一种鉴别山药破壁饮片掺假的方法与流程

本发明涉及中药产品质量监控领域，具体地，涉及一种鉴别山药破壁饮片掺假的方法。

背景技术：

山药（Shanyao），本品为薯蓣科植物薯蓣Dioscorea oppositaThunb. 的干燥根茎。冬季茎叶枯萎后采挖，切去根头，洗净，除去外皮和须根，干燥。或趁鲜切厚片，干燥，也有选择肥大顺直的干燥山药，置清水中，浸至无干心，闷透，切齐两端，用木板搓成圆柱状，晒干，打光，习称“光山药”。

中药破壁饮片是利用现代超微粉碎技术将传统饮片进行破细胞壁粉碎成粒度分布D90小于45um的微细颗粒，再制成30-100目的颗粒。相对于传统饮片具有色泽一致，质量均一，稳定性好的特点为创新型中药饮片。近年来，破壁饮片作为中药饮片创新品类，凭借其促进中药有效成分更好吸收及携带、服用方便等独特优势，备受广大消费者青睐，在中医药及保健食品市场所占份额不断加大、经济价值日益增长。

山药破壁饮片为一种不添加任何添加剂或药用辅料、全成分入药的产品，山药由于自身营养与药用价值相当高，广为消费者接受，一些不法企业为了获取不正当利益，在山药中掺入廉价的玉米、小麦淀粉或辅料制成颗粒伪造山药破壁饮片进行销售，这种违法行为不仅严重破坏了市场秩序，造成消费者经济损失，而且不利于消费者的身体健康。而对于添加其他药用辅料或小麦玉米淀粉制成的非法山药破壁饮片，从外观上难于辨别。因此，研究开发一种快速、准确、稳定的方法定性与定量检测山药破壁饮片非法添加物显得尤为重要。

目前，尚未发现有关破壁饮片或类似饮片（超微粉等）掺假鉴别技术方法。现有常规的高效液相色谱、色谱-质谱联用、显微鉴别、电子鼻、DNA分子鉴定等分析技术均需要繁琐的样品前处理过程，费时费力，且对操作人员专业素质要求较高，实验过程会对样品或环境造成污染，且检测成本高。

技术实现要素：

本发明为了克服现有技术的上述不足，提供一种鉴别山药破壁饮片掺假的模型。

本发明的另一个目的是提供一种鉴别山药破壁饮片掺假的方法。

为了实现上述目的，本发明是通过以下技术方案予以实现的：

一种鉴别山药破壁饮片掺假的模型，建立方法如下：

（1）淀粉掺假山药破壁饮片定性模型建立：采集纯的山药破壁饮片样品、掺假山药破壁饮片样品的近红外光谱数据，将数据划分为校正集和预测集；将校正集光谱数据导入SIMCA-P 12.0软件进行一阶导数/MSC预处理，建立OPLS-DA定性模型；所述淀粉为玉米淀粉、小麦淀粉或木薯淀粉中的一种或任一组合；

（2）添加辅料山药破壁饮片定性模型建立：采集纯的山药破壁饮片样品、添加辅料山药破壁饮片样品的近红外光谱数据，将数据划分为校正集和预测集；将校正集光谱数据导入SIMCA-P 12.0软件进行Row-Center预处理，建立OPLS-DA定性模型；所述辅料为糊精、乳糖、硬脂酸镁、微粉硅胶、微晶纤维素、滑石粉、羟丙基纤维素或淀粉中的一种或任一组合；

（3）淀粉掺假山药破壁饮片定量模型建立：采集纯的山药破壁饮片样品、掺假山药破壁饮片样品的近红外光谱数据，将数据划分为校正集和预测集；将校正集光谱数据导入MATLAB 7.0.4软件，将样品近红外光谱划分为10,25,50个子区间，再分别进行两个、三个、四个区间组合运算，筛选最佳区间组合建立siPLS模型；所述淀粉为玉米淀粉、小麦淀粉或木薯淀粉中的一种或任一组合。

优选地，一种鉴别山药破壁饮片掺假的模型，建立方法如下：

（1）在山药破壁饮片加工过程中掺入不同比例的淀粉，得到不同添加比例的淀粉掺假山药破壁饮片样品，所述淀粉为玉米淀粉、小麦淀粉或木薯淀粉中的一种或任一组合；

（2）在山药破壁饮片加工过程中掺入辅料，得到添加辅料山药破壁饮片样品，所述辅料为糊精、乳糖、硬脂酸镁、微粉硅胶、微晶纤维素、滑石粉、羟丙基纤维素或淀粉中的一种或任一组合；

（3）淀粉掺假山药破壁饮片样品的OPLS-DA定性模型建立：采集纯的山药破壁饮片样品、步骤（1）掺假山药破壁饮片样品的近红外光谱数据，将数据划分为校正集和预测集；将校正集光谱数据导入SIMCA-P 12.0软件进行预处理及判别分析，掺假山药破壁饮片定性模型采用一阶导数/MSC预处理方法；OPLS-DA模型验证：扫描预测集样品近红外光谱，采用建立好的OPLS-DA模型对预测集样品进行所属类别预测；

（4）添加辅料山药破壁饮片样品的OPLS-DA定性模型建立：采集纯的山药破壁饮片样品、步骤（2）添加辅料山药破壁饮片样品的近红外光谱数据，将数据划分为校正集和预测集；将校正集光谱数据导入SIMCA-P 12.0软件进行预处理及判别分析，掺假山药破壁饮片定性模型采用Row-Center预处理方法；OPLS-DA模型验证：扫描预测集样品近红外光谱，采用建立好的OPLS-DA模型对预测集样品进行所属类别预测；

（5）淀粉掺假山药破壁饮片样品的siPLS定量模型建立：采集纯的山药破壁饮片样品、步骤（1）掺假山药破壁饮片样品的近红外光谱数据，将数据划分为校正集和预测集；将校正集光谱数据导入MATLAB 7.0.4软件，将样品近红外光谱划分为10,25,50个子区间，再分别进行两个、三个、四个区间组合运算，筛选最佳区间组合建立siPLS模型；siPLS定量模型验证：将建好的模型导入，对校正集模型进行检验，验证siPLS模型对未知样品掺假淀粉含量的预测能力。

优选地，步骤（3）中光谱数据的采集条件为使用样品杯漫反射扫描参数，采样间隔设置为2 nm；光谱扫描范围1100～2300 nm；扫描次数32次。

本发明在建立模型之前，要先制备淀粉掺假山药破壁饮片样品，优选地，所述淀粉掺假山药破壁饮片样品的制备方法为：在纯山药破壁饮片加工过程中掺入10%、20%、25%、30%、40%、50%、55%、60%、70%、75%、80%、95%（w/w）的玉米淀粉或小麦淀粉，得到掺假10%、20%、25%、30%、40%、50%、55%、60%、70%、75%、80%、95%（w/w）玉米淀粉的山药破壁饮片样品，和掺假10%、20%、25%、30%、40%、50%、55%、60%、70%、75%、80%、95%（w/w）小麦淀粉的山药破壁饮片样品。

本发明在建立模型之前，要先制备添加辅料山药破壁饮片样品，优选地，所述添加辅料山药破壁饮片样品的制备方法为：在纯山药破壁饮片加工过程中按照1:1（w/w）掺入辅料，辅料分别为糊精、乳糖、硬脂酸镁、微粉硅胶、微晶纤维素、滑石粉、羟丙基纤维素、淀粉。

一种鉴别山药破壁饮片掺假的方法，具体步骤为，采集待测山药破壁饮片样品的近红外光谱，利用本发明所建的模型对待测山药破壁饮片样品的近红外光谱进行判别，从而得到待测山药破壁饮片样品的判别结果。

与现有技术相比，本发明具有如下有益效果：

本发明可直接对山药破壁饮片掺假情况进行准确地定性、定量分析，省去繁琐的前处理过程，具有操作简便、分析时间短、对样品无损坏、绿色环保等常规分析方法无可比拟的优势，大大缩短了分析周期，降低了实验成本。

附图说明

图1为40个纯草晶华山药破壁饮片样品近红外光谱图。

图2为192个淀粉掺假山药破壁饮片样品近红外光谱图。

图3为192个添加辅料山药破壁饮片样品近红外光谱图。

图4为掺假山药破壁饮片的OPLS-DA模型。

图5为采用OPLS-DA模型判别82个纯山药破壁饮片及淀粉掺假山药破壁饮片的判别结果。

图6为添加辅料的山药破壁饮片的OPLS-DA模型。

图7为采用OPLS-DA模型判别82个纯山药破壁饮片及添加辅料的山药破壁饮片的判别结果。

图8为玉米淀粉掺假山药破壁饮片检验集定量模型结果。

图9为小麦淀粉掺假山药破壁饮片检验集定量模型结果。

图10为使用PLS-DA方法建立的淀粉定性模型。

图11为使用2阶导数预处理、OPLS-DA方法建立的辅料定性模型。

图12为使用PLS-DA方法建立的辅料定性模型。

图13为使用SNV预处理、OPLS-DA方法建立的辅料定性模型。

具体实施方式

下面结合说明书附图和具体实施例对本发明作出进一步地详细阐述，所述实施例只用于解释本发明，并非用于限定本发明的范围。下述实施例中所使用的试验方法如无特殊说明，均为常规方法；所使用的材料、试剂等，如无特殊说明，为可从商业途径得到的试剂和材料。

实施例1

（1）样品制备：制备3个批次共40个纯山药破壁饮片样品，各批次生产过程中均留取足量半成品山药超微粉，分别用于山药破壁饮片掺假样品的制备。

玉米淀粉、小麦淀粉掺假山药破壁饮片样品的制备：玉米淀粉、小麦淀粉分别按比例与上述3个批次半成品山药超微粉按照纯山药破壁饮片样品制备方法，最终制成含玉米淀粉（小麦淀粉）10%、20%、25%、30%、40%、50%、55%、60%、70%、75%、80%、95%（w/w）的掺假破壁饮片样品。不同掺假比例的样品重复制备8个，制备2种淀粉（小麦淀粉、玉米淀粉）掺假样品共计192个。

添加各种辅料山药破壁饮片掺假样品的制备：分别使用糊精、乳糖、硬脂酸镁、微粉硅胶、微晶纤维素、滑石粉、羟丙基纤维素、淀粉与上述3个批次半成品山药超微粉按照纯山药破壁饮片样品制备方法，最终制成含辅料比例为1:1（w/w）的添加不同辅料的掺假破壁饮片样品。添加不同辅料的样品重复制备8个，制备8种添加辅料样品共计192个。

（2）数据采集：采用Luminar 5030 AOTF近红外光谱分析仪采集样品近红外光谱信息，使用样品杯漫反射扫描参数，采样间隔设置为2nm；光谱扫描范围1100～2300 nm；扫描次数32次，取平均值作为样品的近红外光谱。40个纯山药破壁饮片样品近红外光谱图如图1；192个淀粉掺假山药破壁饮片样品近红外光谱图如图2；192个添加辅料山药破壁饮片样品近红外光谱图如图3。

（3）数据集划分：将40个纯山药破壁饮片样品和192个淀粉掺假山药破壁饮片样品共232个样品进行分组，其中校正集数目为150个，检验集为82个。将40个纯山药破壁饮片样品和192个添加辅料山药破壁饮片样品共232个样品进行分组，其中校正集数目为150个，检验集为82个。

（4）淀粉掺假山药破壁饮片定性分析：OPLS-DA模型的建立，将校正集光谱数据导入SIMCA-P 12.0软件进行预处理及判别分析，采用一阶导数/MSC(多元散射校正)预处理方法，模型参数R²Y=0.866，Q²=0.809。结果如图4，模型能够很好地将3个类别样品区分开来（A代表纯山药破壁饮片集合；B代表玉米淀粉掺假山药破壁饮片集合；C代表小麦淀粉掺假破壁饮片集合），同时可以明显看出，掺伪淀粉含量随着第一个主成分轴从左到右越来越高。置换检验（n=100）显示该判别模型不存在过耦合缺陷。

模型检验：对82个纯山药破壁饮片及淀粉掺假山药破壁饮片进行类别预测，结果采用OPLS-DA模型判别正确率为100%，结果如图5。

（5）添加辅料山药破壁饮片定性分析：OPLS-DA模型的建立，将校正集光谱数据导入SIMCA-P 12.0软件进行预处理及判别分析，采用Row-Center预处理方法，模型参数R²Y=0.9，Q²=0.832。结果如图6，模型能够很好地将9个类别样品区分开来（A代表纯添加糊精破壁饮片集合；B代表添加乳糖破壁饮片集合；C代表添加硬脂酸镁破壁饮片集合；D代表添加微粉硅胶破壁饮片集合；E代表添加微晶纤维素破壁饮片集合；F代表添加滑石粉破壁饮片集合；G代表添加羟丙基纤维素破壁饮片集合；H代表添加淀粉破壁饮片集合；J代表纯山药破壁饮片集合）。置换检验（n=100）显示该判别模型不存在过耦合缺陷。

模型检验：对82个纯山药破壁饮片及辅料掺假山药破壁饮片进行类别预测，结果采用OPLS-DA模型判别正确率为100%，结果如图7。

（6）淀粉掺假样品的定量分析：

siPLS模型的建立：将校正集光谱数据导入MATLAB7.0.4软件，将样品近红外光谱划分为10,25,50个子区间，再分别进行两个、三个、四个区间组合运算，同时与PLS(偏最小二乘法)、iPLS(区间偏最小二乘法)分析结果比较，选择RMSECV值最小的方法建模，结果如表1，表2。

表1 玉米淀粉掺假山药破壁饮片校正集PLS模型分析比较结果

^aLV为潜在变量

表2 小麦淀粉掺假山药破壁饮片校正集PLS模型分析比较结果

^aLV为潜在变量

分析比较可得出，采用siPLS建立玉米淀粉掺假山药破壁饮片定量模型最可靠，将样品近红外光谱划分为10个子区间，四个区间[2,3,6,8]时，校正模型RMSECV值最小为1.7872。采用siPLS建立小麦淀粉掺假山药破壁饮片定量模型最可靠，将样品近红外光谱划分为10个子区间，四个区间[3,4,6,9]时，校正模型RMSECV值最小为1.6462。

模型检验：将建好的模型导入，对校正集进行检验，验证siPLS模型对未知样品的预测能力。玉米淀粉掺假山药破壁饮片检验集模型结果如图8：校正集相关系数为0.9975，预测相关系数为0.9980，预测能力好。小麦淀粉掺假山药破壁饮片检验集模型结果如图9：校正集相关系数为0.9979，预测相关系数为0.9971，预测能力好。

本发明可直接对山药破壁饮片掺假情况进行准确地定性、定量分析，省去繁琐的前处理过程，具有操作简便、分析时间短、对样品无损坏、绿色环保等常规分析方法无可比拟的优势，大大缩短了分析周期，降低成本。

对比例1

本对比例在建立淀粉掺假山药破壁草本定性分析模型时，建立模型的方法与实施例1不同，采用的是PLS-DA模型，其他同实施例1，最后得到的模型结果如图10所示。说明建立的模型不稳定。

对比例2

本对比例在建立添加辅料山药破壁草本定性分析模型时，数据的预处理方法与实施例1不同，采用的是2阶导数处理，其他同实施例1，最后得到的模型结果如图11所示。说明建立的模型不稳定。

对比例3

本对比例在建立添加辅料山药破壁草本定性分析模型时，建立模型的方法与实施例1不同，采用的是PLS-DA模型，其他同实施例1，最后得到的模型结果如图12所示。说明建立的模型不稳定。

对比例4

本对比例在建立添加辅料山药破壁草本定性分析模型时，数据的预处理方法与实施例1不同，采用的是SNV处理，其他同实施例1，最后得到的模型结果如图13所示。说明建立的模型不稳定。