论文部分内容阅读
淫羊藿始载于《神农本草经》,传统上具有补肾壮阳、祛风除湿、强筋健骨的功效。现代研究表明,淫羊藿具有治疗高血压、冠心病、骨质疏松、更年期综合征、阳痿、半身不遂、四肢麻木等多方面药理作用。在2015版《中国药典》中对淫羊藿属植物入药使用规定了5个物种来源—淫羊藿Epimedium brevicornu Maxim.、箭叶淫羊藿E.sagittatum（Sieb.et Zucc.）Maxim.、柔毛淫羊藿E.pubescens Maxim.、朝鲜淫羊藿E.koreanum Nakai和巫山淫羊藿E.wushanense Ying。淫羊藿化学成分丰富,以黄酮类成分为主,且黄酮类中具有异戊烯基结构黄酮醇苷是淫羊藿的主要活性成分。在2015版《中国药典》之前,朝藿定C与淫羊藿苷被规定为淫羊藿质控指标,在2020版《中国药典》公示中提出以朝藿定A、朝藿定B、朝藿定C和淫羊藿苷成分总含量作为淫羊藿的质量控制标准。目的:目前,淫羊藿黄酮含量测定的方法很多,中国药典中规定由UV法对淫羊藿总黄酮含量进行测定,用HPLC法对几种单体化合物进行含量测定,HPLC和UV法在含量测定中应用成熟且测定准确,但对大量样本含量的快速测定面临困难。因此本课题基于HPLC（UPLC）和UV两种成熟方法,通过便携式紫外可见荧光仪（MX）或傅里叶红外光谱仪（FTIR）建立一种对淫羊藿黄酮含量快速评价的方法,用于淫羊藿的种质资源遴选和品种选育时大量样本的测定,以期为淫羊藿的药用生产应用提供技术方法。方法:本研究选用箭叶淫羊藿的湖南种源（HNJY）和贵州种源（GZJY）、拟巫山淫羊藿（NWS）和柔毛淫羊藿（RM）作为实验对象,首先采用UPLC Q-TOF MS技术对其主要成分进行定性分析,确定出研究对象的主要成分,用于后续定量分析的成分选择。MX测定法:采用MX的类黄酮指数（FLAV）对63个HNJY淫羊藿新鲜叶片进行类黄酮含量测定,以正背面FLAV值之和作为叶片总黄酮含量,分别与UV测定总黄酮含量及HPLC测定各成分含量总和进行线性回归分析。FTIR测定法:采用FTIR法对淫羊藿叶片粉末（HNJY-71个,GZJY-40个,NWS-19个）进行扫描,由UPLC方法对淫羊藿成分含量进行测定,结合PLS化学计量法进行定量模型构建,选择HNJY 60个校正集样本,11个验证集样本,对朝藿定A、朝藿定B、朝藿定C、淫羊藿苷4个成分含量之和（ABCI%）的定量模型及加鼠李糖基淫羊藿次苷Ⅱ和淫羊藿次苷Ⅱ的6个成分之和（TF%）的定量模型;以及选择HNJY、GZJY和NWS共90个校正集,20个验证集样本,研究ABCI%定量模型,筛选最佳拟合模型并计算预测准确率。结果:由UPLC Q-TOF MS对HNJY、GZJY、RM及NWS淫羊藿样本的定性分析,共鉴定成分31个,其中黄酮类成分29个（其中带异戊烯基结构黄酮24个）,1个生物碱及1个有机酸类成分。且各物种的主要成分均为朝藿定A、朝藿定B、朝藿定C、淫羊藿苷、鼠李糖基淫羊藿次苷Ⅱ和淫羊藿次苷Ⅱ,其中GZJY淫羊藿增加朝藿定A1,NWS减少淫羊藿次苷Ⅱ。MX对淫羊藿黄酮含量快速测定的实验结果中MX与HPLC,MX与UV测定相关性均在30%以下,预测准确性低;FTIR法构建的3个定量模型中,HNJY样本的ABCI%百分含量定量模型得出校正模型R2=0.9974,SEE=0.116,SEP=0.135,线性方程为Y1=0.9973X1+0.0231,校正集和验证集样本的平均预测准确率分别为98.985%和96.087%;HNJY TF%定量模型,得出校正模型R2=0.9971,SEE=0.119,SEP=0.137,线性方程为Y2=0.997X2+0.0245,校正集和验证集样本的平均预测准确率分别为98.998%和94.771%;HNJY、GZJY和NWS样本的ABCI%定量模型,得出校正模型R2=0.9968,SEE=0.166,SEP=0.173,线性方程为Y3=0.997X3+0.0223,校正集和验证集样本的平均预测准确率分别为97.471%和92.36%。结论:本研究对MX和HPLC、MX和UV测定黄酮含量构建相关性并未取得预想结果,分析可能的原因为:1.淫羊藿叶片次生成分组成复杂,含有大量在365 nm下有吸收的其他成分;2.淫羊藿苷类黄酮可能也存在于叶肉中,而不符合MX方法适合于表皮成分的测定;3.MX测定的鲜叶和HPLC等方法测定的干叶成分构成上存在差异。FTIR法结合UPLC法对淫羊藿种质资源黄酮含量进行快速无损方法学探究取得很好的结果,共构建的三个定量模型校正集样本的预测值和实际值的平均预测准确率均大于97%;验证集基于同一个物种建立模型的预测值和实际值的平均预测准确率均大于94%,基于不同物种的模型大于92%,其中对于GZJY验证集样本,准确率较低,平均为82%,而另外两个物种为94%,分析原因为化学成分的组成差异导致,因此生产用模型,尽可能用成分构成相同或相近的类群建立,可以提高预测的准确率。