大孔树脂分离提取麻黄碱的研究

本文研究了九种大孔吸附树脂对麻黄碱的吸附能力，其中以D151，XAD－4，XAD－7的吸附效果较好，静态吸附容量分别为240.4mg/ml,122.1mg/ml,87.2mg/ml。三种树脂最佳吸附pH值为11，D151和XAD－7采用.08mol/L的HCl洗脱，XAD－4采用0.02mol/L的HCl与甲醇1：1的混合液洗脱。将三种树脂直接用于麻黄草提取液的麻黄碱分离提取，回收均在90％以上，纯度在80％以上，一次吸附提纯倍数为15－19倍。     

天然植物中生物碱的提取及树脂法在其纯化中的应用

总结了近期提取和分离纯化方法在天然植物中生物碱类有效成分研究中的应用,特别是对于吸附树脂法在生物碱纯化中的应用进行了系统综述,归纳了具有不同结构的大孔吸附树脂、凝胶型离子交换树脂和大孔型离子交换树脂对生物碱纯化效果的影响规律,进而为高效、高选择性纯化生物碱的专用吸附树脂结构设计和应用提供了可借鉴的研究思路.     

树脂法分离纯化倒提壶生物碱的研究

采用阳离子交换树脂和大孔吸附树脂联用的方法,将倒提壶生物碱提取液依次经过阳离子交换树脂和两次大孔吸附树脂,对其中的天芥菜碱和毛果天芥菜碱进行分离纯化。结果表明,倒提壶生物碱溶液采用阳离子交换树脂经过水洗和NaCl洗脱与大孔吸附树脂两次经乙醚和50%乙醇洗脱后,毛果天芥菜碱与天芥菜碱的纯度分别从0.73%和2.2%提高至81.6%和79.2%,提取量分别由4.6 mg/g和10.7 mg/g提高至50.6mg/g和92.7 mg/g。该文所建立的分离纯化方法具有成本低、污染小、周期短、操作简便和分离纯化效率高等特点,适合工业化生产。     

大孔树脂分离纯化辣椒碱单体

为便于研究辣椒碱与辣椒油中其他物质的作用关系,分离得到辣椒碱单体是很有必要的。本文选取5种树脂,对其吸附量、选择性进行筛选,并对筛选出的树脂HZ835层析分离辣椒油的工艺进行了优化,得到的最优工艺条件:流动相为甲醇:水=1.5:1,上样量为1.76%,流速为1BV/h。在此条件下制得的辣椒碱晶体纯度高达96.7%。     

双柱吸附法对莲子心总碱的分离纯化研究

研究了大孔吸附树脂和阳离子交换树脂双柱吸附法对莲心碱、异莲心碱和甲基莲心碱的吸附行为。利用阳离子交换树脂D72制备出莲心碱、异莲心碱和甲基莲心碱,含量分别为10.6%、10.6%和28.0%,总含量为49.2%的莲子心总碱提取物,其中杂质主要是水溶性较大的生物碱成分。利用AKS-W大孔吸附树脂能去除极性较大的生物碱,而D72阳离子交换树脂能去除非生物碱的特点,采用双柱联合吸附法,制备出3种吸附质含量分别为33.1%、15.0%和34.5%,总含量为82.6%的莲子心总碱提取物。     

大孔吸附树脂纯化石蒜中石蒜碱

比较了9种大孔吸附树脂对石蒜碱的吸附率和解吸率,确定了HPD300为优选吸附树脂,研究了该树脂纯化石蒜碱的条件及参数. 室温下,9 BV 1.22 g/L的石蒜碱上样液以2 BV/h过柱,4 BV水以2 BV/h洗涤后用8 BV 70%乙醇以2 BV/h洗脱,石蒜碱的纯度由9.93%提高至23.07%.     

中药黄连有效成分盐酸小檗碱与牛血清白蛋白的相互作用

从天然中药材黄连中提取分离并精制得到盐酸小檗碱(BC),采用UV光谱和荧光光谱(FS)研究其与牛血清白蛋白(BSA)的相互作用,解释了BC导致BSA的荧光发射光谱峰裂分的现象,其二重峰分别归属于色氨酸及酪氨酸残基.结果表明,静态猝灭和非辐射能量转移是导致BC对BSA荧光猝灭的两大原因,BC与BSA的表观结合常数K_A为8.66×10⁴L/mol(30℃)和8.72×10⁴L/mol(37℃),BC在BSA分子上的结合位点数为(3.1±0.2).BC与BSA分子中荧光性氨基酸残基之间的距离为3.75nm(30℃)和3.62nm(37℃),表明BC的部分片段能够插入BSA分子内部.热力学函数计算结果表明,该作用过程是一个熵增加、Gibbs自由能降低的自发超分子作用过程,并由此推断BC与BSA之间以疏水相互作用为主.     

葡萄籽多酚大孔树脂纯化过程的近红外光谱快速检测

采用近红外光谱透射法,对葡萄籽提取液大孔树脂层析过程多酚含量进行快速无损测定.以FolinCiocalteus比色法为对照方法,运用偏最小二乘法(PLS)建立定量校正模型,测定大孔树脂洗脱过程葡萄籽多酚浓度变化.该模型相关系数R2达到0.9995,校正集误差均方根(RMSEC)和预测集误差均方根(RMSEP)分别为0.713和2.67,校正集相对偏差(RSEC)和预测集相对偏差(RSEP)分别为2.39％和8.48％.本方法快速、有效、无损,可用于葡萄籽多酚柱层析纯化过程检测和质量控制.     

大孔树脂精制6种含黄连复方水提液体系的吸附动力学比较研究

研究含黄连的不同复方水提液体系经大孔吸附树脂精制后,黄连中主要指标性成分生物碱的变化,阐明不同复方组合-配伍对药方中组成药味指标性成分的影响,为大孔树脂精制技术在中药复方中的应用提供实验依据.选用黄连用量和复方总用量均相同,组方药味不同的复方1～6.通过考察5种树脂AB-8、S-8、X-5、NKA-II、NKA-9对黄连中盐酸小檗碱的静态吸附率,确定AB-8树脂作为复方1～6吸附动力学比较研究的树脂;通过比较复方1～6水提液体系在相同树脂环境下的静态吸附过程,考察6种不同复方组成药味对复方中指标性成分分离纯化的影响.实验结果表明,由于体系本身溶液环境的差异,复方1～6各指标性成分达到吸附平衡的时问均有差异.AB～8树脂对复方1～6水提液体系的静态吸附在开始阶段吸附量的增加比较明显,在40min后,由于吸附竞争点饱和的原因,吸附量的增加均比较平稳;黄连与不同药材配伍时,虽然配伍药材所含的化合物类型差异较大,但黄连中生物碱类成分均可以在树脂上被选择性吸附,可知在复方水提液复杂体系中可以选择性地分离纯化生物碱类有效成分.     

中药微量元素的主成分分析

基于主成分分析的方法,研究了中药的相似性。主成分综合得分越近,中药就越相似。     

通草类中药微量元素的主成分分析和聚类分析

探讨通草类中药材中微量元素含量与其功效间的相关性。以微量元素含量为指标,运用主成分分析和聚类分析对11种通草类中药的微量元素进行分析。主成分分析结果表明前3个主因子含有通草类中药材微量元素含量84.50%的信息。利用3个主因子模型和聚类分析谱图,解释了11种通草类中药中药的相似性与差异。利用主成分分析和聚类分析法初步得出11种通草类中药的微量元素与其功效存在相关性,为该类中草药的开发利用提供了科学依据和理论基础。     

神经网络法在使用裂解气相色谱鉴别中草药中的应用

将以误差反向传播为训练算法的前馈式人工神经网络（ＢＰ－ＡＮＮ）首次艇于中草药的裂解气相色谱谱图解析。重点考察了如何表征和提取复杂的裂解色谱图中有价值信息,用于主成分分析方法处理后输入到有数经优化的神经网络中。实验证明,该广阔示仅可以正确识别样品所属种类,耐用对一示同实验时间、数据残缺等原因造成的噪音具有优异的抗干扰能力。     

萃淋树脂微色谱柱分离富集-苯基荧光酮光度法测定中草药中痕量锗和钼

研究了在微色谱柱中以CL-TBP萃淋树脂为固定相,运用零空床体积洗脱技术,反相萃取分离痕量Ge、Mo。洗脱体积仅1.0~1.2 mL便可实现两元素的连续分离。洗脱液用苯基荧光酮-溴化十六烷基三甲基溴化铵(PF-CTMAB)光度法进行测定。该树脂对Ge、Mo的动态吸附容量分别为34.8 mg/g和67.4 mg/g,加标回收率分别为91.4%~98.6%和96.6%~101.3%,相对标准偏差(RSD)分别在2.53%~5.74%和1.91%~4.12%之间。方法用于中草药中痕量Ge、Mo的测定,结果满意。     

Classification of Chinese Herbal Medicine by Laser-Induced Breakdown Spectroscopy with Principal Component Analysis and Artificial Neural Network

Chinese herbal medicine has attracted increasing attention because of the unique and significant efficacy in various diseases. In this paper, three types of Chinese herbal medicine, the roots of Angelica pubescens, Codonopsis pilosula, and Ligusticum wallichii with different places of origin or parts, are analyzed and identified using laser-induced breakdown spectroscopy (LIBS) combined with principal component analysis (PCA) and artificial neural network (ANN). The study of the roots of A. pubescens was performed. The score matrix is obtained by principal component analysis, and the backpropagation artificial neural network (BP-ANN) model is established to identify the origin of the medicine based on LIBS spectroscopy of the roots of A. pubescens with three places of origin. The results show that the average classification accuracy is 99.89%, which exhibits better prediction of classification than linear discriminant analysis or support vector machine learning methods. To verify the effectiveness of PCA combined with the BP-ANN model, this method is used to identify the origin of C. pilosula. Meanwhile, the root and stem of L. wallichii are analyzed by the same method to distinguish the medicinal materials accurately. The recognition rate of C. pilosula is 95.83%, and that of L. wallichii is 99.85%. The results present that LIBS combined with PCA and BP-ANN is a useful tool for identification of Chinese herbal medicine and is expected to achieve automatic real-time, fast, and powerful measurements.     

Application of Deep-Learning Algorithm Driven Intelligent Raman Spectroscopy Methodology to Quality Control in the Manufacturing Process of Guanxinning Tablets

Coupled with the convolutional neural network (CNN), an intelligent Raman spectroscopy methodology for rapid quantitative analysis of four pharmacodynamic substances and soluble solid in the manufacture process of Guanxinning tablets was established. Raman spectra of 330 real samples were collected by a portable Raman spectrometer. The contents of danshensu, ferulic acid, rosmarinic acid, and salvianolic acid B were determined with high-performance liquid chromatography-diode array detection (HPLC-DAD), while the content of soluble solid was determined by using an oven-drying method. In the establishing of the CNN calibration model, the spectral characteristic bands were screened out by a competitive adaptive reweighted sampling (CARS) algorithm. The performance of the CNN model is evaluated by root mean square error of calibration (RMSEC), root mean square error of cross-validation (RMSECV), root mean square error of prediction (RMSEP), coefficient of determination of calibration (Rc2), coefficient of determination of cross-validation (Rcv2), and coefficient of determination of validation (Rp2). The Rp2 values for soluble solid, salvianolic acid B, danshensu, ferulic acid, and rosmarinic acid are 0.9415, 0.9246, 0.8458, 0.8667, and 0.8491, respectively. The established model was used for the analysis of three batches of unknown samples from the manufacturing process of Guanxinning tablets. As the results show, Raman spectroscopy is faster and more convenient than that of conventional methods, which is helpful for the implementation of process analysis technology (PAT) in the manufacturing process of Guanxinning tablets.     

中药材三七提取液近红外光谱的支持向量机回归校正方法

提出近红外光谱的支持向量机回归校正建模方法.以中药材三七渗漉提取液为实际分析对象,对其近红外光谱数据进行预处理和主成分分析后,用支持向量机回归算法建立人参皂苷R_g1,R_b1和R_d以及三七总皂苷的近红外光谱校正模型.以R_g1,R_b1和R_d的HPLC测定值及三七总皂苷的比色法测定值为参照,将本文方法与偏最小二乘回归和径向基神经网络建模方法相比较,结果表明,本文所建模型的预测准确性优于后两者,可推广应用于中药提取过程的近红外光谱分析.     

中药材三七中皂苷类成分的近红外光谱快速无损分析新方法

提出了用近红外漫反射光谱快速无损测定三七中皂苷类成分的新方法采用 HPLC分析了中药材三七固皂昔R_1,人参皂苷Hg_1,Rb_1和Rd的含量,用吸附树脂 比色法测定了三七总皂苷（PNS）的含量,共获得R_1,Bg_1,Rb_1,Rd,PNS的含 量范围分别为1,58-5．08,21,68-46.13,11.46-40.41粉．在3500-1100cm~(-1) 扫描样品,以交叉验证误差均方根（RMsECV）为指标,通过筛选,近红外波段和光 谱预处理方法．采用偏最小二乘算法建立了近红外光谱与5个组分PHLC分析值之间 的校正模型,预测了8个未知样本．R_1,Rg_1,Rb_1,Rd及PNS校正模型的RMSECV 分别为0．40,1.47,1.94,0RMSEP分别为0．53,3．15,2．14,0．70,9．03． 该方法快速无损,结果可靠,为中药材复杂体系中化学组分的测定提供了新的绿色 分析手段．     

直观推导式演进特征投影法对酶催化反应的过程分析

以丁香酸(syringic acid)为模型化合物, 研究了漆酶(laccase)催化降解木质素(lignin)的复杂生化反应过程, 设计了一种反应过程动态量测系统, 该系统可以在5 s的时间间隔测定反应体系在190～800 nm波长范围内的实时光谱信息. 利用固定窗口因子分析-直观推导式演进特征投影法(FSMWEFA-HELP), 解析反应过程中测得的实时动力学光谱数据矩阵, 得到反应物和中间体的数目及其浓度的变化和纯物质的光谱曲线, 并推导出合理的反应机理. 将所得结果与多元曲线分辨-交替最小二乘(MCR-ALS)方法进行了比较.