欢迎访问学兔兔标准下载网,学习、交流 分享 !
返回首页 |CSF
团 体 标 准
T/CSF 0108-2024
灵芝中总多糖、总三萜和水分的红外光谱
法快速测定技术规程
Technical regulations for the rapid quantification of total polysaccharide, total
triterpenoids and moisture in Ganoderma lucidum and Ganoderma sinense
by infrared spectroscopy
2024-12-27 发布 2024-12-27 实施
中 国 林 学 会 发 布
前 言
本文件按照 GB/T 1.1—2020《标准化工作导则 第 1 部分:标准化文件的结构和起草规则》的规定起草。
请注意本文件的某些内容可能涉及专利,本文件的发布机构不承担识别专利的责任。
本文件由皖西学院提出。
本文件由中国林学会归口。
本文件起草单位:皖西学院,安徽永惠康生物科技有限公司、九仙尊霍山石斛股份有限公司、中国林业科学研究院、北京中医药大学、西南林业大学、广西壮族自治区林业科学研究院、浙江农林大学、安徽百草汇生物科技有限公司、安徽大别山中药饮片有限公司。
本文件主要起草人:陈乃东、郝经文、陈幸良、郑少君、戴亚峰、李姣、李道远、张莉、陈乃富、黄友锐、张刚、符茂胜、孙志蓉、施蕊、杨开太、刘京晶、司华阳、崔永祥、戴军、朱富成、陈瀚、张质彬、方旭东、左瑞华。
灵芝中总多糖、总三萜和水分的红外光谱法快速测定技术规程
1 范围
本文件规定了灵芝中总多糖、总三萜和水分的红外光谱快速测定的方法,包括:规范性引用文件、术语和定义、原理、仪器、样品收集、已有样品测定、未知样品测定、结果表示和处理、异常样品的确认和处理、检测限的要求。
本文件适用于灵芝总多糖含量、总三萜含量和水分含量的快速测定。
2 规范性引用文件
下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中,注日期的引用文件,仅该日期对应的版本适用于本文件;不注日期的引用文件,其最新版本(包括所有的修改单)适用于本文件。
GB/T 24895 粮油检验 近红外分析定标模型验证和网络管理与维护通用规则
GB/T 29858 分子光谱多元校正定量分析通则
GB/T 32198 红外光谱定量分析技术通则
3 术语和定义
GB/T29858 和 GB/T32198 界定的以及下列术语和定义适用于本文件。
3.1 样品集 sample set
具有代表性、基本覆盖总多糖、总三萜和水分含量范围的样品集合。
4 原理
利用灵芝中总多糖、总三萜和水分中 C-H 、O-H 、C-O 、C-C 等化学键的振动或转动对红外光的吸收特性,获得灵芝在红外光谱区的吸收光谱,运用化学计量学方法建立灵芝红外光谱与总多糖、总三萜和水分之间的相关数学模型,计算灵芝中总多糖、总三萜和水分的含量。
5 仪器
5.1 红外分析仪
符合 GB/T 24895 的要求。
5.2 软件
具有红外数据的收集、存储、分析和定量模型建立等功能的软件。
6.样品收集
样品收集应选不同的采样地点,收集的样品参照《中华人民共和国药典》2020 版中灵芝的鉴别方法,鉴定为赤芝 Ganoderma lucidum(Leyss. ex Fr.)Karst. 或紫芝 Ganoderma sinense Zhao,Xu et Zhang,
样品表面有较多明显的空隙和裂纹,外缘变深,质地坚硬有弹性,保证灵芝样品的成熟度,且无虫害,除去杂质,剪除附有朽木、泥沙的下端菌柄,在 40℃±1℃烘干,将干燥后的样品放入密闭样品袋中,注明样品信息并密封保存,避免外界污染和变质,样品数量不得少于 300 个。
7 已有样品测定
7.1 样品前处理
除去样品中的杂质,40℃±1℃干燥,粉碎过24 目药筛,收集颗粒均匀的粉末样品待测。
7.2 样品红外光谱采集
中红外光谱仪和近红外光谱仪分别在温度 10℃~35℃, 相对湿度≤70%环境条件下,每个样品重复装样 3 次,测定后的样品与原待测样品混匀,再次取样进行测定,每次重复扫描 2 次,取 6 次扫描的平均光谱用于定量模型的建立。
7.3 样品参考值测定
采集光谱后的样品应按照《中华人民共和国药典》2020 版中灵芝中总多糖、总三萜和水分的含量检测方法测定,结果为样品参考值。
7.4 校正集和验证集的样品划分
样品划分使用化学计量学方法,要求校正集样品中总多糖、总三萜和水分的含量范围应该覆盖验证集样品含量范围,且含量均匀分布,校正集和验证集样品的数量比例为 2:1。
7.5 定量模型建立
7.5.1 总多糖定量模型建立
使用基线校正、平滑处理、归一化、散射校正或导数法对原始光谱进行预处理,预处理后的光谱通过与多糖特征波段(中红外光谱:3 600cm-1~3 200cm-1、3 000cm-1~2 800cm-1 、1 700cm-1~1 600cm-1、
1 300cm-1~1 200cm-1、1 100cm-1~950cm-1,近红外光谱:10 000cm-1~9 000cm-1、8 900cm-1~7 900cm-1 、 7 500cm-1~5 800cm-1 、5 300cm-1~4 700cm-1 、4 500cm-1~4 300cm-1)进行手动选择或使用竞争性自适应重加权抽样、蒙特卡罗无信息变量消除、随机青蛙算法、区间偏最小二乘算法等化学计量方法进行波段选择,采用化学计量学回归方法建立总多糖的定量模型,以定量模型的决定系数(R2)和交叉验证均方根误差(RMSECV)为评价指标, 选择 R2 接近于 1 ,RMSECV 越小的定量模型进行样品测定。
7.5.2 总三萜定量模型建立
使用基线校正、平滑处理、归一化、散射校正或导数法对原始光谱进行预处理,预处理后的光谱通过与三萜特征波段(中红外光谱:3 100cm-1~3 000cm-1 、1 600cm-1~1 500cm-1 、1 250cm-1~1 000cm-1 、 750cm-1~650cm-1,近红外光谱:8 800cm-1~8 600cm-1 、4 700cm-1~4 000cm-1)进行手动选择或使用竞争性自适应重加权抽样、蒙特卡罗无信息变量消除、随机青蛙算法、区间偏最小二乘算法等化学计量方法进行波段选择,采用化学计量学回归方法建立三萜的定量模型,以定量模型的决定系数(R2)和交叉验证均方根误差(RMSECV)为评价指标, 选择 R2 接近于 1,RMSECV 越小的定量模型进行样品测定。
7.5.3 水分定量模型建立
使用基线校正、平滑处理、归一化、散射校正或导数法对原始光谱进行预处理,预处理后的光谱通过与水分特征波段(中红外光谱:3 500cm-1~3 100cm-1、1 700cm-1~1 600cm-1,近红外光谱:7 100cm-1~
6 900cm-1 、5 300cm-1~5 100cm-1)进行手动选择或使用竞争性自适应重加权抽样、蒙特卡罗无信息变量消除、随机青蛙算法、区间偏最小二乘算法等化学计量方法进行波段选择,采用化学计量学回归方法建立水分的定量模型,以定量模型的决定系数(R2)和交叉验证均方根误差(RMSECV)为评价指标,选择 R2 接近于 1,RMSECV 越小的定量模型进行样品测定。
7.6 方法学考察
7.6.1 准确度
验证样本集测定含量扣除系统误差后的红外测定值与其化学值之间的绝对差应≤0.5%。
7.6.2 精密性
在同一实验室,由同一操作者使用相同的仪器设备,按相同测试方法,连续通过重新分样和重新装样,对同一被测样品相互独立进行测试,3 次独立测定的总多糖、总三萜、水分含量结果的绝对误差应≤0.5%。
7.6.3 稳定性
在同一实验室,由同一操作者使用相同的仪器设备,按相同测试方法,并在 1 d 、2 d 、4 d 、6 d、8 d 、10d 内通过重新分样和重新装样,对同一被测样品相互独立进行测试,3 次独立测定的总多糖、总三萜、水分含量结果的绝对误差应≤0.5%。
7.6.4 重现性
在不同实验室,由不同操作人员使用不同设备,按相同的测试方法,对相同的样品,3 次独立测定的总多糖、总三萜、水分含量结果的绝对误差应≤0.5%。
7.7 模型验证
使用 20 份未参与建模的样品按照 7.2 光谱采集方法获得光谱数据,使用定量模型获得样品中总多糖、总三萜、水分含量检测结果,并使用 7.3 样品参考值测定方法获得样品参考值,同一样品的检测结果和参考值的绝对误差应≤0.5%。
8 未知样品测定
按红外分析仪要求的方式和数量加入样品,于红外分析仪测定,记录光谱数据,待测样品按 7.2 光谱采集方法执行。
9 结果处理
3 次未知样品测定结果的绝对误差应≤0.5%,取 3 次数据的平均值为测定值,测定结果保留至小数点后 2 位。样品测定值在定量模型范围内时,样品的测定值被采纳。
10 异常样品的确认和处理
10.1异常样品的确认
样品总多糖、总三萜和水分含量超出定量模型范围的样品或连续 3 次重复测定结果差异≥0.5%,
认定为异常样品,应进行第二次近红外光谱法测定予以确认。
10.2 异常样品的处理
异常样品的总多糖、总三萜和水分含量应采用7.3 样品参考值测定方法进行再次测定。
11 检测限
本文件规定的方法最低检出量为总多糖含量 0.9%、总三萜含量 0.3%、水分含量 0.5%。