全 文 ：植物学报 Chinese Bulletin of Botany 2013, 48 (1): 65–71, www.chinbullbotany.com
doi: 10.3724/SP.J.1259.2013.00065
——————————————————
收稿日期: 2012-07-02; 接受日期: 2012-11-01
基金项目: 中央高校基本科研业务费专项资金(No.GK200902043)和大学生创新性实验计划(No.CX11095)
* 通讯作者。E-mail: isaacsau@sohu.com; jiankeli@snnu.edu.cn
近红外漫反射光谱法快速测定药用植物淫羊藿总黄酮含量
薛耀碧1, 张华峰1*, 杨晓华2, 牛丽丽1, 张翔1, 刘冬1, 李建科1*
1陕西师范大学食品工程与营养科学学院, 西北濒危药材资源开发国家工程实验室, 西安 710062
2西安交通大学医学院, 卫生部法医学重点实验室, 西安 710061
摘要 利用一种基于近红外漫反射光谱技术的淫羊藿总黄酮快速定量分析方法, 测定了淫羊藿属(Epimedium)7个种中总
黄酮的含量。研究结果表明, 近红外光谱经二阶导数处理、主成分分析聚类及加权多元离散校正处理后, 采用改进最小二
乘法回归得到的定标模型的预测效果最佳; 定标样品集预测方程的定标决定系数、交互验证标准差及交互验证相关系数分
别为0.985 5、0.023 0和0.044 3; 检验样品集方程的定标决定系数、检验标准差及偏差分别为0.965 1、0.018和0.006, 达
到了快速测定淫羊藿总黄酮含量的要求。该方法为淫羊藿总黄酮的快速定量分析提供了新的依据。
关键词 淫羊藿, 近红外漫反射光谱, 定量分析方法, 总黄酮
薛耀碧, 张华峰, 杨晓华, 牛丽丽, 张翔, 刘冬, 李建科 (2013). 近红外漫反射光谱法快速测定药用植物淫羊藿总黄酮含
量. 植物学报 48, 65–71.
小檗科(Berberidaceae)淫羊藿属(Epimedium)中
80%以上的种分布在我国中部至东南部, 是我国著名
的药用植物 (Zhang and Li, 2009; Zhang et al.,
2011a; Zhang and Yang, 2012)。黄酮类化合物是淫
羊藿属植物最重要的次级代谢产物之一(Zhang et
al., 2008b; 张华峰等, 2009)。药理学研究表明, 淫羊
藿总黄酮具有促进骨骼发育、调节神经和免疫系统、
抗肿瘤、抗炎、耐缺氧和抗疲劳等功效(Zhang et al.,
2008a; Zhao et al., 2008)。《中国药典》中规定淫羊
藿属中仅4个种可以入药(国家药典委员会, 2010)。然
而, 市场上实际流通的淫羊藿药材大大超过了4个种
(Ma et al., 2011)。为了确保淫羊藿药材的质量,《中
国药典》要求总黄酮含量不得低于5.0%(国家药典委
员会, 2010)。优化淫羊藿总黄酮定量分析方法及检测
总黄酮含量不仅是植物化学研究的重要内容, 而且在
药材质量控制中也具有重要的应用价值(Sheng et
al., 2008; 张华峰和杨晓华, 2009; 孙翊等, 2011)。
目前, 常用的淫羊藿总黄酮定量分析方法主要有分光
光度法和高效液相色谱法。前者是先从淫羊藿样品中
提取总黄酮, 然后在特定波长下进行比色测定, 其优
点是对仪器要求相对较低, 缺点是样品制备耗时费
力、特异性较差且准确度不高(陈肖家等, 2007)。后
者虽然准确度较高, 但仪器投资相对较大, 并且还需
要复杂的样品制备过程(陈肖家等, 2007; 张华峰等,
2007)。近几年, 一些学者开始将傅立叶变换红外光
谱技术引入淫羊藿药材质量的评价研究, 并论证了红
外光谱技术应用于淫羊藿次级代谢产物研究的可行
性(Pei et al., 2008)。近红外光谱定量分析技术是红
外光谱技术的重要分支, 具有快速、准确和无污染等
优点, 在药用植物次级代谢产物检测中具有良好的应
用前景(Woo et al., 2005; Chen et al., 2009)。然而,
迄今为止尚未见采用近红外光谱技术定量分析淫羊
藿总黄酮的研究报道。本研究应用近红外漫反射光谱
技术, 建立了淫羊藿总黄酮含量的测定方法, 为淫羊
藿总黄酮的快速定量分析提供了新的依据。
1 材料与方法
1.1 实验材料
淫羊藿属(Epimedium L.)植物材料分38个批次(每个
批次3个样本)采集于四川、浙江、湖北、陕西、辽宁、
河南和甘肃等省份。将叶片分拣除杂、自来水冲洗、
蒸馏水漂洗、阴干、粉碎和过筛(80目)后, 置于55°C
烘箱中干燥6个小时 , 冷却后密封保存于干燥器中
·技术方法·
66 植物学报 48(1) 2013
备用。
1.2 主要仪器
实验仪器包括: InfraXact型多功能近红外分析仪(瑞
典FOSS公司); TU-1810型紫外可见分光光度计(北京
普析通用仪器有限公司); P680ALPG-4型高效液相色
谱仪(美国DIONEX公司), 配备UVD 170U型紫外检
测器、P680型泵和Agilent RP ZORBAX SB-C8型色
谱柱(5 μm, 4.6 mm × 250 mm); FW400A型高速万能
粉碎机(北京科伟永兴仪器有限公司); JPCQ0328型
全数字式超声波清洗机(武汉嘉鹏电子有限公司);
SZ-93型自动双重纯水蒸馏器 (上海亚荣生化仪器
厂)。
1.3 化学分析方法
采用超声波提取法制备淫羊藿总黄酮提取液, 按照
《中国药典》记载的方法测定黄酮类化合物的含量
(张华峰等, 2007; 国家药典委员会, 2010)。
1.4 近红外光谱分析方法
1.4.1 光谱扫描
取淫羊藿样品约0.5 g, 按照仪器使用要求装入多功
能近红外分析仪漫反射样品台的测量杯中, 平衡30
分钟使样品温度与仪器工作温度相同。装载样品时应
尽量保持样品装载量、表面平整度与实密程度一致。
实验环境温度为20–25°C, 近红外光谱的测量波长范
围为570–1 848 nm, 点间隔为2 nm。每个样品重复3
次, 扫描结束后取其平均值。

1.4.2 数学处理与光谱预处理
使用WinISI III软件进行近红外光谱分析。为了防止系
统噪音(如基线漂移、光散射和信号本底等)对近红外
光谱的影响, 采用数学处理和光谱预处理两类方法滤
除干扰。数学处理包括一阶导数处理(1st derivative)
和二阶导数处理(2nd derivative)等; 光谱预处理包括
标准正则变换(standard normal variant, SNV)、散射
处理 (de-trending, D)、标准正则变换+散射处理
(standard normal variant and de-trending, SNV+D)、
多 元 离 散 校 正 (multiplicative scatter correction,
MSC)、加权多元离散校正(weighted multiplicative
scatter correction, WMSC)、反相多元离散校正(in-
verse multiplicative scatter correction, IMSC)和无散
射处理(no scatter correction, None)等。评价数学处
理效果的参数包括定标标准差 (standard error of
calibration, SEC)、交互验证标准差(standard error of
cross-validation, SECV)、定标决定系数(coefficient
of determination for calibration, RSQ)和交互验证相
关系数(coefficient of determination for cross-vali-
dation, 1-VR)等。评价光谱预处理效果的参数除了
SEC、SECV、RSQ和1-VR外, 还包括预测验证样品
集时的检验标准差(standard error of performance,
SEP)和偏差(Bias)等。

1.4.3 聚类分析方式
采用主成分分析 (principal components analysis,
PCA)和PL1两种方法进行聚类分析。其中, PCA通过
给扫描数据打分统计样品间的差异; PL1则利用扫描
数据矩阵和一类成分的实验室数据计算得分, 进而统
计光谱间的差异(Wu and Shi, 2007; Zhang et al.,
2011b)。

1.4.4 回归分析
采用主成分回归 (principal component regression,
PCR)、最小二乘法(partial least-squares, PLS)和改
进 最 小 二 乘 法 (modified partial least squares,
MPLS)进行回归分析, 建立回归方程。
2 结果与讨论
2.1 淫羊藿样品的化学分析结果
采用化学分析方法测定了所有淫羊藿样品中总黄酮
的含量, 测得的最大值、最小值和平均值等参数见表
1。按照约4:1的比例将淫羊藿样品随机分成定标样品
集与验证样品集。
2.2 淫羊藿总黄酮快速检测模型的建立
2.2.1 数学处理对定标方程的影响
定标样品的典型近红外光谱如图1A所示。为了滤除系
统噪音等干扰, 对近红外光谱进行了数学处理。结果
表明, 一阶导数和二阶导数处理后谱线变得较为集中
(图1B, C), 暗示数学处理较好地解决了基线漂移等
问题。数学处理后的定标结果见表2。从表2可以看出,
薛耀碧等: 近红外漫反射光谱法快速测定药用植物淫羊藿总黄酮含量 67
表1 淫羊藿定标与验证样品中总黄酮的含量
Table 1 Contents of total flavonoids in Epimedium in calibration and validation set
Calibration set Validation set Statistical parameter
Maximum
value (%)
Minimum
value (%)
Mean
(%)
Standard
deviation
Maximum
value (%)
Minimum
value (%)
Mean
(%)
Standard
deviation
Total flavonoids 9.2 2.4 5.6 0.02 8.5 4.2 5.8 0.01



图1 淫羊藿样品的近红外光谱图(A)、一阶导数处理图(B)和二阶导数处理图(C)

Figure 1 Raw near infrared spectra (A), preprocessed spectra by 1st derivative (B) and by 2nd derivative (C) of Epimedium
samples


二阶导数处理的1-VR与RSQ的平均值 (0.039 1与
0.948 3)分别高于一阶导数处理的1-VR与RSQ的平
均值(–0.250 3与0.550 8), 并且二阶导数处理的SE-
CV(0.022 9)和SEC(0.003 7)分别低于一阶导数处理
的SECV(0.026 2)和SEC(0.013 7), 因而在定标中选
择二阶导数处理。
68 植物学报 48(1) 2013
2.2.2 光谱预处理对定标方程的影响
由表2可知, 在选择二阶导数处理为数学处理方法时,
SNV+D、SNV、D、MSC、WMSC及IMSC的RSQ值
(0.930 2–0.996 4)均较高, SECV(0.018 2–0.024 9)
和SEC(0.001 3–0.005 4)值则均较低, 说明此6种光
谱预处理方法均明显优于None。但是由于此6种方法
的SEC、RSQ、SECV和1-VR值参差不齐, 故在最终
选定光谱预处理方法时还需考虑它们在预测检验验
证样品集时的RSQ、SEP和Bias值。根据表2和验证
样品集预测检验结果, 将WMSC选作最终定标时的
光谱预处理方法。

2.2.3 聚类分析方式对定标方程的影响
聚类分析能提高定标样品集的代表性, 并有助于优化
近红外检测模型(Zhang et al., 2011b; Haughey et
al., 2013)。由表3可知, 在选择二阶导数处理为数学
处理方法、MPLS为回归分析方法时, PCA处理的RSQ
值(0.989 2)显著高于PL1处理的RSQ值(0.761 6), 而
PL1处理的SEC值 (0.010 8)显著高于PCA处理的
SEC值(0.002 1), 故在定标中选择PCA作为聚类分析
方式。

2.2.4 回归分析方法对定标方程的影响
从表4可以看出, 在选择二阶导数处理为数学处理方
法、PCA为聚类分析方式时, MPLS处理的RSQ值
(0.930 2–0.996 4)明显高于PLS与PCR处理的RSQ
值(0.212 2–0.485 9和0.062 1–0.385 1), 并且MPLS
处理的SEC值(0.001 3–0.005 4)明显低于PLS与

表2 不同光谱预处理和数学处理方法的定标结果
Table 2 Effects of spectra pretreatment and math treatment on performance of calibration equation at MPLS regression
Math treatment Spectra pretreatment SEC RSQ SECV 1-VR
1st derivative None 0.017 5 0.307 6 0.026 5 –0.270 4
SNV+D 0.018 6 0.214 0 0.026 9 –0.307 0
SNV 0.012 7 0.632 3 0.026 5 –0.265 6
D 0.008 4 0.841 5 0.021 9 0.137 1
MSC 0.013 0 0.616 2 0.027 2 –0.336 6
WMSC 0.013 4 0.593 9 0.028 8 –0.498 1
IMSC 0.012 4 0.650 3 0.025 9 –0.211 3
Mean 0.013 7 0.550 8 0.026 2 –0.250 3
2nd derivative None 0.010 3 0.761 6 0.022 5 0.082 4
SNV+D 0.001 4 0.995 3 0.024 5 –0.086 3
SNV 0.002 6 0.984 7 0.024 9 –0.119 2
D 0.005 4 0.930 2 0.018 2 0.341 2
MSC 0.002 6 0.984 2 0.022 9 0.054 8
WMSC 0.002 5 0.985 5 0.023 0 0.044 3
IMSC 0.001 3 0.996 4 0.024 0 –0.043 7
Mean 0.003 7 0.948 3 0.022 9 0.039 1
SEC: 定标标准差; RSQ: 定标决定系数; SECV: 交互验证标准差; 1-VR: 交互验证相关系数; SNV+D: 标准正则变换+散射处理;
SNV: 标准正则变换; D: 散射处理; MSC: 多元离散校正; WMSC: 加权多元离散校正; IMSC: 反相多元离散校正
SEC: Standard error of calibration; RSQ: Coefficient of determination for calibration; SECV: Standard error of cross-validation;
1-VR: Coefficient of determination for cross-validation; SNV+D: Standard normal variant and de-trending; SNV: Standard normal
variant; D: De-trending; MSC: Multiplicative scatter correction; WMSC: Weighted multiplicative scatter correction; IMSC: Inverse
multiplicative scatter correction


表3 不同聚类分析方式的定标结果
Table 3 Effects of loading type on performance of calibration equation at MPLS regression
Loading type Math treatment SEC RSQ SECV 1-VR
PCA 0.002 1 0.989 2 0.023 9 –0.030 0
PL1
2nd derivative
0.010 8 0.761 6 0.020 0 0.247 6
SEC、RSQ、SECV和1-VR同表2。SEC, RSQ, SECV and 1-VR see Table 2.
薛耀碧等: 近红外漫反射光谱法快速测定药用植物淫羊藿总黄酮含量 69
表4 不同回归分析方法的定标结果
Table 4 Effects of regression method on performance of calibration equation
Regression method Spectra pretreatment SEC RSQ SECV 1-VR
MPLS SNV+D 0.001 4 0.995 3 0.024 5 –0.086 3
SNV 0.002 6 0.984 7 0.024 9 –0.119 2
D 0.005 4 0.930 2 0.018 2 0.341 2
MSC 0.002 6 0.984 2 0.022 9 0.054 8
WMSC 0.002 5 0.985 5 0.023 0 0.044 3
IMSC 0.001 3 0.996 4 0.024 0 –0.043 7
PLS SNV+D 0.015 1 0.485 9 0.022 5 0.084 8
SNV 0.015 1 0.485 9 0.022 5 0.084 8
D 0.018 6 0.213 9 0.024 4 –0.079 9
MSC 0.018 5 0.223 2 0.023 0 0.040 4
WMSC 0.018 6 0.212 2 0.022 8 0.058 0
IMSC 0.018 3 0.240 1 0.023 1 0.038 6
PCR SNV+D 0.016 5 0.385 1 0.021 2 0.185 3
SNV 0.016 5 0.385 1 0.021 2 0.185 3
D 0.019 7 0.117 0 0.024 2 –0.058 4
MSC 0.020 3 0.064 1 0.022 8 0.062 9
WMSC 0.020 3 0.064 5 0.022 6 0.077 0
IMSC 0.020 3 0.062 1 0.022 8 0.057 3
SEC、RSQ、SECV、1-VR、SNV+D、SNV、D、MSC、WMSC和IMSC同表2。
SEC, RSQ, SECV, 1-VR, SNV+D, SNV, D, MSC, WMSC and IMSC see Table 2.


PCR处理的SEC值 (0.015 1–0.018 6和0.016 5–
0.020 3), 故在定标中选择MPLS作为回归分析方式。

2.2.5 模型的建立与校正
根据定标参数优化结果, 选择二阶导数处理为数学处
理方法、WMSC为光谱预处理方法、PCA为聚类分析
方式及MPLS为回归分析方法建立淫羊藿总黄酮快速
检测模型, 并通过进一步调整使定标方程的截距和偏
差分析结果更为理想。以定标样品的总黄酮化学分析
值(x)为横坐标、近红外光谱分析值(y)为纵坐标绘制
回归曲线 , 所得回归方程为y=0.989 8x+0.000 6
(R2=0.985 5)。定标样品集预测方程的RSQ、SECV
和1-VR值分别为0.985 5、0.023 0和0.044 3。
2.3 淫羊藿总黄酮快速检测模型的验证
由表5可知, 在选择二阶导数处理为数学处理方法、
PCA为聚类分析方式及MPLS为回归分析方法时, 采
用SNV+D、SNV、D、MSC、WMSC和IMSC得到的
定标方程, 经过验证样品集检验之后所得RSQ、SEP
及Bias值分别在0.840 6–0.965 1、0.013–0.018和
0.006–0.008区间内, 说明所建定标方程的可靠性和
实用性均较高。在6种光谱预处理方法中, WMSC处理
所得RSQ值最高、Bias值最低, SEP值也在可接受范
围内(表5)。因此 , 结合上述定标参数优化结果选
WMSC为定标时的光谱预处理方法。
综上所述, 在数学处理方法为二阶导数处理、光
谱预处理方法为WMSC、聚类分析方式为PCA及回归
分析方法为MPLS时, 所得淫羊藿总黄酮快速检测模
型最优, 其RSQ、SEP和Bias值分别为0.965 1、0.018



表5 验证样品集预测检验参数
Table 5 Statistical results of validation set by different
spectra pretreatment
Spectra pretreatment RSQ SEP Bias
SNV+D 0.862 2 0.013 0.008
SNV 0.840 6 0.014 0.007
D 0.925 6 0.018 0.006
MSC 0.922 1 0.018 0.007
WMSC 0.965 1 0.018 0.006
IMSC 0.862 2 0.018 0.007
SEP: 检验标准差; Bias: 偏差。SNV+D、SNV、D、MSC、
WMSC、IMSC和RSQ同表2。
SEP: Standard error of performance. SNV+D, SNV, D, MSC,
WMSC, IMSC and RSQ see Table 2.
70 植物学报 48(1) 2013
表6 应用近红外漫反射光谱技术测得的淫羊藿总黄酮含量
Table 6 Determination of total flavonoids in Epimedium
species by near infrared reflectance spectroscopy
Species Content (%) RSD (%)
Epimedium wushanense 9.4 a 2.3
E. boreali-guizhouense 6.9 b 2.0
E. sagittatum 6.5 b 4.4
E. koreanum 5.8 c 3.7
E. acuminatum 4.8 d 2.9
E. myrianthum 4.6 d 3.1
E. leptorrhizum 3.7 e 3.8
RSD: 相对标准偏差 RSD: Relative standard deviation


和0.006。
为了进一步考察最优模型的可靠性和实用性, 并
比较新方法与常规方法的分析效果, 对验证样品的近
红外光谱分析和化学分析结果进行了比对(Chen et
al., 2012)。以淫羊藿总黄酮的化学分析值(x)为横坐
标、近红外光谱分析值(y)为纵坐标绘制回归曲线, 所
得回归方程为y=1.361 5x–2.121 1(R2= 0.965 1)。显
著性分析表明, 化学分析值与近红外光谱分析值无显
著差异(P>0.05)。由此可见, 本研究建立的定量分析
方法能够快速且准确地测定淫羊藿总黄酮的含量。
2.4 淫羊藿实样测定结果
采用本研究建立的近红外漫反射光谱定量分析技术
测定了淫羊藿属不同种中总黄酮的含量, 发现巫山淫
羊藿(E. wushanense)总黄酮的含量最高, 黔岭淫羊
藿(E. leptorrhizum)最低, 7个种中有4个种的总黄酮
含量达到了《中国药典》的要求(表6)。
3 结论
本研究首次建立了一种基于近红外漫反射光谱技术
的淫羊藿总黄酮的定量分析方法, 并运用此方法测定
了淫羊藿属7个种中总黄酮的含量。淫羊藿总黄酮快
速检测模型的流程如下: 首先扫描淫羊藿样品得到近
红外光谱原始信息, 然后采用二阶导数处理、主成分
分析聚类以及加权多元离散校正处理光谱信息, 优化
定标参数, 最后应用改进最小二乘法回归建立最优定
标模型。淫羊藿实样测定的流程如下: 首先制备淫羊
藿样品(粉末), 然后用近红外分析仪扫描光谱, 最后
用软件(按照快速检测模型参数设置)处理光谱信息即
可获得淫羊藿总黄酮的含量。与常规的化学分析方法
相比, 该方法具有诸多优点。(1) 简便快捷。省去了
从淫羊藿样品中提取总黄酮的步骤并简化了样品制
备过程。光谱扫描耗时少且周期短。(2) 准确可靠。
预测模型经检验符合定量分析要求。(3) 无有机溶剂
污染。一般的, 分光光度法和高效液相色谱法需要使
用提取溶剂或流动相(溶剂), 近红外光谱分析则无需
任何有机溶剂; 此外, 操作过程中还省去了经典红外
光谱技术所需的KBr压片。该方法为淫羊藿资源的开
发与利用研究提供了一种新的总黄酮快速检测技术。
致谢 陕西师范大学的牛鹏飞、王碧君、杨曦和蒋亚莉
在成文过程中给予了大力支持和帮助, 特此一并致谢！
参考文献
陈肖家, 张庆文, 季晖, 王一涛, 屠鹏飞, 李绍平 (2007). 紫
外分光光度法和高效液相色谱法测定淫羊藿总黄酮含量的
比较研究. 药物分析杂志 27, 625–630.
国家药典委员会 (2010). 中华人民共和国药典(2010年版, 1
部). 北京: 中国医药科技出版社. pp. 306–308.
孙翊, 李慧, 王亮生, 戴思兰 (2011). 一种快速有效分析烟草
花冠中花青素苷的方法. 植物学报 46, 189–196.
张华峰, 高翔, 卢大炎, 王瑛 (2007). HPLC法同时测定淫羊
藿中朝藿定A、B、C与淫羊藿苷的含量. 分析测试学报 26,
198–201.
张华峰, 杨晓华 (2009). 淫羊藿药材质量控制的问题与对策.
中草药 40, 160–163.
张华峰, 杨晓华, 郭玉蓉, 王瑛 (2009). 药用植物淫羊藿资源
可持续利用现状与展望. 植物学报 44, 363–370.
Chen XJ, Wu JG, Zhou SJ, Yang YJ, Ni XL, Yang J, Zhu
ZJ, Shi CH (2009). Application of near-infrared reflec-
tance spectroscopy to evaluate the lutein and β-carotene
in Chinese kale. J Food Compost Anal 22, 148–153.
Chen Y, Xie MY, Zhang H, Wang YX, Nie SP, Li C (2012).
Quantification of total polysaccharides and triterpenoids in
Ganoderma lucidum and Ganoderma atrum by near in-
frared spectroscopy and chemometrics. Food Chem 135,
268–275.
Haughey SA, Graham SF, Cancouёt E, Elliott CT (2013).
The application of near-infrared reflectance spectroscopy
(NIRS) to detect melamine adulteration of soybean meal.
Food Chem 136, 1557–1561.
Ma HP, He XR, Yang Y, Li MX, Hao DJ, Jia ZP (2011). The
genus Epimedium: an ethnopharmacological and phyto-
薛耀碧等: 近红外漫反射光谱法快速测定药用植物淫羊藿总黄酮含量 71
chemical review. J Ethnopharmacol 134, 519–541.
Pei LK, Sun SQ, Guo BL, Huang WH, Xiao PG (2008).
Fast quality control of Herba epimedii by using Fourier
transform infrared spectroscopy. Spectrochim Acta A Mol
Biomol Spectrosc 70, 258–264.
Sheng MY, Chen QF, Yang QX (2008). Variation in icariin
and flavonoid contents of barrenwort accessions native to
Guizhou, China. Biochem System Ecol 36, 719–723.
Woo YA, Kim HJ, Ze KR, Chung H (2005). Near-infrared
(NIR) spectroscopy for the non-destructive and fast de-
termination of geographical origin of Angelicae gigantis
Radix. J Pharm Biomed Anal 36, 955–959.
Wu JG, Shi CH (2007). Calibration model optimization for
rice cooking characteristics by near infrared reflectance
spectroscopy (NIRS). Food Chem 103, 1054–1061.
Zhang B, Rong ZQ, Shi Y, Wu JG, Shi CH (2011b). Pre-
diction of the amino acid composition in brown rice using
different sample status by near-infrared reflectance spec-
troscopy. Food Chem 127, 275–281.
Zhang DW, Cheng Y, Wang NL, Zhang JC, Yang MS, Yao
XS (2008a). Effects of total flavonoids and flavonol gly-
cosides from Epimedium koreanum Nakai on the prolif-
eration and differentiation of primary osteoblasts. Phyto-
medicine 15, 55–61.
Zhang HF, Yang TS, Li ZZ, Wang Y (2008b). Simultaneous
extraction of epimedin A, B, C and icariin from Herba
epimedii by ultrasonic technique. Ultrason Sonochem 15,
376–385.
Zhang HF, Yang XH (2012). Asian medicine: protect rare
plants. Nature 482, 35–35.
Zhang YJ, Dang HS, Wang Y, Li XW, Li JQ (2011a). A
taxonomic revision of unifoliolate Chinese Epimedium L.
(Berberidaceae). Kew Bull 66, 253–262.
Zhang YJ, Li JQ (2009). A new species of Epimedium
(Berberidaceae) from Hubei, China. Novon 19, 567–569.
Zhao HY, Sun JH, Fan MX, Fan L, Zhou L, Li Z, Han J,
Wang BR, Guo DA (2008). Analysis of phenolic com-
pounds in Epimedium plants using liquid chromatography
coupled with electrospray ionization mass spectrometry. J
Chromatogr A 1190, 157–181.

Rapid Determination of Total Flavonoids in a Medicinal Plant
Epimedium by Near-infrared Reflectance Spectroscopy
Yaobi Xue1, Huafeng Zhang1*, Xiaohua Yang2, Lili Niu1, Xiang Zhang1, Dong Liu1, Jianke Li1*
1National Engineering Laboratory of Endangered Medicinal Materials Resources Development in Northwest China, College
of Food Engineering and Nutritional Science, Shaanxi Normal University, Xi’an 710062, China; 2Key Laboratory of Ministry of
Health for Forensic Sciences, School of Medicine, Xian Jiaotong University, Xi’an 710061, China
Abstract Epimedium is a famous medicinal plant in China. Total flavonoids in Epimedium exhibit a wide variety of bio-
activities. We developed an analytical method based on near-infrared reflectance spectroscopy for determining total fla-
vonoids in Epimedium and measured the content of total flavonoids in 7 Epimedium species. The best calibration model
was under the following conditions: 2nd derivative, principal components analysis, weighted multiplicative scatter correc-
tion and modified partial least squares regression. The coefficient of determination for calibration, standard error of
cross-validation and coefficient of determination for cross-validation of prediction equation of calibration set were 0.985 5,
0.023 0 and 0.044 3, respectively. The coefficient of determination, standard error of performance and bias of prediction
equation of validation set were 0.965 1, 0.018 and 0.006, respectively. These results confirmed the good predictability of
the model. The analytical method can be efficiently used for rapid quantification of total flavonoids in Epimedium.
Key words Epimedium, near-infrared reflectance spectroscopy, quantitatively analytical method, total flavonoids
Xue YB, Zhang HF, Yang XH, Niu LL, Zhang X, Liu D, Li JK (2013). Rapid determination of total flavonoids in a me-
dicinal plant Epimedium by near-infrared reflectance spectroscopy. Chin Bull Bot 48, 65–71.
———————————————
* Authors for correspondence. E-mail: isaacsau@sohu.com; jiankeli@snnu.edu.cn
(责任编辑: 孙冬花)