于NIR数据，偏最小二乘判别分析（PLS-DA）模型对这12个产地的分类准确率达到94.17%。此外，优化后的HPLC方法能够同时测定AMR中的11种化学成分。偏最小二乘回归（PLSR）模型显示，β-欧迪斯莫尔（β-eudesmol）和阿特拉托酮（attractylone）的预测性能优异，其相对峰度（RPD）值分别为4.2366和4.1316。其余成分的RPD值在2到3.5之间，预测性能属于可接受至良好范围内。结果表明，NIR技术是一种非破坏性的方法，适用于药用植物的快速地理分类和多指标质量评估，具有显著优势。

引言

Atractylodes macrocephala Koidz.（AMR）属于菊科植物，其干燥的根茎具有健脾、补气、燥湿和利水的药理作用[1]、[2]。随着制药行业对AMR需求的增加，其种植面积不断扩大和迁移，由于气候和土壤等自然条件的差异，AMR的外观和化学成分也发生了显著变化。产地之间的差异导致AMR的化学成分含量存在明显差异，进而影响其临床疗效。因此，建立快速准确的AMR产地分类方法和化学成分定量方法对于确保药用植物的质量和临床疗效具有重要意义。

传统的药用植物鉴定方法受操作者主观性影响较大且缺乏标准化[3]。现代分析方法常使用高效液相色谱（HPLC）、气相色谱（GC）和薄层色谱（TLC）等技术进行定性和定量分析[4]、[5]。然而，这些分析方法通常需要复杂的梯度条件优化，处理时间较长，且可能造成试剂污染。相比之下，近红外（NIR）光谱技术具有速度快、无破坏性、成本效益高等优点，在药用植物领域越来越受欢迎[6]、[7]。NIR光谱的波数范围约为12,000–4000 cm^?1，包含了大多数有机成分的分子结构信息[8]。由于NIR光谱中吸收带复杂且重叠，以及其高维度特性，需要采用特定方法来充分提取光谱特征。化学计量学是一门结合数学和统计学的学科，可用于从复杂数据中提取有用信息。在NIR分析中，化学计量学提供了多元建模、降维和数据可视化工具，可将复杂的光谱信号转化为可解释的定量或定性信息。在分类任务中，偏最小二乘判别分析（PLS-DA）和支持向量机（SVM）等方法被广泛用于真伪鉴定或产地分类[9]；在成分预测方面，偏最小二乘回归（PLSR）对多重共线性具有较好的鲁棒性，是常用的基于NIR光谱绘制化学成分浓度图的方法之一[10]。需要注意的是，在定量模型中，NIR光谱信号与分析物含量之间的对应关系需要通过一系列已知精确数据进行校准。为此，通常使用HPLC对样品中的目标成分进行精确定量，HPLC得到的参考值作为NIR建模的校准依据[11]。通过模型建立这种对应关系后，NIR可以成为HPLC的可行替代方法。

NIR与HPLC结合化学计量学能够从复杂光谱中提取关键信息，实现植物产地的快速分类和内在成分的预测[12]。因此，本研究利用HPLC同时测定AMR中的11种化学成分含量，更科学地探讨其药理作用的基础，并实现精确的质量控制；同时结合NIR光谱和化学计量学建立定性和定量模型。一方面，基于NIR光谱数据建立了PLS-DA模型对不同产地的AMR进行分类；另一方面，利用HPLC得到的AMR参考值应用PLSR模型预测这11种成分的含量。总之，该方法不仅满足了农业生产中对AMR快速质量评估的需求，还为AMR的全面质量控制提供了可行的技术解决方案，从而提高了AMR市场流通的标准化水平。

样本与试剂

从中国12个不同产地购买了共计344个AMR样本，这些样本来自各种本地药店和中药市场，产地被随机编码为S1–S12（见表S1）。所有AMR样本均为当地栽培的品种，未经额外处理。清洗掉样本表面的土壤并去除纤维根后，在35°C恒温下干燥至恒重。为减少颗粒的影响……

利用NIR光谱分析AMR

图1A展示了来自12个不同产地的344个AMR样本的原始NIR光谱。可以看出，有六个位置的吸收强度明显不同。结合光谱学知识，约8400–8300 cm^?1处的吸收带通常对应于CH伸缩振动[23]的第二泛音，约6800–6700 cm^?1处的吸收带通常对应于OH伸缩振动[24]的第一泛音，以及宽吸收带……

结论

本研究利用NIR光谱结合HPLC通过PLS-DA对12个产地的AMR样本进行分类，并通过PLSR建立了11种AMR化学成分的定量模型。经过最佳的光谱预处理和特征带筛选后，PLS-DA模型对12个产地的AMR样本实现了可靠的分类效果。在AMR中11种化学成分的定量分析中，PLSR模型显示β-欧迪斯莫尔和阿特拉托酮的预测性能良好……

CRediT作者贡献声明

段婉：撰写——初稿撰写、软件开发、数据整理、概念构思。何天金：方法学设计、正式分析。岳伟：方法学设计。钱旺：方法学设计。文斌伟：方法学设计。魏芳：撰写——审稿与编辑、监督。年霞孙：监督、资金筹集。于宁：撰写——审稿与编辑、监督、概念构思。段磊王：监督、资金筹集。

知情同意

不适用。

伦理批准

本文不包含任何涉及人类参与者或动物的研究。

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

作者感谢合肥工业大学的仪器分析中心提供NIR光谱仪。本研究得到了安徽中医药联合研究中心（Yjzx2023008）和安徽省高校自然科学重点项目（2024AH050954、2024AH050975）的财政支持。