一种娑罗子中七叶皂苷C的质量检测方法与流程

本发明涉及于近红外在线检测技术领域，特别涉及一种娑罗子中七叶皂苷c的质量检测方法。

背景技术：

娑罗子为七叶树科hippocastanaceae七叶树aesculuschinensisbunge.的干燥成熟种子。娑罗子具有疏肝理气、胃止痛之功效，并已临床成药，用于治疗肝胃气滞、胸腹胀闷、胃脘疼痛等病症。七叶皂苷作为娑罗子提出物中重要的有效成分，属于五环三萜皂苷类化合物，其中七叶皂苷a-d的含量约占七叶总皂苷含量的90％。

七叶皂苷c和d分别是七叶皂苷a和b的c28-羟基上乙酸酯转位至c28-羟基的异构体，七叶皂苷c和d也互为异构体，是crypto-型(异型)七叶皂苷，又称异七叶皂苷或异型七叶皂苷。动物实验证明，七叶皂苷c和d具有消炎、抗渗出、增加静脉张力、改善血液循环以及纠正脑功能失常等作用。对蛋白质、鹿角菜、葡聚糖引起的大鼠实验性足趾水肿，以及因棉花球或甲醛滤纸片所引起的肉芽肿均有明显抑制作用。

近红外光谱技术作为一种绿色快速的过程分析技术，已经被成功应用于不同的分析领域。近红外光谱(nirs)是可见光与中红外光谱之间波数范围为4000～10000cm^-1的光谱区。该光谱区主要是含氢基团(c-h、n-h、o-h)的倍频与合频吸收。与其他光谱技术相比，近红外光谱具有吸收弱的特点，因此，使得样品不需要稀释等预处理，就可直接进行分析。在中药质量控制及生产应用领域，并没有近红外光谱检测技术应用于娑罗子中七叶皂苷c的质量检测上。

技术实现要素：

基于解决现有技术中娑罗子提取物中七叶皂苷c的质量检测问题，本发明提供一种娑罗子近红外在线检测的方法，以便获得即时动态的中药提取过程中红外光谱信息，用以监控中药提取过程中生成的产品的质量。

本发明的目的将通过以下技术方案实现：一种娑罗子中七叶皂苷c的质量检测方法，该方法包括以下步骤：

步骤一，将娑罗子加入到提取罐中，并加入乙醇，通过提取罐提取得到提取液样品；

步骤二，采集提取液样品的近红外光谱并通过高效液相色谱检测提取液样品中七叶皂苷c的浓度；

步骤三，选择合理的建模近红外光谱数据区域，建立近红外光谱数据与提取液样品中七叶皂苷c的浓度之间的对应关系；

步骤四，利用建立的对应关系，通过对待测娑罗子进行红外光谱检测，实现对待测娑罗子中七叶皂苷c的浓度测定。

优选的，所述的一种娑罗子中七叶皂苷c的质量检测方法，所述步骤一中，娑罗子采用体积分数为70％乙醇提取，提取时间为2小时，料液比为1：25(g/ml)，提取温度为60℃，每隔2～5min采集一次提取液样品。

优选的，所述的一种娑罗子中七叶皂苷c的质量检测方法，所述步骤二中，采集提取液样品的近红外光谱数据，以空气为背景，采用漫反射测样方式，波长检测范围为800～1800nm，扫描次数为32次，分辨率为2nm，每个提取液样品重复扫描3次，得出平均的准确的光谱数据。

优选的，所述的一种娑罗子中七叶皂苷c的质量检测方法，所述步骤二中，高效液相色谱检测时，流动相为乙腈-0.4％磷酸溶液，乙腈与0.4％磷酸溶液体积比为36:64，磷酸溶液的质量分数为0.4％，流速1ml/min，柱温30℃，进样量10μl，检测波长为220nm。

优选的，所述的一种娑罗子中七叶皂苷c的质量检测方法，所述步骤三中，选择建模近红外光谱数据区域之前要进行预处理，预处理方法包括卷积平滑、一阶卷积求导、二阶卷积求导、多元散射校正、标准正态变量变换和归一化法。

优选的，所述的一种娑罗子中七叶皂苷c的质量检测方法，所述步骤三中，选择建模近红外光谱数据区域的方法包括全波长、决定系数法、迭代优化对近红外光谱进行波长的选择，以偏最小二乘法对近红外光谱数据与其对应的真实含量值做回归拟合计算，建立校正模型，并采用评价指标考察其稳定性和预测精度。

优选的，所述的一种娑罗子中七叶皂苷c的质量检测方法，所述评价指标包括决定系数(r²)和交互验证误差均方根(secv)，当决定系数(r²)接近于1，交互验证误差均方根(secv)小于10％时，说明数学模型具有较好的稳定性和预测精度，能用于中药提取过程的监测。

优选的，所述的一种娑罗子中七叶皂苷c的质量检测方法，所述步骤四中，待待测娑罗子经过步骤一的处理方法后再进行近红外光谱检测和高效液相色谱检测。

与现有技术相比，本发明的有益效果：本发明娑罗子通过乙醇提取后，再采用近红外检测和高效液相色谱检测，根据高效液相色谱计算七叶皂苷c的浓度，从而建立稳定好、预测精度好的对应关系，并通过建立的对应关系获知待测娑罗子提取液样品中七叶皂苷c的浓度指标。本方法得到的预测趋势与实际测定值的变化趋势基本一致，能够满足中药生产过程实时分析的精度要求。

附图说明

图1为本发明实施例1中七叶皂苷c的标准曲线图；

图2为娑罗子提取物样品中七叶皂苷c的预测值与实际值的对照图；

图3为待测娑罗子提取物样品中七叶皂苷c的预测质与实际值趋势对照图。

具体实施方式

为更好地理解本发明，下面通过以下实施例对本发明作进一步具体的阐述，但不可理解为对本发明的限定，对于本领域的技术人员根据上述发明内容所作的一些非本质的改进与调整，也视为落在本发明的保护范围内。

实施例1

实验仪器及试剂：美国戴安高效液相色谱仪ultimate3000(包括梯度泵sr-3000、自动进样器wps-3000、柱恒温系统tcc-3000、紫外检测器dad-3100、色谱工作站变色龙7.2)；xs205dualrange型十万分之一分析天平(梅特勒-托利多仪器(上海)。

样品的制备与收集：将娑罗子加入到提取罐中，娑罗子采用体积分数为70％乙醇提取，提取时间为2小时，料液比为1：25(g/ml)，提取的温度为60℃。在提取过程中进行近红外控制时每隔2分钟采样一次，提取液样品过0.45μm微孔滤膜，进行高效液相色谱检测。高效液相色谱检测条件：色谱柱：kromasil100-5-c18(250×4.6mm)；流动相：乙腈-0.4％磷酸水溶液＝36:64(体积比)，流速为1ml/min，柱温30℃；检测器：紫外检测器，检测波长：220nm；进样量：10μl。

标准曲线的绘制：精密称取七叶皂苷钠标准品适量，加适量36％甲醇溶液溶解、摇匀，制成成不同浓度的七叶皂苷c的标准品溶液。高效液相色谱测试条件保持一致，以不同浓度的标准品进样经hplc检测，以峰面积为纵坐标，浓度(mg/ml)为横坐标，绘制标准曲线，得七叶皂苷c线性回归方程：y＝44.943x-0.0075，r＝1.0000，线性范围为0.002520～0.5040mg，详情参见表1。

表1七叶皂苷c标准曲线

根据以上标准曲线的绘制，计算出提取液样品中七叶皂苷c的浓度，并且将提取液样品的近红外光谱数据与七叶皂苷c的浓度一一对应。在建立对应关系时，要进行近红外光谱建模波段的选择和预处理。光谱预处理方法包括卷积平滑、一阶卷积求导(1d)、二阶卷积求导(2d)、多元散射校正(msc)、标准正态变量变换(snv)、归一化法等。采用多种波长选择方法包括全波长、决定系数法、迭代优化等对光谱进行波长的选择。采用偏最小二乘法对样品的光谱数据与其对应的真实含量值做回归拟合计算，建立校正模型。

采用交互验证标准偏差(secv)、主因子数(lv)、决定系数(r²)等作为模型的评价参数。通过secv和r²优选出每种不同波长选择方法下的模型，最佳模型见下表2，其有效成分的预测值与实际值如图2所示。

表2桫罗子中有效成分的最佳模型参数

将以上经过最佳模型处理过的光谱数据与七叶皂苷c的浓度之间建立一一对应的关系，通过建立的一一对应关系，在线分析待测娑罗子提取液样品中七叶皂苷c的浓度，其预测结果与真实值如图3所示。从图3中可以看出，七叶皂苷c的浓度预测趋势与实际测定值的变化趋势基本一致，能够满足中药生产过程实时分析的精度要求。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。