Page 46 - 202009

峰为葡萄糖，11 号峰为半乳糖，12 号峰为肌醇六乙酸 表2 12批药材样品的相似度评价结果
酯。因3号峰峰面积较大且分离度良好，故将该峰作为 Tab 2 Results of similarity evaluation of 12 batches of
参照。 samples
12
3 编号 S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 R
200 1 2 45 6 7 8 9 10 11
R S1 1.000 0.992 0.986 0.991 0.995 0.988 0.994 0.992 0.992 0.991 0.994 0.999 0.996
180 S12 S2 0.992 1.000 0.998 0.999 0.996 0.998 0.990 0.998 0.993 0.987 0.997 0.991 0.998
160 S11 S3 0.986 0.998 1.000 0.997 0.990 0.999 0.983 0.995 0.987 0.978 0.994 0.984 0.995
S10
140 S9 S4 0.991 0.999 0.997 1.000 0.996 0.997 0.988 0.997 0.992 0.987 0.998 0.989 0.998
电信号， 120 S8 S5 0.995 0.996 0.990 0.996 1.000 0.992 0.996 0.998 0.998 0.996 0.998 0.995 0.999
pA
100
S6
0.988 0.998 0.999 0.997 0.992 1.000 0.988 0.997 0.991 0.983 0.995 0.987 0.997
S7
S6
80
S5 S7 0.994 0.990 0.983 0.988 0.996 0.988 1.000 0.995 0.999 0.997 0.992 0.994 0.996
60 S4 S8 0.992 0.998 0.995 0.997 0.998 0.997 0.995 1.000 0.997 0.993 0.998 0.991 0.999
40 S3 S9 0.992 0.993 0.987 0.992 0.998 0.991 0.999 0.997 1.000 0.998 0.995 0.992 0.997
S2
20 S1 S10 0.991 0.987 0.978 0.987 0.996 0.983 0.997 0.993 0.998 1.000 0.993 0.991 0.994
0 S11 0.994 0.997 0.994 0.998 0.998 0.995 0.992 0.998 0.995 0.993 1.000 0.993 0.999
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 S12 0.999 0.991 0.984 0.989 0.995 0.987 0.994 0.991 0.992 0.991 0.993 1.000 0.995
时间，min R 0.996 0.998 0.995 0.998 0.999 0.997 0.996 0.999 0.997 0.994 0.999 0.995 1.000
图1 12批药材样品的叠加GC指纹图谱
Fig 1 GC superimposed fingerprint of 12 batches of 欧氏距离
0 5 10 15 20 25
samples S3
S6
80 3
75 S5
70 5
65 4 S8
60 12
55 S9
50 9 10
45 11 S2
pA 40 样品编号 S12
电信号， 30 S4
35
25
20
15 S7
10 S10
5
0 S1
6 8 10 12 14 16 18 20 22 24 26 28 30
S11
时间，min
注：3.鼠李糖；4.阿拉伯糖；5.岩藻糖；9.甘露糖；10.葡萄糖；11.半乳 图3 12批药材样品GC指纹图谱的聚类树状关系图
糖；12.肌醇六乙酸酯 Fig 3 Cluster tree diagram of GC fingerprint of 12
Note：3. rhamnose；4. arabinose；5. fucose；9. mannose；10. glucose； batches of samples
11. galactose；12. inositol hexaacetate
图2 混合单糖对照品衍生化样品的GC图谱 SPSS 21.0软件进行主成分分析和因子分析。采用降维
[11]
Fig 2 GC chromatogram of derivative sample of 理论 ，通过高度概括相关指标来达到浓缩数据的目
mixed monosaccharides control 的。以主成分分析得到的相关矩阵的特征值和方差贡
献率为基础，进行因子分析 ；根据主成分个数确定原
[11]
借助《中药色谱指纹图谱相似度评价系统（2012
则，保留特征值≥1 的主成分或累积贡献率≥80％的主
版）》对 12 批药材的相似度进行分析。结果，12 批药材
成分 [12-13] 。金银花药材的主成分分析结果见表3，碎石图
的相似度≥0.994，详见表2。
2.6 聚类分析 见图4。由表3可见，共有3个成分的特征值大于1，分别
将 12 批药材共有峰的峰面积作为变量，利用 SPSS 为 5.659、2.745、1.724；且这 3 个成分的累积贡献率为
21.0软件进行聚类分析。本研究采用系统聚类法，将样 84.400％，超过 80％。由图 4 可见，4 号成分为转折处的
品之间的距离定义为欧氏距离，并将类与类之间的距离 特征根编号，故4号成分前面的因子即为要提取的数目，
作为最短距离，进行聚类分析并得到树状关系图，详见 即应提取前3个主成分为宜。
图3。由图3可知，当欧式距离为10～25时，样品可以分 主成分数目确定后，利用因子载荷矩阵表计算综合
为两大类，即S1、S7、S10、S11聚为一类，其余聚为一类； 得分，且综合得分越高，表明样品的综合评价结果越好、
在其余批次这类中，又可以分为两类，其中 S3、S6 聚为 品质越高 [11，14] 。12 批药材样品的主成分得分、综合得分
一类，S2、S4、S5、S8、S9、S12聚为一类。 及排名见表 4。由表 4 可见，S12 药材的品质最好，S5 次
2.7 主成分分析和因子分析 之，S11最末。基于此，本课题组选取S12药材样品进行
将 12 个批药材共有峰的峰面积作为变量，利用 后续的体外抗病毒研究。

·1064 · China Pharmacy 2020 Vol. 31 No. 9 中国药房 2020年第31卷第9期