引用本文:胡子康，刘庭恺，饶艳敏，等. 近红外光谱结合化学计量学的掺伪杜仲判别[J]. 化学试剂, 2023, 45(10): 1-7.
DOI:10.13822/j.cnki.hxsj.2023.0155
中药掺假现象扰乱市场、危害消费者权益，影响人民健康。近红外光谱因具有分析速度快、分析效率高、检测样品制备简单、检测成本低等优点，被广泛应用于中药产地溯源和品质分析。本工作将近红外光谱与化学计量学方法结合对杜仲中掺假物（红杜仲、藤杜仲和松树皮）的种类和掺假程度的进行识别，实现了杜仲快速准确的真伪鉴别和掺假样品的掺假程度预测，能够帮助监管部门更为方便的中药质量监管，减少消费者上当受骗的可能。
1.本工作报道了一种近红外光谱结合化学计量学对杜仲中掺假物的种类和掺假程度进行识别；
2.随机森林（RF）和偏最小二乘判别分析（PLS-DA）模型用于杜仲的真伪鉴别；
3. 偏最小二乘回归（PLSR）模型用于杜仲中常见掺假物的掺假程度的预测，本方法有望应用于其他中药材的掺伪识别中，为中药市监管提供参考。1.1 主要仪器
1.3 近红外光谱的采集
采集了所有样品在4000～10000 cm-1范围内的红外光谱，参数如下：分辨率为8 cm-1，扫描次数为32。每个样品重复3次取其平均值。2.1 近红外光谱分析
图2a为杜仲以及其掺假样品的近红外光谱图。对近红外特征谱带进行了归属，具体如下：4200～4400 cm-1处的特征峰为C—H和C—C拉伸的组合吸收峰，藤杜仲和松树皮在此区间吸收峰明显比杜仲真品小。4550～4750 cm-1处的峰值可归因为C—O伸缩和O—H变形振动的组合，在此区间红杜仲的吸收强度明显高于杜仲真品。
图2 杜仲及其掺假样品的近红外光谱（a）简化后光谱（b）Fig.2 Near infrared spectrum（a） and simplified spectrum (b) of Eucommiae Cortex and its adulterants2.2 杜仲及其掺假物的类别鉴定
在每一类样品的近红外光谱信息差异的基础上，结合化学计量学方法对样品进行类别分析。将实验所用样品分为4大类，包括纯杜仲样品、掺有红杜仲的样品、掺有藤杜仲的样品以及掺有松树皮的样品。2.3 杜仲中的掺假程度的预测
PLS-DA和RF两种模型可以实现真实杜仲和杜仲掺假物的类型判别。然而，对于含有不同掺假比例的样品，以上两种模式识别方法无法实现掺假程度的精确识别。接着，我们选择使用偏最小二乘回归（PLSR）模型来预测掺假程度。图3为基于近红外光谱信息的不同掺假物的实际掺假比例和预测比例之间的相关性结果图。结果表明，3种掺假物的PLS回归模型都具有良好的线性相关性和预测准确度。
图3 3种掺假物不同掺假程度的PLS回归模型判别效果Fig.3 Results of PLS regression models for three adulterants with different degrees of adulteration本工作采用近红外光谱结合化学计量学的方法，对于中药杜仲进行了真伪鉴别，并实现了对于3种常见掺假物的掺假比例的预测。通过PLS-DA和RF方法能够实现真、假杜仲的类型鉴别，对于交叉验证、训练集和测试集的识别率，PLS-DA方法分别得到了98%、99%和96%的结果。RF方法获得的训练集和测试集的识别率分别为99%、92%。在实现真伪杜仲的分类后，采用PLS回归模型对杜仲中不同类型掺假物的掺假程度进行了定量预测，线性回归结果较好，对于3种掺假物的R2均大于0.999。结果表明，本工作采用的近红外光谱结合化学计量学的方法，成功实现了杜仲的真伪鉴定及掺伪比例的识别，有望应用于其他中药材的掺伪识别中，为中药市监管提供参考。
