摘要建立了一种基于红外光谱用于检测中药掺杂的违禁化学药物的方法——局部直线筛选法(1 o c a ls t r a i g h t—l i n e s c r e e n i n g，L S L s)。该法区别于传统的光谱计量学方法，无需模式识别或模型校正，仅利用待测中药与化学药物的各一张红外光谱，通过提取差谱过程中特征吸收峰信息的变化规律而进行掺杂物的判定。以盐酸芬氟拉明、盐酸西布曲名、枸橼酸西地那非及洛伐他汀四种化学药物做为对照品，对1 6个不同中药样品分别进行了检测判定。结果表明，尽管中药光谱信息包埋严重，I S算法仍能以较好的准确性对掺杂成分做出判别。由于具备简便、快速、经济的优势，使得方法非常适用于大量中药样品的初筛及检测，可为基层打假一线提供有力的技术支持。

    关键词:局部直线筛选法 红外光谱 中药 化学药物

引言

    近几年随着中医药事业的蓬勃发展，一些假劣药品的生产与销售也时有发生，尤其是在中药产品中掺杂少量具有类似功效的化学药物_1]。这种不法行为不仅对人民健康构成了极大威胁，还严重影响了中药的良好声誉l 3]。为了有效遏制这类中药掺杂现象，各级监管部门，质检人员已经付出了不懈的努力[4]。目前针对此类掺杂的检测方法主要还是基于色谱分离，尤其是色一质联用技术，已基本成为中药掺杂检测的终极确证手段[5。]。但由于操作相对繁琐，分析周期较长，购置与运行成本昂贵等原因，致使这类方法普及性相对较差，不能满足大量中药样品的快速检测需求。光谱法则具有无损、经济以及高通量等优势。随着化学计量学的迅速发展，研究工作者也已在混合物光谱解析领域发展了许多新方法和新技术”]。现有的光谱计量学方法大都需要经过模式识别与模型校正来实现混合物体系的定性与定量分析[】。，而中药体系成分复杂，掺杂组分含量较低，且难以得到用于建模的阴性对照品，故而现阶段这些计量学方法大多只能解析比掺杂中药简单的混合物体系_1。

    本文介绍的是一种新的基于红外光谱的分析方法，它无需样品的提取分离，更不依赖于模型建立，而是借助待检中药与怀疑掺入化学药物的各一张红外光谱来直接解析混合物光谱信息，从而得到是否掺杂(定性)及掺杂多少(定量)的结果。

1理论部分

1．1原理

    根据观察，中药光谱上每三个连续的点都可以组成一个谱段窗口，它们分别表现为凸曲线、直线(近直线)和凹曲线。这三种线段的线性回归相关系数『r}分别为<0．9 9 9，

0．9 9 9～1，<0．9 9 9，如式(1)所示。其中，直线(近直线)谱段在该法中具有重要意义。

V1为每个窗口上对应的三个波数；A为每个窗口上三个波数对应的吸收度；r为每个窗口对应的直线回归系数。

红外光谱本身具有线性与加和性的特点，如果化学药物在上述直线(近直线)谱段上有吸收峰的话，由于信号叠加，必然使这些直线段的线性降低，即直线回归系数下降。反过来如果从掺杂中药光谱中差减一定比例(即含量因子z)的化合物光谱信息，这些线段就会回复直线(1 r l恢复>0．9 9 9)。差减不足或差减过量，均使达不到>0．9 9 9的水平。因而在这些直线(近直线)谱段上若以>O．9 9 9为差减终点时，对应得到的含量因子(区间)即涵盖了真实掺杂量。同理，若化学药物恰好在中药基质光谱的凸曲线或凹曲线上有吸收峰的话，对应得到的差减含量因子(区间)则分别大于或小于真实掺杂量。

由于在基质光谱上本身存在的凸曲线和凹曲线的弯曲程度是各不相同的，因而差减得到的相应的含量因子(区间)偏离真实值的程度也各不相同，即呈离散趋势分布；只有当化学药物吸收峰对应的基质光谱为直线(近直线)时，得到的含量因子(区间)才呈集中趋势，并且涵盖了真值。因此可以通过寻找含量因子(区间)的密集区域来确定直线(近直线)谱段所在的范围，从而预测化学药物的实际掺杂含量。此外，通过对中药基质(即未掺杂化学药物的纯中药)光谱的考察，发现不论是原料药材还是浓缩提取后入药，都可以在4 O 0～1 8 O O c m范围内找到2 o O多个前述的直线(近直线)谱段，意味着化合物吸收峰与直线(近直线)谱段相重叠的几率非常大，也意味着将会有足够多的含量因子(区间)集中分布于真值附近。搜寻这些集中区域是通过将各含量因子(区间)所对应的值线性加和，找到最大值所在范围来实现的，如式(2)所示。

    为化合物各吸收峰的编号；为含量因子；为不同吸收峰窗口上对应的直线回归系数区间。式(2)的含义为：当所有吸收峰相应的I r l值加和达到最大时，对应的含量因子即为预测含量。显然，该法的关键在于筛选化合物特征峰所对应的直线(近直线)谱段，即含量因子(区间)的集中区域，从而估计真值所在范围，因此我们将该法命名为”局部直线筛选法(1 o c a ls t r a．g h t-l i n e s c r e e n i n g，L s L S)。

1．2参数选择

1．2．1分辨率选择

    一般红外光谱最常采用的分辨率为8，4或2 c m_‘。当采用8 c m时，分辨率较低，化合物的特征信息损失较大；当采用2 c m时，较高分辨率显然增强了特征峰的信息，但由于三点间隔太小，组成的曲线不足以体现“凹凸”特征，且杂峰信息也会随之增多，对方法造成很大影响；而4 c m的分辨率则较为适中，既充分体现了吸收峰的特征性，又具备足够多的“局部直线谱段”，因此在本法中采用分辨率4Cm_。。

1．2．2差减终点

    原理中提到的差减终点为>O．9 9 9，而实际上此终点可以有不同定义，如>O．9，O．9 9，O．9 9 9，甚至O．9 9 9 9。不同的差减终点有时可导致不同的计算结果，这是因为『r l值不同时，密集区域筛选出来的峰位也不同：如f r l>O．9时，大部分的峰位都可达到此差减终点，因而筛选得到的峰位就不能保证是直线(近直线)谱段存在的位置；而l r l>O．9 9 9 9时，又会导致筛选到的峰位过少，计算结果的可靠性降低。我们通过对大量实际样品的摸索，发现当>O．9 9做为差减终点时，筛选到的峰位一般可超过总数的一半，且符合局部直线(近直线)谱段相对集中的标准，因此作为本法的判别终点使用。

1．2．3含量因子取值范围

    前述讨论是以中药已知掺杂了化学药物为前提的，即差减所用的含量因子范围默认为O～1 0 o，而对于未掺杂(阴性)样品而言，是无法得到正含量因子的，因而就需要把含量因子的搜索范围由O～1 o 0扩展到一1 o 0～1 O 0，即负的含量因子直接提示该样品为阴性。经不同样品验证，该法的检测限可达到0．0 O 1，由此得出结论，预测含量大于O．o 0 1的结果提示样品呈阳性；反之小于O．0 0 1的结果则提示样品呈阴性，包括例如0．0 o 0 5这样的正含量因子，由于其低于检测限，也可判定为阴性，因为太低的掺杂量对于真实样品而言，通常没有实际意义。

2实验部分

2．1仪器

    B r u k e r公司的V e c t o r 2 2型傅里叶变换红外光谱仪，光谱范围4 0 O～1 8 O O c m～，分辨率4 c m_。，扫描次数3 2次。

2．2试剂和样品

    盐酸西布曲名(S i b u t r a H l i n e H y d r 0 c h l 0 r i d e，s H)，盐酸芬氟拉明(F e n f l u r锄i n e Hy d r o c h l o r i d e，F H)，枸橼酸西地那非(s i l d e mf i l c i t r a t e，S C)以及洛伐他汀(L o v a s t a t i n，L)标准品均由上海市药检所提供；真实样品均为市售中药、保健品；自制模拟样品与真实样品经F r I R采样后，用I I法计算，并经HP I_C验证。

2．3软件

    L S L s算法由MA T L A B v e r s i o n 5．5和v i s u a l B a s i cV e r s i o n 6．0编程实现。

3结果与讨论

    采用I L S对三个不同层次样品进行了测定，(1)模拟混合光谱、(2)自制混合样品、(3)真实样品，并将计算结果与H P L C测定结果进行比较分析(表1)。

    3．1模拟混合光谱测定结果与讨论

    模拟混合光谱是在纯化合物和中药基质光谱的基础上利用计算机模拟混合得到的(1～4号样品)。例如样品1为5的洛伐他汀(1 o v a s t a t i n，L)由计算机模拟加入到9 5的中药基质光谱中而得。由于是计算机混合所得，因此严格遵守光谱加和性，即混合物光谱中含有正好5％的I。对样品1光谱进行上述的计算过程，以>0．9 9为终点时，有5 3个峰被纳入计算，分别得到5 3个含量因子(区间)。如原理中所述，筛选局部直线(近直线)谱段的集中区域，是通过将这些含量因子(区间)所对应的l r j值线性加和来实现的(如图1(a)所示)，图上最高点所对应的含量值O．O 4 7 9即为s算法对该样品掺杂量的预测值。虽然与模拟掺人量存在一定偏差，但仍在可允许范围内。从1～4号样品的测定结果来看，L S L S算法很好地实现了模拟混合光谱定性(>0．o 0 1为阳性，．O O 1为阴性)与定量判别。

    3．2自制混合样品测定结果与讨论

    自制混合样品的情况要比模拟混合光谱复杂一些，它是将待测西药与中药基质以一定比例人为混合，研匀后与K B r粉末压片，采集其透射光谱(5～8号样品)。由于称量误差、研磨不均匀等因素，无法使模拟样品达到预先设定的掺杂比例，因此将H P【的测定结果做为真实含量值用于L s L s算法的对照。

    其中，5号与8号样品分别以较好的准确性实现了定性与定量；6号样品虽然计算结果为0．o 1 4 1(与HP I测定值0．O 1 7 O比较接近)，但是在l r l值加和图上却出现了另一个高度相近的最大值O．o 0 8 9(如图1(b))，意味着局部直线(近直线)谱段的密集区域不只存在于一处，但由于这两个密集区域都分布在大于0．0 o 1的正值范围内，因而并未影响定性结果的最后判定；而7号样品没有给出确定的含量值，取而代之的是一个区间值0。o 1 4 2～o．o 2 2 8，在图中体现为“平台”区域(图1(c))，该结果的产生是由于“直线点”谱段的分布区域不够密集所造成的，因而只能得到一个预测含量的范围。

    3．3真实样品的测定结果与讨论

    真实样品即为市售各类中药(9～1 6号样品)，经H P L C测定，9，1 O，1 2和1 4号均为阳性样品，其他为阴性。在这组样品中，除了1 O号造成漏判以外，其他均做出了与H P L c结果相近的判别，尤其是l l，1 5和1 6号样品，更是直观的给出了负的含量因子，表明其中未掺杂待测组分。其中，9号样品计算结果为一个预测含量范围，而l l号则出现了两个相近的最大值，但由于都分布于负值区域，因而不影响判定结果。

    比较特殊的是1 3号样品(图1 d)，虽然目前的计算结果(一O．0 1 2 2)与实际情况(H P L c测定为阴性)一致，但由于其存在另一个指示阳性的最大值(O．o 0 3 6)，因而很难直接得出是否掺杂的结论。对于这类样品，目前仍需要结合其他方法来进一步验证，这也是I算法需要改进的地方。此外，同一种中药因产地、收获季节不同，它们的红外光谱都会存在一些差异，也就是说基质光谱的直线点所在位置可能会有细微的不同，但由于局部直线筛选法是对所有可能的直线点进行统计意义上的搜索，因此并不影响相对集中区域的筛选，而预测含量因子值的细微变化基本不会改变定性结果的最后判定。

4结论

    L s I算法在化学药物和待检中药光谱的基础上，借助差谱的思想，通过建立合理的筛选方法对光谱信息进行了选择，最终以较低的误判率和漏判率对中药掺杂实现了判别分析，实验证明其具有较好的准确性，适用性以及可行性。由于是“无模型”分析方法，对于解析对象要求很低，即只需要对照品与待测中药的单张光谱信息，因此理论上完全可以扩展到复杂体系的拉曼光谱、核磁共振波谱、质谱等的解析领域，从而进一步扩展该方法的应用范围。

总之，随着中药掺杂现象的范围更广，手段更隐蔽，掺人量更少，对分析检测手段的简便性、普及性以及准确性都提出了更高的要求和挑战。I s I s算法基于红外光谱，既省去了提取分离，又不依赖于模型校正，而是利用数学手段直接对光谱信息进行判别，并取得了理想的判定结果，不但大大简化了分析步骤和成本消耗，还可明显提高分析通量和分析速度，普及前景良好。