艾叶为菊科蒿属多年生草本植物,其主要含有挥发油、黄酮类、萜类等成分,具有抗菌、镇痛、抗炎、抗氧化等多种药理作用[1]。艾绒由艾叶加工得到,目前市场上艾绒条制作中艾叶和艾绒的质量比大多为10∶1、20∶1、30∶1等。以10∶1为例,即将10 kg艾叶反复加工,去除粉末残渣(约9 kg),通过研磨得到约1 kg艾绒[2]。通常来说,艾绒的叶绒比例越高,所含的有效药理成分就越多。松油醇是艾绒精油的重要组成成分,具有杀虫、抗菌、抗炎等功效[3]。艾绒中的松油醇含量与其抗炎、镇痛的疗效密切相关[4]。因此,可通过检测松油醇含量来评估艾绒质量。
传统艾绒中松油醇含量检测的方法有气相色谱质谱法[5]、高效液相色谱法[6]和水相两相提取法[7]等。这些方法需要使用挥发性有机溶剂作为样品的提取试剂,该类溶剂可能会对人体造成危害,操作时需由专业人员采取防护措施后进行。此外,这些检测方法还具有破坏性,且需要复杂的预处理和样品分析过程。红外和拉曼光谱作为光学检测技术也被广泛用于中药成分检测。然而,红外光谱对样品制备的厚度、均匀性和稀释度有一定要求[8]。而样品的荧光背景和随机噪声干扰会导致拉曼光谱基线漂移,影响检测的准确性[9-10]。因此有必要采用一种新的光谱技术来检测艾绒中的松油醇含量。
太赫兹(terahertz,THz)波是位于微波和红外间的特殊频段,兼具微波和红外线特性,是频率为0.1~10 THz的电磁辐射,对应波长为30 μm~3 mm,可穿透许多常用材料并与之相互作用[11]。太赫兹波具有低辐射光子能量,不会造成样品的破坏和光电离,可无损检测样品[12]。对于有机分子来说,分子间弱相互作用,如氢键、范德华力、偶极的旋转和振动跃迁以及晶体中晶格的低频振动吸收主要位于太赫兹波段[13]。太赫兹光谱的波长比红外光谱长,不易受散射影响[14]。高频率的拉曼光谱优先表征单个分子及分子内结构,光谱干扰会对峰的形状和宽度造成直接影响,而较低频率的太赫兹光谱优先表征整体结构和分子间模式,以宽频带趋势的形式进行折射和吸收[15-16]。太赫兹区域内对应着分子间的振动模式和晶格振动,大多数有机分子在该区域都存在特定的“指纹”谱,因此可根据太赫兹特征峰对不同物质进行定性和定量分析[17]。
本文以艾绒为研究对象,选择松油醇作为检测指标,采用太赫兹技术检测不同艾绒条中的松油醇含量。首先,通过分子模拟计算松油醇的振动模式,并将计算结果与光谱中的特征峰进行比对,以准确描述其光谱特征。随后,比对松油醇与艾绒的太赫兹光谱,验证利用太赫兹技术对艾绒中松油醇定性检测的可行性。最后,借助化学计量学方法,通过特征峰的峰高与峰面积,实现对艾绒中成分的定量检测,同时建立艾绒制作比例与松油醇含量的相关性模型。该研究旨在深化对艾绒的理解,同时为中药质量检测提供新的科学方法。
1 实验材料与方法 1.1 实验材料及样本制备松油醇分子式为C10H18O,相对分子质量为154.25,为无色至微黄略带黏性的液体,几乎不溶于水。实验用松油醇购于阿拉丁试剂网(质量分数ω>98%)。艾绒条购于上海中医大尚新医学科技有限公司,2022年生产,艾叶和艾绒的质量比分别为10∶1、20∶1和30∶1。
将α–松油醇、β–松油醇和γ–松油醇按1∶1∶1的体积比混合,制备松油醇样品,再通过制作样品池进行检测。将艾绒条样品用玛瑙器皿初步研磨后放入试管中,加入直径为2 mm的氧化锆球,将研磨机频率设置为70 Hz,研磨180 s。将5 mg艾绒与40 mg 环烯共聚物(cyclic olefin copolymer,COC)混合均匀,装入模具,用5 t的压力挤压2 min,使其形成1 mm厚的薄片。实验质量损失控制在1%以内。此外,压制40 mg COC作为背景。为减少误差,每种样品制作5个检测样本,对每个检测样本采集3个不同区域,每个区域采集5条光谱数据,并对采集的光谱数据取平均值。
1.2 实验设备本研究使用德国Bruker公司的傅里叶变换红外(Fourier transform infrared,FTIR)光谱仪。该仪器配置有verTera扩展模块,借助该模块可实现傅立叶变换中红外光谱与太赫兹波的联用,将谱区拓展至波数为30 cm−1(0.9 THz),光谱分辨率可达0.000 7 cm−1(20 MHz),且无需配备液氦制冷的辐射热测量计或其他低温设备。该系统的光谱范围为30~4 000 cm−1。本次检测使用太赫兹频段,即30~680 cm−1(0.9~20.4 THz)。实验测验前0.5 h预先启动水循环并待系统稳定,在样品检测过程中不断向样品腔充入氮气,以减少水蒸气对检测结果的影响。
1.3 偏最小二乘法偏最小二乘法(partial least square,PLS)是一种处理高维数据的多元统计方法,通过提取主成分实现线性回归建模,尤其适用于光谱分析等变量间存在多重共线性的场景。光谱包含大量数据,PLS可将整段光谱看作一个变量。将整段太赫兹光谱曲线作为数据库建立模型,使用PLS对数据进行综合分析,拟合数据并建立PLS预测模型。通过最小化观测变量与预测变量之间的协方差来找到最佳拟合模型。本研究涉及的主要评估参数有:决定系数(coefficient of determination)R2、均方根误差(root mean square error,RMSE)。为了验证校准模型,将该模型应用于预测集的光谱数据,得到预测的均方根误差和决定系数。模型建立后,决定系数越接近1,均方根误差越接近0,说明模型的预测效果越好。
1.4 密度泛函理论密度泛函理论(density functional theory,DFT)代表了控制晶格振动的分子间和分子内理论,计算模式可以匹配它们对应的太赫兹光谱特征。太赫兹谱是由振动模式引起的,主要是由氢键和色散力等非共价相互作用引起的,包括晶格振动、远程分子内振动和分子间振动。除太赫兹区域常见的内部分子运动外,DFT模拟还可再现由晶体叠加排列引起的外部晶格振动[18]。DFT已被证明能够高精度地再现晶体结构和太赫兹光谱[19]。
本研究采用测量的太赫兹谱和DFT共同分析太赫兹特征峰。采用Gaus–09软件包(修订版D.01,高斯公司)、B3LYP杂交函数和6–31G数据库计算松油醇在太赫兹波段中吸收峰的位置。
2 实验结果及分析讨论为了判断艾绒制作比例与松油醇含量变化的关系,先利用理论计算和分子模拟验证了松油醇的太赫兹吸收光谱。分析太赫兹波段的松油醇分子振动模式,其振动主要源于分子内多个原子参与的变形、扭曲和弯曲振动[20-21]。采用DFT解释松油醇太赫兹特征峰的理论基础,深入了解松油醇分子在太赫兹光谱内的振动模式,得出的松油醇太赫兹吸收谱如图1(a)所示,实际检测所得松油醇太赫兹特征光谱如图1(b)所示。图1(a)显示,通过分子模拟计算得到4个主要吸收峰,分别位于5.01、5.70、6.26和6.98 THz,其中5.01、6.26和6.98 THz的吸收峰分别对应太赫兹检测的特征峰(5.12、6.26和7.03 THz),这表明DFT理论计算得到的太赫兹吸收谱与实测太赫兹特征光谱高度吻合。
|
图 1 松油醇的太赫兹光谱及特征峰的分子振动模式 Figure 1 Terahertz spectroscopy and molecular vibrational modes of characteristic peaks of terpineol |
通过对分子中原子及官能团的振动旋转分析表明:5.01 THz处的吸收峰是由β–松油醇分子链振动中甲基驱动旋转引起的,如图1(c)所示;5.70 THz处的吸收峰是由环己烷在γ–松油醇中的平面弯曲引起的,如图1(d)所示;6.26 THz处的吸收峰是由异丙苯在β–松油醇中的扭曲引起的,如图1(e)所示;6.98 THz处的吸收峰是由甲基的扭转驱动α–松油醇的整个振动引起的,如图1(f)所示。同时观察到模拟计算光谱在5.01和6.98 THz处的吸收峰与实测太赫兹光谱形成弱红移,其主要原因是氢键的伸长和收缩效应[22-23]。在理论光谱中得到的5.70 THz吸收峰和其他小峰在实验光谱中没有得到,可能是因为太赫兹实验仪器的性能限制导致一些吸收峰没有被检测到。
在证明松油醇分子模拟结果与实验检测结果的特征峰位相对应后,使用FTIR对艾绒太赫兹光谱进行相应研究。对不同制作比例样品中测得的太赫兹光谱进行相同数据处理,以确保结果的准确性。在处理过程中,对数据进行平滑处理,减少噪声的影响,删除基线,纠正基线波动,提高信噪比。艾绒的太赫兹光谱及不同制作比例的特征峰强度变化趋势如图2所示。从图2(a)可以看到,艾绒有3个特征吸收峰,分别位于5.12、6.30和7.03 THz。
|
图 2 不同制作比例艾绒的太赫兹光谱及特征峰强度变化 Figure 2 Terahertz spectra and characteristic peak intensity changes of moxa wool with different production ratios |
比较艾绒和松油醇的太赫兹吸收峰,发现艾绒在5.12、6.30和7.03 THz的吸收峰对应于松油醇在5.12、6.26和7.03 THz的吸收峰。与测得的松油醇吸收峰相比,艾绒在6.30 THz处的相应吸收峰位置略有偏移。这是因为太赫兹光谱对晶体中的分子结构和较弱的分子间相互作用非常敏感,与艾绒中固态的松油醇相比,被测液体松油醇中水分子含量的差异会导致其在太赫兹波段的指纹图谱差异,峰位出现偏移[24-25]。通过观察图2(b)~(d),分析制作比例对艾绒吸收峰值强度的影响,发现艾绒吸收峰强度与艾条中艾绒的占比成正比。由于这些峰位与松油醇的特征峰相对应,因此可以认为这些吸收峰强度的变化与松油醇含量差异相关。
为了分析艾绒比例、松油醇含量与艾绒峰强度的关系,使用线性拟合对7.03 THz的特征峰进行建模和分析,并以特征峰的高度和面积作为参数来线性拟合峰高(面积)。以特征峰高(面积)作为PLS模型的输入,输出“1”、“2”和“3”分别代表制作比10∶1、20∶1和30∶1。将每个样品分成3等份,按2∶1进行校准和预测。每组模型有63个样本(每个品种21个样本),其中42个样本(每个品种14个样本)用于校准,21个样本(每个品种7个样本)用于预测。图3为吸收峰的线性拟合预测结果,发现峰面积与峰高预测效果的R2均在0.99以上,这表明太赫兹光谱可以用于检测艾绒的制作比例。
|
图 3 不同制作比例艾绒在7.03 THz的线性拟合预测结果 Figure 3 Linear fitting prediction results of moxa wool with different production ratios at 7.03 THz |
本研究证明了太赫兹光谱技术在区分不同制作比例艾绒中松油醇的含量上具有可行性,为中药材质量控制提供了一种便捷高效的无损检测方法。通过分子模拟成功计算出松油醇的振动模式,并将计算结果与太赫兹光谱中的特征峰比对,可准确描述其光谱特征并对振动模式进行合理解释。通过将松油醇光谱与艾绒光谱比对,可对艾绒中松油醇成分进行定性和定量检测,并可评估艾绒条质量。最后使用PLS方法对艾绒进行建模预测分析,决定系数R2可达0.99,这表明太赫兹光谱技术作为一种无损评估技术用来测定艾绒制作比例是准确的。在中药领域,太赫兹光谱技术具有快速精确检测特定成分的潜力,未来将在质量提升与品质评估方面做出更大的贡献。
| [1] | 兰晓燕, 张元, 朱龙波, 等. 艾叶化学成分、药理作用及质量研究进展[J]. 中国中药杂志, 2020, 45(17): 4017–4030. |
| [2] | LI M, CHAI X, WANG L Y, et al. Study of the variation of phenolic acid and flavonoid content from fresh Artemisiae argyi folium to moxa wool[J]. Molecules, 2019, 24(24): 4603. DOI:10.3390/molecules24244603 |
| [3] | ABAD M J, BEDOYA L M, APAZA L, et al. The Artemisia L. genus: a review of bioactive essential oils[J]. Molecules, 2012, 17(3): 2542–2566. DOI:10.3390/molecules17032542 |
| [4] | SOLEIMANI M, SHEIKHOLESLAMI M A, GHAFGHAZI S, et al. Analgesic effect of α-terpineol on neuropathic pain induced by chronic constriction injury in rat sciatic nerve: involvement of spinal microglial cells and inflammatory cytokines[J]. Iranian Journal of Basic Medical Sciences, 2019, 22(12): 1445–1451. |
| [5] | AHMED M, JI M, GU Z, et al. Determination of phytochemicals, antioxidant activity and biochemical composition of Chinese Mugwort (Artemisia argyi L.) leaf extract from Northeast China[J]. Applied Ecology and Environmental Research, 2019, 17(6): 15349–15362. |
| [6] | KIM S M, LEE S J, SARALAMMA V V G, et al. Polyphenol mixture of a native Korean variety of Artemisia argyi H. (Seomae mugwort) and its anti-inflammatory effects[J]. International Journal of Molecular Medicine, 2019, 44(5): 1741–1752. |
| [7] | XIE M, GUO Y, LI L. Aqueous two-phase extraction of flavonoids from Artemisia argyi leaves using an ethanol-ammonium sulfate system[J]. Advanced Materials Research, 2012, 524 − 527: 2254 − 2258. |
| [8] | CHEN Y J, WANG H S, MORISAWA Y, et al. Concept and properties of an infrared hybrid single-beam spectrum and its application to eliminate solvent bands and other background interferences[J]. Talanta, 2014, 119: 105–110. DOI:10.1016/j.talanta.2013.10.058 |
| [9] | CAI Y Y, YANG C H, XU D G, et al. Baseline correction for Raman spectra using penalized spline smoothing based on vector transformation[J]. Analytical Methods, 2018, 10(28): 3525–3533. DOI:10.1039/C8AY00914G |
| [10] | PAN L R, ZHANG P, DAENGNGAM C, et al. A review of artificial intelligence methods combined with Raman spectroscopy to identify the composition of substances[J]. Journal of Raman Spectroscopy, 2022, 53(1): 6–19. DOI:10.1002/jrs.6225 |
| [11] | YIN M, TANG S F, TONG M M. The application of terahertz spectroscopy to liquid petrochemicals detection: a review[J]. Applied Spectroscopy Reviews, 2016, 51(5): 379–396. DOI:10.1080/05704928.2016.1141291 |
| [12] | KAWASE K, OGAWA Y, WATANABE Y, et al. Non-destructive terahertz imaging of illicit drugs using spectral fingerprints[J]. Optics Express, 2003, 11(20): 2549–2554. DOI:10.1364/OE.11.002549 |
| [13] | 徐慧, 柳全文, 李文新, 等. 蒽醌及其衍生物的THz时域光谱研究[J]. 化学通报, 2006(6): 450–453. |
| [14] | UENO Y, RUNGSAWANG R, TOMITA I, et al. Quantitative measurements of amino acids by terahertz time-domain transmission spectroscopy[J]. Analytical Chemistry, 2006, 78(15): 5424–5428. DOI:10.1021/ac060520y |
| [15] | PARROTT E P J, ZEITLER J A. Terahertz time-domain and low-frequency Raman spectroscopy of organic materials[J]. Applied Spectroscopy, 2015, 69(1): 1–25. DOI:10.1366/14-07707 |
| [16] | FREDEEN N V, LESACK N I, CIOCOIU A, et al. The dynamic morphology of glucose as expressed via Raman and terahertz spectroscopy[J]. OSA Continuum, 2020, 3(3): 515–527. DOI:10.1364/OSAC.386119 |
| [17] | AFSAH-HEJRI L, HAJEB P, ARA P, et al. A comprehensive review on food applications of terahertz spectroscopy and imaging[J]. Comprehensive Reviews in Food Science and Food Safety, 2019, 18(5): 1563–1621. DOI:10.1111/1541-4337.12490 |
| [18] | ZHANG T J, YAN S S, HAO J J, et al. Experimental and theoretical investigations of terahertz spectra of the structural isomers: mannose and galactose[J]. Journal of Spectroscopy, 2021, 2021: 3469262. |
| [19] | KING M D, BUCHANAN W D, KORTER T M. Identification and quantification of polymorphism in the pharmaceutical compound diclofenac acid by terahertz spectroscopy and solid-state density functional theory[J]. Analytical Chemistry, 2011, 83(10): 3786–3792. DOI:10.1021/ac2001934 |
| [20] | ZHAO Y, SUN H T, QIN M, et al. Kinetics and mechanism for OH-initiated gas-phase chemistry of α-terpineol[J]. RSC Advances, 2015, 5(115): 95096–95103. DOI:10.1039/C5RA14781F |
| [21] | BOUCHEMELA H, MADI F, NOUAR L. DFT investigation of host–guest interactions between α-Terpineol and β-cyclodextrin[J]. Journal of Inclusion Phenomena and Macrocyclic Chemistry, 2019, 95(3): 247–258. |
| [22] | TAKAHASHI M. Terahertz vibrations and hydrogen-bonded networks in crystals[J]. Crystals, 2014, 4(2): 74–103. |
| [23] | RUGGIERO M T, ZEITLER J A, ERBA A. Intermolecular anharmonicity in molecular crystals: interplay between experimental low-frequency dynamics and quantum quasi-harmonic simulations of solid purine[J]. Chemical Communications, 2017, 53(26): 3781–3784. DOI:10.1039/C7CC00509A |
| [24] | ZEITLER J A, KOGERMANN K, RANTANEN J, et al. Drug hydrate systems and dehydration processes studied by terahertz pulsed spectroscopy[J]. International Journal of Pharmaceutics, 2007, 334(1/2): 78–84. |
| [25] | LIU H B, ZHANG X C. Dehydration kinetics of D-glucose monohydrate studied using THz time-domain spectroscopy[J]. Chemical Physics Letters, 2006, 429(1/3): 229–233. |
2025, Vol. 47
Issue (5): 9-14, 22


