全 文 ：� 1834 � 中华中医药杂志(原中国医药学报)2014年6月第29卷第6期 CJTCMP , June, 2014, Vol . 29, No. 6
Physiol,1987,252:471-478
[7] Shoelson S E,Lee J,GoldfineA B. Inflammation and insulin
resistance.JClin Invest,2006, 116(7):1793
[8] Wellen K E,HotamisligilG S.Inflammation, stress, and diabetes.
JClin Invest,2005,115(5):1111
[9] Al-Suhaimi E A,Shehzad A.Leptin. resistin and visfatin: the
missing link between endocrine metabolic disorders and immunity.
Eur J Med Res,2013,1;18(1):12
[10] Furukawa N,Araki E.Type 2 diabetes and impaired glucose
tolerance.Nihon Rinsho,2013 Feb;71(2):270-274
[11] Fujii M,Inoguchi T,Batchuluun B,et al.CTLA-4Ig Immunotherapy
of Obesity-induced Insulin Resistance by Manipulation of
Macrophage Polarization in Adipose Tissues.Biochem Biophys Res
commun,2013,438(1):103-109
[12] Parker V E,Semple R K.Genetic Forms of Severe Insulin
Resistance:What Endocrinologists Should Know.Eur J Endocrinol,
2013,169(4):71-80
[13] Karrowni W,Li Y,Jones P G,et al.Insulin Resistance Is Associated
with significant clinical atherosclerosis in nondiabetic patients
with acute myocardial infarction.Arterioscler Thromb Vasc
Biol,2013,33(9):2245-2251
[14] Mahadik S R,Lele R D,Saranath D.Uncoupling protein-2 (UCP2)
gene expression in subcutaneous and omental adipose tissue of
Asian Indians:Relationship to adiponectin and parameters of
metabolic syndrome.Adipocyte,2012,1(2):101-107
[15] 曹黎.脂联素在胰岛素抵抗中的作用.国外医学卫生学分册,
2007,34(5):301-304
[16] Fang X,Sweeney G.Mechanisms regulating energy metabolism
by adiponectin in obesity and diabetes.BiochemSoc Trans,2006,
34(5):798-780
[17] 仝小林,段娟.肥胖新论.同济大学学报,2010,31(3):6-8
（收稿日期：2013年10月14日）
基于电子鼻技术的不同产地栽培及野生喜马拉雅
紫茉莉的鉴别研究
林辉，赵婷，邹慧琴，彭莲，李佳慧，任智宇，闫永红
（北京中医药大学，北京 100029）
摘要：目的：根据气味鉴别不同产地栽培及野生喜马拉雅紫茉莉。方法：利用电子鼻检测喜马拉雅紫茉莉样
品气味在传感器上的响应值，采用判别因子分析（DFA）、分层聚类分析（HCA）、人工神经网络（ANN）等方
法分析。结果：不同产地栽培及野生喜马拉雅紫茉莉气味差异明显。结论：电子鼻技术能用于区分不同产地栽培
及野生喜马拉雅紫茉莉，电子鼻技术可以引入到藏药的质量评价中来。
关键词：电子鼻；喜马拉雅紫茉莉；化学计量学；鉴别
基金资助：北京中医药大学自主选题项目（民族医药类）（No.522/0100603032），北京中医药大学自主选
题项目（藏医药类）（No.522/0100604052），北京中医药大学自主选题项目（No.532/0100604276）
Study on identifi cation to different origin of cultivated and wild Mirabilis himalaica
(Edgew) Heim. by electronic nose
LIN Hui, ZHAO Ting, ZOU Hui-qin, PENG Lian, LI Jia-hui, REN Zhi-yu, YAN Yong-hong
( Beijing University of Chinese Medicine,Beijing 100029, China )
Abstract: Objective: To study the identifi cation of diff erent origin of cultivated and wild Mirabilis himalaica (Edegw)
Heim by odor. Methods: The response values of Mirabilis himalaica (Edgew) Heim.
,
s odor on sensor were detected by electronic
nose, and were detected by discriminant factor analysis (DFA), hierarchical clustering analysis (HCA) and artifi cial neural network
(ANN). Results: There was a signifi cant diff erence in odor between diff erent origin of cultivated and wild Mirabilis himalaica
(Edgew) Heim.. Conclusion: Electronic nose could be used to identify diff erent origins of cultivated and wild Mirabilis himalaica
(Edgew) Heim. and be introduced into the quality evaluation of traditional Chinese herbal medicine.
·论著·
通讯作者：闫永红，北京市朝阳区北三环东路11号北京中医药大学教务处，邮编：100029，电话：010-64286447，E-mail：lxdyyh@yeah.net
� 1835 �中华中医药杂志(原中国医药学报)2014年6月第29卷第6期 CJTCMP , June, 2014, Vol . 29, No. 6
喜马拉雅紫茉莉为紫茉莉科植物喜马拉雅紫茉
莉Mirabilis himalaica（Edgew）Heim的干燥根[1]。藏
医学认为，喜马拉雅紫茉莉具有引黄水、益肾滋补、
利尿排石等多种功能，用于肾寒浮肿、腰及关节痛、
下腹痛及膀胱结石、病毒感染等症，该药材作为央宗
三宝、五根散等多种常用藏医成药的重要组成部分。
2006年已对野生濒危的喜马拉雅紫茉莉进行系统的
人工驯化栽培试验并获得成功，目前已基本实现人
工栽培，具有很广阔开发前景。但关于该藏药，相关
的研究报道较少，对其物质基础缺乏系统研究，因而
其质量评价的标准尚不完善，无法对药材与成药的
质量进行有效地控制，阻碍了该藏药及其成药的应
用与推广。
电子鼻（electronic nose）是模拟人类嗅觉系统设
计研制的一种仿生嗅觉系统，可测量一种或多种气
味物质。其工作原理与人的嗅觉形成相似，包括3个
部分[2]：气味分子被电子鼻系统中的传感器阵列吸
附、产生信号，如同人的嗅觉细胞；生成的信号经各
种方法加工处理与传输，如同人的嗅觉神经网络；将
处理后的信号经模式识别系统对气味做出判断，如
同人的大脑。电子鼻提取中药材所含挥发性成分的
气味特征，不强调中药材个体的气味的特异性，而强
调同一群体的相似性，即物种群体内的共有特征性
（同品种的气味指纹图谱相似而不是相同，还与其
他信息相关）。上世纪80年代电子鼻诞生后，科
学家们在很多领域进行了应用研究，如农业[3]、
食品卫生[4-5]的质量监控；疾病的预防与诊断[6]；大气
中苯浓度的预测[7]；公共安全中爆炸物的检测[8]。郭奇
慧等[9]将电子鼻用于区分纯牛奶原奶与掺假牛奶。也
有研究者[10]采用电子鼻评价牛肉的新鲜程度。孙钟
雷[11]根据猪肉的气味特征，建立了一套适用于猪肉
新鲜度识别的电子鼻系统。结果表明电子鼻具有快
捷、灵敏、准确、测定评估范围广等优点。在藏药品
质评价方面，相关的研究还比较少。本研究运用电子
鼻技术对不同产地栽培与野生喜马拉雅紫茉莉的气
味进行检测分析，为合理评价野生及栽培喜马拉雅
紫茉莉的品质提供依据。
材料
1. 药材　笔者于2012年搜集了6种不同产地栽培与
野生喜马拉雅紫茉莉药材，见表1。所有样品经北京中
医药大学闫永红教授鉴定为紫茉莉科植物喜马拉雅
紫茉莉Mirabilis himalaica（Edgew）Heim.的干燥根。
Key words: Electronic nose; Mirabilis himalaica (Edgew) Heim.; Chemometrics; Identifi cation
Fund assistance: Independent Selected Subjects Program of Beijing University of Chinese Medicine (The Ethnic
Medicine) (No.522/0100603032), Independent Selected Subjects Program of Beijing University of Chinese Medicine (The
Tibetan Medicine) (No.522/0100604052), Independent Selected Subjects Program of Beijing University of Chinese Medicine
(No.532/0100604276)
表1　喜马拉雅紫茉莉样品一览表
编号 代号 产地 是否栽培
1 A 甘肃甘南州 野生
2 B 拉萨夺底沟 野生
3 C 拉萨市售 野生
4 D 西藏扎浪县 野生
5 E 西藏贡嘎县 栽培
6 F 西藏贡嘎县（基地） 栽培
2. 仪器 α-FOX 3000气味指纹分析仪，又称电子
鼻（法国Alpha MOS公司）；其中包含12根金属氧化物
（MOS）传感器，其具体信息见表2，其中S代表传感器。
表2　α-FOX 3000气味指纹分析仪的传感器及其检测范围
传感器编号 传感器型号 检测范围
S1 LY2/LG 氧化气体
S2 LY2/G 氨气/有机胺类、一氧化碳
S3 LY2/AA 乙醇
S4 LY2/GH 氨气/有机胺类
S5 LY2/gCTL 硫化氢
S6 LY2/gCT 丙烷/丁烷
S7 T30/1 有机溶剂
S8 P10/1 烃类、甲烷
S9 P10/2 甲烷
S10 P40/1 氟
S11 T70/2 芳香族化合物
S12 PA/2 乙醇、氨气/有机胺类
方法
1. 样品分析 样品粉碎，过2号筛，精确称取0.8g
样品装入10mL顶空瓶中，密封。每个样品重复检测
6次。电子鼻对样品气味特征的采集分为3个部分：
加热孵化、顶空进样、数据采集。实验中电子鼻具
体参数如下：孵化时间300s，孵化温度50℃；进样量
2 500μL；信息采集时间140s，采集周期1.0s。
2. 统计学方法 利用SPSS 19.0软件，采用判别因子
分析、分层聚类分析、人工神经网络等方法进行分析。
结果
1. 传感器采集信息的分析 喜马拉雅紫茉莉样品
� 1836 � 中华中医药杂志(原中国医药学报)2014年6月第29卷第6期 CJTCMP , June, 2014, Vol . 29, No. 6
的传感器信号响应强度对应时间变化的响应电阻值如
图1。由图可知，传感器S1、S3、S4及S5的电阻率一直无
明显变化。因此，在数据处理中不考虑这4根传感器所
测定的信息，剔除多余信息，以增加结果得可信度。
图1 喜马拉雅紫茉莉样品的电子鼻检测典型响应曲线
2. 判别因子分析（discriminant factor analysis，
DFA）　DFA是判定个体所属类别的统计方法。根据
两个或多个已知类别的样本观测资料确定一个或多
个线性判别函数和判别指标，然后用该判别函数依
据判别指标来判定另一个体属于哪一类。DFA在电
子鼻中用于根据标样结果对盲样进行识别。它通过
传感器数据的重新组合来优化区分性，或通过传感
器的优化选择，即去除没有贡献或贡献很小的传感
器，来提高识别能力，其目的是使组间距离最大的同
时保证组内差异最小[12]。图2为样品的判别因子分析
图，由图可知，因子1为78.5%，因子2为17.9%，其总和
为96.4%。统计学认为，只要因子总和大于85.0%，就
认为此模型能用于实际分析。另外，产地差异最大的
甘肃产样品，位于图2最右边，显著地与其他样品分
开。因此，DFA能够成功的区分开不同产地栽培及野
生的喜马拉雅紫茉莉。
图2　喜马拉雅紫茉莉样品的判别因子分析图
3. 分层聚类分析（hierarchical clustering analysis，
HCA）　HCA是一种将研究对象分为相对同质的群组
（clusters）的统计分析技术。从统计学的观点看，聚类
分析是通过数据建模简化数据的一种方法。HCA是
依据个体或变量的数量关系来分类，客观性较强，但
是各种聚类方法都只能在某种条件下达到局部最优[13]。
图3为喜马拉雅紫茉莉样品的HCA图。其中可见西藏
贡嘎县中有一样品被聚类到拉萨夺堆沟样品中，其余
聚类全部正确。因此在用HCA分析样品时，要结合其
他数据处理方法，使实验结果更加准确。
图3　喜马拉雅紫茉莉样品的分层聚类分析图
4. 人工神经网络（artificial neural network，ANN）
ANN是一种通过模仿人或动物神经网络行为特征，
进行分布式并行信息处理的数学模型。这种网络依
靠系统的复杂维度，通过调整内部大量节点之间相
互连接的关系，从而达到处理信息的目的。ANN通
过预先提供的一批相互对应的“输入数据-输出数
据”，分析、掌握两者之间潜在的规律，最终根据这
些规律，用新的“输入数据”来推算“输出结果”，这
种学习分析的过程被称为“训练”。目前，许多人工神
经网络被用于处理传感器阵列的信号，如BP神经网
络（back propagation trained neural network）、径向基
神经网络（radial basis function neural network）、模糊
神经网络（fuzzy neural network）、自组织网络（self-
organizing network）等[14]。本实验采用径向基函数神
经网络进行数据分析。此神经网络模型分为3个层
次，即输入层、隐藏层和输出层。输入层单位数为6，
隐藏层激活函数为Softmax，输出层单位数为9，激活
函数为恒等。图4为喜马拉雅紫茉莉样品的径向基函
数网络图表，从图中可以看出输入层、隐藏层和输出
层的函数映射关系。表3为喜马拉雅紫茉莉样品径向
基函数神经网络训练集与测试集相关信息，从中可
甘肃甘南州野生
拉萨夺底沟野生
拉萨市售野生
西藏扎浪县野生
西藏页嘎县栽培
西藏页嘎县基地栽培
� 1837 �中华中医药杂志(原中国医药学报)2014年6月第29卷第6期 CJTCMP , June, 2014, Vol . 29, No. 6
以看出训练集与测试集的平均整体相对误差都小于
0.2%，分类正确率都高于75.0%，测试集的分类正确
率高达87.5%，说明此模型不仅有效，而且正确率还
比较高，可以成功地将不同产地栽培及野生的喜马
拉雅紫茉莉区分开。
图4　喜马拉雅紫茉莉样品的径向基函数的网络图表
表3　喜马拉雅紫茉莉样品径向基函数神经网络训练集与
测试集相关信息
样本 样本量（份）
样本所
占百分比
（%）
平方和误差
（%）
平均整体
相对误差
（%）
分类正确率
（%）
训练集 28 77.800 15.766 0.155 78.600
测试集 8 22.200 3.577 0.121 87.500
讨论
在药材气味研究中，大多利用GC-MC技术对中
药材挥发性成分进行定性定量分析，但是药材的气
味是由多种成分混合构成的，不是单一或几种成分
的简单组合，因此，GC-MS检测到的中药材气味信息
不够全面，电子鼻是由多个传感器对气味进行分析，
得到的是气味的整体信息，比GC-MS更加全面。其
次，GC-MS的检测温度较高，会破坏一些中药成分，
造成检测误差。相比较，电子鼻更适合中药材气味
的研究。本研究结果显示，电子鼻技术结合化学计
量学方法能有效地检测到不同产地栽培及野生喜马
拉雅紫茉莉的差异，特别是创新性地将人工神经网
络模型引入到该鉴别中，使结果更加可靠。因此，电
子鼻技术能用于整体评价喜马拉雅紫茉莉的气味信
息，区分不同产地栽培及野生的喜马拉雅紫茉莉。
参　考　文　献
[1] 帝玛尔·丹增彭措.晶珠本草.上海:上海科学技术出版社,
1986:88
[2] 邹慧琴,刘勇,林辉,等.电子鼻技术及应用研究进展.传感器
世界,2011,17(11):6-11
[3] TANG Xiao-wei,HE Hong-ju,GENG Li-hua,et.al.Evalution of
Maturity and Flavour of Melons Using an Electronic Noses.
Agricultural Science & Technology,2011,12(3):447-450
[4] 赵梦醒,曹荣,殷邦忠,等.电子鼻在对虾新鲜度评价中的应用.
渔业科学进展,2011,32(6):57-62
[5] Hui G H,Wang L Y,Mo Y H,et al.Stu dy of grass carp
(Ctenopharyngodon idellus) quality predictive model based on
electronic nose.Sensor Actuat B-Chem,2012,166:301-308
[6] Van Altena R,Duggirala S,Grosch el MIP,et al.Immunology in
tuberculosis:challenges in monitoring of disease activity and
identifying correlates of protection.Curr Pharm Design,2011,
17:2853-2862
[7] FANG Xiang-sheng,SHI Han-chang,HE Miao,et al.Application
and progress of electronic nose in evironmental monitoring.
Evrionmental Science & Technology,2011,34(10):112-117
[8] Yinon J.Field detection and monitoring of explosives.Trends in
Analytical Chemistry,2002,21(4):292-301
[9] 郭奇慧,白雪,康小红.应用电子鼻区分不同货架期的纯奶.乳
业·科学与技术,2008(129):68
[10] Hong X Z,Wang J,Hai Z.Discrimination and prediction of multiple
beef freshness indexes based on electronic nose.Sensor Actuat
B-Chem,2012,161:381-389
[11] 孙钟雷.电子鼻技术在猪肉新鲜度识别中的应用.肉类研究,
2008(108):50
[12] Costache G N,P Corcoran,P. Puslecki.Combining PCA-based
datasets without retraining of the basis vector set.Pattern
Recognition Letters,2009,30(16):1441-1447
[13] Zhang Ya,Kun He,Zhang ming Lu,et al.Colorimetric artificial nose
for baijiu identification.Flavour and Fragrance Journal,2012,27(2):
165-170
[14] Ammar Zakaria,Ali Yeon Md Shakaff,Maz Jamilah Masnan,et al.
Improved Maturity and Ripeness Classifications of Magnifera
Indicacv.Harumanis Mangoes through Sensor Fusion of an
Electronic Nose and Acoustic Sensor.Sensors,2012,12(5):
6023-6048
（收稿日期：2013年4月11日）