近红外光谱技术应用于中药四类味觉分类辨识的可行性分析

作者：王小鹏; 张璐; 陈鹏举; 王艳丽; 李涵; 桂新景; 刘瑞新; 李学林

来源：中草药, 2023, 54(04): 1076-1086.

• 中药
• 近红外光谱
• 五味
• 味觉辨识
• 化学计量学
• 苦
• 甜
• 酸
• 咸
• 主成分分析-判别分析
• 偏最小二乘-判别分析
• K-近邻算法
• 标准正态变量变换

目的 探讨近红外光谱（near infrared spectroscopy,NIRS）技术用于不同味觉中药分类辨识的可行性。方法 以分别具有苦、甜、酸、咸4种味道的35种饮片水煎液和12种常用食品类成分溶液为研究载体，获取其NIRS信息作为自变量（X），以《中国药典》2020年版一部饮片性状项下味觉描述结合口尝结果作为标杆信息（Y），比较5种光谱预处理方法，然后利用主成分分析-判别分析（principal component analysis-discriminant analysis,PCA-DA）、偏最小二乘-判别分析（partial least squares-discriminant analysis,PLS-DA）、K-近邻算法（K-nearest neighbor algorithm,KNN）分别对中药苦、甜、酸、咸4类味觉进行模型辨识探讨，并基于留一法交互验证结果的混淆矩阵（confusionmatrix,CM）和敏感性、特异性、精度等指标对模型的性能进行综合评价。结果 标准正态变量变换（standardnormalvariabletransformation,SNV）是相对更有效的预处理方法，以预处理后的光谱数据建立的PCA-DA模型为最优辨识模型，其对苦与非苦、甜与非甜、酸与非酸、咸与非咸、四分类辨识的留一法交互验证正判率分别为89.4%、93.6%、87.2%、97.9%、87.2%。四分类辨识混淆矩阵也以PCA-DA模型性能较好，对苦、甜、酸、咸的分类正确率分别为87%、94%、73%、100%。PCA-DA模型的敏感性、特异性、精度分别平均为0.89、0.91、0.88，均极显著优于PLS-DA和KNN模型（P<0.01）。结论 基于NIRS技术初步建立了中药苦、甜、酸、咸4类味觉的分类辨识模型，可为中药五味的定性辨识研究提供新的方法参考。

• 单位
  第一附属医院药学部; 河南中医药大学