电子舌技术鉴别黄连及其炮制品

周 霞， 杨诗龙， 胥 敏， 万 军，3*

(1. 西南交通大学生命科学与工程学院，四川 成都610031;2. 成都中医药大学，四川 成都611137;3. 国家中医药管理局中药炮制技术重点研究室，四川 成都610036)

黄连为毛茛科植物黄连Coptis chinensis Franch、三角叶黄连Coptis deltoidea C. Y. Cheng et Hsiao 或云连Coptis teeta wall 的干燥根茎，为四川道地药材，其饮片包括生黄连、酒黄连、姜黄连和萸黄连4 种。目前，《中国药典》仅通过薄层色谱法来区分萸黄连，而对其他黄连炮制品则尚无相关鉴别项［1］，虽然该方法简便实用，但难以体现出各炮制品的差异性［2-3］。

电子舌又称仿生味觉，是模拟人类味觉感受机理而设计的人工味觉系统，主要由非特异性、交互敏感的传感器阵列组成，并通过合适的多元统计分析方法进行信号模式识别，从而检测液体样品味觉特征的新型仪器［4-5］，其目的不在于检测某个特定类型的化合物，而是对样品中所有化合物的综合响应特征进行检测［6］。因此，组成成分相似的样品有着相近的传感器响应特征，而成分差异较大的样品的传感器响应特征也表现出明显差异［7］，故根据味觉传感器响应特征即可实现对不同样品的鉴别区分。近年来，电子舌技术已经在多个行业(如食品、农产品、医药等)中得到广泛应用［8-15］。

本实验以黄连及其炮制品为研究对象，采用电子舌技术量化它们的味道数据。然后，利用化学计量学方法处理降维数据，以期鉴别黄连及其不同炮制品。

1 材料与仪器

1.1 材料 本实验共收集生黄连样品10 批，经成都中医药大学中药标本中心卢先明教授鉴定，均为毛茛科植物黄连Coptis chinensis Franch 的干燥根茎。然后，根据《中国药典》2010 年版一部(附录ⅡD)炮制通则要求进行炮制，结果共得到样品40 批，详细信息见表1。接着，从4 种炮制品中随机抽取出12 个样品作为未知样品测试集，每种炮制品抽取3 个，盲法实验。

表1 黄连及其炮制品样品信息Tab.1 Samples information of raw Coptis chinensis Franch and its processed products

1.2 仪器 ASTREE 电子舌，包括含7 根脂质膜的传感器阵列、自动进样器、专用烧杯、信号接收处理系统、V2012.45 数据处理软件(法国Alpha MOS公司);超纯水制造系统(四川优普超纯科技有限公司);BP211D 电子天平(德国赛多利斯公司)。

2 分析方法

2.1 样品制备 取生黄连适量，粉碎后过3 号筛，精密称取1.0 g，置于250 mL 锥形瓶中，加水80 mL，浸泡30 min 后加热回流1 h，放冷后过滤，取滤液20 mL，加水定容至100 mL，即得。另取酒黄连、姜黄连、萸黄连适量，采用相同方法处理。

2.2 分析方法 分析参数为采集温度25 ℃;数据采集时间120 s;采集周期1 s;搅动速度1 r/s。以超纯水为清洗液，每次测量前先清洗传感器10 s。

样品测定方法为将配制好的样品溶液置于100 mL 电子舌专用烧杯中，以100 ～120 s 内的平均值作为传感器信号输出值，每份样品按上述信号采集参数平行测定10 次。然后，取其最后4 次的测定数据进行分析处理。

2.3 重复性考察 电子舌包括7 个脂质膜传感器，分别为ZZ、AB、GA、BB、CA、DA、JE，即每个样品有7 组数据，其采集情况见图1。然后，以采集时间为横坐标，响应强度为纵坐标，采集120 s。

图1 生黄连电子舌传感器响应强度曲线Fig.1 Electronic tongue sensor response intensity curve of raw Coptis chinensis Franch

接着，按“2.1”及“2.2”项下方法操作，以黄连样品S1、A1、J1 及Y1 为例，进行重复性考察，结果见表2。由表可知，各传感器输出值的RSD 均小于2%，说明数据可靠，仪器稳定性良好。

表2 电子舌重复性考察结果(n=4)Tab.2 Inspection result of the reproducibility of electronic tongue (n=4)

3 结果

3.1 传感器响应值分析 以同一批生黄连(S1)及其炮制品(酒黄连A1、姜黄连J1、萸黄连Y1)为例，根据其电子舌传感器输出值建立雷达图，见图2。由图可知，生黄连、酒黄连、姜黄连及萸黄连在电子舌传感器的响应特征上均存在明显差异。

图2 黄连及其炮制品电子舌传感器雷达图Fig.2 Radar chart of electronic tongue sensor of Coptis chinensis Franch and its processed products

3.2 软独立建模分析 将电子舌传感器获取的各样品响应值进行软独立建模分析(SIMCA)，结果见图3。由图可知，蓝色区域是以生黄连为参照的模型区域，而酒黄连、姜黄连及萸黄连的图标均在参照区域外，即生黄连与其炮制品的区分效果较好，表明SIMCA 分析可用于生黄连及其炮制品的鉴别。

图3 黄连及其炮制品SIMCA 分析二维图Fig.3 SIMCA of Coptis chinensis Franch and its processed products

3.3 主成分分析 将电子舌传感器获取的各样品响应值进行主成分分析(PCA)，结果见图4。由图可知，PC1、PC2 与PC3 三者的总贡献率达96.7%，能较好地反映原始数据特征，而且生黄连、酒黄连、姜黄连及萸黄连在PCA 分析三维图上能明显区分开，表明生黄连及其炮制品在PCA模型上的区分度较理想。

图4 黄连及其炮制品PCA 分析三维图Fig.4 PCA of Coptis chinensis Franch and its processed products

3.4 判别因子分析 将电子舌传感器获取的各样品响应值进行判别因子分析(DFA)，将40 批样品所得的160 组数据建立模型，测试集为随机抽样样品的12 组数据(即每类样品中随机抽出3 个作为未知样品)，见图5。由图可知，DF1、DF2 与DF3三者的总贡献率达100%，即生黄连及其炮制品在DFA 三维图上的区分度良好。同时，还判别了4个组的12 个未知样品，发现其均落在相应的组别之中或附近，判别识别率达100%。

图5 黄连及其炮制品DFA 分析三维图Fig.5 DFA of Coptis chinensis Franch and its processed products

3.5 线性判别分析 将电子舌传感器获取的各样品响应值进行线性判别分析(LDA)，发现前两个函数的累积方差贡献率为98.6%，其中前者为91.1%，而后者为7.5%，见图6。由图可知，LDA 分析能很好地区分各样品，其分类函数如下。同时，LDA 分析结果显示，其对样品和交叉验证分组案例的判别识别率均为100%。

Y1= -1.244X1+6.508X2-3.061X3+1.371X4+11.310X5+0.556X6+2.750X7-15 604.597

Y2= -1.819X1+7.954X2-5.070X3+3.245X4+13.240X5+0.883X6+1.816X7-20 014.637

Y3= -1.792X1+8.826X2-4.869X3+2.550X4+13.323X5+0.847X6+2.298X7-21 045.087

Y4= -1.597X1+7.140X2-4.188X3+2.189X4+12.561X5+0.768X6+2.535X7-18 141.712

注:Y1、Y2、Y3、Y4分别为生黄连、萸黄连、姜黄连、酒黄连;X1、X2、X3、X4、X5、X6、X7分别为传感器ZZ、AB、GA、BB、CA、DA、JE 的响应值。

图6 黄连及其炮制品LDA 分析二维图Fig.6 LDA of Coptis chinensis Franch and its processed products

3.6 人工神经网络 将电子舌获取的黄连及其炮制品的传感器响应值(共160 组数据)构建BPANN 模型，另将抽样获取的12 组数据作为验证测试集。网络为三层BP 神经，其输入层单元、输出层单元和隐藏层的神经细胞数分别为7、4 和10个，网络隐藏层和输出层的传递函数均为TANSIG，网络训练算法采用TRAINLM，网络学习函数采用LEARNGDM，网络训练误差设置为1.0 ×10-5，最大训练次数为1 000。在进行6 次训练后，模型训练误差减少为2.3 ×10-6，表明效果良好。然后，对测试集样品进行测试，结果其综合判别率为91.7%，见表3。

表3 人工神经网络对黄连及其炮制品识别结果Tab.3 BP-ANN recognition result of Coptis chinensis Franch and its processed products

表3 显示，训练集和测试集样品的综合识别率都达90%以上，对生黄连、酒黄连、姜黄连、萸黄连的综合识别率分别为100%、97.8%、100%、100%，对所有172 个样品数据的综合判别率为99.4%，表明判别效果良好。

4 讨论

4.1 黄连“味”特征的差异特点 “辨状论质”是根据中药材的性状等特征来判断其真伪优劣，为经典、实用、简便的传统鉴别方法［16］，但目前研究方法侧重于区分各药材的质量上，而对其炮制品有效的鉴别手段较少。前期本课题组发现，黄连炮制前后“气味”发生的变化难以用现有化学方法区分，故采用电子鼻技术来进行鉴别探索［17］。另外，黄连的苦味也是鉴别其质量优劣的重要特征之一，在炮制品中，由于姜黄连“有姜的辛辣味”［1］，因此可利用黄连及其炮制品的味觉特征差异来进行鉴别。

4.2 各化学计量法在黄连“味”鉴别中的应用本实验采用电子舌技术，结合化学计量学方法，对黄连及其炮制品的味觉特征进行分析研究。其中，SIMCA 主要用于区分生品(不加辅料)与炮制品(加辅料);PCA、LDA、DFA 及BP-ANN 可区分不同炮制品(包括生品)，而且DFA 和BP-ANN 在判断未知样品方面具有更好的区分度。实验结果显示，SIMCA 模型区分了黄连炮制品与生品;PCA、LDA、DFA 及BP-ANN 模型区分了黄连的不同炮制品;DFA 模型对未知样品的正确判别率为100%，而BP-ANN 模型为91.7%。综上所述，SIMCA、PCA、DFA、LDA 及BP-ANN 模型均可用于电子舌味觉特征分析，从而对黄连及其炮制品进行鉴别区分，并且电子舌技术与化学计量学分析方法的结合能为中药饮片的鉴别研究提供思路与参考。

［1］ 国家药典委员会. 中华人民共和国药典:2010 年版一部［S］. 北京:中国医药科技出版社，2010:285.

［2］ 张汉明，许铁峰，秦路平，等. 中药鉴别研究的发展和现代鉴别技术介绍［J］. 中成药，2000，22(1):101-109.

［3］ 李铁钢，李钰婷，武小赟，等. 黄连及其炮制品薄层鉴别方法的研究［J］. 时珍国医国药，2011，22(3):677-679.

［4］ 邓少平，田师一. 电子舌技术背景与研究进展［J］. 食品与生物技术学报，2007，26(4):110-116.

［5］ 李文敏，吴纯洁，艾 莉，等. 基于电子鼻、电子舌技术实现中药性状气味客观化表达的展望［J］. 中成药，2009，31(2):282-284.

［6］ Han F，Huang X，Teye E，et al. Nondestructive detection of fish freshness during its preservation by combining electronic nose and electronic tongue techniques in conjunction with chemometric analysis［J］. Anal Methods，2014，6(2):529-536.

［7］ Ampuero S，Bosset J O. The electronic nose applied to dairy products:a review［J］. Sensor Actuat B-Chem，2003，94(1):1-12.

［8］ Peris M，Escuder-Gilabert L. On-line monitoring of food fermentation processes using electronic noses and electronic tongues:A review［J］. Anal Chim Acta，2013，804:29-36.

［9］ Escuder-Gilabert L，Peris M. Review:highlights in recent applications of electronic tongues in food analysis［J］. Anal Chim Acta，2010，665(1):15-25.

［10］ Woertz K，Tissen C，Kleinebudde P，et al. Taste sensing systems (electronic tongues)for pharmaceutical applications［J］.Int J Pharm，2011，417(1-2):256-271.

［11］ Li Y J，Lei J C，Yang J N，et al. Classification of tieguanyin tea with an electronic tongue and pattern recognition［J］. Anal Lett，2014，47(14):2361-2369.

［12］ Eckert C，Lutz C，Breitkreutz J，et al. Quality control of oral herbal products by an electronic tongue-Case study on sage lozenges［J］. Sensor Actuat B-Chem，2011，156(1):204-212.

［13］ Kataoka M，Tokuyama E，Miyanaga Y，et al. The taste sensory evaluation of medicinal plants and Chinese medicines［J］. Int J Pharm，2008，351(1-2):36-44.

［14］ 杜瑞超，王优杰，吴 飞，等. 电子舌对中药滋味的区分辨识［J］. 中国中药杂志，2013，38(2):154-160.

［15］ 吴 飞，杜瑞超，洪燕龙，等. 电子舌在鉴别中药枳实药材产地来源中的应用［J］. 中国药学杂志，2012，47(10):808-812.

［16］ 谢宗万. 中药品种传统经验鉴别“辩状论质”论［J］. 时珍国医国药，1993，5(36):19-21.

［17］ 胥 敏，杨诗龙，张 超，等. 基于气味客观化的黄连及其炮制品鉴别研究［J］. 中国中药杂志，2015，40(1):17-21.