全 文 ：近红外漫反射光谱法结合 CP － ANN和 PLS高通量分析草麻黄药材*
易珍奎，范琦＊＊，王丽琼，王以武
(重庆医科大学药学院，重庆 400016)
摘要 目的:建立草麻黄药材的近红外漫反射光谱高通量分析方法。方法:测量草麻黄样品的近红外漫反射光谱(near infra-
red diffuse reflectance spectra，NIRDRS) ，应用化学计量学技术进行光谱处理和数据预处理，分别建立并验证草麻黄药材的产地
和采摘时间判别对向传播人工神经网络(counter － propagation artificial neural network，CP － ANN)模型及麻黄碱和伪麻黄碱含
量预测偏最小二乘(partial least square，PLS)模型。结果:草麻黄药材的产地和采摘时间判别 CP － ANN 模型的验证样品预测
准确率分别为 100. 0%和 80. 0%;麻黄碱和伪麻黄碱含量预测 PLS模型的验证样品预测均方根误差(root mean square errors of
prediction，RMSEPs)小，分别为 1. 12 和 0. 236，预测值与参考值的相关系数(correlation coefficients)大，分别为 0. 9721 和
0. 9309。结论:采用所建方法能同时对草麻黄药材的产地和采摘时间进行准确判别，对其麻黄碱和伪麻黄碱的含量进行准确
预测。该方法准确、快速，无需特殊的样品处理，也不使用化学试剂。
关键词:草麻黄;高通量分析;麻黄碱;伪麻黄碱;定性;定量;近红外漫反射光谱法;对向传播人工神经网络模型;偏最小二乘法
含量预测模型
中图分类号:R917 文献标识码:A 文章编号:0254 － 1793(2012)08 － 1402 － 08
High － throughput analysis of Ephedra sinica plants by NIR diffuse
reflectance spectroscopy combined with CP － ANN and PLS*
YI Zhen － kui，FAN Qi＊＊，WANG Li － qiong，WANG Yi － wu
(School of Pharmacy，Chongqing Medical University，Chongqing 400016，China)
Abstract Objective:To establish a high － throughput method for the analysis of Ephedra sinica plants by near in-
frared diffuse reflectance spectroscopy combined with chemometric techniques． Methods:The near infrared diffuse
reflectance spectra (NIRDRS)for Ephedra sinica plants were determined． Two types of models were built and vali-
dated after spectra processing and data pre － processing，including the counter － propagation artificial neural network
(CP － ANN)models for the discriminations of habitats and harvest times of Ephedra sinica plants and the partial
least square (PLS)models for the determinations of ephedrine and pseudoephedrine． Results:The prediction accu-
racies of the CP － ANN models for the validation samples were 100. 0% for the habitats and 80. 0% for the harvest
times． For the validation samples，the root mean square errors of prediction (RMSEPs)of the PLS models were 1. 12
and 0. 236，the correlation coefficients of the prediction and reference values 0. 9721 and 0. 9309，separately for e-
phedrine and pseudoephedrine． Conclusions:The proposed approach could simultaneously identify habitats and har-
vest times of Ephedra sinica plants and determine ephedrine and pseudoephedrine in the plants．
Key words:Ephedra sinica;high － throughput analysis;ephedrine;pseudephedrine;qualitative;quantitative;near in-
frared diffuse reflectance spectroscopy;counter － propagation artificial neural network (CP － ANN)models;partial
least square (PLS)content prediction models
草麻黄被收载于中国药典 2010 年版一部“麻
黄”项下，是我国药用麻黄的主要来源［1］。草麻黄
在我国分布广泛，由于受到不同生态因子的影响，不
同产地草麻黄的药用价值多存在显著差异［2，3］;此
外，由于受到物候期和代谢节律的调控，不同时间采
摘的草麻黄间也存在差异［4］。因此，对草麻黄道地
—2041— 药物分析杂志 Chin J Pharm Anal 2012，32(8)
＊
＊＊
重庆市科委自然科学基金计划资助项目(CSTC，2006BB5303)
通讯作者 Tel:(023)68485161;E － mail:fanqi787@ yahoo． com． cn
DOI:10.16155/j.0254-1793.2012.08.016
性及其时间调控的研究成为麻黄药材研究的重要组
成部分。另一方面，麻黄生物碱是麻黄药材发挥疗
效的主要物质基础［5］，故草麻黄中麻黄碱和伪麻黄
碱含量的测定也是麻黄药材研究的一项重要内容。
不同产地，特别是不同采摘时间的草麻黄，其形
态、组织结构及次生代谢产物的差异较小，采用形态
学鉴别方法与组织学鉴别方法均难以对其进行准确
鉴别;常用的色谱分析方法则存在样品处理复杂，分
析时间长，需要使用化学试剂等不足［6，7］。漫反射傅
里叶变换近红外光谱法(diffuse reflectance Fourier
transform near infrared spectroscopy，diffuse reflectance
FT － NIR)无需特殊的样品处理，也不使用化学试剂，
具有无污染、操作简便快速、样品用量小等优点［8 ～ 10］，
辅以化学计量学方法，能够实现复杂样品的快速高通
量分析。人工神经网络(artificial neural network，
ANN)能够处理非线性问题［11，12］。其中，对向传播人
工神经网络(counter － propagation artificial neural net-
work，CP － ANN)采用有监督和无监督相结合的训练
方式，且具有优良的图示化功能，在处理分类问题时
更具优势［13，14］。偏最小二乘法(partial least square，
PLS)是定量分析中常用的一种多元分析方法［15 ～ 17］。
本文采用漫反射 FT － NIR 法，结合 CP － ANN
鉴定不同产地及不同采摘时间的草麻黄药材，结合
PLS测定草麻黄的麻黄碱和伪麻黄碱含量，建立草
麻黄药材的近红外漫反射光谱高通量分析方法，并
为其他药材的高通量分析提供参考。
1 仪器与试药
AntarisⅡ型傅里叶变换近红外光谱仪(美国 Ther-
mo Fisher Scientific)，配备铟镓砷检测器和积分球附
件，控制软件为 RESULT 3. 0;LC －2010A HT高效液相
色谱仪(日本 Shimadzu)，配备自动进样器和 Class － VP
6. 12 SP 5 色谱工作站;A200S 电子天平(德国 Sartori-
us);KQ 2200B超声波清洗器(中国昆山)。
对照品盐酸麻黄碱(批号 171241 － 200303)和
盐酸伪麻黄碱(批号 171237 － 200807)购自中国食
品药品检定研究院;甲醇为色谱纯(百灵威科技有
限公司) ;磷酸和三乙胺均为分析纯(重庆川东化工
有限公司) ;试验用水为纯化水。
31 批草麻黄样品均为全株植物，并经形态学鉴
定。相关信息见表 1。
2 草麻黄样品的处理
将每批经空气干燥的草麻黄药材的草质茎粉
碎、过筛，取 60 ～ 80 目粉末备用。
3 草麻黄近红外漫反射光谱的测量
取 60 ～ 80 目草麻黄粉末适量，装入圆形玻璃样
品瓶中，使样品厚度约为20 mm。将其置于积分球
表 1 草麻黄样品
Tab 1 Samples of Ephedra sinica plants
样品编号
(sample No．)
产地
(habitat)
采摘时间
(picking time)
1 ～ 8 山西(Shanxi) 10:00 ～ 11:30
9 ～ 14 山西(Shanxi) 16:30 ～ 17:00
15 ～ 25 山西(Shanxi) 未知(unknown)
26 ～ 31 内蒙古(Nei Mongolia) 未知(unknown)
检测窗的圆形支架上，在 10000 ～ 4000 cm －1范围
内，以分辨率 4 cm －1和扫描次数 64 测量近红外漫
反射光谱(near infrared diffuse reflectance spectra，
NIRDRS) ;以相同的光谱测量参数测量积分球镀金
内壁的 NIRDRS 以扣除样品光谱中测量背景的影
响。每个草麻黄粉末样品被重复装样和测量 5
次［4］。31 个草麻黄样品的典型 NIRDRS见图 1。
4 草麻黄的产地判别
4. 1 样品选择 以产自山西和内蒙古的草麻黄样
品为研究对象，随机选择 20 个山西样品和 5 个内蒙
古样品组成校正集，5 个山西样品和 1 个内蒙古样
品组成验证集。
4. 2 CP － ANN模型的建立与验证 每个样品的 5
张光谱均用于定性分析。以 5 点 Savitzky － Golay 平
滑和多元散射校正(multiplicative scatter correction，
MSC)对产地判别样品的 NIRDRS 进行处理，采用
TQ Analyst 8. 0 自动选择用于建模的光谱范围
9879. 54 ～ 4119. 21 cm －1，采用主成分分析(principal
component analysis，PCA)对光谱数据进行降维，以校
正样品光谱数据的 10 个主成分(principal compo-
nents，PCs)为输入变量(累计贡献率为 99. 8%) ，建
立神经网络结构为 20 × 20 × 10(100 次训练)的草
麻黄产地判别 CP － ANN 模型，校正样品的交叉验
证预测准确率为 100. 0%，验证样品的预测准确率
为 100. 0%，见图 2。从图 2 中可以看出，2 个产地
的草麻黄校正样品和验证样品均被准确地区分在 2
个区域内。所用化学计量学软件为 TQ Analyst 8. 0
(美国 Thermo Fisher Scientific)和 Matlab 6. 5(美国
The MathWorks)。
5 草麻黄的采摘时间判别
5. 1 样品选择 以采自同一天上午和下午的山西
草麻黄样品为研究对象，随机选择 7 个上午采摘的
样品和 5 个下午采摘的样品组成校正集，1 个上午
采摘的样品和 1 个下午采摘的样品组成验证集。
5. 2 CP － ANN模型的建立与验证 每个样品的 5
张光谱均用于定性分析。以“4. 2”中的参数建立神
—3041—药物分析杂志 Chin J Pharm Anal 2012，32(8)
图 1 31 个草麻黄样品的典型 NIRDRS
Fig 1 Typical NIRDRS for 31 samples of Ephedra sinica plants
图 2 2 个产地草麻黄样品的二维分布图(20 × 20)
Fig 2 Two － dimensional distribution map (20 × 20)of Ephedra sinica plants from two habitats
浅灰色方块表示山西草麻黄(A，a) ，灰色方块表示内蒙古草麻黄(B，b) ;大写字母(A，B)代表校正样品，小写字母(a，b)代表验证样品［light gray
blocks for Shanxi (A，a)and gray for Inner Mongolia (B，b) ;capitals (A，B)for calibration samples and lowercases (a，b)for validation samples］
—4041— 药物分析杂志 Chin J Pharm Anal 2012，32(8)
经网络结构为 20 × 20 × 10(100 次训练)的草麻黄
采摘时间判别 CP － ANN 模型。在草麻黄的采摘时
间判别中，10 PCs的累计贡献率为 99. 1%。校正样
品的交叉验证预测准确率为 100. 0%，验证样品的
预测准确率为 80. 0%，见图 3。
从图 3 中可以看出，除 2 个下午采集的验证样
品“b”(圈中所示)外，山西草麻黄校正样品和验证
样品均按采摘时间段分在相应的 2 个区域内。虽然
有 2 个下午采集的验证样品出现在上午采集的样品
区域内，但均在上、下午 2 个区域的交界处，说明分
析误差较小。导致该误差的可能原因如下:①相同
种类、相同产地、同一天不同采摘时间段的麻黄药材
间差异很小，其判别较相同种类、不同产地的草麻黄
判别困难，故草麻黄采摘时间判别的准确率较低;②
校正样品中，上午采集的样品数目多于下午采集的
样品数目，故验证样品更易被判别为上午采集样品。
图 3 2 个采摘时间山西草麻黄样品的二维分布图(20 × 20)
Fig 3 Two － dimensional distribution map (20 × 20)of Ephedra sinica plants from Shanxi harvested during two time sections
浅灰色方块表示上午采山西草麻黄(A，a) ，灰色方块表示下午采山西草麻黄(B，b) ;大写字母(A，B)代表校正样品，小写字母(a，b)代表验证样
品［light gray blocks for the plants harvested in the morning (A，a)and gray for the plants harvested in the afternoon (B，b) ;capitals (A，B)for calibra-
tion samples and lowercases (a，b)for validation samples］
6 草麻黄的麻黄碱和伪麻黄碱含量预测
6. 1 样品选择 从 31 个草麻黄样品中随机选择
24 个样品组成校正集，剩余的 7 个样品组成验证
集，并使校正集样品的含量参考值范围大于验证集
样品的含量参考值范围。
6. 2 HPLC参考值的测定
6. 2. 1 系列浓度盐酸麻黄碱对照品溶液的制备
取盐酸麻黄碱对照品 75. 0 mg，精密称定，置 50
mL量瓶中，用 20%乙醇溶解定容，得盐酸麻黄碱对
照品储备液。精密量取该储备液适量，用 20%乙醇
稀释定容，即得系列浓度溶液。
6. 2. 2 系列浓度盐酸伪麻黄碱对照品溶液的制备
取盐酸伪麻黄碱对照品 35. 0 mg，精密称定，置
50 mL量瓶中，用 20%乙醇溶解定容，得盐酸伪麻黄
碱对照品储备液。精密量取该储备液适量，用 20%
乙醇稀释定容，即得系列浓度溶液。
6. 2. 3 混合对照品溶液的制备 精密量取盐酸麻
黄碱对照品储备液 1 mL 和盐酸伪麻黄碱对照品储
备液 1. 1 mL，置 25 mL 量瓶中，用 20%乙醇稀释定
容，摇匀，即得。
6. 2. 4 供试品溶液的制备 取 60 ～ 80 目草麻黄粉
末约 0. 5 g，精密称定，置具塞锥形瓶中，加入 20%
—5041—药物分析杂志 Chin J Pharm Anal 2012，32(8)
乙醇 15 mL，浸泡 12 h，超声(功率为 80 W，频率为
40 kHz)提取 30 min，滤过，滤液置 50 mL量瓶中;残
渣重复超声提取 2 次，收集滤液，置同一量瓶中，用
20%乙醇稀释定容，即得。
6. 2. 5 色谱分析 色谱柱 Waters μ － Bondapak C18
(300 mm × 3. 9 mm，10 μm) ;保护柱 Phenomenex
C18(4. 0 mm × 3. 0 mm) ;柱温 30 ℃;以水 －磷酸 －
三乙胺 (100∶ 0. 1∶:0. 1，v /v /v)为流动相 A，以水 －
磷酸 (100∶ 0. 1，v /v)为流动相 B，以甲醇为流动相
C;流速 1. 0 mL·min －1，按表 2 进行梯度洗脱;检测
波长 210 nm;进样量 20 μL。每个供试品溶液重复
进样分析 3 次，按外标法以峰面积计算含量。
表 2 HPLC梯度洗脱程序
Tab 2 HPLC gradient elution program
时间
(time)/min
流动相组成(mobile phase composition)/%
A B C
0. 00 98 0 2
17. 00 98 0 2
17. 01 0 98 2
22. 00 0 98 2
27. 00 0 75 25
50. 00 0 35 65
6. 2. 6 HPLC方法的验证
6. 2. 6. 1 专属性 精密量取 20%乙醇、混合对照
品溶液、供试品溶液各 20 μL，分别注入液相色谱
仪，记录色谱图，见图 4。结果显示，供试品溶液的
色谱图中，麻黄碱和伪麻黄碱色谱峰的分离度为
1. 8，专属性符合要求。
6. 2. 6. 2 线性与范围 精密量取盐酸麻黄碱对照
品溶液(麻黄碱的浓度分别为 2. 46，14. 74，39. 31，
73. 71，147. 42，245. 70 μg·mL －1)及盐酸伪麻黄碱
对照品溶液(伪麻黄碱的浓度分别为 1. 26，7. 57，
15. 13，30. 38，45. 29，75. 68 μg·mL －1)各 20 μL，分
别注入液相色谱仪，记录色谱图。以峰面积 A 为纵
坐标，麻黄碱或伪麻黄碱的浓度 C(μg·mL －1)为横
坐标绘制标准曲线，得麻黄碱和伪麻黄碱的回归方
程:
A = 4. 837 × 104C + 8. 648 × 104 r = 0. 9998
A = 4. 607 × 104C + 8. 430 × 103 r = 0. 9999
结果表明，麻黄碱和伪麻黄碱分别在 2. 46 ～ 245. 70
μg·mL －1和 1. 26 ～ 75. 68 μg·mL －1的浓度范围内
线性良好。
6. 2. 6. 3 进样精密度 精密量取混合对照品溶液
20 μL。连续进样 6 次，麻黄碱和伪麻黄碱峰面积的
图 4 专属性试验的 HPLC色谱图
Fig 4 HPLC chromatograms for specificity
A． 20%乙醇(20% Ethanol) B． 混合对照品溶液(solution of refer-
ence substances) C．供试品溶液(solution of Ephedra sinica)
1．麻黄碱(ephedrine) 2．伪麻黄碱(pseudoephedrine)
RSD(n = 6)分别为 0. 8%和 0. 6%，进样精密度符合
要求。
6. 2. 6. 4 重复性 取同一批草麻黄样品，依法制备
6 份供试品溶液，精密量取各溶液 20 μL，分别注入
液相色谱仪，记录色谱图。麻黄碱和伪麻黄碱峰面
积的 RSD(n = 6)分别为 2. 8%和 3. 4%，重复性符
合要求。
6. 2. 6. 5 加样回收率 精密称取已知麻黄碱和伪
麻黄碱含量的 60 ～ 80 目草麻黄粉末 0. 25 g共 6 份，
分别置具塞锥形瓶中，精密加入盐酸麻黄碱对照品
溶液(麻黄碱的浓度为 0. 8080 mg·mL －1)2 mL 和
盐酸伪麻黄碱对照品溶液(伪麻黄碱的浓度为
0. 4913 mg·mL －1)3 mL，照“供试品溶液制备方法
制备”项下方法制备待测溶液。精密量取各溶液 20
μL，分别注入液相色谱仪，记录色谱图。麻黄碱和
伪麻黄碱的平均加样回收率(n = 6)分别为 95. 3%
(RSD =1. 3%)和 99. 2%(RSD = 3. 1%) ，准确度符
—6041— 药物分析杂志 Chin J Pharm Anal 2012，32(8)
合要求。
6. 2. 6. 6 供试品溶液的稳定性 取供试品溶液 1
份，室温下放置 0，3，6，9，12，24，48 h 后，分别精密
量取溶液 20 μL，注入液相色谱仪，记录色谱图。麻
黄碱和伪麻黄碱峰面积的 RSD(n = 7)分别为 0. 9%
和 0. 4%，供试品溶液在 48 h内稳定。
6. 2. 7 参考值的测定 测定草麻黄中麻黄碱和伪
麻黄碱的 HPLC含量参考值。
6. 3 麻黄碱含量预测 PLS 模型的建立与验证 采
用每个样品 5 张光谱的平均光谱进行定量分析。以
5 点 Norris 平滑、二阶微分、标准正态变量变换
(standard normal variate transformation，SNV)、均值
中心化(mean centering)和定标(variance scaling)对
NIRDRS进行处理，采用 TQ Analyst 8. 0 自动选择用
于建模的光谱区域，为 5228. 07 ～ 5119. 15 cm －1、
4925. 30 ～ 4304. 34 cm －1 和 4030. 50 ～ 4015. 07
cm －1。对光谱数据进行 PCA降维处理，以校正样品
光谱数据的主成分数 3 为主因子数(此时，RMSECV
最小，为 2. 62201，见图 5 － A) ，建立草麻黄的麻黄
碱含量预测 PLS模型，校正样品的相关系数 r 大，为
0. 9313。用该模型预测验证样品的麻黄碱含量，
RMSEP小，为 1. 12;麻黄碱含量预测值(Y)与参考
值(X)的线性关系良好，线性方程为 Y = 0. 7698X +
1. 4375(r = 0. 9721) ，见图 5 － B。所用化学计量学
软件为 TQ Analyst 8. 0。
6. 4 伪麻黄碱含量预测 PLS 模型的建立与验证
采用每个样品 5 张光谱的平均光谱进行定量分析。
以 7 点 Savitzky － Golay 平滑、二阶微分、MSC、均值
中心化和定标对 NIRDRS 进行处理，采用 TQ Ana-
lyst 8. 0 自动选择用于建模的光谱区域，为 5428. 63
～ 5260. 86 cm －1、4925. 30 ～ 4304. 34 cm －1 和
4030. 50 ～ 4020. 85 cm －1。对光谱数据进行 PCA 降
维处理，以校正样品光谱数据的主成分数 3 为主因
子数(此时，RMSECV 最小，为 1. 33701，见图 6 －
A) ，建立草麻黄的伪麻黄碱含量预测 PLS 模型，校
正样品的 R大，为 0. 9211。用该模型预测验证样品
的伪麻黄碱含量，RMSEP 小，为 0. 236;伪麻黄碱含
量预测值(Y)与参考值(X)的线性关系良好，线性
方程为 Y = 0. 8404X + 0. 3017(r = 0. 9309) ，见图 6 －
B。
7 讨论
7. 1 光谱的使用 将每个样品的 5 张光谱均用于
定性分析或将其平均光谱用于定量分析，能够降低
测量误差对分析结果的影响，利于提高模型的预测
图 5 草麻黄的麻黄碱含量预测 PLS模型散点图
Fig 5 Scatter plots for the ephedrine prediction PLS model
A． RMSECV值与主因子数的关系(correlation between the RMSECV
values and the number of principal factor) B．验证样品预测值与参考
值的线性关系(linear relationship between the prediction and reference
values)
准确率。
7. 2 光谱处理方法 定性分析的光谱处理方法通
过对 Savitzky － Golay 平滑(比较 3，5，7 点)、Norris
平滑(比较 3，5，7 点)、一阶微分、二阶微分、MSC 和
SNV共 6 种光谱处理技术进行筛选与组合得到。定
量分析的光谱处理方法通过对 Savitzky － Golay 平滑
(比较 5，7，9 点)、Norris平滑(比较 3，5，7 点)、一阶
微分、二阶微分、MSC、SNV、均值中心化和定标共八
种光谱处理技术进行筛选与组合得到。
7. 3 建模光谱区域的选择 采用 TQ Analyst 8. 0
自动选择建模光谱区域。草麻黄的产地及采摘时间
判别的建模光谱区域为 9879. 54 ～ 4119. 21 cm －1。
在定性分析中，宽的光谱区域具有更完整的光谱信
息，能更好地表征草麻黄的特性，获得更好的模式识
别结果。麻黄碱和伪麻黄碱的定量分析光谱区域分
别为 5228. 07 ～ 5119. 15 cm －1、4925. 30 ～ 4304. 34
cm －1、4030. 50 ～ 4015. 07 cm －1和 5428. 63 ～ 5260. 86
cm －1、4925. 30 ～ 4304. 34 cm －1、4030. 50 ～ 4020. 85
—7041—药物分析杂志 Chin J Pharm Anal 2012，32(8)
图 6 草麻黄的伪麻黄碱含量预测 PLS模型散点图
Fig 6 Scatter plots for the pseudoephedrine prediction PLS model
A． RMSECV值与主因子数的关系(correlation between the RMSECV
values and the number of principal factor) B．验证样品预测值与参考
值的线性关系(linear relationship between the prediction and reference
values)
cm －1。在近红外光谱范围内，麻黄碱和伪麻黄碱分
子能够产生特征吸收的主要官能团为醇羟基、甲基
和苯基。麻黄碱所选 5228. 07 ～ 5119. 15 cm －1、
4925. 30 ～ 4304. 34 cm －1 区域和伪麻黄碱所选
5428. 63 ～ 5260. 86 cm －1、4925. 30 ～ 4304. 34 cm －1
区域主要为醇羟基 OH伸缩振动和弯曲振动的组合
频(5550 ～ 4550 cm －1) ，该区域已被大量用于定量
分析。其中，4925. 30 ～ 4304. 34 cm －1区域还包括甲
基 CH3 的一个强吸收峰 (4395 cm
－1)。所选
4030. 50 ～ 4015. 07 cm －1和 4030. 50 ～ 4020. 85 cm －1
区域主要为单烷基取代苯的吸收区域［18］。
7. 4 CP － ANN模型结构的选择 在 X和 Y轴方向
改变神经元数目从 10 × 10 到 30 × 30，改变训练次
数从 60 到 500，基于模型的预测性能最佳，选择 20
× 20 × 10(100 次训练)为所建 CP － ANN 模型的神
经网络结构。此时，草麻黄产地判别和采摘时间判
别 CP － ANN 模型校正样品的交叉验证预测准确率
均为 100. 0%，验证样品的预测准确率分别为
100. 0%和 80. 0%。
8 结论
本文所建近红外漫反射光谱法结合 CP － ANN
和 PLS，能同时判别草麻黄药材的产地和采摘时间，
预测其麻黄碱和伪麻黄碱的含量，实现了草麻黄药
材的高通量分析。该方法准确、快速，无需特殊的样
品处理，也不使用化学试剂，还为其他药材的高通量
分析提供了参考。
致谢:感谢太极集团重庆涪陵制药厂有限公司对本工作
的支持。
参考文献
1 ChP(中国药典)． 2010． VolⅠ(一部) :300
2 Wang LL，Kakiuchi N，Mikage M． Studies of Ephedra plants in Asia．
Part 6:Geographical changes of anatomical features and alkaloids con-
tent of Ephedra sinica． J Nat Med，2010，64(1) :63
3 Kitani Y，Zhu S，Omote T，et al． Molecular analysis and chemical e-
valuation of Ephedra plants in Mongolia． Biol Pharm Bull，2009，32
(7) :1235
4 Fan Q，Wang YL，Sun P，et al． Discrimination of Ephedra plants with
diffuse reflectance FT － NIRS and multivariate analysis． Talanta，
2010，80(3) :1245
5 Abourashed EA，El － Alfy AT，Khan IA，et al． Ephedra in perspec-
tive—a current review． Phytother Res，2003，17(7) :703
6 Ong ES． Extraction methods and chemical standardization of botanicals
and herbal preparations． J Chromatogr B，2004，812(1 － 2) :23
7 Marston A，Hostettmann K． Natural product analysis over the last dec-
ades． Planta Med，2009，75(7) :672
8 RUAN Zhi － gang(阮治纲) ，LI Bin(李彬)． The principle and appli-
cation of near － infrared spectroscopy for the Chinese herbal medicines
(近红外光谱分析技术的原理及在中药材中的应用)． Chin J
Pharm Anal(药物分析杂志) ，2011，31(2) :408
9 JIN Ming(金鸣) ，WU Chun － min(吴春敏) ，ZHANG Xun(张勋)．
Determination of L － ascorbic acid in vitamin C Yinqiao tablets by
near － infrared diffuse reflectance spectroscopy(近红外光谱法鉴别
维 C银翘片中的 L －抗坏血酸)． Chin J Pharm Anal(药物分析杂
志) ，2010，30(12) :2412
10 WANG Xiao － mei(王小梅) ，JIAO Long(焦龙) ，LIU Xiao － li(刘
小丽) ，et al． Quantitative analysis of ferulic acid in Ligusticum chua-
nxiong Hort． by near infrared diffuse reflectance spectroscopy(近红外
漫反射光谱法定量分析川芎中的阿魏酸含量)． Chin J Pharm A-
nal(药物分析杂志) ，2011，31(6) :1016
11 Otto M． Chemometrics(化学计量学)． Beijing(北京) :Science
Press(科学出版社) ，2003
12 Gasteiger J，Engel T． Chemoinformatics － A Textbook(化学信息学
教程)． Beijing(北京) :Chemical Industry Press(化学工业出版
社) ，2005
(下转第 1413 页)
—8041— 药物分析杂志 Chin J Pharm Anal 2012，32(8)
mL水中，精密加三乙胺 3 mL，摇匀，用磷酸调 pH至
4. 5 ± 0. 1) (35∶ 65)为流动相，盐酸依匹斯汀峰保留
时间适中，分离度良好。
参考文献
1 YU Xiao － bing(于小兵) ，YAN Li － ying(严丽英) ，PAN Xiao －
tao(潘晓涛) ，et al． Epinastine treatment of 206 cases of chronic ur-
ticaria(依匹斯汀治疗慢性特发性荨麻疹 206 例)． Chin J Derma-
tol(中华皮肤科杂志) ，2006，39(10) :615
2 WU Bo(吴波) ，YU Zhen － dong(余振东) ，LIU Yan(刘颜)． Clin-
ical efficacy of epinastine in combination with compound glycyrrhiz-
in for chronic eczema(依匹斯汀联合复方甘草酸苷治疗慢性湿
疹临床观察)． Eval Anal Drug － use Hosp China(中国医院用药评
价与分析) ，2009，9(5) :383
3 LI Jia － yan(李佳妍) ，LIU Zhi － wen(刘智文) ，LIU Li(刘力) ，et
al． To assess the efficacy of auto － blood therapy and in the treat-
ment of chronic idiopathic urticari(依匹斯汀联合自血疗法治疗
慢性特发性荨麻疹临床研究)． Mod Med J China(中国现代医药
杂志) ，2007，9(11) :46
4 WAN Yuan － sheng(万元胜) ，WU Ling(吴伶) ，SHI Shao － jun
(师少军) ，et al． Determination of epinastine hydrochloride in plas-
ma by HPLC(HPLC 法测定血浆中盐酸依匹斯汀浓度)． China
Pharm(中国药师) ，2007，10(5) :414
5 XUE Mei(薛梅) ，LONG Min(龙敏) ，FU Ling(扶玲) ，et al． De-
termination of main component in epinastine hydrochloride tablets
by UV spectrophotometry(紫外分光光度法测定盐酸依匹斯汀片
中主药的含量)． China Pharm(中国药房) ，2009，20(28) :2223
6 LIU Yan － ling(刘艳玲) ，LUO Yong － huang(罗永煌) ，TIAN
Peng － xin(田朋鑫) ，et al． RP － HPLC determination of rivastig-
mine capsules and its related substances(反相 HPLC 法测定重酒
石酸卡巴拉汀胶囊的含量及有关物质)． Chin J Pharm Anal(药
物分析杂志) ，2011，31(4) :721
7 WANG Yan(王琰) ，WANG Ming － juan(王明娟) ，HU Chang －
qin(胡昌勤)． Comparison and optimization of RP － HPLC methods
for analysis of fosfluconazole and its related substance(磷氟康唑有
关物质分析方法的筛选与优化)． Chin J Pharm Anal(药物分析
杂志) ，2010，30(5) :883
8 HE Hai － xia(何海霞) ，ZHOU Yuan － da(周远大) ，LI Bao － ying
(李保应) ，et al． Determination of epinastine hydrochloride in hu-
man plasma by RP － HPLC(RP － HPLC 法测定人血浆中盐酸依
匹斯汀浓度及其药动学)． Chin Pharm J(中国药学杂志) ，2005，
40(11) :849
9 LUO Ze － yu(骆泽宇) ，PENG Wei － wen(彭伟文)． Pharmacoki-
netics and relative bioavailability of domestic versus imported epi-
nastine hydrochloride tablets in healthy volunteers(国产与进口盐
酸依匹斯汀片人体药动学和相对生物利用度研究)． China
Pharm(中国药房) ，2008，19(20) :1551
10 LIU De － sheng(刘德胜) ，XU Yu － wen(徐玉文) ，LI Yu － mei
(李玉梅)． HPLC determination of related substance in clemastine
fumarate and its tablets(HPLC法测定富马酸氯马斯汀及富马酸
氯马斯汀片的有关物质)． Chin J Pharm Anal(药物分析杂志) ，
2011，31(12) :2333
(本文于 2011 年 10 月 20 日收到)
(上接第 1408 页)
13 Ballabio D，Consonni V，Todeschini R． The Kohonen and CP － ANN
toolbox:A collection of MATLAB modules for self organizing maps
and counter propagation artificial neural networks． Chemometr Intell
Lab Syst，2009，98(2) :115
14 Vracko M． Kohonen artificial neural network and counter propagation
neural network in molecular structure － toxicity studies． Curr Comput
－ Aid Drug，2005，1(1) :73
15 Reich G． Near － infrared spectroscopy and imaging:basic principles
and pharmaceutical applications． Adv Drug Deliv Rev，2005，57(8) :
1109
16 XING Jun － sheng(邢俊生) ，ZHANG Xue － bo(张学博)． Develop-
ment of a near － infrared method for rapid determination of ampicillin
capsules(近红外漫反射光谱法快速测定氨苄西林胶囊的含量)．
Chin J Pharm Anal(药物分析杂志) ，2010，30(12) :2048
17 Li WL，Xing LH，Fang LM，et al． Application of near infrared spec-
troscopy for rapid analysis of intermediates of Tanreqing injection． J
Pharm Biomed Anal，2010，53(3) :350
18 Workman J，Weyer L． Practical Guide To Interpretive Near － Infrared
Spectroscopy(近红外光谱解析实用指南)． Beijing(北京) :Chemi-
cal Industry Press(化学工业出版社) ，2009
(本文于 2011 年 10 月 20 日收到)
—3141—药物分析杂志 Chin J Pharm Anal 2012，32(8)