中药一致性评价新技术
——中药太赫兹光谱发展及其量子指纹图谱在中药一致性评价中的应用

杨惠智，杨婷，孙万阳，郭萍*，孙国祥*，李茜，李晓辉（.沈阳药科大学药学院，沈阳 006；2.暨南大学药学院，广州 5062；.江门太赫兹光谱研究院，广东 江门 529000）

中药因其资源丰富、疗效显著而备受关注，但中药材自身质量不稳定、缺乏药效发挥机制阐释及相对成熟的质控方法，其药效和毒性也一直有争议。因此，为让中药获得国际广泛认可，中药材鉴别和质控技术变得尤为重要。通常，中药作为复杂样品体系，其大多数有机分子化学键振动吸收频率均在普通的红外光谱波段，但有机分子间弱相互作用等振动的吸收频率却在太赫兹波段，即中药可借助太赫兹指纹图谱实现鉴别的目的，这为中药质控方法提供了一种新途径。本文将介绍太赫兹光谱技术相关理论和系统研究技术在中药测量中的应用，主要包括数据预处理、特征提取、分类器选择和太赫兹量子指纹化等。最后讨论该技术存在的问题及其在中药方面的应用前景。太赫兹光谱技术在中药领域中的应用包括种间鉴定、同种药材规格或产地鉴定、同种药材不同加工品的鉴别、中药提取物的鉴别等，在方法上大致分为定性、定量两大方面。孙国祥教授于2020年11月提出太赫兹量子指纹图谱，为太赫兹光谱在中药整体定量方面的应用开辟了新途径。

1 太赫兹光谱技术用于中药测定的原理

1.1 太赫兹光谱技术相关理论

1.1.1 太赫兹波概述 太赫兹波是一种频率位于0.1～10 THz（1 THz＝1×10Hz）的电磁波，一般波长在30 μm～3 mm，对应波数为333～33.3 cm，见图1，具有电子学与光子学双重特性。其产生方法为电子学和光学方法两大类，电子学方法以真空电子学为基础，适用于太赫兹成像技术，而光电导天线、光学整流以及光泵浦太赫兹波气体激光器等方法可以产生太赫兹脉冲，在太赫兹光谱技术应用中较为广泛。近年来，太赫兹硬件技术突破限制，填补了从微波波段与红外波段之间的电磁波空白，令太赫兹技术的研究迅速成为热点话题。太赫兹波探测技术同时可获得相位信息，辅助红外光谱分析，利用光电导采样和自由空间电光采样等方式实现。太赫兹辐射源不仅是太赫兹研究的基础和核心内容，更是在太赫兹光谱技术在实际应用中起着决定性作用。根据太赫兹光谱带宽特点，将太赫兹辐射源化分为宽频带连续太赫兹波辐射源和窄频带脉冲太赫兹辐射源两类，其光源与传统产生的光源相比，具有瞬态性、宽带性、相干性、低能性、强穿透性等独特性质。

图1 太赫兹光波数和频段范围图Fig 1 Wave number and frequency band range of terahertz spectroscopy

1.1.2 太赫兹时域光谱系统 太赫兹时域光谱技术（terahertz time domain spectroscopy，THz-TDS）是太赫兹光谱技术应用在中药鉴定和定量方面具有代表性的检测手段（结构示意图见图2）。THz-TDS是利用透射式或反射式两类方法得到携带样品信息的时域谱，其谱经傅里叶变化，获得样品相关光学参数。THz-TDS系统由飞秒激光器、太赫兹发射装置、太赫兹探测器和时间延迟控制系统组成。透射谱在THz-TDS鉴定中药领域中被广泛应用，适于测定吸收太赫兹波较少的固体。其透射式原理为飞秒激光器产生激光脉冲，利用分束镜分为两个串列的光路：一路作为抽运光来激发太赫兹发射装置产生太赫兹波，经透射通过样品到达探测器；另一光路则作为探测光，在时间延迟系统控制下，与携带样品信息的太赫兹波共线通过太赫兹探测器，最后信号输入锁相放大器，进一步由计算机接收处理。由于单个太赫兹脉冲时间与采样一次时间不在一个数量级上，需要逐步重复采样，从而获得整个太赫兹时域波形（见图3）。

图2 LZ9000 THz中药太赫兹量子指纹一致性评价系统的太赫兹主机结构示意图Fig 2 THz host structure of LZ9000 THz quantum fingerprints of TCM for the quality consistency evaluation

图3 中药太赫兹时域光谱（A）和中药太赫兹吸收系数谱（B）Fig 3 Terahertz time domain spectrum（A）and terahertz absorption coefficient spectrum of TCM（B）

1.1.3 光学参数的获得 一般基于THz-TDS系统来对中药定性或定量时，太赫兹透射光谱提取光学参数是应用最广泛的方法。其主要提取的思路为分别测量样品置于光路下得到的太赫兹信号和无样品下得到的太赫兹信号，分别定义为实测信号和参考信号。为获得单独包含样品信息谱线，实测信号和参考信号常用去卷积运算。即先利用傅里叶变换运算方法将直接获得的时域转化成频域，在频域基础上，比较两者得到包含样品厚度信息的透射率，再根据相关运算公式得到折射率、吸收系数、消光系数、介电常数等光学参数。

折射率、消光系数、吸收系数等参数都受样品厚度的影响，因此利用太赫兹光谱技术鉴定中药或是测定中药中成分的含量，都需要先对样品进行处理。通常，中药固体样品要保持厚度一致，对于中药的液体制剂每次测量时，取一定的体积，确保太赫兹波的光程基本一致。由于中药样品大多数为固态，一般先将其处理制成固态粉末，再采用压片法进行样品制备。赵峰等研究表明太赫兹光谱技术在中药鉴别应用上的作用机制表现为一个与中药种类和样品厚度有关的太赫兹光波低通滤波器。因中药材样品厚度难标准化，需对厚度进行归一化数据处理。孙国祥教授提出不充高纯氮气来隔绝水蒸气的措施，通过使用空气空白校正即可保证太赫兹光谱峰位的绝对重现性，认为所充氮气流压力会导致激光束聚焦位置偏移从而使太赫兹峰位偏移，在不充氮气条件下试验会获得非常好的太赫兹光谱重现性，这为中药太赫兹量子指纹图谱进行整体定性和定量分析带来了可能性。由于太赫兹激光光源每天开机时可能不完全一致，这可能导致太赫兹定性和定量指纹峰的峰位变化，成为太赫兹光谱定量峰变动性的一个影响因素。

通常，在样品制备过程需要注意以下四点：

① 样品颗粒直径大小是出现散射效应问题的关键，多数太赫兹吸收谱线的偏移是因散射效应引起的。当粉末粒径与太赫兹波长相近时，往往会引发散射效应。因此为防止散射问题出现，一般样品粉碎处理后，还需过200目筛（孔径为75 μm）。

② 水在太赫兹波段敏感，为防止在中药鉴定时，水对实测信号谱图的影响，制备过程需确保样片干燥。在中药粉碎前，进行样品干燥操作，还需注意实验环境的干燥性。样片制备好后，将其放入真空干燥箱中储存，等待测量。

③ 样片的厚度要保持在1～1.2 mm（质量0.2～0.3 g），样品过厚太赫兹波穿透时信号强度衰减严重，不易被末端接收器接收；样品过薄，又会造成太赫兹波在样品内部的反复反射现象，可能导致与主脉冲信号重叠从而令吸收峰判定为弱峰。

④ 因聚乙烯粉末在太赫兹波段信号吸收弱且具有很好的黏性等性质，可以将其作为压片法中的黏合剂或分散剂。另外，当聚乙烯粉末作为分散剂时，其具有稀释样品、扩大太赫兹光谱的有效范围等作用。

液体池法（0.5 mm光程）适合于中药多组分定量分析，因为液体的均匀性和可重复性为定性和定量带来了可行性，但太赫兹光谱定量需要使用太赫兹量子化指纹软件。药品太赫兹光谱测定以液体池法测定吸光系数谱最为有效，原理类似紫外分光光度法。

太赫兹光谱采用光谱量子化方法会增加和简化整体定性和整体定量信息，可使用“中药光谱量子指纹一致性数字化评价系统4.0”软件。该软件可对UV、FTIR、NIR、拉曼光谱（RAMAN）、DSC和电化学等一切连续信号的*.CSV文件使用量子化处理模式。

1.2 太赫兹光谱数据处理方法

1.2.1 预处理 应用太赫兹光谱技术时，为确保数据的准确性、重复性，一般会在傅里叶计算之前进行切趾和零填充等处理。前者通过降低噪声和排除信号伪影来改善频谱质量，后者借助增加更多光谱数据点，来平滑光谱内光谱特征；借助澄清形状来提高峰值拟合。但随着研究人员对数学处理方式不断深入探索，为解决太赫兹光谱图中所存在的与样品无直接关系的信号问题，如仪器系统本身的噪声、背景噪声、温度变化以及在多次检测过程中样品摆放位置不同引入的无关信号等，一般采用化学计量法去进行后续光谱特征的识别和判定，同样为提高后期数学建模的可靠性，还可采用Savitzky-Golay卷积平滑法、标准正态变量变换、多元散射校正、导数谱、归一化、波长选取等数学处理方法。

1.2.2 太赫兹光谱的理论研究 太赫兹光谱的理论研究主要包括两个方面：① 采用量子化学计算方式对研究对象进行仿真，并结合太赫兹光谱的实验数据，分析吸收峰振动来源；② 数学建模思想，即化学计量法，对实验数据深度分析，实现研究对象的定量、定性分析。

① 太赫兹量子化学理论：量子化学是基于量子计算和信息处理上的基础化学，其本质是借求解薛定谔方程中的波函数，从微观说明电子-原子体系稳定状态，以达到对物质结构和化学反应理论探究的目的。通过量子化学法模拟得到理论吸收光谱，与实验谱比较并结合可视化软件分析太赫兹光谱中吸收峰振动模式来指认吸收峰来源。

单电子体系可完整表征体系中的电子结构与相互作用关系，但中药是一个化学成分复杂的混合物体系，具有多电子原子特点，故计算可能烦琐。采用不同的近似方法处理，又可能会造成体系方向和精确度不同等问题，因此可通过从头算分子轨道算法、半经验分子轨道理论、密度泛函理论等方式来改进。

除计算方法的选择影响着模拟谱图结论，基组的选择也同样影响模型的准确性和计算的复杂程度。基组越大越精确，但耗时，通常根据实际情况具体分析选择性价比高的基组，其类型一般有斯莱特基型轨道（Slater-type orbital，STO）、高斯型轨道（Gaussian-type orbital，GTO）、压缩高斯型轨道（Contracted GTO）、最小基组（minimal basis set）、劈裂价键基组（split-valence basis set）、极化函数（polarization function）、弥散函数（dispersion function）等。

Gaussian是应用于太赫兹光谱检测领域较为广泛的量子化软件，其适用于仿真单分子或多聚体等有限分子体系，难模拟晶体形态；在计算晶体结构周期体系时，选用比Gaussian软件更有优势的Materials Studio软件中的CASTEP模块。CASTEP模块以密度泛函平面波赝势方法为理论基础，不光可优化晶体体系、寻得最低能量，还可与太赫兹光谱对应，计算吸光度、透射率等光学参数。通常，两个软件仿真过程都分为构造模型、分子结构优化、频率计算三个步骤进行。段瑞鑫等基于THz-TDS，结合泛函密度理论（DFT）和HIPHOP模型，成功对降糖类药物进行了功能基团的识别和分子结构的解析。

② 化学计量学理论：当某些中药材的太赫兹图谱具有明显的光学特征，某些物质具有固有属性特点的特征吸收峰时，其可以直接对中药材进行定性。因此面对简单中药光谱时，可采用传统吸收峰提取法确定吸收峰特征信息，包括寻峰和拟合两个独立步骤。目前，常用的寻峰算法有简单比较寻峰法、导数寻峰法、小波变换、对称零面积变换法等。

沙琳等研究表明天然牛黄和人工牛黄的太赫兹吸收谱线存在较大差异，可作为直接鉴定的依据。Li等发现三七与当归、厚朴与百倍鹅掌柴、川穹与藁本以及当归与毛当归等4组中药材的太赫兹光谱图存在吸收峰重叠无法识别的情况。当中药光谱差异较小且复杂时，往往需要采用化学计量法，其基于模式识别方式进行，根据分类的方式会分为有监督学习和非监督学习方法。神经网络和支持向量机（support vector machines，SVM）为典型的有监督学习法，广泛应用于太赫兹光谱技术鉴定中药，如陈艳江等在得到中药炙甘草和生甘草、南柴胡和北柴胡、山豆根和北豆根等3组中药太赫兹谱图后，利用3种不同的函数构建SVM，并同时建立误差反传神经网络（BP 神经网络）进行中药的定性，结果表明SVM是实现太赫兹光谱技术对中药快速、精确分类的有效方法之一。而非监督学习方法，如聚类分析被用来表征中药太赫兹光谱的特征，借助从高维空间寻得低维流形的降维思想，客观识别中药。

太赫兹光谱结合化学计量法用于中药的定性、定量大多都是先将已预处理后的实验数据，再经特征提取、分类器的选择、评估与优化等几个步骤来全面分析样本信息。特征提取本质是对光谱测量数据成分的分解、重组和选择，寻找能概括数据特点的特征。其主要方法有数据降维处理的主成分分析（PCA）法和用于非线性特征的自编器模型法，此外还有独立成分分析模型（independent componet analysis，ICA）等。杨玉平等利用THz-TDS鉴别两类红花和牛黄，并用PCA法对获得的光谱数据进行分类识别，结果证明主成分得分图可以很好地反映光谱之间的差异性，分类鉴别准确率几乎都为100%。

SVM是目前用于太赫兹鉴定方面应用最为广泛的分类器，具有结构风险最小化的概念，有保障模型学习能力强且有泛化能力的特点。简单来说，SVM就是基于一组已知样本建立校正模型，对预测集进行估计的分类技术。随机森林（RF）法还可以通过一系列决策树来估计最后的结果，避免过拟合问题发生。以上方法大多需要经验丰富的实验工作者自行设计特征提取器等，对变化的数据具有一定局限性。而深度学习方法利用非线性的结构将数据变得更为抽象，其自动提取特征的特点，适用于大样本、非线性的大数据运算，代表方法有卷积神经网络（CNN）和深度神经网络（DNN）等，使太赫兹光谱技术应用于中药鉴别时准确率更高，测量速度更快。

构建的模型常借混淆矩阵或K交叉验证法来进行评估和优化。前者是一种误差矩阵，可观察每个类别的预测准确率与混淆的错误类别，除了准确率外，还将精准率和召回率作为其指标，更为准确地衡量分类器的准确度。后者作为聚类分析的算法之一，适用于检验模型泛化能力，即先将数据分为K组，得

k

个子集，再利用子集分别做一次验证集，以其平均值作为验证方法的评价指标，衡量分类器的优劣。太赫兹波谱具有大量待挖掘的光谱数据点，适合于采用高维数据的聚类分析法，可利用

t

-SNE、K均值聚类算法等算法，将高维数据转换成低维，再进行可视化计算，实现直观化、客观化反映中药的测量结果。Tang等曾因

t

-SNE具有对不同数据集敏感性的弊端，提出了改进算法 Large Vis，此方法既解决大量数据的聚类问题，又解决高维数据聚类问题。

2 太赫兹光谱技术在中药中的应用前景

2.1 太赫兹光谱技术在中药定性分析中的应用

中药化学成分复杂，长久以来中药质量控制（包括原材料的识别、鉴定、有效成分确定等）困扰着中药界的科研人员，阻碍中药现代化进程。中药材从来源分类为植物、动物以及矿物质，其中植物为主要来源，由此可确定大多数中药材成分为有机物。研究表明，有机分子间弱相互作用、大分子骨架振动以及晶体或晶格的低频电磁响应等生物大分子的振动和转动能级都落在太赫兹波段。这些反映分子整体结构和相关环境信息的振动模式，说明太赫兹光谱具有中药这种混合物体系的“宏观指纹特征”，同时太赫兹光谱技术还可获得中药的色散信息，可与红外光谱的信息互补，作为辅助鉴定工具。因为太赫兹辐射的电磁波具有瞬态性、低能性、宽带性、相干性等特点，不光克服了传统鉴定方法上过于主观性、片面性的问题，还能有效抑制背景辐射噪音的干扰，且太赫兹脉冲相干性可检测样品中不同成分的细微变化，能对样品分子异构体进行区别。目前太赫兹光谱技术在中药鉴定领域的应用，分为以下四个方面：不同种类中药材鉴定、同种药材的规格或产地鉴别、同种药材不同加工品的鉴别、提取物的鉴别。

2.1.1 不同种类的中药材的鉴别 张蕾等以当归、茯苓、枳实和板蓝根为检测对象，利用THz-TDS得到中药样品的吸收光谱图和色散曲线，比较发现不同种类的药材吸收峰位置、吸收系数等光学参数存在差异。寇天一根据人参和西洋参所含人参皂苷在太赫兹光谱上有不同的指纹特征，利用太赫兹光谱技术进行鉴别，同时结合MATLAB 软件识别两者光谱图，通过PCA算法成功分类鉴定了人参和西洋参。证实太赫兹光谱应用于不同种类中药材鉴定是可行的。赵春喜等测量了中药三七和甘草的太赫兹谱线，两者的吸收峰差异很大，可作为鉴定方法。

2.1.2 同种药材的规格或产地鉴别 刘丽萍等运用太赫兹时域系统，对不同产地的天麻素进行了鉴别，结果证实了不同产地的天麻素对太赫兹波谱图影响不大，只导致其特征峰值响应强度的不同。李瑞凯等基于THz-TDS，结合PCA与K均值聚类算法分别对来自同一产地、厂家的3组中草药（巴戟天、粉防己、猪苓）真伪品药材进行鉴定。结果表明3组真伪中药差别判定率为100%，说明太赫兹光谱技术能够精准地区分中草药的真伪，在中草药质量品鉴应用前景巨大。杨玉平等利用THz-TDS系统分别对藏红花和草红花、天然牛黄和人工牛黄两组药材及其伪品进行测量，结合PCA对太赫兹光谱识别分类，红花类有明显聚类趋势，鉴别准确率都为100%；而天然牛黄和人工牛黄判别准确率分别为100%和90%。研究表明太赫兹光谱技术结合PCA可区分种间、种内的中药，为中草药的质量控制提供新思路。章龙在获得黄连、大黄、蒲黄、人工牛黄、掺杂牛黄和天然牛黄的6种物质THz-TDS光谱图后，构建RF模型和3种参数优化SVM模型，对其吸收光谱图进行分类鉴别。结果显示，两种模型下的鉴别准确率均可达到95%。但由于牛黄药材昂贵，样品数据量小导致RF模型识别精准性下降，故又提出合成少数类过采样技术（SMOTE）的RF模式，解决了数据不平衡导致的识别率低下的问题，为太赫兹光谱技术对稀有中药的鉴别提供了新方法。

2.1.3 同种药材不同加工品的鉴别 太赫兹光谱技术同样能够鉴别同种药材不同加工品，李小霞等通过对同一产地4种不同制法工艺的附子片样品进行THz-TDS测量，证实了不同制片方法令太赫兹折射率存在明显差异，借此能够对其不同加工品进行定性判别。杨帅等利用PCA鉴定了大黄炮制品的不同性，而胡清宇基于太赫兹光谱技术结合PCA对生大黄、熟大黄、大黄炭和酒大黄进行测量与鉴定，其4种物质的太赫兹光谱反映出中药炮制品中基础物质成分间的相互作用信息，借此将不同炮制品区分开来。

2.1.4 中药提取物的鉴别 关于太赫兹光谱在中药提取物鉴别方面的应用较少，张蕾等将5个不同厂家生产的银杏叶提取物样本与符合国家标准规定下的标准银杏叶提取物的太赫兹吸收谱与色散曲线进行比较，结果发现谱图与色散曲线存在差异。他们指出这种差异源于生产工艺和提取辅料不同。从现有的研究成果可以看出，太赫兹光谱技术可以应用于鉴定中药，为中药质量标准体系的建立提供一条新途径。

2.2 太赫兹光谱技术在中成药鉴别中的应用

随着生产工艺技术的进步，为提高患者用药依从性和能够自主控制中药发挥疗效，按处方将中药饮片制成不同剂型的中药制剂，供临床应用。由于制成中成药后，往往失去了中药材或中药饮片外观形态，传统“一看，二摸，三品尝”的鉴别方式明显不适用。太赫兹的低能性、强穿透性、瞬态性等特点决定了太赫兹光谱技术可应用在混合物体系更为复杂的中成药鉴别中，有着安全检查、无损检测等优势。

胡清宇等对4种中药大黄炮制品做太赫兹谱线图，结合化学计量学处理得到结果证实太赫兹光谱技术对中药炮制品成分十分敏感，能够把基础成分含量不同的炮制品区分出来。江保峰等以百令胶囊和金水宝胶囊两种中成药为检测对象，用THz-TDS系统对10批不同批次药进行检测，采用PCA和聚类分析进行识别分类，结果百令胶囊聚类准确率为100%，金水宝胶囊为90%，由此说明太赫兹光谱技术可作为中成药鉴别的新兴分析手段。此项研究还呈现同种中成药不同批次药间的吸收谱图差异性大，故这种差异性可作为鉴别药品稳定性的指标，太赫兹光谱技术与其他现代鉴别技术互补，更加完善化合物整体性信息，为中成药的质量管控体系的建立提供新途径。

2.3 太赫兹光谱技术在中药定量分析中的应用

相对于太赫兹光谱技术在中药领域定性鉴别的应用，其在定量分析中的应用情况更少。一般使用太赫兹光谱技术进行定量分析时，分为以下两种情况：谱图显示明显特征吸收峰，可采用线性的单变量校准方法；太赫兹光谱图中包含多个变量参数相关光谱特征时，可结合化学计量法（偏最小二乘法、最小二乘支持向量机等）进行多元化分析。马品等运用太赫兹光谱技术，利用天麻药材中含水量与吸收系数成正相关线性关系，实现对药品水分含量的检测。郭昌盛等在折射率谱的基础上，建立与贝壳粉质量百分比相关的偏最小二乘回归模型，回归得到结果为贝壳粉含量的均方误差为1.2%，说明太赫兹光谱技术可用于中药定量分析。

2.4 太赫兹光谱技术在中药材中重金属和农药残留检测中的应用

中药中的重金属和农药残留是中药质量控制重点关注之一，太赫兹波段涵盖着物质丰富的理化性质信息，太赫兹光谱技术新兴对中药重金属、农残检测方式带来了新突破。

颜志刚等利用太赫兹光谱技术对农药残留进行检测研究。马卿效等系统性地阐述太赫兹光谱技术在农药检测领域的研究进展，通过农药鉴定和识别、农药指纹数据库的建立、农药的定量与定性分析、农药理论计算等多方面来证实太赫兹波段用于中药的农药残留检测的可行性，可对中药残留农药定性和定量。李斌等基于THz-TDS，以重金属代表的铅为检测对象，结合区间-偏最小二乘法和遗传算法-偏最小二乘法预测建模，用单变量校准法，即重金属铅的含量与透射光谱的吸收系数关系，对土壤中的重金属含量定量。为太赫兹光谱技术应用于中药重金属检测与应用技术的开发提供理论依据。

2.5 太赫兹光谱量子指纹图谱评价中药一致性

孙国祥教授在2019年4月提出中药FTIR量子指纹图谱概念的基础上，于2020年11月16日将量子指纹图谱技术直接应用于中药太赫兹光谱量子指纹一致性评价中，并开展了香烟、甘草、陈皮、砂仁、广藿香和复方甘草片太赫兹光谱量子指纹图谱一致性评价研究。将“中药光谱量子指纹图谱一致性数字化评价系统4.0”软件与华讯方舟科技有限公司太赫兹光谱仪联用形成“LZ9000 THz中药太赫兹量子指纹一致性评价系统”，该系统正成为中药质量一致性评价的一种可行策略与方法。

3 太赫兹光谱量子指纹图谱评价不同产地甘草质量一致性

3.1 样品制备

精密称取200 mg甘草粉末（在60℃干燥箱内干燥2 h），置压片模具中，用24 MPa压1 min，制成直径为13 mm的圆形薄片，记录压片后的重量以及样品片的厚度。

3.2 测定条件

CCT-1800太赫兹时域光谱仪（中国深圳华讯方舟科技有限公司）；DHG-9070A电热鼓风干燥箱（上海一恒科学仪器有限公司）；HY-12压片机（天津天光光学仪器有限公司）；LAB 214 i分析天平[艾德姆衡器（武汉）有限公司]。聚乙烯粉末（HDPE，粒度120 μm；上海冠步机电科技有限公司）。将太赫兹时域光谱仪开启并打开测试工作站，仪器预热30 min后，将测试片放在样品架上，通入氮气除去样品仓中的水汽后，获取氮气参考谱线。把制备的样品放置在样品架上进行扫描测定，每片测定1次，平均次数100。

3.3 数据处理

用“LZ9000 THz中药太赫兹量子指纹一致性评价系统”进行处理，将太赫兹吸收系数谱导入系统中，选取0.2～10 THz，用定点合并法（最大峰高法），合并点数10个点，转化成THz量子指纹图谱后，再计算其

P

值。

3.4 甘草太赫兹量子指纹图谱建立与评价

测定13产地85批次甘草药材太赫兹光谱，全部用定点合并法（最大峰高法）按10点合并成一个太赫兹量子指纹峰（共197个量子指纹峰），按平均值法生成标准甘草太赫兹量子指纹图谱RFP，见图4。采用系统指纹定量法，用RFP评价85批甘草质量等级见表1。除S6、S12、S70和S82的样品

S

≤ 0.950，其余样品的

S

波动不大（0.950～0.985），并且

α

均≤ 0.05，这说明甘草样品的化学成分种类和分布比例十分相似。样品的

P

相较之下波动略大（98.9%～116.6%），表明甘草样品整体含量存在差异性，是甘草样品质量等级划分的主要影响因素。采用系统指纹定量法，成功将85批甘草样品划分成四个等级：S2、S3、S5、S7、S8、S13、S14、S16、S17、S20、S24、S26～S36、S38～S40、S42、S45、S48～S50、S52、S53、S55～S64、S66～S69和S71～S85划 分 为Ⅰ 类；S1、S4、S6、S9～S12、S15、S18、S19、S21、S22、S25、S33、S37、S46、S47、S51、S54、S65、S70、S77和S82划分为Ⅱ类；S23、S41和S44划分为Ⅲ类；S43划分为Ⅳ类。

表1 用THz光谱量子指纹图谱评价13个产地85批甘草质量的一致性
Tab 1 Quality consistency evaluation of 85 batches of licorice from 13 origins by THz quantum fingerprints

编号 Sm Pm/% α 等级 编号 Sm Pm/% α 等级 编号 Sm Pm/% α 等级S1 0.974 93.5 0.007 2 S30 0.976 96.7 0.021 1 S59 0.979 97.4 0.020 1 S2 0.982 95.4 0.004 1 S31 0.974 97.0 0.003 1 S60 0.967 97.6 0.010 1 S3 0.981 95.6 0.011 1 S32 0.978 102.3 0.022 1 S61 0.977 103.8 0.012 1 S4 0.977 94.0 0.013 2 S33 0.975 93.4 0.001 2 S62 0.978 103.3 0.014 1 S5 0.950 97.7 0.017 1 S34 0.971 98.9 0.011 1 S63 0.972 102.5 0.015 1 S6 0.938 99.9 0.019 2 S35 0.974 100.3 0.016 1 S64 0.980 97.1 0.014 1 S7 0.965 101.5 0.007 1 S36 0.982 100.9 0.012 1 S65 0.973 105.0 0.010 2 S8 0.979 98.7 0.006 1 S37 0.963 91.8 0.009 2 S66 0.977 102.6 0.023 1 S9 0.971 106.4 0.012 2 S38 0.961 98.6 0.007 1 S67 0.975 99.9 0.018 1 S10 0.971 90.2 0.023 2 S39 0.974 98.6 0.024 1 S68 0.980 96.4 0.018 1 S11 0.964 94.5 0.024 2 S40 0.974 98.3 0.009 1 S69 0.973 101.4 0.016 1 S12 0.945 96.3 0.024 2 S41 0.982 113.9 0.019 3 S70 0.907 96.8 0.012 2 S13 0.975 96.0 0.016 1 S42 0.983 101.5 0.004 1 S71 0.978 103.0 0.028 1 S14 0.968 98.6 0.017 1 S43 0.973 116.6 0.023 4 S72 0.972 98.7 0.014 1 S15 0.970 94.6 0.015 2 S44 0.966 113.1 0.024 3 S73 0.962 102.1 0.021 1 S16 0.968 96.1 0.025 1 S45 0.981 99.6 0.012 1 S74 0.970 96.3 0.008 1 S17 0.974 97.2 0.010 1 S46 0.974 105.2 0.019 2 S75 0.975 99.7 0.013 1 S18 0.973 94.8 0.012 2 S47 0.958 108.1 0.005 2 S76 0.977 101.0 0.015 1 S19 0.972 94.0 0.021 2 S48 0.982 101.5 0.012 1 S77 0.976 91.1 0.016 2 S20 0.964 98.3 0.026 1 S49 0.974 104.1 0.001 1 S78 0.978 101.5 0.016 1 S21 0.969 93.9 0.003 2 S50 0.980 101.3 0.010 1 S79 0.970 98.5 0.016 1 S22 0.965 91.9 0.010 2 S51 0.978 106.9 0.020 2 S80 0.966 99.3 0.026 1 S23 0.964 89.9 0.009 3 S52 0.982 99.5 0.003 1 S81 0.971 102.8 0.021 1 S24 0.970 98.8 0.017 1 S53 0.974 100.2 0.007 1 S82 0.939 106.5 0.021 2 S25 0.975 94.9 0.008 2 S54 0.981 107.6 0.017 2 S83 0.980 100.4 0.018 1 S26 0.978 97.3 0.013 1 S55 0.980 99.1 0.009 1 S84 0.965 96.4 0.012 1 S27 0.974 98.9 0.007 1 S56 0.981 100.2 0.021 1 S85 0.973 97.8 0.028 1 S28 0.985 96.9 0.003 1 S57 0.982 102.4 0.016 1 RFP 1.000 100.0 0.000 1 S290.985101.70.0131S580.95596.20.0171

图4 甘草太赫兹光谱标准量子指纹图谱（A）和85批甘草太赫兹光谱量子指纹图谱（B）Fig 4 Terahertz standard quantum fingerprints of licorice（A）and terahertz quantum fingerprints of 85 batches of licorice（B）

利用均值法获得各产地下两种生态模式样品评价结果，以更清晰地分析产地样品信息，结果见表2。值得注意的是，在整体样品

S

波动极小（0.955～0.982），

α

均≤ 0.05的情况下，哈萨克斯坦和乌兹别克斯坦人工栽培生长模式下的样品与野生生长的样品相比较，人工栽培的样品

P

值更趋近于RFP的

P

（100%）。并且这两产地下人工栽培生长的样品比野生生长的样品质量评价等级高。说明在哈萨克斯坦和乌兹别克斯坦地区人为控制甘草生长，可能会使其内在质量更加稳定。在中国产地野生生长的甘草，除阿克苏地区

P

值为93.5%，余下地区样品

P

均≥ 95.0%，说明在国内产地野生生长的甘草样品内在物质总含量相似性程度高。然而，在中国内蒙古地区人工栽培下生长的样品

P

为111.3%，远远超过其他地区，显示出该地区甘草成分含量的极大差异性。同样，以

S

、

P

和

α

为指标鉴别各产地甘草样品的质量，将其划分为三类：野生生长模式下的吉尔吉斯斯坦、土库曼斯坦、中国内蒙古、中国库尔勒、中国沙雅、中国甘肃、中国伊犁、中国莎车、富沃和中国喀什地区甘草样品以及人工栽培生长模式下的哈萨克斯坦、乌兹别克斯坦和吉尔吉斯斯坦地区的甘草样品被划分为Ⅰ类；野生生长模式下哈萨克斯坦、乌兹别克斯坦和中国库尔勒地区的甘草样品被划入Ⅱ类；人工栽培生长的中国内蒙古地区甘草样品为Ⅲ类。

表2 不同产地甘草鉴别结果
Tab 2 Determination of licorice from different producing areas

产地 生长方式 编号 Sm Pm/% α 等级 产地 生长方式 编号 Sm Pm/% α 等级哈萨克斯坦 野生生长 S1～S3 0.979 94.8 0.007 2 中国新疆伊犁 野生生长 S28～S30 0.982 98.4 0.012 1吉尔吉斯斯坦 野生生长 S4～S6 0.955 97.2 0.016 1 中国新疆莎车 野生生长 S31～S33 0.976 97.6 0.009 1土库曼斯坦 野生生长 S7～S9 0.972 102.2 0.008 1 中国新疆喀什 野生生长 S34～S36 0.976 100.0 0.013 1乌兹别克斯坦 野生生长 S10～S12 0.960 93.7 0.024 2 哈萨克斯坦 人工栽培 S37～S40 0.968 96.8 0.012 1中国内蒙古 野生生长 S13～S15 0.971 96.4 0.016 1 中国内蒙古 人工栽培 S41～S44 0.976 111.3 0.018 3中国甘肃 野生生长 S16～S18 0.972 96.0 0.016 1 乌兹别克斯坦 人工栽培 S45～S48 0.974 103.6 0.012 1中国新疆库尔勒 野生生长 S19～S21 0.968 95.4 0.017 1 吉尔吉斯斯坦 人工栽培 S49～S52 0.979 103.0 0.009 1中国新疆阿克苏 野生生长 S22～S24 0.966 93.5 0.012 2 中国新疆沙雅 人工栽培 S53～S85 0.971 100.1 0.016 1中国新疆沙雅 野生生长 S25～S27 0.976 97.0 0.009 1

4 展望与结语

目前，太赫兹光谱技术作为一个新兴光谱分析手段，在药学领域中的应用尚处于起步阶段，大多数的成果也在实验室研究阶段。除与太赫兹光谱仪器庞大、成本昂贵等自身发展局限性相关外，还与试验操作环境的高要求，样品制备条件的高标准以及中药现阶段缺乏太赫兹标准数据库，不利于中药的大样本系统研究，相关算法不完善等因素有关。太赫兹光谱技术因自身特殊性质，可监测中药从中药材制饮片、再制成中成药的变化过程，实现鉴别中药中有效成分和有害成分的目的，为完善中药质量标准体系打下基础。从2012年到2020年共举办了五届全国太赫兹科学技术与应用学术交流会，有力推动了太赫兹科学技术的发展和应用。本文推出的太赫兹光谱量子指纹图谱技术可在中药一致性评价中使用，可能会成为一种新策略。