Page 97 - 《广西植物》2025年第10期

１０ 期 黄丽平等: 基于 ＨＰＬＣ 指纹图谱和化学模式识别的广东神曲质量评价 １ ８ ２ ７

２.３ 化学模式识别 材样品可聚成 ３ 类:Ｓ１ －Ｓ３、Ｓ５、Ｓ９、Ｓ１０、Ｓ１２ －Ｓ１８
２.３.１ 聚类分析 以 １８ 批广东神曲样品中 ８ 个共 聚为第 １ 类ꎻＳ６－Ｓ８、Ｓ１１ 聚为第 ２ 类ꎻＳ４ 单独聚为
有峰的相对峰面积为变量ꎬ导入 ＳＰＳＳ ２７.０ 统计软 第 ３ 类(图 ５)ꎮ 这表明 Ｓ４ 批广东神曲样品与其余
件ꎬ采用组间连接方法对 １８ 批药材样品进行聚类 批次广东神曲样品之间质量上存在一定的差异ꎬ
分析ꎮ 结果显示ꎬ当平方欧式距离为 ９ 时ꎬ１８ 批药 并且与相似度结果一致ꎮ

表 ４ １８ 批广东神曲样品指纹图谱相似度评价结果
Ｔａｂｌｅ ４ Ｆｉｎｇｅｒｐｒｉｎｔ ｓｉｍｉｌａｒｉｔｙ ｅｖａｌｕａｔｉｏｎ ｒｅｓｕｌｔｓ ｏｆ １８ ｂａｔｃｈｅｓ ｏｆ Ｇｕａｎｇｄｏｎｇ Ｓｈｅｎｑｕ ｓａｍｐｌｅｓ

批次 相似度 批次 相似度 批次 相似度
Ｂａｔｃｈ Ｓｉｍｉｌａｒｉｔｙ Ｂａｔｃｈ Ｓｉｍｉｌａｒｉｔｙ Ｂａｔｃｈ Ｓｉｍｉｌａｒｉｔｙ
Ｓ１ ０.９９９ Ｓ７ ０.９９８ Ｓ１３ ０.９９９
Ｓ２ ０.９９９ Ｓ８ ０.９９９ Ｓ１４ ０.９９８
Ｓ３ ０.９９９ Ｓ９ ０.９９９ Ｓ１５ ０.９９９
Ｓ４ ０.９８９ Ｓ１０ ０.９９９ Ｓ１６ ０.９９９
Ｓ５ ０.９９９ Ｓ１１ ０.９９９ Ｓ１７ １.０００
Ｓ６ ０.９９７ Ｓ１２ ０.９９９ Ｓ１８ １.０００

析ꎬ共得 ３ 个主成分因子(特征值>１)ꎬ累计方差贡
献率为 ８２.７１％ꎬ说明 ３ 个主成分能够解释总方差
的 ８２.７１％(ＫＭＯ> ０.５ꎬＢａｒｔｌｅｔ 检验 Ｓｉｇ< ０.０５)ꎬ结
果见表 ５ꎮ 主要成分分析结果显示ꎬ主成分 １ 主要
代表峰 ２、４、６ 的信息ꎬ主成分 ２ 主要代表峰 ３、５ 的
信息ꎬ主成分 ３ 主要代表峰 １、７ 的信息(表 ６)ꎮ 将
３ 个主成分的得分分别记为 Ｙ 、Ｙ 、Ｙ ꎬ以各主成分
１ ２ ３
对应的贡献率作为权重系数ꎬ构建出综合得分模
型公式为 Ｙ ＝ ０.３２６ ８Ｙ ＋ ０.２８６ ９Ｙ ＋ ０.２１３ ３Ｙ ꎬ
综
３
２
１
分数越高ꎬ则质量越好ꎮ 结果发现ꎬＳ６、Ｓ１３、Ｓ１８、
Ｓ７ 批次的广东神曲样品得分较高ꎬ而 Ｓ５、Ｓ２、Ｓ１０、
Ｓ３ 得分排名靠后ꎬ表明后 ４ 批次广东神曲质量相
对较差(表 ７)ꎮ
２.３.３ 正交偏最小二乘法判别分析( ＯＰＬＳ￣ＤＡ)
为进一步实现 １８ 批广东神曲样品的有效区分ꎬ进
行 ＯＰＬＳ￣ＤＡ 建模分析ꎬ以筛选出对组间差异贡献
率较大的成分ꎮ 将 １８ 批广东神曲样品指纹图谱
的峰面积作为变 量 导 入 ＳＩＭＣＡ １４. １ 软 件ꎬ采 用
ＯＰＬＳ￣ＤＡ 建模后ꎬ结合 Ｒ Ｘ、Ｒ Ｙ 和 Ｑ ３ 个关键性
２
２
２
２
２
指标评价 ＯＰＬＳ￣ＤＡ 模型质量ꎬＲ Ｘ ＝ ０. ５６、Ｒ Ｙ ＝
图 ５ １８ 批广东神曲样品系统聚类分析图 ０.８２２、Ｑ ＝ ０.５２６ꎬ均大于 ０.５ꎬ说明建立的 ＯＰＬＳ￣
２
Ｆｉｇ. ５ Ｓｙｓｔｅｍａｔｉｃ ｃｌｕｓｔｅｒ ａｎａｌｙｓｉｓ ｄｉａｇｒａｍ ｏｆ ＤＡ 模型具有较高的稳定性与较好的预测能力ꎬ结
１８ ｂａｔｃｈｅｓ ｏｆ Ｇｕａｎｇｄｏｎｇ Ｓｈｅｎｑｕ ｓａｍｐｌｅｓ
果表明 １８ 批样品可分为 ３ 类ꎬ即第 １ 类( Ｓ１－Ｓ３、
Ｓ５、Ｓ９、Ｓ１０、Ｓ１２－Ｓ１８)、第 ２ 类( Ｓ６－Ｓ８、Ｓ１１)、第 ３
２.３.２ 主成分分析 以 １８ 批广东神曲指纹图谱的 类(Ｓ４)ꎬ与聚类分析结果基本一致(图 ６)ꎮ 此外ꎬ
峰面积为变量ꎬ导入 ＳＰＳＳ ２７.０ 软件进行主成分分 通过 ２００ 次置换检测进行模型内部验证ꎬ 结果发