排序方式: 共有49条查询结果,搜索用时 187 毫秒
21.
22.
重楼皂甙提取工艺优化与近红外光谱在线质量控制 总被引:1,自引:0,他引:1
以滇重楼的根茎为实验材料,重楼甾体总皂甙的提取率为评价指标,运用L16(45)正交试验,考察了皂甙浸出过程中的浸泡时间、乙醇浓度、超声剂量、粗粉质量与浸泡用乙醇体积之比4个因素在4个水平下的工艺过程,筛选出了最佳提取工艺.实验结果表明粗粉(0.45 mm粒径)用30%的乙醇溶液浸泡36 h后,超声30 min,粗粉质量与(浸泡)乙醇的体积比115为最佳提取条件,重楼甾体总皂甙的提取率为9.50%.以近红外漫反射光谱技术为在线监控手段,利用模式识别方法对AB-8树脂分离精制过程中的吸附、杂质洗脱和甾体总皂甙解吸洗脱等工艺过程进行了在线质量监控方法研究,建立了优化的质量可控的分离纯化方法. 相似文献
23.
高效液相色谱法测定滇白珠植物中滇白珠甙 总被引:3,自引:0,他引:3
提出反相高效液相色谱法测定滇白珠甙含量的方法。反相Kromasil C18柱,甲醇-乙腈-水(V/V)=25:5:70为流动相,紫外220nm检测,外标法定量。线性范围为0.005-0.800g/L,r=0.9997-0.999,方法回收率和标准偏差分别在98.605-102.90%和0.58%-0.69%之间(n=6),3种甙的检测限在0.01-0.02mg/L之间。本方法快速、准确、重现性好,适用于工艺生产中质量控制。 相似文献
24.
ICP-AES法测定滇重楼中的微量元素 总被引:8,自引:0,他引:8
探讨滇重楼中多种金属元素的测定方法,采用湿法硝酸-双氧水进行消解,用电感耦合等离子体原子发射光谱法(ICP-AES)同时测定试样中钾、镁及多种微量元素铅、铜、铁、铬、锌和锰等的方法。其检出限为0.001 3~0.084 6 μg·mL-1,变异系数为0.7%~4.6%,回收率在93.7%~108.2%,结果令人满意。发现中药滇重楼中含有比较丰富的铁元素,微量元素在中药中可能起到一定的药理作用,用ICP-AES测定中药微量元素以评价中药价值具有重要的意义。 相似文献
25.
26.
27.
28.
傅里叶变换红外光谱(FTIR)结合偏最小二乘判别分析(PLS-DA)和偏最小二乘回归(PLSR)对不同采收期滇重楼(Paris polyphylla var. yunnanensis)分别进行定性鉴别与定量分析,以期为滇重楼合理采收和鉴别评价提供科学依据。采集46份不同采收期滇重楼样品的红外光谱,对光谱数据进行自动基线校正+纵坐标归一化+自动平滑+小波去噪(WD)预处理后进行PLS-DA分析;采用超高效液相色谱测定样品中重楼皂苷Ⅰ,Ⅱ,Ⅵ,Ⅶ的含量,将液相测定数据与红外光谱数据进行拟合,经自动基线校正+纵坐标归一化+自动平滑+一阶求导+正交信号校正(OSC)优化处理后,建立滇重楼中重楼皂苷Ⅰ,Ⅱ,Ⅵ,Ⅶ的快速预测模型。结果显示,(1)原始红外光谱中主要吸收区域在950~700,1 200~950,1 800~1 500和2 800~3 500 cm-1附近。(2)PLS-DA得分图可准确区分不同采收期滇重楼样品。(3)液相数据显示重楼总皂苷含量随着年限的增加先成倍增加,再逐渐减少,最后呈现缓慢增加的趋势。(4)重楼总皂苷含量定量模型的预测值与真实值间无显著性差异,表明模型预测效果好。FTIR结合化学计量学可准确区分不同采收期滇重楼并快速预测其皂苷含量,为不同采收期滇重楼的鉴别和皂苷含量预测提供一种新方法,同时为确定滇重楼的最佳采收期提供参考依据。 相似文献
29.
中药炮制是根据中医学理论,改变中药的性味和功效,以达到缓和药性、减毒增效等作用。炮制对中药的活性成分、药效、毒副作用影响甚大,建立一个系统鉴别和评价中药不同炮制品的方法,可为中药质量和临床用药安全提供重要支撑。采用红外光谱法对9种云南重楼不同炮制品进行对比分析,结合化学计量学建立主成分-马氏距离(PCA-MD)判别模型进行鉴别分析。云南重楼不同炮制品的红外光谱经自动基线校正和纵坐标归一化预处理后,取其平均光谱图。九种重楼不同炮制品的平均红外光谱和二阶导数光谱显示:(1)其主要特征吸收峰为3 387,2 923,1 745,1 463,1 338,1 240,1 207,1 158,1 180,1 080,1 048,1 020,988,921,895,859,833,765,708,572和529 cm-1;(2)重楼不同炮制品红外图谱的峰形基本相似,可显示出重楼所特有的红外光谱特征;(3)重楼不同炮制品红外图谱中少数特征吸收峰数目、位置和吸收强度存在差异,表明重楼经不同炮制后化学成分和含量发生了改变。红外光谱经多元散射校正(MSC),标准正态变量(SNV),一阶求导(1st Der),二阶求导(2nd Der)和平滑(SG)优化处理后,采用Kennard-Stone算法筛选训练集和预测集(3∶1),建立PCA-MD判别分析模型。结果显示,重楼不同炮制品的最佳预处理方法为1st Der+SG(11∶3)。提取前5个主成分,变量特征的解释能力为88.2%,以PC1,PC2和PC3为坐标轴建立PCA-MD三维得分图可知,九种炮制品可完全区分;其中重楼I,H,G和F的聚类效果最好,且前三种炮制品距离较近,表明晒干和烘干处理重楼与传统炮制重楼所含化学成分相似;重楼D和E空间距离较近,推测其经过微波和蒸汽高温处理后化学成分变化相似。预测集样本可准确的归属于训练集,PCA-MD判别模型的准确率为100%。红外光谱结合PCA-MD判别分析可准确区分云南重楼的不同炮制品,为云南重楼炮制品的临床应用提供参考,同时为中药炮制品的鉴别提供了借鉴。 相似文献
30.