前沿研究| 三维荧光快检技术在药品监督抽检中的探索性研究Ⅰ

发布时间：

2026-03-04

责任编辑：

运营中心

浏览量：

分享到：

中药材因品种繁多、成分复杂，常面临伪品掺假、二氧化硫超标等质量问题，在当前大力发展新质生产力和中药产业数字化转型过程中，对于分析方法的快速、智能、经济与绿色环保提出了更高的要求。为此，国家药品监管部门在年度国家级药品抽检工作中，鼓励采用光谱等快检手段开展药品质量评价新技术的探索性研究。但当前主流的药品快检技术，在方法理论和软硬件层面仍有较大提升空间。

日前，科迈恩（北京）科技有限公司联合湖南大学及多省市药品检验检测研究院完成的研究《三维荧光快检技术在药品监督抽检中的探索性研究 Ⅰ - 中药材真伪优劣鉴别》，发表于《药物分析杂志》。研究团队通过三维荧光光谱结合自加权交替三线性分解算法及多种化学计量学建模方法，构建了中药材正品与伪/劣品的定性鉴别模型，为复杂药品体系中中药材的品质鉴定提供了科学依据与技术路径。该研究不仅为沉香、乳香等中药材质量管控提供了一套高效、可靠的解决方案，也为高维光谱技术在药品快检领域的应用提供了可推广的方法框架。

▲图为文章封面

研究亮点

研究构建了三维荧光光谱采集-光谱预处理-因子分解-化学计量学建模的一体化智能快检技术体系，核心算法与模型设置如下：

核心算法（SWATLD）：采用自加权交替三线性分解算法对三维荧光激发-发射矩阵进行因子分解，可有效克服复杂体系中光谱重叠严重的问题，实现特征信息的“数学分离”代替或增强“化学、物理分离”，即使在未知干扰物共存的情况下，也能提取出纯净的组分光谱信息。
数据预处理：针对三维荧光特有的散射干扰，采用分段 Hermite 样条插值算法去除瑞利散射和拉曼散射；根据不同药材特性，分别应用 UV 标度化、均一化、ParetoN 标度化及中心化处理，消除量纲差异并增强模型鲁棒性。
定性判别模型：采用无监督与有监督学习相结合的策略，先通过主成分分析（PCA）、层次聚类分析（HCA）进行探索性数据分析，直观展示正品与伪/劣品的特征聚类情况；后构建偏最小二乘判别分析（PLS-DA）模型，通过7折交叉验证评估模型性能，确保模型在不同批次样本间的泛化能力。

▲图为中药材三维荧光建模快检分析流程示意图

▲图为ATLD与NIR二维光谱建模差异

▲图为ATLD分解流程

实验设计

研究选用2020年版《中国药典》收载的6种常用中药材及伪/劣品：正品为沉香、乳香、白芷、桃仁、防己、五灵脂；伪/劣品包括山沉香、珀嘎、硫熏白芷、杏仁、防己伪品、人造五灵脂，各来自青海、河北等多省市药品检验检测研究院。

光谱采集：使用科迈恩 UltraFLUOR1000 三维荧光光谱仪等设备采集光谱，激发波长范围200~600nm、发射波长范围200~725nm，完成131批次样品的特征光谱采集，获得高维荧光指纹图谱数据。
数据处理：所有数据的预处理、因子分解、建模与结果分析，在科迈恩ModelLab Specman3D 三维荧光与化学计量学智能建模软件中完成，适配现场快检与批量筛查的实际需求。

▲图为三维荧光背景及散射扣除前后光谱图

研究结果

（1）特征差异分析：SWATLD 因子分解后，正品与伪/劣品中药材在荧光组分及荧光强度上呈现显著特征差异，为鉴别提供核心光谱依据。

（2）聚类分析性能：主成分分析（PCA）结果显示，6种中药材的正品与伪/劣品在 PCA 得分图中分组界限清晰、无明显重叠，表明二者的三维荧光图谱存在本质特征差异；层次聚类分析（HCA）结果与 PCA 相互印证，进一步验证了样品特征差异的客观性与可分性，可直观实现正品与伪/劣品的初步区分。

（3）定性鉴别性能：所有基于 PLS-DA 构建的6套中药材真伪优劣鉴别模型，经 7 折交叉验证后性能表现优异，拒识率（FNR）、误识率（FRP）均为0，灵敏度（TRP）与特异性（SPC）均达到100%；以白芷为例，模型ROC曲线下面积（AUC）接近 1.0，混淆矩阵显示预测准确率 100%，其余5种中药材的鉴别模型均呈现同等优异的性能，实现对中药材真伪优劣的精准快速鉴别。

▲图为真伪优劣鉴别的PLS-DA建模结果统计（白芷）

研究总结

本研究通过系统的实验设计与数据分析，利用高维光谱所蕴含的丰富信息，结合化学计量学精准的数据挖掘与建模能力，着力构建基于高维光谱与化学计量学智能建模相融合的创新技术体系，并将其应用于中药材质量评价领域；凭借三维荧光技术快速、灵敏的特性，结合针对中药材特异性荧光指纹图谱的构建与解析，开发出一套高效、准确且适用于现场快速筛查的中药材鉴别方法；挖掘三维荧光分析技术在国家药品抽检流程中的实际应用效能，以期为国家药品质量管控提供技术支撑。

若需深入了解该研究技术细节，可点击原文链接查看完整内容：《三维荧光快检技术在药品监督抽检中的探索性研究Ⅰ——中药材真伪优劣鉴别》。

无

智能解决方案丨AI赋能的汽车质量管控与一致性评价