全 文 ：2016年 9月 Ｖｏｌ．34 Ｎｏ．9
Ｓｅｐｔｅｍｂｅｒ 2016 Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｃｈｒｏｍａｔｏｇｒａｐｈｙ 901～905
研究论文 ＤＯＩ：10．3724 ／ ＳＰ．Ｊ．1123．2016．05011
* 收稿日期：2016－05－17
* 通讯联系人．Ｅ－ｍａｉｌ：ｍｕｎｉｒａ818＠ 163．ｃｏｍ．
基金项目：新疆维吾尔自治区重点实验室开放课题（2015ＫＬ030）．
Ｆｏｕｎｄａｔｉｏｎ ｉｔｅｍ：Ｏｐｅｎ Ｐｒｏｊｅｃｔｓ ｏｆ ｔｈｅ Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｘｉｎｊｉａｎｇ Ｕｙｇｕｒ Ａｕｔｏｎｏｍｏｕｓ Ｒｅｇｉｏｎ （Ｎｏ． 2015ＫＬ030）．
基于牛舌草指纹图谱的多指标成分相对定量与鉴别方法
楚刚辉， 木合塔尔·吐尔洪， 尹学博， 木尼热·阿布都克力木*
（新疆特色药食用植物资源化学重点实验室，喀什大学化学与环境科学学院，新疆 喀什 844006）
摘要：色谱指纹图谱法在中草药产地鉴别或中成药鉴别中发挥着重要作用，然而色谱峰强度和位置易受目标物提
取和分离条件的影响，发展更加准确的指纹图谱具有重要意义。该文以色谱峰中某一个常见组分（芦丁）作为内
标，分析其他组分的相对含量，以相对含量作为指纹图谱信息，结合化学模式识别可以精确给出产地的相似度。以
牛舌草的液相色谱指纹图谱指纹峰为例，以其中芦丁的组分峰作为基准峰，其他指纹峰以芦丁为参照，计算每个指
纹峰以芦丁计的含量，建立了牛舌草的指纹图谱。将获得的相对含量指纹图谱采用系统聚类分析和主成分分析进
行化学模式识别研究，实现了不同产地牛舌草的区分。该方法建立了牛舌草多指标成分的相对定量与鉴别方法，
既节省资源，又具有可操作性，对于其他中药或中成药的质量控制具有一定的借鉴意义。
关键词：指纹图谱；定量方法；化学模式识别；牛舌草
中图分类号：Ｏ658 文献标识码：Ａ 文章编号：1000－8713（2016）09－0901－05
Ｒｅｌａｔｉｖｅ ｍｕｌｔｉｃｏｍｐｏｎｅｎｔ ｑｕａｎｔｉｔａｔｉｖｅ ａｎｄ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ
ｍｅｔｈｏｄ ｏｆ ｂｕｇｌｏｓｓ ｂａｓｅｄ ｏｎ ｔｈｅ ｆｉｎｇｅｒｐｒｉｎｔ
ＣＨＵ Ｇａｎｇｈｕｉ，ＭＵＨＥＴＡＥＲ·Ｔｕ’ｅｒｈｏｎｇ，ＹＩＮ Ｘｕｅｂｏ，ＭＵＮＩＲＡ·Ａｂｕｄｕｋｅｒｅｍｕ*
（Ｘｉｎｊｉａｎｇ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｎａｔｉｖｅ Ｍｅｄｉｃｉｎａｌ ａｎｄ Ｅｄｉｂｌｅ Ｐｌａｎｔ Ｒｅｓｏｕｒｃｅｓ Ｃｈｅｍｉｓｔｒｙ，Ｃｏｌｌｅｇｅ ｏｆ Ｃｈｅｍｉｓｔｒｙ
ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅ，Ｋａｓｈｇａｒ Ｕｎｉｖｅｒｓｉｔｙ，Ｋａｓｈｇａｒ 844006，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｃｈｒｏｍａｔｏｇｒａｐｈｉｃ ｆｉｎｇｅｒｐｒｉｎｔ ｐｌａｙｓ ａ ｋｅｙ ｒｏｌｅ ｉｎ ｔｈｅ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ ｈａｂｉｔａｔ ｆｏｒ
Ｃｈｉｎｅｓｅ ｈｅｒｂｓ ｏｒ Ｃｈｉｎｅｓｅ ｐａｔｅｎｔ ｍｅｄｉｃｉｎｅｓ． Ｈｏｗｅｖｅｒ，ｐｅａｋｓ’ｉｎｔｅｎｓｉｔｉｅｓ ａｎｄ ｐｏｓｉｔｉｏｎｓ ｃａｎ ｂｅ
ａｆｆｅｃｔｅｄ ｂｙ ｔｈｅ ｅｘｔｒａｃｔｉｏｎ ａｎｄ ｓｅｐａｒａｔｉｏｎ ｃｏｎｄｉｔｉｏｎｓ ｏｆ ｔａｒｇｅｔ，ａｎｄ ｉｔ ｉｓ ｖｅｒｙ ｓｉｇｎｉｆｉｃａｎｔ ｔｏ
ｄｅｖｅｌｏｐ ａ ｍｏｒｅ ｐｒｅｃｉｓｅ ｆｉｎｇｅｒｐｒｉｎｔ． Ｔｈｅ ｃｅｒｔａｉｎ ｃｏｍｐｏｎｅｎｔ （ｒｕｔｉｎ）ａｓ ｔｈｅ ｉｎｔｅｒｎａｌ ｓｔａｎｄａｒｄ ｗａｓ
ｕｓｅｄ ｔｏ ｃｏｎｆｉｒｍ ｔｈｅ ｒｅｌａｔｉｖｅ ｃｏｎｔｅｎｔｓ ｏｆ ｏｔｈｅｒ ｃｏｍｐｏｎｅｎｔｓ，ｗｈｉｃｈ ｗａｓ ａｐｐｌｉｅｄ ｉｎ ｃｈｅｍｉｃａｌ ｐａｔ－
ｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ． Ｔｏ ｖｅｒｉｆｙ ｔｈｅ ｉｄｅａ，ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｐｅａｋ ｏｆ ｒｕｔｉｎ ａｓ ｒｅｆｅｒｅｎｃｅ，ｔｈｅ ｒｅｌａｔｉｖｅ
ｃｏｎｔｅｎｔｓ ｏｆ ｔｈｅ ｏｔｈｅｒ ｄｅｆｉｎｅｄ ｆｉｎｇｅｒｐｒｉｎｔ ｐｅａｋｓ ｗｅｒｅ ｏｂｔａｉｎｅｄ． Ａ ｍｕｌｔｉｃｏｍｐｏｎｅｎｔ ｑｕａｎｔｉｔａｔｉｖｅ
ａｎｄ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｍｅｔｈｏｄ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ ｂｙ ｔｈｅ ｆｉｎｇｅｒｐｒｉｎｔ ｏｆ ｂｕｇｌｏｓｓ． Ｔｈｅ ｏｂｔａｉｎｅｄ ｆｉｎｇｅｒ－
ｐｒｉｎｔｓ ｗｅｒｅ ｕｓｅｄ ｆｏｒ ｔｈｅ ｃｈｅｍｉｃａｌ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ，ｉｎｃｌｕｄｉｎｇ ｈｉｅｒａｒｃｈｉｃａｌ ｃｌｕｓｔｅｒ ａｎａｌｙｓｉｓ
ａｎｄ ｔｈｅ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ，ａｎｄ ｔｈｅ ｂｕｇｌｏｓｓ ｃｏｌｌｅｃｔｅｄ ｆｒｏｍ ｄｉｆｆｅｒｅｎｔ ｐｌａｃｅｓ ｃｏｕｌｄ ｂｅ
ｄｉｓｔｉｎｇｕｉｓｈｅｄ ｅｆｆｅｃｔｉｖｅｌｙ． Ａ ｒｅｌａｔｉｖｅ ｍｕｌｔｉｃｏｍｐｏｎｅｎｔ ｑｕａｎｔｉｔａｔｉｖｅ ａｎｄ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｍｅｔｈｏｄ ｆｏｒ
ｂｕｇｌｏｓｓ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ． Ｔｈｅ ｅｓｔａｂｌｉｓｈｅｄ ｍｅｔｈｏｄ ｉｓ ｅｃｏｎｏｍｉｃ，ｆｅａｓｉｂｌｅ，ａｎｄ ｓｉｇｎｉｆｉｃａｎｔ ｆｏｒ
ｑｕａｌｉｔｙ ｃｏｎｔｒｏｌ ｏｆ ｏｔｈｅｒ ｈｅｒｂｓ ａｎｄ ｐａｔｅｎｔ ｍｅｄｉｃｉｎｅｓ．
Ｋｅｙ ｗｏｒｄｓ：ｆｉｎｇｅｒｐｒｉｎｔ；ｑｕａｎｔｉｔａｔｉｖｅ ｍｅｔｈｏｄ；ｃｈｅｍｉｃａｌ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ；ｂｕｇｌｏｓｓ
中华医药是祖国的瑰宝，为保证人民身体健康
起到了至关重要的作用。与西药的单一组分或简单
组分相比，中药原料药组分复杂，且不同产地的原料
药具有明显的药效差异。开展原料药产地和归属地
鉴别、区分原料药和中成药已成为规范中药的关键。
中药属于复杂体系，分析鉴定难度大，对其中的某一
种活性成分或有效成分进行测定不能完全反映原料
药的本质以及真实的质量状况［1－6］。近年来提出了
色 谱 第 34卷
中药的指纹图谱方法用于中药的鉴别，作为一种有
效的分析手段，指纹图谱通过整体的观点研究中药
的复杂物质基础［7，8］，已初步实现了中药产品质量
的分析和控制［9－13］。其中，色谱指纹图谱以其简便
易操作获得了广泛关注。但目前中药色谱指纹图谱
仍然存在一些问题：1）即使同一个样品采用相同的
处理方式，也可能会有色谱出峰时间和峰强度的变
化；2）样品处理方式和色谱条件严重影响色谱峰的
保留时间和强度，从而更多影响样品的整体风貌；
3）缺乏中药成分标准品导致对具体指标成分定量
难［14］。因此，有必要建立科学、合理和规范的指纹
图谱中药鉴别方法。
为此，本文提出了以内标为参考，实现对有效成
分保留时间和峰强度的相对定量，避免因样品处理
方式或色谱条件差异带来的不确定性。利用化学模
式识别结合相对强度和保留时间对药品进行归属地
确认，提高了归属地的置信度。牛舌草是紫草科多
年生的草本植物，是维族医药中最常用的治疗心脑
血管疾病的首选药材之一，具有生湿生热、调节异常
黑胆质、生湿补脑、爽心悦志、祛寒补心、止咳平喘、
润燥消炎等功效［15，16］。本文以牛舌草为例，以其中
的一种活性成分芦丁为标准，借助指纹图谱技术，测
定了其他活性成分的相对含量。通过牛舌草多指标
成分的相对含量代替具体含量，找到了一种廉价、快
速的中药质量鉴别和归属地鉴别的新方法。
1 实验部分
1．1 仪器与材料
高效液相色谱仪配 ＳＰＤ－Ｍ20Ａ 二极管阵列检
测器、ＤＧＵ－20Ａ5在线脱气机、ＬＣ－20ＡＴ高压泵、ＬＣ－
ｓｏｌｕｔｉｏｎ工作站（日本岛津公司）；Ａｇｉｌｅｎｔ ＨＣ－Ｃ18
色谱柱（250 ｍｍ×4. 6 ｍｍ，5 μｍ，美国 Ａｇｉｌｅｎｔ 公
司）；ＫＱ3200ＤＥ型超声波清洗器（昆山市超声仪器
有限公司）；ＸＡ－1 型多功能粉碎机（江苏姜堰市分
析仪器厂）。
甲醇（色谱纯，天津康科德公司），冰乙酸（分析
纯，天津赛孚瑞科技），芦丁对照品（纯度≥99％，上
海源叶生物科技有限公司），其他试剂为国产分析
纯。实验用水为超纯水（过 0. 22 μｍ微孔滤膜）。
选择巴基斯坦、印度、阿拉伯、新疆叶城、新疆和
田、意大利 6 个不同产地的牛舌草样品（分别标记
为 Ｓ1、Ｓ2、Ｓ3、Ｓ4、Ｓ6、Ｓ7）和极难获得的印度产牛舌
草花样品（标记为 Ｓ5），由叶尔羌绿洲生态与生物资
源重点实验室司马义教授鉴定。各样品经 60 ℃烘
干，粉碎，过 40目筛，储于样品瓶中备用。对这几种
牛舌草样品进行分析、验证，提出方法的可行性。
1．2 色谱条件
色谱柱：Ａｇｉｌｅｎｔ ＨＣ－Ｃ18 柱；柱温为室温；进样
量为 15 μＬ。以甲醇为流动相 Ａ，以 0. 2％（体积分
数，下同）的乙酸水溶液为流动相 Ｂ；流动相流速为
1. 0 ｍＬ ／ ｍｉｎ。梯度洗脱条件：0 ～ 33 ｍｉｎ，26％ Ａ ～
41％ Ａ；33 ～ 40 ｍｉｎ，41％ Ａ ～ 50％ Ａ；40 ～ 50 ｍｉｎ，
50％ Ａ～55％ Ａ。检测波长为 254 ｎｍ。
1．3 溶液的配制
对照品溶液的配制：精密称取芦丁对照品 15. 0
ｍｇ，加甲醇溶解并定容，制成 300 ｍｇ ／ Ｌ的标准储备
溶液。
供试品溶液的配制：准确称取 1. 000 ｇ 牛舌草，
置于具塞锥形瓶中，精确加入 50. 00 ｍＬ 80％甲醇水
溶液，密塞，精密称定，浸泡过夜，超声 20 ｍｉｎ，放
冷。用上述甲醇溶液补足减失的质量，摇匀，过滤，
得到供试样品。
2 结果与讨论
2．1 色谱条件的选择
良好的色谱分离是建立色谱指纹图谱的关键，
考察了甲醇－水、甲醇－0. 2％乙酸水溶液、甲醇－0. 2％
磷酸水溶液为流动相对分离效果的影响。结果发
现，使用甲醇－水作为流动相时，部分组分存在峰拖
尾现象，而后两种流动相的分离情况区别不大。考
虑到磷酸酸性较强，长期使用会影响色谱柱的使用
寿命，故选择甲醇－0. 2％乙酸水溶液进行梯度洗脱。
对二极管阵列检测器检测波长进行选择，发现吸收
波长为 254 ｎｍ时提取液中各组分均有较高的响应
值，而且峰形较好，干扰较少，色谱图较为理想，因此
选择 254 ｎｍ作为本试验的检测波长。
2．2 指纹峰的选择
按照 1. 2节所述色谱条件分析 6种不同产地的
牛舌草及印度牛舌草花，得到 7 种样品的高效液相
色谱图（见图 1）。选择全部样品图谱中主要且共有
的峰作为特征峰，共得到 9个特征峰，这些峰的面积
占总面积的 80％以上。如图 1 所示，5 为芦丁的色
谱峰。芦丁价廉易得，因此被选作内标物，样品中其
他组分以芦丁为标准进行定量，获得对芦丁的相对
含量。
2．3 样品提取方法考察
以 60％、70％和 80％的甲醇水溶液和纯甲醇进
行牛舌草样本的提取，发现纯甲醇对图 1 中 6、9 组
分的提取效果欠佳，而甲醇水溶液可以提高这两个
组分的提取率；但当水的比例增加时，样品溶液难以
·209·
第 9期 楚刚辉，等：基于牛舌草指纹图谱的多指标成分相对定量与鉴别方法
图 1 （ａ）芦丁标准样品及（ｂ）牛舌草样品的色谱图
Ｆｉｇ． 1 Ｃｈｒｏｍａｔｏｇｒａｍｓ ｏｆ （ａ）ｔｈｅ ｒｕｔｉｎ ｓｔａｎｄａｒｄ
ｓａｍｐｌｅ ａｎｄ （ｂ）ａ ｂｕｇｌｏｓｓ ｓａｍｐｌｅ
Ｐｅａｋｓ：1－4，6－9． ｃｏｍｐｏｎｅｎｔｓ 1－4，6－9；5． ｒｕｔｉｎ．
通过微孔滤膜过滤，如 60％的甲醇水溶液浸取液几
乎不能通过滤膜被过滤，这可能是由于牛舌草溶出
的多糖所致。80％的甲醇水溶液对于 6、9 组分溶出
效果良好，且样品易于过滤制样。因此，选择 80％
的甲醇水溶液用于样品提取。为了使样品中有效成
分充分溶出，选择浸泡过夜后超声，超声时间为 20
ｍｉｎ。
表 1 牛舌草样品的加标回收率
Ｔａｂｌｅ 1 Ｓｐｉｋｅｄ ｒｅｃｏｖｅｒｉｅｓ ｏｆ ａ ｂｕｇｌｏｓｓ ｓａｍｐｌｅ
Ｓａｍｐｌｉｎｇ ｗｅｉｇｈｔ ／ ｇ Ｒｕｔｉｎ ｉｎ ｓａｍｐｌｅ ／ μｇ Ａｄｄｅｄ ／ μｇ Ｆｏｕｎｄ ／ μｇ Ｒｅｃｏｖｅｒｙ ／ ％ Ａｖｅｒａｇｅ ｒｅｃｏｖｅｒｙ ／ ％ ＲＳＤ ／ ％
0．5075 498．1 300．0 793．8 98．6 102．1 1．9
0．5061 496．7 300．0 806．7 103．3
0．4995 490．2 502．5 997．6 101．0
0．5023 493．0 502．5 1007．0 102．3
0．5082 498．7 750．0 1277．8 103．9
0．5006 491．3 750．0 1265．0 103．2
2．4 多指标成分分析鉴定方法
2．4．1 线性关系
准确吸取适量芦丁标准储备溶液（300 ｍｇ ／ Ｌ），
分别置于 10 ｍＬ量瓶中，配制质量浓度为 6、12、18、
24、30、60和 90 ｍｇ ／ Ｌ的芦丁标准溶液，按本方法进
行检测。以峰面积（Ｙ）为纵坐标、对照品质量浓度
（Ｘ，ｍｇ ／ Ｌ）为横坐标求得回归方程 Ｙ ＝ 33 304Ｘ－
42 611，ｒ ＝ 0. 999 9。结果表明芦丁在 2 ～ 90 ｍｇ ／ Ｌ
范围内有良好的线性关系。
2．4．2 精密度
取产地为意大利的牛舌草供试品溶液 15 μＬ，
按 1. 2节的色谱条件检测，重复进样 6次，记录芦丁
峰面积。结果显示同一样品多次进样检测后，芦丁
峰面积信号较为稳定，峰面积的相对标准偏差
（ＲＳＤ）为 1. 3％，表明色谱仪精密度良好。
2．4．3 稳定性
取产地为意大利的牛舌草供试品溶液 15 μＬ，
分别于 0、2、4、6、8、12 和 24 ｈ 进样，测定样品中芦
丁的峰面积，得到峰面积的 ＲＳＤ为 1. 9％，表明样品
中芦丁的峰面积信号在 24 ｈ内稳定，可以满足一个
工作日的分析需要。
2．4．4 重现性
取产地为意大利的牛舌草样品，分为 6份，按本
方法进行样品制备，测定每份样品中芦丁的含量。
结果显示样品中芦丁平均含量为 981. 4 μｇ ／ ｇ，ＲＳＤ
为 2. 1％，重复样品检测中芦丁的检测结果较为稳
定，说明该方法重现性良好。
2．4．5 回收率
精密称取产地为意大利的牛舌草样品 0. 5 ｇ，共
6份，分别在高、中、低水平下加入芦丁标准品，按照
本方法制备样品，进样分析，考察回收率。结果见表
1，平均回收率为 102. 1％，ＲＳＤ 为 1. 9％，表明该方
法准确度良好。
2．4．6 牛舌草中多指标成分的定量测定
取 6个不同产地的牛舌草样品及印度产牛舌草
花样品，按照本方法进行样品制备，注入色谱仪，测
定样品中芦丁的含量。由于样品中芦丁的检测具有
良好的精密度、稳定性、重现性和加标回收率，为了
节约检测成本，以内标物芦丁为标准，样品中其他组
分的峰面积均与芦丁相比获得各自的相对含量。结
果见表 2。
2．4．7 化学模式识别
利用获得的各牛舌草样品中组分含量数据进行
化学模式识别，主要进行系统聚类分析及主成分分
析。以 7种样品的各组分相对含量作为原始数据，
获得一个矩阵，每列代表不同的样本，每行代表各组
分的相对含量。为了保证结果的可靠性，利于综合
测评分析，对原始指标数据进行ｚ－ｓｃｏｒｅ标准化处
·309·
色 谱 第 34卷
表 2 指纹组分以芦丁计的相对含量
Ｔａｂｌｅ 2 Ｒｅｌａｔｉｖｅ ｃｏｎｔｅｎｔｓ ｏｆ ｆｉｎｇｅｒｐｒｉｎｔ ｃｏｍｐｏｎｅｎｔｓ ｃｏｍｐａｒｉｎｇ ｔｏ ｒｕｔｉｎ
Ｆｉｎｇｅｒｐｒｉｎｔ ｃｏｍｐｏｎｅｎｔ
Ｒｅｌａｔｉｖｅ ｃｏｎｔｅｎｔ ／（μｇ ／ ｇ）
Ｓ1 Ｓ2 Ｓ3 Ｓ4 Ｓ5 Ｓ6 Ｓ7
1 115．1 158．2 96．9 0 450．8 0 156．3
2 183．4 340．8 313．8 0 86．9 00 333．9
3 140．4 119．3 157．0 252．7 546．2 241．4 177．8
4 163．2 221．1 141．1 123．2 403．3 110．6 199．9
5 （ｒｕｔｉｎ） 714．7 1065．4 154．9 96．4 347．7 127．8 984．0
6 1634．7 3535．1 272．9 242．9 6179．1 369．8 3419．7
7 866．7 1206．4 0 0 107．5 0 1384．0
8 505．3 1098．3 113．6 0 90．0 0 1109．5
9 504．6 1445．7 245．7 161．9 521．2 310．9 1469．7
Ｓ1：ｂｕｇｌｏｓｓ ｆｒｏｍ Ｐａｋｉｓｔａｎ；Ｓ2：ｂｕｇｌｏｓｓ ｆｒｏｍ Ｉｎｄｉａ；Ｓ3：ｂｕｇｌｏｓｓ ｆｒｏｍ Ａｒａｂ；Ｓ4：ｂｕｇｌｏｓｓ ｆｒｏｍ Ｘｉｎｊｉａｎｇ Ｙｅｃｈｅｎｇ；Ｓ5：ｂｕｇｌｏｓｓ ｆｌｏｗｅｒ
ｆｒｏｍ Ｉｎｄｉａ；Ｓ6：ｂｕｇｌｏｓｓ ｆｒｏｍ Ｘｉｎｊｉａｎｇ Ｈｏｔａｎ；Ｓ7：ｂｕｇｌｏｓｓ ｆｒｏｍ Ｉｔａｌｙ．
图 2 牛舌草花和 6种牛舌草样品的聚类分析树状图
Ｆｉｇ． 2 Ｃｌｕｓｔｅｒ ａｎａｌｙｓｉｓ ｄｅｎｄｒｏｇｒａｍ ｏｆ ｔｈｅ ｂｕｇｌｏｓｓ
ｆｌｏｗｅｒ ａｎｄ ｔｈｅ ｓｉｘ ｋｉｎｄｓ ｏｆ ｂｕｇｌｏｓｓ ｓａｍｐｌｅｓ
图 4 7种样品的色谱图
Ｆｉｇ． 4 Ｃｈｒｏｍａｔｏｇｒａｍｓ ｏｆ ｔｈｅ ｓｅｖｅｎ ｓａｍｐｌｅｓ
理［17，18］，将数据标准化后，运用 ＳＰＳＳ 17. 0 统计分
析软件进行系统聚类分析，结果见图 2。
由图 2可知，Ｓ2和 Ｓ7为一类，并与 Ｓ1 属同类，
说明印度和意大利产的牛舌草品种极为相近，同时
巴基斯坦产的牛舌草与这二者较为相近；Ｓ4 和 Ｓ6
可归为一大类，但有一定的差异，可能是由于叶城与
和田气候与生长环境的差异所致；另外，Ｓ3 和 Ｓ5 分
别为一类。以上结果表明，聚类分析能够很好地把
不同生长环境下的牛舌草及牛舌草花严格区分开
来。同类牛舌草并不因产地不同和距离远近而受到
影响；气候与生长环境的差异可能在某种程度上影
响牛舌草提取液的峰特征，但并不能从根本上改变
其归类。
将标准化后的数据运用 ＳＰＳＳ 17. 0统计分析软
件进行主成分分析，根据特征值大于 1提取主成分。
主成分分析的结果为：第一主成分的特征值 λ1 ＝
4. 699，方差贡献率为 67. 13％；第二主成分的特征值
λ2 ＝ 1. 392，方差贡献率为 19. 89％。这两个主成分
的累计方差贡献率为 87. 02％，因此选取前两个主成
分得分矢量作图，得到它们的散点图（见图 3）。由
图 3可知，Ｓ2和 Ｓ7 为一类并与 Ｓ1 相近，这与聚类
分析结果吻合；Ｓ4和 Ｓ6有一定差异，这也与聚类分
析结果吻合。同时，结合 7种样品的色谱图（图 4），
反映了 7 种样品的直观分类，即 Ｓ3、Ｓ4、Ｓ6 为一大
类，Ｓ1、Ｓ2、Ｓ5、Ｓ7为一大类。
由以上结果可以看出，无需更多的标准品，以相
对含量代替绝对含量进行聚类分析和主成分分析，
图 3 主成分散点图
Ｆｉｇ． 3 Ｓｃａｔｔｅｒ ｄｉａｇｒａｍ ｆｏｒ ｔｈｅ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔｓ
·409·
第 9期 楚刚辉，等：基于牛舌草指纹图谱的多指标成分相对定量与鉴别方法
可以实现样品的产地或种群识别，这大大节省了资
源并提高了分析工作的效率。
3 结论
本文提出了相对含量结合化学模式识别实现中
草药产地区分和类别区分的研究思路。以牛舌草为
例，以其中的芦丁作为参照，采用液相色谱指纹图谱
技术，对牛舌草中多指标成分进行了相对定量与鉴
定方法研究。采用各指标成分的相对含量进行不同
产地牛舌草样本的化学模式识别，发现系统聚类分
析和主成分分析结果基本吻合，验证了化学模式识
别用于中药产地和归类的可行性。主成分分析结果
能够反映 7种样本的色谱图直观结果。结果表明，
无需更多的标准品，相对含量即能够反映不同样本
之间的差异，指标成分的相对含量代替真实含量可
以节省资源，提高中药成分分析的工作效率。本文
提出以内标物用于中药成分峰保留时间和含量的相
对确定、利用化学模式识别对归属地进行概率分析
的方法不但可以作为中药快速鉴定的新方法，而且
可以用于原料药归属地及中成药的鉴别。
参考文献：
［1］ Ｌｉｕ Ｑ，Ｄｕ Ｓ Ｙ，Ｄｕｏｊｉｅ Ｒ Ｑ，ｅｔ ａｌ． Ｃｈｉｎｅｓｅ Ｔｒａｄｉｔｉｏｎａｌ ａｎｄ
Ｈｅｒｂａｌ Ｄｒｕｇｓ，2015，46（2）：276
刘青，杜守颖，多吉仁青，等． 中草药，2015，46（2）：276
［2］ Ｆｕ Ｘ Ｍ，Ｐｅｎｇ Ｓ Ｍ，Ｌｉｕ Ｊ，ｅｔ ａｌ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｐｈａｒｍａ－
ｃｅｕｔｉｃａｌ Ａｎａｌｙｓｉｓ，2014，34 （4）：615
付小梅，彭水梅，刘婧，等． 药物分析杂志，2014，34 （4）：
615
［3］ Ｄｕｏ Ｒ，Ｌｉｕ Ｙ Ｈ，Ｗａｎｇ Ｍ Ｋ，ｅｔ ａｌ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｐｈａｒ－
ｍａｃｅｕｔｉｃａｌ Ａｎａｌｙｓｉｓ，2013，33 （1）：78
朵睿，刘玉红，王明奎，等． 药物分析杂志，2013，33 （1）：78
［4］ Ｚｈａｎｇ Ｙ Ｗ，Ｌｉ Ｑ，Ｌｖ Ｃ Ｘ，ｅｔ ａｌ． Ｊ Ｐｈａｒｍ Ａｎａｌ，2015，5（2）：
85
［5］ Ｓｈｉ Ｙ Ｂ，Ｌｉ Ｈ Ｌ，Ｗａｎｇ Ｈ Ｑ，ｅｔ ａｌ． Ｊ Ｉｎｔｅｇｒ Ｍｅｄ，2014，12
（5）：455
［6］ Ｗａｎｇ Ｑ，Ｌｉｕ Ｗ，Ｙａｎｇ Ｓ，ｅｔ ａｌ． Ｃｈｉｎ Ｈｅｒｂ Ｍｅｄ，2013，5（4）：
297
［7］ Ｈａｒａｎｇｉ Ｊ． Ｃｈｒｏｍａｔｏｇｒａｐｈｉａ，2008，68（Ｓｕｐｐｌ 1）：77
［8］ Ｌｕｏ Ｇ Ａ，Ｌｉａｎｇ Ｑ Ｌ，Ｗａｎｇ Ｙ Ｍ． Ｃｈｉｎｅｓｅ Ｍｅｄｉｃｉｎｅ Ｆｉｎｇｅｒ－
ｐｒｉｎｔ． Ｂｅｉｊｉｎｇ：Ｃｈｅｍｉｃａｌ Ｉｎｄｕｓｔｒｙ Ｐｒｅｓｓ，2009：11
罗国安，梁琼麟，王义明． 中药指纹图谱． 北京：化工出版社，
2009：11
［9］ Ｃｕａｄｒａｄｏ Ｍ Ｕ，Ｃａｓｔｒｏ Ｍ Ｄ Ｌ Ｄ，Ｇｏｍｅｚ－Ｎｉｅｔｏ Ｍ Ａ． Ａｎａｌ
Ｂｉｏａｎａｌ Ｃｈｅｍ，2005，381（4）：953
［10］ Ｐａｎ Ｗ Ｄ，Ｄｕ Ｙ Ｌ，Ｚｈａｏ Ｓ Ｎ，ｅｔ ａｌ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ
Ｐｈａｒｍａｃｅｕｔｉｃａｌ Ａｎａｌｙｓｉｓ，2015，35（2）：250
潘伟东，杜义龙，赵胜男，等． 药物分析杂志，2015，35（2）：
250
［11］ Ｍａ Ｘ Ｑ，Ｚｈａｎｇ Ｐ，Ｗｅｉ Ｂ Ｈ，ｅｔ ａｌ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ
Ｅｘｐｅｒｉｍｅｎｔａｌ Ｔｒａｄｉｔｉｏｎａｌ Ｍｅｄｉｃａｌ Ｆｏｒｍｕｌａｅ， 2015， 21
（13）：66
马晓青，张鹏，魏宝红，等． 中国实验方剂学杂志，2015，21
（13）：66
［12］ Ｗｅｉ Ｈ，Ｌｉｎ Ｌ，Ｚｈａｎｇ Ｙ，ｅｔ ａｌ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｃｈｒｏｍａ－
ｔｏｇｒａｐｈｙ，2013，31（2）：127
魏航，林励，张元，等． 色谱，2013，31（2）：127
［13］ Ｗａｎｇ Ｊ，Ｊｉｎ Ｙ Ｂ，Ｗａｎｇ Ｔ Ｊ，ｅｔ ａｌ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｃｈｒｏ－
ｍａｔｏｇｒａｐｈｙ，2015，33（8）：809
王珏，金一宝，王铁杰，等． 色谱，2015，33（8）：809
［14］ Ａｊｉｇｕ Ａ，Ｃｈｕ Ｇ Ｈ，Ｍｕｈｅｔａｅｒ Ｔ． Ｊｏｕｒｎａｌ ｏｆ Ａｎａｌｙｔｉｃａｌ
Ｓｃｉｅｎｃｅ，2013，29（5）：738
阿吉姑·阿布都热西提，楚刚辉，木合塔尔·吐尔洪． 分析
科学学报，2013，29（5）：738
［15］ Ｅｄｉｔｏｒｉａｌ Ｃｏｍｍｉｔｔｅｅ ｏｆ Ｃｈｉｎｅｓｅ Ｍａｔｅｒｉａ Ｍｅｄｉｃａ． Ｃｈｉｎｅｓｅ
Ｍａｔｅｒｉａ Ｍｅｄｉｃａ （Ｕｉｇｈｕｒ Ｍｅｄｉｃｉｎｅ）． Ｓｈａｎｇｈａｉ：Ｓｈａｎｇｈａｉ
Ｓｃｉｅｎｔｉｆｉｃ ａｎｄ Ｔｅｃｈｎｉｃａｌ Ｐｕｂｌｉｓｈｅｒ，2005：97
中华本草编委会． 中华本草（维吾尔药卷）． 上海：上海科学
技术出版社，2005：97
［16］ Ｋａｚｅｍｉ Ｍ． Ｃｈｅｍ Ｎａｔ Ｃｏｍｐｄ，2013，49（2）：369
［17］ Ｓｕｎ Ｈ Ｗ，Ｌü Ｃ Ｙ，Ｑｉ Ａ Ｑ，ｅｔ ａｌ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｈｅａｌｔｈ
Ｓｔａｔｉｓｔｉｃｓ，2015，3（2）：342
孙红卫，吕春燕，祁爱琴，等． 中国卫生统计，2015，3（2）：
342
［18］ Ｚｈａｎｇ Ｌ Ｊ，Ｙｕａｎ Ｎ Ｗ． Ｓｔａｔｉｓｔｉｃｓ ＆ Ｉｎｆｏｒｍａｔｉｏｎ Ｆｏｒｕｍ，
2010，25（8）：10
张立军，袁能文． 统计与信息论坛，2010，25（8）：10
·509·