一种检测锦灯笼质量等级的方法

1.本技术涉及中药分析技术领域，特别是涉及一种检测锦灯笼质量等级的方法。


背景技术：

2.锦灯笼为茄科植物酸浆(physalis alkekengi l.var.franchetii(mast.)makino)的干燥宿存萼或带果实的宿存萼，始载于《神农本草经》。锦灯笼性味甘、酸、寒，具有清凉、消肿、止咳、化痰、利尿、强心及解热之功效，是常用的清热解毒中药。锦灯笼分布广泛，不同产地的锦灯笼，其质量参差不齐，目前中国药典对锦灯笼的定性鉴别只采用了薄层色谱的方法，很难对锦灯笼的质量进行整体评价，因此需要建立一种全新的检测锦灯笼质量的方法，以能够更加可信、准确地对锦灯笼进行质量控制。


技术实现要素：

3.本技术的目的在于提供一种检测锦灯笼质量等级的方法，能够快速、准确的得到锦灯笼的质量等级，可用于锦灯笼的质量控制。
4.本技术提供了一种检测锦灯笼质量等级的方法，其包括以下步骤：
5.(1)取r份锦灯笼，以体积分数为70
‑
100％的甲醇为溶剂，分别进行超声提取，得到r份锦灯笼的供试品溶液，其中，r≥30；
6.(2)采用高效液相色谱法检测所述供试品溶液，得到r份锦灯笼的色谱图；其中，色谱条件包括：
7.色谱柱：十八烷基硅烷键合硅胶色谱柱；
8.流动相：a相为体积分数为0.1
‑
0.5％的甲酸水溶液，b相为乙腈；采用体积分数0
‑
95％a相，5
‑
100％b相，梯度洗脱；流速：0.8
‑
1.2ml/min；柱温：35
‑
45℃；进样体积：8
‑
12μl；
9.(3)对步骤(2)的色谱图进行分析，根据色谱峰的保留时间，确定各份锦灯笼的色谱图中的共有峰，获得每份锦灯笼中各共有峰的峰面积和保留时间；
10.(4)根据所述共有峰的峰面积，采用反向传播神经网络，得到锦灯笼的质量分级检测模型；
11.(5)取待测锦灯笼样品，以体积分数为70
‑
100％的甲醇为溶剂，分别进行超声提取，得到待测样品溶液，在相同的色谱条件下获得所述待测样品溶液的色谱图，根据步骤(3)所述共有峰的保留时间确定所述待测样品溶液的色谱图的共有峰并获得其峰面积，采用所述质量分级检测模型，得到锦灯笼的质量等级。
12.本技术提供的一种检测锦灯笼质量等级的方法，采用高效液相色谱和反向传播神经网络，通过合理选择色谱条件，合理设置反向传播神经网络的函数和参数，建立一种能够全面地从化学成分的角度对锦灯笼的质量进行评价的方法，能够快速、准确、可信、全面地检测锦灯笼的质量等级，从而可用于锦灯笼的质量控制。
附图说明
13.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
14.图1为批次8的锦灯笼的供试品溶液的色谱图。
15.图2为建立锦灯笼的质量分级检测模型的训练过程。
16.图3为锦灯笼的质量分级检测模型准确度的验证结果。
具体实施方式
17.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员基于本技术所获得的所有其他实施例，都属于本技术保护的范围。
18.本技术提供了一种检测锦灯笼质量等级的方法，其包括以下步骤：
19.(1)取r份锦灯笼，以体积分数为70
‑
100％的甲醇为溶剂，分别进行超声提取，得到r份锦灯笼的供试品溶液，其中，r≥30；
20.(2)采用高效液相色谱法检测所述供试品溶液，得到r份锦灯笼的色谱图；其中，色谱条件包括：
21.色谱柱：十八烷基硅烷键合硅胶色谱柱；
22.流动相：a相为体积分数为0.1
‑
0.5％的甲酸水溶液，b相为乙腈；采用体积分数0
‑
95％a相，5
‑
100％b相，梯度洗脱；流速：0.8
‑
1.2ml/min；柱温：35
‑
45℃；进样体积：8
‑
12μl；
23.(3)对步骤(2)的色谱图进行分析，根据色谱峰的保留时间，确定各份锦灯笼的色谱图中的共有峰，获得每份锦灯笼中各共有峰的峰面积和保留时间；
24.(4)根据所述共有峰的峰面积，采用反向传播神经网络，得到锦灯笼的质量分级检测模型；
25.(5)取待测锦灯笼样品，以体积分数为70
‑
100％的甲醇为溶剂，分别进行超声提取，得到待测样品溶液，在相同的色谱条件下获得所述待测样品溶液的色谱图，根据步骤(3)所述共有峰的保留时间确定所述待测样品溶液的色谱图的共有峰并获得其峰面积，采用所述质量分级检测模型，得到锦灯笼的质量等级。
26.本技术中，所述体积分数为70
‑
100％的甲醇是指体积分数≥70％的甲醇水溶液或甲醇。
27.本技术中，所述根据色谱峰的保留时间，确定各份锦灯笼的色谱图中的共有峰，包括对各锦灯笼的色谱图中色谱峰的保留时间进行比较，所有色谱图中均存在的保留时间相同的色谱峰，即为各份锦灯笼的色谱图中的共有峰。其中，所述保留时间相同的色谱峰，是指保留时间的偏差≤0.01分钟的色谱峰。其中，对各份锦灯笼的色谱图分析，可以是通过将多份色谱图进行叠加对比分析，也可以采用软件进行分析，示例性地，可以采用中药色谱指纹图谱相似度评价软件进行分析，从而确定各份锦灯笼的色谱图中的共有峰。
28.通过本技术的方法，采用高效液相色谱和反向传播神经网络，实现了锦灯笼的质
量分级检测模型的建立，用于检测锦灯笼的质量等级，具有快速、准确、可信、全面等优势，从而可用于锦灯笼的质量控制。
29.在本技术的一些实施方式中，步骤(1)中，锦灯笼的质量m1与溶剂的体积v1的比值为1:(20
‑
30)g/ml。
30.在本技术的一些实施方式中，步骤(1)中，超声提取的时间为20
‑
40min，提取功率为300
‑
500w，提取温度为20
‑
30℃。
31.本技术中，步骤(1)中所述取r份锦灯笼，可以是取r批次不同产地不同来源的锦灯笼，每批次取1份；也可以是取多批次的不同产地不同来源的锦灯笼，每批次取多份，总数为r份。优选地，在本技术的一些实施方式中，所述取r份锦灯笼，是取n批次的锦灯笼，每批次取m份，以体积分数为70
‑
100％的甲醇为溶剂，分别进行超声提取，得到r＝n
×
m份锦灯笼的供试品溶液，其中，n≥10，m≥3。
32.发明人在研究中发现，采用本技术的梯度洗脱，能够使锦灯笼中各化学成分获得更好的分离效果，优选地，在本技术的一些实施方式中，所述梯度洗脱具体为：0
‑
3min，5
‑
10％b；3
‑
10min，10
‑
12％b；10
‑
13min，12
‑
15％b；13
‑
20min，15
‑
30％b；20
‑
25min，30
‑
40％b；25
‑
30min，40
‑
45％b；30
‑
40min，45
‑
80％b；40
‑
45min，80
‑
100％b。
33.通过采用本技术供试品溶液的制备方法，结合本技术的色谱条件，有利于获得更多的共有峰，能够更全面地从化学成分的角度建立锦灯笼的质量分级检测模型，从而能够准确、全面、可信地检测锦灯笼的质量等级，进而用于锦灯笼的质量控制。
34.在本技术的一些实施方式中，步骤(2)中，高效液相色谱法的检测条件包括：检测波长：253
‑
255nm。
35.在本技术的一些实施方式中，步骤(4)中，所述反向传播神经网络包括输入层、隐含层和输出层；在输入层中输入一份样品中各共有峰的峰面积；输出层中输出3个类别；隐含层的节点数为6；
36.输入层到隐含层的传递函数为logsig，隐含层到输出层的传递函数为purelin，反向传播神经网络的训练函数为traingdx，性能函数为mse。
37.在本技术的一些实施方式中，步骤(4)中，所述反向传播神经网络的参数包括：最大训练次数为400
‑
500，学习率为0.005
‑
0.015，训练精度≤0.01。
38.通过采用本技术反向传播神经网络的函数和参数，建立一种准确的锦灯笼的质量分级检测模型，能够准确检测锦灯笼的质量等级，从而可用于锦灯笼的质量控制。
39.下面对本技术所用的仪器、试剂和材料进行说明。
40.仪器：fa2004a万分之一天平：上海精天电子仪器厂；xo
‑
4200dt超声波清洗机：南京先欧仪器制造有限公司；sartorius bt125d十万分之一天平：赛多利斯科学仪器有限公司；agilent1260高效液相色谱仪：安捷伦公司。
41.试剂：色谱甲醇、乙腈：美国sigma公司；色谱甲酸：天津科密欧化学试剂有限公司；蒸馏水：屈臣氏。
42.材料：28个批次锦灯笼的产地信息如表1所示，其中质优的锦灯笼，颜色鲜艳，几乎无虫蛀和霉斑；质中的锦灯笼，颜色呈现浅棕色，有部分发霉和虫蛀；质劣的锦灯笼，颜色呈现深棕色或黑色，虫蛀发霉严重。
43.表1 28个批次锦灯笼的产地信息
44.批次产地质量批次产地质量批次产地质量批次产地质量1陕西质中8吉林质优15安徽质劣22吉林质优2吉林质中9黑龙江质优16吉林质劣23吉林质优3河北质中10黑龙江质优17陕西质中24吉林质优4安徽质中11黑龙江质劣18安徽质中25吉林质劣5吉林质中12陕西质劣19黑龙江质劣26吉林质优6陕西质中13吉林质劣20吉林质优27吉林质优7安徽质优14河北质中21辽宁质优28吉林质优
45.以下实施例中所涉及的试剂与药材如无特殊说明均可来源于市售或按照本领域公知方法取得。
46.实施例1
47.取表1中批次1的锦灯笼粉末，过3号筛，精密称定0.2g，置具塞锥形瓶中，精密加入5ml甲醇，超声提取30min，提取功率为400w，频率为40khz，温度为25℃，超声后摇匀，8000r/min离心5min，取上清液，0.22μm微孔滤膜过滤，取续滤液，即得供试品溶液。平行制备3份。
48.分别取表1中批次2
‑
28的锦灯笼粉末，同法制得批次2
‑
28的锦灯笼的供试品溶液。其中，批次8的锦灯笼的色谱图如图1所示。
49.色谱条件：c18(4.6
×
150mm，5μm)；流动相：a相为体积分数为0.3％的甲酸水溶液，b相为乙腈；洗脱梯度：0
‑
3min，5
‑
10％b；3
‑
10min，10
‑
12％b；10
‑
13min，12
‑
15％b；13
‑
20min，15
‑
30％b；20
‑
25min，30
‑
40％b；25
‑
30min，40
‑
45％b；30
‑
40min，45
‑
80％b；40
‑
45min，80
‑
100％b；流速：1.0ml/min；柱温：40℃；进样体积：10μl；检测波长：254nm。
50.采用上述色谱条件检测各供试品溶液，分别得到批次1
‑
28的共84份锦灯笼的色谱图。
51.对得到的共84份锦灯笼样品的色谱图进行分析，采用中药色谱指纹图谱相似度评价软件分析，根据色谱峰的保留时间，确定各份锦灯笼的色谱图中有31个共有峰，并获得每份锦灯笼中各共有峰的峰面积和保留时间。
52.实施例2精密度试验
53.取表1中批次8的锦灯笼粉末，按实施例1的方法制备供试品溶液，并按实施例1的色谱条件检测供试品溶液，连续进样6次，分别得到包括31个共有峰的锦灯笼的色谱图。其中31个共有峰依次编号，以色谱峰面积最大的9号共有峰为参照峰，各共有峰的相对保留时间如表2所示，各共有峰的相对峰面积如表3所示。根据表2可知，各共有峰的相对保留时间的相对标准偏差(rsd)＜2％，根据表3可知，各共有峰的相对峰面积的rsd＜5％，表明仪器精密度良好。
54.表2共有峰的相对保留时间
[0055][0056][0057]
表3共有峰的相对峰面积
[0058][0059]
实施例3重复性试验
[0060]
取表1中批次8的锦灯笼粉末，按实施例1的方法制备供试品溶液，平行制备6份，并按实施例1的色谱条件检测供试品溶液，分别得到包括31个共有峰的锦灯笼的色谱图。其中31个共有峰依次编号，以9号共有峰为参照峰，各共有峰的相对保留时间如表4所示，各共有峰的相对峰面积如表5所示。根据表4可知，各共有峰的相对保留时间的rsd＜2％，根据表5可知，各共有峰的相对峰面积的rsd＜5％，表明该方法重复性良好。
[0061]
表4共有峰的相对保留时间
[0062][0063][0064]
表5共有峰的相对峰面积
[0065][0066]
实施例4稳定性试验
[0067]
取实施例1中批次8的供试品溶液，分别于0、2、4、8、12、24h按实施例1的色谱条件进样检测，分别得到包括31个共有峰的锦灯笼的色谱图。其中31个共有峰依次编号，以9号共有峰为参照峰，各共有峰的相对保留时间如表6所示，各共有峰的相对峰面积如表7所示。根据表6可知，各共有峰的相对保留时间的rsd＜2％，根据表7可知，各共有峰的相对峰面积的rsd＜5％，表明供试品溶液在24h内稳定。
[0068]
表6共有峰的相对保留时间
[0069][0070][0071]
表7共有峰的相对峰面积
[0072][0073]
实施例5建立锦灯笼的质量分级检测模型
[0074]
根据实施例1共84份锦灯笼的色谱图，获得84份锦灯笼色谱图中的各共有峰的峰面积和保留时间。以每份锦灯笼中31个共有峰的峰面积为1个样本，共计84个样本，随机抽取54个样本作为训练样本，以建立锦灯笼的质量分级检测模型。
[0075]
采用matlab 2018b中bp
‑
ann工具箱(mathworks,natick,ma,usa)进行反向传播神经网络(bp神经网络)模型的建立，以得到锦灯笼的质量分级检测模型。其中，反向传播神经
网络包括输入层、隐含层和输出层；在输入层中输入1个训练样本(即一份锦灯笼样品中各共有峰的峰面积)；输出层中输出3个类别；隐含层使用一层，隐含层的节点数为6；输入层到隐含层的传递函数为logsig(即单极性s函数)，隐含层到输出层的传递函数为purelin，反向传播神经网络的训练函数为traingdx，性能函数为mse；bp神经网络的参数包括：最大训练次数为500，训练精度为0.01，学习率为0.01；训练过程如图2所示。根据图2可知，通过373次的训练，得到锦灯笼的质量分级检测模型。
[0076]
实施例6验证锦灯笼的质量分级检测模型的准确度
[0077]
取实施例5中除训练样本以外的30个样本作为测试样本，验证锦灯笼的质量分级检测模型的准确度。
[0078]
采用实施例5得到的锦灯笼的质量分级检测模型，在输入层中输入1个测试样本，输出层输出其类别，各测试样本的类别测试结果如图3所示。由图3可以看出，经锦灯笼的质量分级检测模型检测得到测试结果，与表1中各测试样本的质量所对应的类别的预测结果能够较好地拟合，准确率为100％，均方误差(mse)为0.00995，相关系数(r)＝0.97765。表明采用本技术的方法获得的锦灯笼的质量分级检测模型的准确度较高。
[0079]
采用本技术的方法获得锦灯笼的质量分级检测模型，对未知质量的锦灯笼，按本技术的方法制备其供试品溶液，并按本技术的色谱条件检测供试品溶液，得到未知质量的锦灯笼的色谱图，根据色谱峰的保留时间，以保留时间为18.08
±
0.01min、峰面积大于2800的色谱峰为参照峰，并标示为峰9，其余色谱峰的相对保留时间如表8所示，从而确定色谱图的共有峰并获得其峰面积，采用锦灯笼的质量分级检测模型，从而得到未知质量的锦灯笼的质量等级。进一步地，锦灯笼常以粉末入药，在采用锦灯笼粉末入药时，根据粉末并不能判断所用锦灯笼的药物质量，而采用本技术的方法能够准确测定所用锦灯笼粉末的质量优劣，从而用于锦灯笼粉末的质量控制。
[0080]
表8共有峰的相对保留时间
[0081][0082][0083]
本技术提供的一种检测锦灯笼质量等级的方法，采用高效液相色谱和反向传播神经网络，通过合理选择色谱条件，合理设置反向传播神经网络的函数和参数，建立一种能够
全面地从化学成分的角度对锦灯笼的质量进行评价的方法，能够快速、准确、可信、全面地检测锦灯笼的质量等级，从而可用于锦灯笼的质量控制。
[0084]
以上所述仅为本技术的较佳实施例，并非用于限定本技术的保护范围。凡在本技术的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本技术的保护范围内。