藏药五脉绿绒蒿不同部位红外光谱的识别

doi:10.16333/j.1001-6880.2015.06.021

天然产物研究与开发 ›› 2015, Vol. 27 ›› Issue (6): 1052-1055.doi: 10.16333/j.1001-6880.2015.06.021

藏药五脉绿绒蒿不同部位红外光谱的识别

赵庆帅1,2，周玉碧1，孙胜男1,2，卢学峰1，叶润蓉1，彭敏1，孙菁1*

1 中国科学院西北高原生物研究所，青海省青藏高原特色生物资源研究重点实验室，西宁810008；2 中国科学院大学，北京100049

出版日期:2015-06-30 发布日期:2015-07-10

Analysis of Different Parts of Tibetan Medicine Meconopsis quintuplinervia Regel by FT-IR

ZHAO Qing-shuai1,2,ZHOU Yu-bi1,SUN Sheng-nan1,2,LU Xue-feng1,YE Run-rong1,PENG Min1,SUN Jing1*

1 Qinghai Key Laboratory of Qinghai Tibet Plateau Biological Resources,Northwest Institute of Plateau Biology, Chinese Academy of Sciences,Xining 810008,China; 2 Graduate University of Chinese Academy of Sciences,Beijing 100049，China

Online:2015-06-30 Published:2015-07-10

摘要/Abstract

摘要： 采用傅立叶变换红外光谱法对藏药五脉绿绒蒿花、花梗、叶以及全草进行了红外光谱图的识别分析。对五脉绿绒蒿在4000~400 cm^-1范围内进行了红外光谱扫描，并对主要吸收谱带进行了基团的归属分析。五脉绿绒蒿红外光谱特征的分析结果表明，不同部位的一维光谱和二阶导数谱有明显差异。一维红外光谱谱图中主要特征谱带的相对强度比值，可对不同部位进行区分。二阶导数谱图的1517~1471 cm^-1和1162~1107 cm^-1波段是区分其不同部位的主要特征波段。因此，红外光谱能够快速、无损地对五脉绿绒蒿不同部位进行鉴别，为藏药五脉绿绒蒿不同部位的成分差异分析提供了一种科学有效的方法。

关键词: 傅立叶变换红外光谱, 二阶导数谱图, 五脉绿绒蒿, 不同部位

Abstract: In this study,different parts of Meconopsis quintuplinervia were discriminated and identified by Fourier transform infrared spectroscopy (FT-IR) coupled with second derivative infrared spectroscopy.The findings indicated that different parts of M.quintuplinervia samples had dissimilar fingerprint characters in FT-IR spectra.Such spectral technique can provide structural information of the complicated samples.There were differences in the ratio of relative intensity of the characteristic peaks of FT-IR.The difference was amplified by the second derivative spectrum for the peak shape in 1517-1471 cm^-1 and 1162-1107 cm^-1. In conclusion,FT-IR spectroscopy combined with second derivative spectroscopy provided a powerful and useful approach for the identification of traditional medicines.

Key words: FT-IR;second derivative spectroscopy, Meconopsis quintuplinervia Regel;different parts

中图分类号:

R931.71 R931.5

赵庆帅1,2，周玉碧1，孙胜男1,2，卢学峰1，叶润蓉1，彭敏1，孙菁1*. 藏药五脉绿绒蒿不同部位红外光谱的识别[J]. 天然产物研究与开发, 2015, 27(6): 1052-1055.

ZHAO Qing-shuai1,2,ZHOU Yu-bi1,SUN Sheng-nan1,2,LU Xue-feng1,YE Run-rong1,PENG Min1,SUN Jing1*. Analysis of Different Parts of Tibetan Medicine Meconopsis quintuplinervia Regel by FT-IR[J]. NATURAL PRODUCT RESEARCH AND DEVELOPMENT, 2015, 27(6): 1052-1055.

[1]	曾梅, 王朝晖, 王志辉, 龙雨青, 曾娟, 周新茹, 周日宝, 刘湘丹. 基于HPLC指纹图谱及网络药理学的杜仲质量标志物预测分析[J]. 天然产物研究与开发, 2023, 35(8): 1283-1296.
[2]	陈海杰, 周永逸, 薛佳, 邹立思, 吴楠, 袁嘉欢, 刘训红, 程建明. 基于UFLC-QTRAP-MS/MS技术分析三叶崖爬藤不同部位的多元活性成分[J]. 天然产物研究与开发, 2023, 35(8): 1322-1337.
[3]	龙若兰, 李朵, 冯丹, 李佩佩, 孟晓萍, 孙菁. 五脉绿绒蒿总黄酮提取工艺优化、红外光谱分析及抗氧化活性评价[J]. 天然产物研究与开发, 2022, 34(增刊1): 1-9.
[4]	曾昭君, 余欣彤, 邓成程, 黎桃敏, 史龙梅, 张兰兰, 刘燎原. 基于化学模式识别和熵权TOPSIS法分析木棉花不同部位的差异[J]. 天然产物研究与开发, 2022, 34(9): 1557-1564.
[5]	张睿胤, 成凤, 郑亚杰, 陈鹏, 陆英, 袁建华, 李先信, 唐其. 基于HS-SPME-GC-MS法测定酸橙不同时期及不同部位的挥发性成分[J]. 天然产物研究与开发, 2022, 34(5): 790-799.
[6]	易紫容, 张睿胤, 王佳玲, 李可爱, 张誉湘, 陈淼芬, 郑亚杰, 唐其. 顶空固相微萃取-气质联用法测定白术不同部位挥发性成分[J]. 天然产物研究与开发, 2022, 34(10): 1690-1698.
[7]	李朵, 李佩佩, 栾真杰, 孟晓萍, 孙菁. 藏药五脉绿绒蒿不同部位红外光谱判别分析[J]. 天然产物研究与开发, 2020, 32(5): 805-812.
[8]	葛琦1，万晶琼2，朱益灵1，王一姝1，何小翠1，魏渊1，欧阳臻*. 金蝉花核苷类成分的LCMS定性分析与HPLC含量测定[J]. 天然产物研究与开发, 2019, 31(11): 1857-1863.
[9]	肖春霞1,2，杨万霞2，涂江涛2，苑春茂2，黄烈军2，胡永2，段玉书1,2，顾玮2，郝小江2,3. RP-HPLC法测定不同产地及不同部位马蓝中六种活性成分的含量[J]. 天然产物研究与开发, 2018, 30(7): 1188-1194.
[10]	谭亮*，赵静，马家麟，冀恬，董琦，沈建伟. 青海玉树沙棘不同部位营养成分分析与营养价值评价[J]. 天然产物研究与开发, 2018, 30(5): 807-816.
[11]	杨翠1*，赵锦花2，王强1，杨卫雪1，李光开1，扈雅宁1. 尾叶香茶菜不同部位挥发性成分比较分析[J]. 天然产物研究与开发, 2018, 30(12): 2120-2127.
[12]	杨迎光1,2，张渝渝2，翁代群3，张毅2*. UPLC-MS测定不同产地及不同部位昆明山海棠中6种活性成分含量[J]. 天然产物研究与开发, 2016, 28(3): 382-387.
[13]	刘小攀，田春莲*，姚姝凤，董爱文，田启建. 响应面法优化忽地笑多糖提取工艺及石蒜属植物多糖含量比较研究[J]. 天然产物研究与开发, 2015, 27(9): 1576-1581.
[14]	舍莉萍1,2，孙菁1*，周玉碧1，孙胜男1,2，赵庆帅1,2，叶润蓉1，卢学峰1，彭敏1. 四种绿绒蒿属植物中总黄酮含量测定[J]. 天然产物研究与开发, 2015, 27(3): 466-469.
[15]	李文芳，向宁，李望. 独根草不同部位几种化学成分的分析比较[J]. 天然产物研究与开发, 2012, 23(4): 507-509.

藏药五脉绿绒蒿不同部位红外光谱的识别

Analysis of Different Parts of Tibetan Medicine Meconopsis quintuplinervia Regel by FT-IR

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价