基于近红外光谱与机器学习快速测定菊花活性成分含量及品种鉴别研究

　　本研究结合近红外光谱（NIRS）与超高效液相色谱（UPLC），通过多元算法建立了菊花（CF）的快速定性判别与定量预测模型，实现了多品种精准鉴别（准确率95.7%）及6种活性成分（如绿原酸、木犀草苷等）的高效含量预测（R2>0.8），为中药材智能质控提供了创新技术路径。

　　

Highlight

本研究亮点在于整合近红外光谱技术与智能算法，实现了菊花品种的高通量快速鉴别与多组分同步定量分析，为传统中药材的现代化质控提供了技术范式。

Chemicals

实验所用化学参照物包括绿原酸（chlorogenic acid）、木犀草素-7-O-β-D-葡萄糖苷（luteolin-7-O-β-D-glucoside）、3,5-O-二咖啡酰奎宁酸（3,5-O-dicaffeoylquinic acid）、田蓟苷（tilianin）、芹菜素（apigenin）和金合欢素（acacetin），均购自德思特生物技术有限公司（纯度≥98.0%）。色谱级乙腈和甲酸由麦克林生化有限公司提供。

Samples

共采集186批样本，涵盖亳菊（BJ）、滁菊（CJ）、贡菊（GJ）、杭菊（HANGJ）、怀菊（HUAIJ）及祁菊（QJ）等主流药用品种，样本经粉碎过筛后干燥保存，确保分析一致性。

UPLC data analysis

采用UPLC对6种活性成分进行精准定量，所有含量数据均以干燥品基准计算。混合对照品与菊花样本的色谱图见图1A（注：输出省略图示）。该方法经线性、精密度、稳定性、重复性及准确度验证（详见表2），符合分析要求。

Conclusion

研究证实，近红外光谱结合子空间聚类与偏最小二乘回归（PLS）可同步实现菊花品种快速鉴别与活性成分含量预测，为中药材智能质控提供了高效、绿色的解决方案。