全 文 ： ·1000· Chin JMAP, 2011 November, Vol.28 No.11 中国现代应用药学 2011 年 11 月第 28 卷第 11 期
近红外光谱法快速测定山橿药材中球松素含量

雷敬卫，刘建营，白雁，陈随清(河南中医学院药学院，郑州 450008)

摘要：目的 利用近红外光谱(NIR)技术建立一种山橿中球松素含量的快速分析方法。方法 以 HPLC 分析值为参照，采
用近红外漫反射光谱技术采集 66 份山橿样品的近红外漫反射光谱，结合偏最小二乘法(PLS)建立了球松素含量的定量分
析模型。结果 所建模型的相关系数(R2)、外部验证均方差(RMSEP)和内部交叉验证均方差(RMSECV)分别为 0.992 31、
0.076 5 和 0.450 0；验证集样品的 NIR 测得值与药典法测得值进行配对 T 检验，差异无统计学意义。结论 本方法操作
简便、无污染、结果准确可靠，可用于山橿中球松素含量的快速测定。
关键词：近红外光谱技术；山橿；球松素；定量分析模型
中图分类号：R284,1；R917.102 文献标志码：B 文章编号：1007-7693(2011)11-1000-04

Determination of Pinostrobin in Lindera Reflexa Helms by Near-infrared Spectroscopy Technique

LEI Jingwei, LIU Jianying, BAI Yan, CHEN Suiqing(Henan University of Traditional Chinese Medicine, Zhengzhou
450008, China)

ABSTRACT: OBJECTIVE To establish a rapid analytical method for pinostrobin in Lindera reflexa Helms by
near-infrared(NIR) diffuse reflectance technique. METHODS Collecting NIR spectra by NIR diffuse reflectance spectroscopy
with HPLC values anlysis as a reference to build calibration models by the partial least square(PLS). RESULTS The
correlation and coefficients of the PLS calibration models of NIR spectroscopy for phillyrin was 0.992 31, the root-mean-square
error of prediction(RMSEP) was 0.076 5, the root-mean-square error of cross-validation (RMSECV) was 0.450 0; There was no
statistical difference between NIR prediction of validation samples and HPLC measurements tested by paried sample T test.
CONCLUSION The method is rapid, nondestructive and accurate, and can be applied to the fast determination of pinostrobin
in extractum forsythiae siccus.
KEY WORDS: near-infrared (NIR) diffuse reflectance spectroscopy; Lindera reflexa Hemsl; pinostrobin; quantitative analysis
model

山橿在治疗急慢性胃炎、胃溃疡等方面有确
切的疗效，药理研究发现其主要化学成分黄酮类
化合物球松素(pinostrobin)在抗溃疡、抗炎、止痛、
胃排空等方面具有明显的生理活性[1]。球松素含量
的常规测定方法为高效液相色谱法，该法虽然具
有准确度、精密度高的优点，但分析耗时长、操
作繁琐，并且消耗试剂、污染环境。近红外光谱
(NIR)技术是近年来新兴起的一种绿色分析技术，
具有操作简便、快速、无损、无污染，可实现在
线控制等优势，在中药及其制剂领域的应用日益
增多[2-5]。为此，笔者集两种分析手段之优点，利
用 HPLC 测定山橿药材中球松素的含量，并通过
NIR 光谱法建立了其定量分析模型，为准确、快
速确定山橿药材质量提供一种新的方法。
1 仪器与试药
Nicolet 6700 型傅立叶变换近红外光谱仪(配
有漫反射积分球附件、OMNIC 光谱采集软件和
TQ8.0 分析软件，美国 Thermo 公司)；Agilent 1200
型高效液相色谱仪(配有DAD检测器，美国Agilent
公司)； AE240 型电子天平(十万分之一，瑞士
METTLER 公司)； HS-6150 超声波清洗仪(上海昆
山)；高速药材粉碎机(北京鑫环亚科技有限公司)；
66 份山橿药材样品部分于 2008 年 10 月—2010 年
4 月期间采自河南省信阳地区，部分药材由羚锐公
司提供。全部药材由河南中医学院药学院陈随清
教授鉴定为樟科植物山橿(Lindera reflexa Hemsl)
的根。甲醇为色谱纯，水为双蒸水，其余试剂均
为分析纯。球松素对照品为本课题组从山橿药材
中提得。经 13C-NMR、1H-NMR 鉴定，HPLC 面积
归一化法测定纯度为 98.98%。
2 方法
2.1 近红外光谱数据的采集
分别取上述山橿样品 10 g，粉碎，过 60 目筛，
取 6 g 装入 50 mL 标准石英杯，每次扫描前振荡
基金项目：河南省科技攻关项目(0523031800)；河南省教育厅科技攻关项目(2008A360016)
作者简介：雷敬卫，男，博士，副教授 Tel：13503852361 E-mail: ljwei@hactcm.edu.cn
DOI:10.13748/j.cnki.issn1007-7693.2011.11.005
中国现代应用药学 2011 年 11 月第 28 卷第 11 期 Chin JMAP, 2011 November, Vol.28 No.11 ·1001·
5~6 次，混合均匀。各样品的装样厚度、装填的紧
密性和颗粒均匀性等在实验中保持一致，避免对实
验结果造成误差。光谱采集条件：环境温度：
25~30 ℃，相对湿度 50%~60%；测样方式：积分球
漫反射，分辨率 8 cm1，扫描波长范围 12 000~
4 000 cm1 ，扫描次数：32 次。每个样品重复 3 次，
以空气为参比，计算平均光谱。66 份山橿样品的近
红外光谱叠加图见图 1。

图 1 橿山 药材的近红外光谱图
Fig 1 NIR transflectance spectra of Radix Linderae
Reflexae
2.2 山橿中球松素含量 HPLC 分析[6-7]
2.2.1 色谱条件 Diamonsil C18色谱柱(200 mm×
4.6 mm，5 µm)；流动相为甲醇-水，梯度洗脱程序
为 0~5 min(甲醇50%→65%)，5~40 min(甲醇65%→
100%)，40~45 min(甲醇100%)，45~55 min(甲醇
50%)；流速 1.0 mL·min1；柱温30 ℃；进样体积 10
μL；检测波长 289 nm。在上述色谱条件下，球松
素和其他组分色谱峰分离度良好，见图 2。

图 2 橿山 药材的 HPLC 图
A对照品；B样品；1球松素
Fig 2 HPLC chromatograms
Acontrol; Bsample; 1pinostrobin
2.2.2 山橿供试品溶液的制备 取山橿粉末
约 1 g，精密称定，加 50 mL甲醇后置具塞三角瓶
中，称定重量，超声提取 1 h，放冷，用甲醇补足
减失的重量，摇匀后滤过，弃去初滤液，精密量取
续滤液 10 mL 置 25 mL 量瓶中，加甲醇稀释至刻
度，摇匀后的溶液经 0.45 μm 滤膜滤过，弃去初滤
液，取续滤液作为供试品溶液。
2.2.3 样品含量测定 精密称取山橿药材粉末
约 1 g，按“2.2.2”项下方法制成供试品溶液，精
密吸取供试品溶液 10 μL 进样，以保留时间定性，
峰面积定量，外标法计算。每份样品平行作 3 次求
平均值，66 份样品球松素含量范围为2.539~7.319
mg·g1。
3 结果与分析
3.1 定量模型的建立
运用 TQ8.0定量分析软件中 PLS法建立模型。
根据山橿药材中球松素含量分布情况，从 66 样品
中随机选取 54 个有代表性的样品组成校正集(35
号样品被排除)，11 个样品为外部验证集，对模型
进行内部交叉验证。要保证验证集的球松素含量
分布范围在校正集的球松素含量范围之内。在建
立模型时，对校正集样品建立校正模型，同时作
交叉验证，并用验证集样品对模型进行外部验证，
最后根据交叉检验决定系数 (R2)、校正均方差
(RMSEC)、交互验证均方差(RMSECV)、预测相关
系数(r2)、预测均方差(RMSEP)等性能参数来确定
最优校正模型。对于同一样品集所构建的近红外
定量校正模型，相关系数越大、均方差越小，表
明所建模型适用性越强、预测效果越好。对光谱
进行预处理时，常用标准正则变化(SNV)和多元散
射校正(MSC)消除由颗粒分布不均匀及颗粒大小
产生的散射效应；微分处理的方法进行基线校正；
一阶倒数消除光谱平移对测量的影响；二阶导数
以消除光谱旋转对测量的影响；光谱的平滑处理
消除噪声等，从而充分提取光谱中的有效特征信
息[8]。预处理方法对 RMSEC 和 R2 的影响见表 1。
通过比较最终确定 SNV+Second Derivative对光谱
进行预处理。
手动优选最佳波段，辅以 R2，RMSECV 作为
模型性能的评价指标 [9]。通过比较，确定 7
479.26~4 012.48 cm1 为最佳波段，结果见表 2。
以 6 个主因子数建模，交互验证均方差
RMSECV=0.450，为最小。球松素校正模型的交
叉检验决定系数 R2=0.992 31 ，校正均方差
RMSEC=0.072 5， NIR 预测值与真实值的相关图
见图 3。由此可见，球松素的校正模型性能较好。
3.2 NIR定量模型的外部验证
将 11 份验证集样品的 NIR 图谱输入定量分析
模型，预测其球松素含量。11 份验证集样品的 NIR
·1002· Chin JMAP, 2011 November, Vol.28 No.11 中国现代应用药学 2011 年 11 月第 28 卷第 11 期
表 1 不同预处理方法对校正模型影响
Tab 1 The optimized results with different preprocessing
methods
光谱预处理方法 R2 RMSEC
First Derivative + MSC 0.715 60 0.359 0
Second Derivative + MSC 0.971 61 0.080 4
First Derivative + SNV 0.747 37 0.361 0
Second Derivative + SNV 0.992 31 0.072 5
MSC +ND+ First Derivative 0.746 85 0.376 0
MSC +ND+ Second Derivative 0.759 91 0.371 0
MSC + SG+ First Derivative 0.770 29 0.364 0
MSC + SG+ Second Derivative 0.842 55 0.307 0
SNV +SG+ First Derivative 0.787 51 0.351 0
SNV +SG+ Second Derivative 0.843 43 0.306 0
SNV + ND+ First Derivative 0.758 79 0.371 0
SNV + ND+ Second Derivative 0.776 87 0.359 0
表 2 不同建模区间对模型性能的影响
Tab 2 The effect of different regions on model
performances
光谱处理方法 光谱范围/cm1 R2 RMSEC
7 479.26~4 012.48 0.992 31 0.072 5
7 443.54~3 517.96 0.964 83 0.284 9
7 446.70~5 117.96 0.958 37 0.218 8
7 696.68~6 525.73
Second Derivative +
SNV
5 946.83~4 012.80
0.976 43 0.183 8


图 3 NIR 预测值与真实值的相关图
Fig 3 Correlation between NIR predicted and actual values
预测值与 HPLC 法测得值进行相关分析。球松素
的 预 测 相 关 系 数 R2=0.998 1 ， 预 测 均 方 差
RMSEP=0.076 5。结果表明，模型可以准确预测
其覆盖范围内的山橿药材中的球松素含量。
3.3 未知样品NIR预测值和HPLC测定值的比较
另取 11 份未知山橿药材，按“2.1”项下采集
其近红外光谱数据，按“2.2.3”项下方法测量其
球松素真实值。将 11 份未知样品的 NIR 图谱输入
已建成的定量分析模型中，预测其球松素含量。
11 份未知样品的 NIR 预测值与 HPLC 测得值进行
配对 t 检验。对于给定显著性水平 0.05，t(0.05/2，
10)=2.228，经配对 t 检验，11 个未知山橿样品 NIR
预测值与药典法测定值的 t 检验值为 2.017，小于
给定值 2.228，即两种方法的分析结果差异无统计
学意义，表明该模型可用于山橿药材中球松素成
分的定量分析。
4 结论
本实验将近红外漫反射光谱与化学计量学方
法相结合，采用 PLS 建立了近红外定量分析模型
直接测定山橿药材中球松素含量。结果表明该方
法操作简便、快速、无污染、不消耗试剂、结果
准确可靠，为山橿的质量评价提供一种新的检测
方法。在建立山橿药材指标性成分 NIR 定量分析
模型的过程中，发现个别样品(35 号样品)被除去
后，所建模型预测能力会提高，经过分析可能与
样品 NIR 光谱数据的采集结果、样品含量测定结
果等因素有关。模型的预测效果不能单单依靠 R2、
RMSEC 和 RMSEP 等值来判断，关键还要看其在
实际生产中的应用能力，并且通过实践，不断地
改进和优化模型。
REFERENCES
[1] PAN Y F, LU Y B, ZHANG J M, et al. Determination of
pinostrobin in Weitengning tablets by HPLC [J]. Chin Tradit
Pat Med(中成药), 2005, 27(6): 662-663.
[2] WANG N, WU W H, LI Z W, et al. Research based on near
infrared spectroscopy on-site rapid quantitative analysis
method for baicalin,chlorogenic acid and forsythin in
Shuanghuanglian oral liquid [J]. J Pharm Anal(药物分析杂志),
2010, 30(9): 1689-1694.
[3] BAI Y, GONG H Y, SONG R L, et al. Quantitative analysis
on extracts by water and ethanol in rhizoma dioscoreae by
near-infrared diffuse reflection spectroscopy [J]. Chin J Mod
Appl Pharm(中国现代应用药学), 2010, 27(2): 163-166.
[4] ZANG P, CHEN B, YAN Y L. Determination of the content of
total isoflavone of P. lobata by short wave near infrared
spectrum [J]. Lishizhen Med Mater Med Res(时珍国医国药),
2007, 18(11): 2614-2615.
[5] QIN F, YANG H H, LV L N, et al. Application of near
infrared spectra coupled with LLE-PLS modeling to extraction
process of Anshen Bunao syrup [J]. Chin Tradit Pat Med(中成
药), 2008, 30(10): 1465-1468.
[6] LIU X, LIU Z, DUAN G L. Studies on the stability of Propolis
Liniments [J]. J Pharm Anal(药物分析杂志), 2005, 25(9):
1052-1054.
[7] YUAN J, CHEN Z W, WU W, et al. Determination of
pinostrobin in Folinum Cajani by RP-HPLC [J]. Tradit Chin
Drug Res Clin Pharmacol(中药新药与临床研究), 2010, 21(3):
293-296.
[8] BAI Y, SHI H Q, GONG H Y, et al. Content determination of
paeonol in Liuwei Dihuang pills from different manufacturers
中国现代应用药学 2011 年 11 月第 28 卷第 11 期 Chin JMAP, 2011 November, Vol.28 No.11 ·1003·
by near-infrared spectroscopy [J]. Chin J Exp Tradit Med
Form(中国实验方剂学杂志), 2010, 16(17): 63-66.
[9] LU W Z, YUAN H F, XU G T, et al. Modern Near Infrared
Spectroscopy Analytical Technology(现代近红外光谱分析技
术) [M]. Beijing: China Petro-Chemical Press, 2006: 184.
收稿日期：2011-03-18



“张氏三伏贴”抗哮喘组方优化研究

上官盈盈，王玮(浙江医学高等专科学校，杭州 310053)

摘要：目的 以均匀试验法筛选优化中药“张氏三伏贴”的处方组成。方法 使豚鼠吸入雾化 2%氯化乙酰胆碱和 0.1%
磷酸组胺生理盐水溶液诱发哮喘。以均匀试验设计对“张氏三伏贴”处方进行拆方，分析其抗哮喘的组方。结果 本试
验最终确定了“张氏三伏贴”对抗豚鼠急性诱发型哮喘的最佳处方组成为：麻黄、甘遂(生)、白芥子(炒)、细辛，其最佳
剂量比为：200 mg·kg1：75 mg·kg1：100 mg·kg1：150 μL·kg1。结论 以此配伍组成的“张氏三伏贴”组方和阴性对照
组相比较抗喘效果良好，安全性高。此组方的优化研究将为张氏三伏贴复方制剂开发提供依据。
关键词：三伏贴；哮喘；组方优化；均匀试验
中图分类号：R289.1 文献标志码：A 文章编号：1007-7693(2011)11-1003-04

Study on Optimized Formula of Zhang’s Dog-days Paste for Treating Asthma

SHANGGUAN Yingying, WANG Wei(Zhejiang Medical College, Hangzhou 310053, China)

ABSTRACT: OBJECTIVE To optimize the formula of Zhang’s dog-days paste by uniform design. METHODS 2%
acetylcholine chloride and 0.1% histamine phosphate in physiological saline solution were used to induce asthma in guinea pig.
The uniform design was applied to decompose the Zhang’s dog-days paste and evaluate its effect in treating asthma. RESULTS
It was concluded that Ephedra, raw Kansui Root, fried Semen sinapis and Asarum oil were the effect components of Zhang’s
dog-days paste in treating asthma. The optimal dose ratio is 200 mg·kg1：75 mg·kg1：100 mg·kg1：150 μL·kg1, respectively.
CONCLUSION The optimized prescription of Zhang’s dog-days paste is effective and safe in treating asthma compared with
negative control group.
KEY WORDS: dog-days paste; asthma; optimization of formula; uniform test

20 世纪 60 年代以来支气管哮喘发病率不断上
升，目前全球患者已接近 1.5 亿。根据中医理论本
病属哮证，清代医家张璐另辟蹊径，首创三伏天穴
位敷贴药物防治哮喘，该方由白芥子、甘遂、细辛、
延胡、麻黄、姜汁等组成[1-2]，采用“冬病夏治”于
三伏天在背俞穴进行敷贴，此疗法将穴位作用与药
物作用有机结合，疗效独特，在中医临床中取得了
很好的治疗效果。本研究分别用延胡索、炒白芥子、
生甘遂、麻黄、细辛等中药，根据各味药性采用不
同提取方法提取有效成分，采用均匀试验法设计试
验，按不同的剂量水平配伍给药，结合氯化乙酰胆
碱诱发豚鼠哮喘模型作为评价手段，以氨茶碱作为
阳性对照及阿拉伯胶生理盐水作为阴性对照，统计
学验证三伏贴组方抗哮喘作用。
1 材料及仪器
1.1 材料
动物普通级豚鼠[♂♀各半，体重 200±20 g，
浙江大学动物实验中心提供，实验动物许可证号：
SCXR(浙)2007-0030] 。氯化乙酰胆碱(化学纯，上
海三爱思试剂有限公司，批号：20081022)。氨茶
碱注射液(扬州中宝制药有限公司，2mL︰0.25g，
批号：071126)。阿拉伯胶(化学纯，广东汕头市西
陇化工厂，批号：040601)。磷酸组胺(上海伯奥生
物科技有限公司，批号：080912)。麻黄、细辛、
白芥子(炒)、甘遂(生)、延胡索等药材均购至置浙
江胡庆余堂中药饮片厂(经浙江医学高等专科学校
药学系中药教研室邓茂芳副教授鉴定)。
1.2 仪器
基金项目：浙江省中医药管理局资助项目(2007CA093)
作者简介：上官盈盈，女，教授 Tel: (0571)87692683 E-mail: ying_ying6@163.com