[摘要] 近年来中药分析已经不再局限于仅仅提供分析方法，而更关注于包括本草学属性、药效成分和功效内涵等分析，即不仅分析物质的组成更要揭示其物质组成与功能的关系。近红外光谱分析技术以其独特的优势，目前在我国药物分析领域，特别是中药分析方面取得了较快发展。采用近红外光谱一方面可以全面地反映药材的整体信息，可用于鉴别和聚类分析。另一方面引入中药质量标志物的概念，通过筛选关键的药效成分，并通过化学计量学方法将光谱数据和其定量信息进行关联，可以实现对其中的多种药效成分同时进行定量分析。充分发挥近红外检测技术的优势，可以为中药材的质量快速评价提供更简便可靠的方法。该文从不同的侧面对近红外技术在中药材质量评价方面的进展和发展趋势进行了综述和讨论。
[关键词] 中药材； 质量控制； 近红外技术； 质量标志物； 整合分析
中药材的品质评价主要包含道地药材的鉴别、质量分级和活性评价等内容。以形态学特征为主的性状和显微鉴定一直是中药材鉴定行之有效的手段。随着科学等技术手段的进步，珍稀濒危、贵重及道地药材的基因检测方法，特别是DNA条形码技术得到了较快的发展。目前国内外沿用的中药质量优劣评价主要方法是采用液相色谱法为主的指标成分含量测定或化学指纹图谱分析。但其缺点是样品需要前处理，并配置专业的仪器设备和操作人员，分析检测时间较长，这些因素导致了其不适合药材产地或集散地的大批量样品的快速检测和评价。现代中药的质量评价体系更需要体现中医药的特色，反映其本草学属性、生物学内涵和化学实质等方面的信息[1]，既要反映中药的物质基础是有效化合物群，又要结合关键的药效成分的含量控制，同时要具有可操作性，适合基层检测工作的需要，采用简便易行稳定可靠的中药质量控制模式。目前中药分析已经不再局限于提供分析的方法和工具，而更关注解决关键的科学问题，即不仅分析物质的组成更重要的是揭示其物质组成与功能的关系[2]。
近红外光谱分析方法具有测定速度快（秒级），对样本可以进行无损、无消耗检测，提取物、饮片以及固体粉末等均可以直接进行定性鉴别以及定量分析等特点，因此近年来近红外光谱技术在我国药物分析领域尤其是中药分析方面取得了较快发展。采用近红外光谱一方面可以更全面地反映药材的整体信息，便于宏观聚类分析；另一方面由于其光谱重叠严重，对于组成复杂的样品体系，必须通过化学计量学方法将光谱数据和其中特定成分的信息进行关联，实现对其中多种成分的同时进行定量分析[3]。因此利用近红外光谱技术不但可以鉴别中药材的种类、产地和真伪，而且能够快速分析中药材中有效成分以及复方制剂中的特定药效成分、水分及挥发油等的含量信息[45]。正因为近红外检测技术具有独特的优势，“天生”就适合中药材的快检分析。但如何将近红外这种快捷高效的分析技术与药效物质以及药材的功效相关联，为中药材的质量评价提供更丰富、全面、可靠并具有中医药特色的信息，本文从不同的侧面对近红外技术在中药材质量评价方面的进展和发展趋势进行了综述和讨论。
1 近红外光谱技术在中药定性与定量分析中的应用
11 定性分析 虽然中药的化学成分比较复杂，但其中的化学成分一般都含有能引起近红外吸收的CH，OH，NH，SH，CO等基团。由于各种中药所含成分含量的不同，因此而导致其近红外光谱图也不尽相同，利用这种光谱图上存在的差异就可以实现药材的鉴别和分类[6]。在对不同药材进行的近红外聚类结果发现，成分相近的中药材往往会聚在一起（如金银花，山银花和菊花；沉香和檀香），而功能差别较大的药材其马氏距离的相差也较远，这也体现了整体化学物质组的区别是近红外光谱分类的基础，同时也是发挥功效的物质基础（图1）。
针对同种药材，利用近红外光谱同样可以实现精细的区分，例如在枸杞[7]、玛咖[8]、重楼[9]、霍山石斛[10]等多种中药材的产地和真伪鉴别中近红外技术已经得到了很好的应用。所采用的算法主要有主成分分析马氏距离法[11]，簇类的独立软模式方法[12]，偏最小二乘判别分析[9]，人工神经网络[12]和支持向量机[13]等。依靠化学计量学方法的帮助，近红外技术甚至可以直接在药材表面进行扫描检测并完成分类鉴别工作。韩冬海等[14]基于西洋参与人参的主根横断面扫描，实现了对原料药材的快速筛查。乔延江等[7]采用便携式光谱仪采集枸杞子表面不同部位的近红外漫反射光谱，并结合多类支持向量机算法实现了对其产地进行快速辨识，此外还可以用于对硫磺熏蒸药材进行快速判别[15]。
1.2 定量分析 在定量分析方面，首先是对采集的光谱进行预处理，再选择合适的拟合算法，波谱预处理和波数选择方法建立预测模型，并结合特定的评价参数对所建立的模型进行综合评价。样本分类方法主要有随机抽样法、常规选择法、KennardStone法以及Sample set Portioning based on joint xy distance法，合理地选择校正集能显著提高所建近红外模型的预测准确度[16]。目前大部分近红外光谱的拟合算法均采用偏最小二乘算法，而对于一些偏最小二乘无法完成的非线性拟合，则采用最小二乘支持向量机，该算法以最小二乘线性系统作为损失函数，通过解一组线性方程组代替传统支持向量机（supportvectormachine，SVM）较复杂的二次规划方法，降低计算的复杂性，加快求解速度[17]。近红外光谱的测量通常会受到待测样本的化学和物理因素的影响，包括温度、湿度、粒径、取样差异等均会对模型的稳健性产生影响[18]，通常采用多元散射校正，标准变量变换，正交信号校正，一阶导数，二阶导数等波谱预处理方法消除这些因素的影响。而近红外光谱的全谱信息中往往包含较多无法通过光谱预处理消除的噪音，因此通常采用一些波段选择的方法，筛选与待测化合物结构关联密切并受干扰程度较小的典型波数区域来提高模型预测的精度，例如利用连续投影算法，无信息变量消除法，蒙特卡罗法（CARS），间隔偏最小二乘法（ipls），移动窗口偏最小二乘法（mwpls），前向选择偏最小二乘法（bipls），遗传算法，蚁群算法等[19]。在模型评价方面，传统的评价方法主要有root mean square error of calibration （RMSEC），root mean square error of prediction （RMSEP），determination coefficient （R2） 和Bias等化学计量学指示参数。而这些常规指示参数多适用于常量分析，采用准确性轮廓的模型评价策略，为微量组分的近红外模型的评价提供了新方案[20]。
目前过程分析技术是工业生产关注的焦点，也是中药生产加工过程的薄弱之处。通过近红外技术及时测量原料、生产加工工艺过程中关键的质量和性能指标，可以很好的保障产品的最终质量[21]，这些生产环节的控制点可以包括液体制剂的提取、浓缩及醇沉，以及固体制剂的物料混合等环节[22]。王智民等[23]建立了对苦参和白土苓的多指标成分的近红外快速测定方法，满足了对复方苦参注射液原料质量控制的需求；严衍禄等[24]建立了一种近红外光谱测定六味地黄丸指纹图谱相似性的方法，并用于中药生产过程质量控制；范国荣等[21，25]建立了人参叶总皂苷以及积雪草活性成分的大孔树脂纯化工艺的近红外光谱在线监测方法。虽然近红外光谱分析的准确性不及高效液相色谱法，是一种间接测定含量的方法，定量分析依赖于常规的分析，其检测的灵敏度不高，一般固体 （0.1%），液体 （0.01%）， 其准确性受到化学参考值、建模样品的多少、建模样品的代表性、检测仪器的精度及人为因素等多种条件的影响，但是经过化学计量学不断优化和完善校正模型，已经能够满足工业化生产过程中对大规模样品化学信息的批量采集处理，以及特定成分的快速测定的需求[23，26]。
2 基于中药材的品质与功能建立近红外快速评价方法
2.1 整体性评价与中药质量标志物（Qmakers）检测相结合 近红外光谱的全谱如同指纹图谱一样可以用于药材的定性鉴别；化学计量学可以挖掘其中内在的特定化合物的信息，可用于进一步的定量分析。但中药材的成分复杂，无法对每一成分全部进行检测，而中药的活性却来自不同成分之间的协同增效。而根据量效关系理论，只有足够量的成分才能发挥效能，在近红外的检测灵敏度较低的条件下，选择哪些成分进行有针对性的检测是需要解决的关键问题。而引入Qmakers的概念[2829]，通过前期化学物质组学分析，针对特定药效学指标的筛选，谱效分析等手段挖掘其中具有较高活性的单体成分[3031]，或通过模式识别方法（PCA，PLSDA）以及谱效筛选等方法发现质量标志物，再经过质谱解析确认成分结构[32]，对这些有活性的成分单体进行近红外成分定量分析，使用International Union of Pure and Applied Chemistry （IUPAC） 推荐的区间检测限理论（interval LODs）计算偏最小二乘回归分析中的最低检测限，选择这些具有活性且高于最低检测限的化合物作为评价指标，并进一步利用近红外分析技术建立其对应的快速评价方法进行药材中的含量检测是今后药材快检的发展趋势。
2.2 中药沉香的近红外分析实例 近红外光谱分析技术经历了近50年的发展，基本解决了怎么测的问题。但是中药材的成分复杂，大部分化合物质量分数不足1%，这就要求解决测什么的问题。课题组以沉香为例，提出了一套完整的基于标志性成分的近红外评价模型的解决方案（图2）[27]。
首先使用UPLCQ/TOF结合PCA分析对真伪沉香进行聚类分析，发现以沉香四醇为母核的一类衍生物既是药效相关成分，又对沉香真伪的区分具有较为重要的影响。于是使用化学计量学技术提取近
红外光谱中该化合物的特定波数区域，采用间隔偏最小二乘筛选光谱中与该成分具有明显相关性的波数段组合，并结合蒙特卡洛算法进一步将波数段信息抽提为波数点信息。最后发现仅使用15个波数点就完全可以预测沉香中沉香四醇的含量，使用留一法交互验证建模时的决定系数R2达到0.986 1，15个样本作为外部验证的决定系数R2可达到0.881 4。对这15个波数点进行解析，验证计算的波数点的可信性，发现这15个波数点来自沉香四醇上的烷烃CH，CH2的一级，二级倍频吸收区，芳烃CH的一级倍频区，以及与氧相连的环己烯双键上CH的一级倍频吸收区。特征性成分的结构与计算信息能够互相吻合，并且较为理想的拟合效果佐证了所建模型的可靠性。
2.3 整体活性的非线性整合更能反映出药材的品质 天然产物的活性评价一直是活性物质筛选与新药研发的重要环节。国外研究者曾利用近红外光谱预测茶多酚等天然提取物的抗氧化活性并取得了较好的结果[33]，而利用近红外光谱对中药的药理活性进行预测研究还少有报道。瞿海斌等[34]以中药黄酮类提取物为研究对象，在获取其近红外光谱信息的基础上，利用偏最小二乘模型预测抗氧化活性，建立了黄酮类物质抗氧化活性快速预测评价法。而中药的药性和药效也是多个活性成分共同贡献的结果，是一个复杂的非线性的关系。特别针对复杂的网络作用机制，体现了一个整体的效应和整合的结果。这些活性单体之间复杂的协同或拮抗相互作用使得它们与活性的关系难以用简单的线性关系进行拟合。通常只针对这些标志性成分进行定量分析监控，很难反映其整体的药效。因此，提出采用反向传播人工神经网络（BPANN）、支持向量回归（SVR），随机森林（RF）等非线性拟合算法，对这些Qmakers建立定量成分活性关系（QCAR），以整体的活性来反映药材的品质，从而弥补使用偏最小二乘算法进行线性拟合的缺点。希望达到采用一张近红外光谱同时定量多种Qmakers，并共同对应一个和几个活性目标，最终能快速反映药材品质的设想（图3）。
2.4 远程服务平台的搭建，资源整合与利用 传统产业的智能化和信息化升级是工业4.0发展的必然趋势。因此“移动终端+云计算服务”的运作模式，势必成为近红外检测技术拓展应用发挥其效能的有力工具。当在收集到丰富的中药材样品库，建立稳健的近红外模型，搭建云计算平台以及网络服务体系器，开发微型的手提式近红外光谱设备，客户将在客户端获得的近红外光谱图上传到实验室云计算服务平台。后台服务器通过建立好的近红外模型可为客户提供快捷的药材鉴别服务，包括Qmakers的含量预测，甚至直接提供该药材的品质与活性的评价，实现中药材快速、实时、远程质量评价的目的，让中药材的品质管理更加简洁、客观和准确。
综上所述，近年来近红外分析技术在中药领域得到迅猛发展，侧面说明了这项技术在中药检测领域的使用确实有其独特意义。中药材市场流通量大，传统分析方法无法及时获取药材全面的品质信息来保证每一批中药质量的一致性。然而与传统分析技术相比，近红外技术对常规的质量监控具有点面结合、经济快速的特点。此外，对中药这种复杂体系的分析对象来讲，单纯进行多组分分析方法的开发忽略中药材的整体功效评价，是无法实现药材品质的全面提升的。因此引入Qmakers的概念，通过对这些活性单体进行有的放矢地近红外快速精准定量，并整合其活性研究结果对其功效进行综合评价将是未来发展的一个必然趋势。相信在不久的将来，通过对中药材的大样本量分析，建立稳健的近红外模型，通过云计算和互联网等现代手段，建立近红外光谱库与配套的计算模型，可以实现对流入市场的中药材的质量进行全面控制，包括药材真伪鉴别，药材有效成分含量评估，甚至药材整体功能活性评级。总之近红外光谱分析技术在中药领域的应用，要充分发挥近红外自身优势，同时也要结合中医药自身特色和现代信息科技，在保证中药质量的同时，实现药材品质的提升，为中药现代化打下坚实的基础。
[参考文献]
[1] 张铁军. 中药的质量认识与质量评价[J]. 中草药， 2011， 42（1）： 1.
[2] 夏建飞， 梁琼麟，罗国安. 现代中药分析新进展[J]. 中国科学： 化学， 2010， 40（6）： 641.
[3] 于晓辉， 张卓勇， 马群，等. 径向基函数神经网络和近红外光谱用于大黄中有效成分的定量预测[J]. 光谱学与光谱分析， 2007， 27（3）： 481.
[4] 褚小立， 陆婉珍. 近五年我国近红外光谱分析技术研究与应用进展[J]. 光谱学与光谱分析， 2014， 34（10）： 2595.
[5] 王耀鹏，顾志荣，孙宇靖， 等. 近红外光谱快速定量技术在中药分析中的最新应用进展[J]. 中国实验方剂学杂志， 2015， 21（9）： 223.
[6] 刘木清， 周德成， 徐新元，等.聚类算法用于中药材的近红外光谱分析[J]. 光谱学与光谱分析， 2007， 27（10）： 1985.
[7] 杜敏， 巩颖， 林兆洲， 等.样品表面近红外光谱结合多类支持向量机快速鉴别枸杞子产地[J]. 光谱学与光谱分析， 2013， 33（5）： 1211.
[8] 王元忠， 赵艳丽， 张霁，等.近红外光谱信息筛选在玛咖产地鉴别中的应用[J]. 光谱学与光谱分析， 2016， 36（2）： 394.
[9] 赵艳丽， 张霁， 袁天军，等.近红外光谱快速鉴别不同产地药用植物重楼的方法研究[J]. 光谱学与光谱分析，2014， 34（7）： 1831.
[10] 胡甜， 杨海龙， 汤清， 等.微型近红外光谱技术快速鉴别霍山石斛种类[J]. 光谱学与光谱分析， 2014， 34（10）： 2808.
[11] 卜海博， 聂黎行， 王丹， 等.近红外光谱法无损识别林下山参及其生长年限[J]. 光谱学与光谱分析， 2012， 32（7）： 1801.
[12] 刘雪松， 程翼宇. 用于中药药品质量快速检测的近红外光谱模糊神经元分类方法[J].化学学报， 2005， 63（24）：2216.
[13] 张录达， 苏时光， 王来生， 等.支持向量机（SVM）在傅里叶变换近红外光谱分析中的应用研究[J]. 光谱学与光谱分析， 2005， 25（1）： 33.
[14] 王灵灵， 黄亚伟， 戚淑叶， 等.基于主根横断面近红外光谱的西洋参和人参鉴别研究[J]. 光谱学与光谱分析， 2012， 32（4）： 925.
[15] 吴志生， 杜敏， 潘晓宁， 等.硫磺熏蒸的葛根横纵截面快速判别分析[J]. 中国中药杂志， 2015， 40（12）： 2336.
[16] 詹雪艳， 赵娜， 林兆洲， 等.校正集选择方法对于积雪草总苷中积雪草苷NIR定量模型的影响[J]. 光谱学与光谱分析， 2014， 34（12）： 3267.
[17] 朱向荣， 单杨， 李高阳， 等. 基于最小二乘支持向量机的国公酒中橙皮苷含量测定[J].光谱学与光谱分析， 2009， 29（9）： 2471.
[18] 吴志生， 杜敏， 潘晓宁，等. 粒径对多类中药材NIR频谱区的检测研究[J].中国中药杂志， 2015， 40（2）： 287.
[19] Zou X B， Zhao J W， Povey M J W， et al. Variables selection methods in nearinfrared spectroscopy [J]. Anal Chim Acta， 2010， 667（1/2）： 14.
[20] 吴志生， 史新元， 徐冰， 等.中药质量实时检测：NIR定量模型的评价参数进展[J]. 中国中药杂志， 2015， 40（14）： 2774.
[21] 刘桦， 赵鑫， 齐天， 等.人参叶总皂苷大孔树脂分离纯化工艺的近红外光谱在线监测模型及其含量测定[J].光谱学与光谱分析， 2013， 33（12）： 3226.
[22] 李洋， 吴志生， 潘晓宁， 等.在线近红外光谱在我国中药研究和生产中应用现状与展望[J].光谱学与光谱分析， 2014， 34（10）： 2632.
[23] 赵凤春， 万楷杨， 刘晓谦， 等.近红外漫反射光谱法快速测定苦参和白土苓药材中多指标成分的含量[J].光谱学与光谱分析， 2014， 34（10）： 2652.
[24] 陈斌， 李军会， 臧鹏，等. 六味地黄丸指纹图谱的近红外光谱分析方法的建立[J].光谱学与光谱分析， 2010， 30（8）： 2124.
[25] 刘桦， 叶晓岚， 杨光，等.近红外光谱技术在线监测积雪草药材活性成分的大孔树脂分离纯化过程[J].光谱学与光谱分析， 2013， 33（1）： 98.
[26] 黄倩倩， 潘瑞乐， 魏建和， 等.近红外漫反射光谱法测定黄芩中总黄酮及黄芩苷的含量[J]. 光谱学与光谱分析， 2009， 29（9）： 2425.
[27] Ding G Y， Nie Y， Hou Y Y， et al. An integrated strategy of marker ingredients searching and near infrared spectroscopy rapid evaluation for the quality control of Chinese eaglewood[J]. J Pharmaceut Biomed，2015， 114：462.
[28] 刘昌孝， 陈士林， 肖小河， 等. 中药质量标志物（QMarker）： 中药产品质量控制的新概念[J]. 中草药， 2016， 47（9）： 1443.
[29] 张铁军， 许浚， 韩彦，等.中药质量标志物 （QMarker）研究：延胡索质量评价及质量标准研究[J].中草药， 2016， 47（9）： 1458.
[30] Han Y Q， Zhou M G， Wang L Q， et al. Comparative evaluation of different cultivars of Flos Chrysanthemi by an antiinflammatorybased NFκB reporter gene assay coupled to UPLCQ/TOF MS with PCA and ANN [J]. J Ethnopharmacol， 2015， 174：387.
[31] Jiang M， Han Y Q， Zhou M G， et al. The screening research of antiinflammatory bioactive markers from different flowering phases of Flos Lonicerae Japonicae [J]. PLoS ONE， 2014， 9（5）： e96214.
[32] Li Y B， Zhang L， Wu H Y， et al. Metabolomic study to discriminate the different Buibus fritillariae species using rapid resolution liquid chromatographquadrupole timeofflight mass spectrometry coupled with multivariate statistical analysis [J]. Anal Methods， 2014， 6： 2247.
[33] Zhang M H， Luypaert J， Fernandez Pierna J A， et al. Determination of total antioxidant capacity in green tea by nearinfrared spectroscopy and multivariate calibration [J]. Talanta， 2004， 62（1）： 25.
[34] 王毅， 俞凌燕， 范骁辉，等. 一种基于近红外光谱的天然产物抗氧化活性预测评价方法[J]. 光谱学与光谱分析， 2009， 29（9）： 2401.
[责任编辑 孔晶晶]
相关热词搜索： 中药材 引进 用于 品质 评价