[发明专利]大黄药材基原的鉴别模型及其构建方法，鉴别方法

说明书

本发明涉及药材鉴别技术领域，具体而言，涉及大黄药材基原的鉴别模型及其构建方法，鉴别方法。通过检测大黄药材指纹图谱，选定共有色谱峰，以峰面积为自变量代入典则判别式函数得到对应的坐标点，再观察其与标准坐标位置的一致性。这种鉴别方法更加直观，能够快速的鉴别基原大黄的种类。采用分类函数模型，将自变量代入分类函数中计算，比较判别值，值最大者即为待鉴定样品对应的基原。这样的鉴别方法简单、快速，鉴别结果也更加准确。本发明提供的鉴别方法计算简单，并且鉴别的结果准确，丰富了鉴别手段，有利于企业进行内控质量标准的建立。

技术领域

本发明涉及药材鉴别技术领域，具体而言，涉及大黄药材基原的鉴别模型及其构建方法，鉴别方法。

背景技术

大黄，本品为蓼科植物掌叶大黄、唐古特大黄或药用大黄的干燥根和根茎。秋末茎叶枯萎或次春发芽前采挖，除去细根，刮去外皮，切瓣或段，绳穿成串干燥或直接干燥。

目前，关于药材的基原鉴别，《中国药典》是通过DNA条形码分子鉴别。然而很多品种的药材都没有DNA条形码。企业在控制药材基原时，往往只能采用药典标准中的鉴别方法，即进行外观形状鉴别、显微鉴别、薄层鉴别、化学鉴别等。但是，对于部分药材品种，采用上述方法仍然不能将同品种不同基原鉴别开来。因此，开发一种经济、可靠的药材基原的鉴别方法具有重大意义。

有鉴于此，特提出本发明。

发明内容

本发明的第一目的在于提供一种大黄药材基原鉴别模型及其构建方法，通过上述构建方法构建得到的鉴别模型为线性模型，计算简单。对17个变量进行降维，消除多重线性共线问题，使鉴别更加准确。并且，利用高效液相色谱法对药材进行指纹图谱分析，数据准确、稳定。

本发明的第二目的在于提供一种大黄药材基原的鉴别方法，通过典则判别式函数计算待鉴定样品的判别得分，在散点图中观察该样本的聚类情况，这种鉴别方法简单明了，可以更加直观的得到鉴别结果。

本发明的第三目的在于提供另一种大黄药材基原的鉴别方法，通过分类函数计算待鉴定样品的判别值，取最大值为本样品的判别类别。这样的鉴别方法更加简单，快速。并且，鉴别结果也更加准确。丰富了鉴别手段，有利于企业进行内控质量标准的建立。

为了实现本发明的上述目的，特采用以下技术方案：

一种大黄药材基原鉴别模型的构建方法，包括如下步骤：

(1)采用液相色谱法分别建立药用大黄、唐古特大黄、掌叶大黄的三组标准指纹图谱，独立地计算三组所述标准指纹图谱上的17组特征峰占总峰面积的比例，从左到右依次得到三组自变量X1、X2、X3、X4、X5、X6、X7、X8、X9、X10、X11、X12、X13、X14、X15、X16和X17；

(2)将所述三组自变量分别代入典则判别式函数计算，得到三组判别得分D1和D2；

所述典则判别式函数为：

函数1：

D1＝155.8×X1-39.9×X2-129.1×X3+117.5×X4+6.8×X5+489.9×X6+92.7×X7+786.4×X8+147.8×X9-46.6×X10+718.9×X11+167.5×X12+7.2×X13+333.8×X14-139.9×X15+1429.1×X16-53.8×X17-70.7；

函数2：

D2＝56.5×X1+1.7×X2+5.8×X3+4.4×X4-6.9×X5-54.5×X6+16×X7+70.4×X8+222×X9-22.6×X10-139×X11+18.4×X12+14.8×X13+76.4×X14+75.7×X15-137.1×X16+1.5×X17-8.8；