一种基于近红外光谱技术的阿胶化皮液中总蛋白含量的软测量方法
【专利摘要】本发明公开了一种基于近红外光谱技术的阿胶化皮液中总蛋白含量的软测量方法，属于中药生产【技术领域】。本发明以实际生产过程中的化皮液样本与实验室模拟样本共同组成样本集，采集样本集的近红外光谱图，提取化皮液的特征光谱信息，以凯氏定氮法测得的化皮液总蛋白含量作为参比值，采用偏最小二乘回归法建立化皮液近红外光谱与其总蛋白含量之间关系的定量校正模型，对待测样品采集其近红外光谱，利用所建模型求取其总蛋白含量。本发明提供了一种快速、精确的总蛋白含量软测量方法，有利于提高阿胶生产过程的质量控制水平。
【专利说明】一种基于近红外光谱技术的阿胶化皮液中总蛋白含量的软测量方法
【技术领域】
[0001]本发明为一种基于近红外光谱技术的软测量方法，具体涉及一种基于近红外光谱技术的阿胶化皮液中总蛋白含量的软测量方法，属于中药生产【技术领域】。
【背景技术】
[0002]阿胶(Colla corii asini )为马科动物驴(Equus asinus L.)的干皮或鲜皮经去毛、煎煮、浓缩制成的固体胶，始载于《神农本草经》，被列为补血“圣药”。阿胶中主要成分为胶原蛋白、肽类和氨基酸，占干重的五分之四左右。阿胶的化皮工序是阿胶的生产过程中最关键的工序之一；在此工序中，化皮液的总蛋白含量则是评价过程优劣的一项重要质量指标。
[0003]目前阿胶的总蛋白含量主要采用凯氏定氮法(Kjeldahl)测定。该法主要分为常量凯氏定氮法、微量凯氏定氮法及改良凯氏定氮法(催化剂中增加TiO2)三种。凯氏定氮法虽然具有较高准确度和精密度，但在实际应用中却有许多缺点，如所需时间较长，操作复杂，试剂消耗量大等。虽然全自动凯氏定氮仪的出现一定程度上克服了分析过程冗长、操作复杂的缺点，但实验过程依旧需要大量消耗强酸强碱试剂，这些有毒化学试剂的使用给环境带来了较大污染。
[0004]近红外光谱(Near Infrared Spectroscopy,NIRS)是可见光与中红外光谱之间波长范围为780至2500nm的光谱区。该光谱区主要是含氢基团(C_H、N-H、0-H)的倍频与合频吸收区间，通过扫描样品的近红外光谱，可以得到样品中有机分子含氢基团的特征信息。近红外光谱技术与化学计量学相结合已广泛应用与中药质量控制的各个阶段(原料药材、过程中间体及终产品)。软测量技术则是近年来在过程控制领域涌现出的一种新技术，它主要是通过间接测量的思路，对难以测量或者暂时不能测量的重要变量，选择容易测量的变量，通过构成某种数学关系来推断或者估计。近红外光谱作为一种软测量技术，具有样品无需或仅需极少的预处理、操作简便、不消耗化学试剂等诸多优点，因而被称为“绿色分析技术”。由于化皮液样品中的含氮基团在近红外光谱区有N-H振动合频与倍频的吸收区间，因此可以依据易测的近红外光谱与总蛋白含量之间的数学关系，建立总蛋白含量的软测量模型。
【发明内容】
[0005]本发明的目的在于提供一种基于近红外光谱技术的软测量方法，尤其是针对阿胶化皮液中总蛋白含量的软测量方法，快速地反映化皮液的化学信息，提高阿胶生产过程的质量控制水平，也为实现工艺过程的在线监测奠定基础。
[0006]本发明的目的通过如下技术方案实现:
[0007]1.样本的收集:以实际生产中收集的化皮液样本和实验室模拟样本组成样本集；
[0008]优选的，步骤I中所述的实际生产过程采集的样本的具体步骤为:收集实际化皮过程共b (b ^ 20)个批次，每个批次取三遍化皮液样本；步骤I中所述的制备实验室模拟样本的具体步骤为:收集各批次化皮后的毛渣，毛渣加1.5-2倍量的水煮沸30分钟，以模拟第四遍化皮过程。
[0009]2.样本集中各样本总蛋白含量的测定:采用凯氏定氮法测定，具体操作方法为: 精密量取2mL化皮液样品置于硝化管中，依次加入IOg无水硫酸钠和0.5g硫酸铜，沿管壁缓缓加入12mL浓硫酸，用凯氏定氮仪进行硝化、蒸馏、滴定，滴定结果以空白组校正。所得总氮含量乘以蛋白质换算系数6.25即为总蛋白含量。
[0010]3.近红外光谱数据采集和建模参数优选:使用近红外光谱仪采集样本近红外光谱，剔除异常样本后，选择合适的建模光谱波段和主成分数，提取光谱特征信息。
[0011]优选的，近红外光谱仪采集样本近红外光谱时采用透反射模式采集化皮液的近红外光谱图。
[0012]更优选的，近红外光谱仪采集样本近红外光谱时以仪器内置背景为参比，分辨率为4cm—1，扫描次数为128次，扫描光谱波数范围为4000-10000(^'
[0013]建模参数优选:在建立模型之前，首先需要鉴别并剔除异常样本。本发明采用 Chauvenet检验法和杠杆值与学生化残差值相结合的方法进行异常样本的剔除，同时兼顾了化学值和光谱数据的异常，更有助于对异常样本的鉴别及剔除。
[0014]Chauvenet检验法首先计算所有样品光谱的平均光谱,然后计算每个样品光谱与平均光谱之间的马氏距离，将距离值从小到大的顺序排列，根据Chauvenet判别准则判定距离值最大的样品光谱是否为异常，若是则继续判别距离值第二大的样品光谱是否为异常，以此类推，直至某一样品光谱被判定为正常。本发明中软件根据准则自动判断异常光谱。Chauvenet判别准则公式如下:
【权利要求】
1.一种基于近红外光谱技术的阿胶化皮液中总蛋白含量的软测量方法，其特征在于， 该软测量方法通过以下步骤实现:(1)样本的收集:以实际生产中化皮过程收集的化皮液样本和实验室模拟样本组成样本集；(2)样本集中各样本总蛋白含量的测定:以凯氏定氮法测得样本的总蛋白含量作为参比值；(3)样本近红外光谱采集和建模参数优选:使用近红外光谱仪采集样本近红外光谱，剔除异常样本后，选择合适的建模光谱波段和主成分数，提取光谱特征信息；(4)软测量模型的建立:使用多变量分析(MultivariateAnalysis, MVA)方法构建样本的近红外特征光谱与其总蛋白含量之间的定量校正模型，以校正集样本建立软测量模型， 并以验证集样本对模型预测能力进行评价；(5)软测量模型的应用:用所建模型对待测化皮液样本进行预测分析，得到待测样本的总蛋白含量。
2.根据权利要求1所述的方法，其特征在于，步骤(1)所述的样本收集具体步骤为:收集实际化皮过程共b个批次，每个批次取三遍化皮液及化皮后的毛渣，毛渣加1.5-2倍量的水煮沸30分钟，以模拟第四遍化皮过程，其中，b≥20。
3.根据权利要求1所述的方法，其特征在于，步骤(3)所述的近红外光谱的采集方式为:透反射模式采集样本的近红外光谱。
4.根据权利要求1所述的方法，其特征在于，步骤(3)所述的近红外光谱采集的相关参数为:以仪器内置背景为参比，分辨率为4CHT1,扫描次数为128次,扫描光谱波数范围为 4000-10000cm_1o
5.根据权利要求1所述的测量方法，其特征在于，步骤(3)所述的建模参数优选的具体步骤为:采用Chauvenet检验法结合杠杆值与学生化残差图剔除异常样本，采用变量投影重要性规则(Variable importance in projection, VIP)选择合适的建模光谱波段,采用蒙特卡洛交叉验证(Monte Carlo Cross Validation, MCCV)选择模型的最佳主成分数。
6.根据权利要求1所述的测量方法，其特征在于，步骤(4)所述的软测量模型，其优化性能评价指标为:以相关系数r、校正集均方根偏差RMSEC及交叉验证均方根偏差RMSECV 为指标优化建模参数；模型对待测样本的预测能力用验证集相关系数r和验证集均方根偏差RMSEP来考核。
7.根据权利要求1所述的测量方法，其特征在于，步骤(4)所述的多变量分析方法为偏最小二乘回归法。
8.根据权利要求1-7所述的测量方法，其特征在于，所述的样本为中药生产过程中间体。
9.根据权利要求8所述的测量方法，其特征在于，所述的样本为阿胶化皮液。
【文档编号】G01N21/3577GK103592255SQ201310597558
【公开日】2014年2月19日 申请日期:2013年11月22日 优先权日:2013年11月22日
【发明者】瞿海斌, 秦玉峰, 周祥山, 李文龙, 韩海帆, 张淹, 段小波, 张云霞, 张路, 史兆松 申请人:山东东阿阿胶股份有限公司