以氘代氯仿为溶剂,以中药化学标准品厚朴酚为载体,采用二维相关光谱（Tow-dimensional correlation spectroscopy,2D-COS）技术,采集近红外光谱（near infrared spectroscopy,NIR）,由氘代氯仿纯溶剂与厚朴酚原始光谱的二维相关同步谱可...以氘代氯仿为溶剂,以中药化学标准品厚朴酚为载体,采用二维相关光谱（Tow-dimensional correlation spectroscopy,2D-COS）技术,采集近红外光谱（near infrared spectroscopy,NIR）,由氘代氯仿纯溶剂与厚朴酚原始光谱的二维相关同步谱可知,厚朴酚在1 365～1 455,1 600～1 720,2 000～2 181和2 275～2 465nm处有特征吸收,其中1 440nm为酚基O—H伸缩振动基频的一级倍频谱带,1 679nm为芳基C—H及与芳基相连的甲基C—H伸缩振动一级倍频谱带,2 117,2 304,2 339和2 370nm为芳基C—H伸缩振动、弯曲振动和变形振动的组合频,2 445nm为芳基相连的甲基C—H弯曲振动基频二级倍频谱带,这些波段为厚朴酚的特征归属。以藿香正气口服液复杂体系为载体,以厚朴酚光谱解析的特征波段与间隔偏最小二乘（interval partial least squares,iPLS）和组合间隔偏最小二乘（synergy interval partial least squares,SiPLS）筛选的特征波段分别建立偏最小二乘（partial least squares,PLS）定量模型,模型的决定系数R2cal和R2pre均大于0.99,校正均方根误差（root mean of square error of calibration,RMSEC）,交叉验证均方根误差（root mean of square error of cross validation,RMSECV）和预测均方根误差（root mean of square error of prediction,RMSEP）均较小。结果表明,2D-COS技术解析厚朴酚所得波段建立的定量模型与iPLS和SiPLS波段筛选的模型均相对稳定,这使定量模型的波段选择更具有解释性。该研究为中药化学成分NIR光谱解析特征波段的归属提供方法参考,同时为NIR建模波段筛选提供借鉴和指导。展开更多
文摘以氘代氯仿为溶剂,以中药化学标准品厚朴酚为载体,采用二维相关光谱（Tow-dimensional correlation spectroscopy,2D-COS）技术,采集近红外光谱（near infrared spectroscopy,NIR）,由氘代氯仿纯溶剂与厚朴酚原始光谱的二维相关同步谱可知,厚朴酚在1 365～1 455,1 600～1 720,2 000～2 181和2 275～2 465nm处有特征吸收,其中1 440nm为酚基O—H伸缩振动基频的一级倍频谱带,1 679nm为芳基C—H及与芳基相连的甲基C—H伸缩振动一级倍频谱带,2 117,2 304,2 339和2 370nm为芳基C—H伸缩振动、弯曲振动和变形振动的组合频,2 445nm为芳基相连的甲基C—H弯曲振动基频二级倍频谱带,这些波段为厚朴酚的特征归属。以藿香正气口服液复杂体系为载体,以厚朴酚光谱解析的特征波段与间隔偏最小二乘（interval partial least squares,iPLS）和组合间隔偏最小二乘（synergy interval partial least squares,SiPLS）筛选的特征波段分别建立偏最小二乘（partial least squares,PLS）定量模型,模型的决定系数R2cal和R2pre均大于0.99,校正均方根误差（root mean of square error of calibration,RMSEC）,交叉验证均方根误差（root mean of square error of cross validation,RMSECV）和预测均方根误差（root mean of square error of prediction,RMSEP）均较小。结果表明,2D-COS技术解析厚朴酚所得波段建立的定量模型与iPLS和SiPLS波段筛选的模型均相对稳定,这使定量模型的波段选择更具有解释性。该研究为中药化学成分NIR光谱解析特征波段的归属提供方法参考,同时为NIR建模波段筛选提供借鉴和指导。
