天麻产地加工与品质特征的研究

《天麻产地加工与品质特征的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ChengduUniversityofTraditionalChineseMedicine（药学院）二0一八届硕士研究生学位论文天麻产地加工与品质特征的研究ResearchonPrimaryProcessingandQualityCharacteristicsofGastrodiaelata研究生姓名：周碧乾指导教师：马云桐教授学科专业：生药学二○一八年五月学位论文天麻产地加工与品质特征的研究ResearchonPrimaryProcessingandQualityCharacteristicsofGastrodiaelata周碧乾指导教师姓名

2、：马云桐教授申请学位级别：硕士专业名称：生药学论文提交时间：2018年5月论文答辩时间：2018年5月二○一八年五月摘要天麻为兰科植物天麻GastrodiaelataBl.的干燥块茎，其产地加工方法及工艺条件是品质特征形成的关键，直接影响到临床疗效。本文针对天麻在产地加工过程中存在的问题，结合传统工艺特性，应用化学及统计学的分析方法，从加工过程中需解决的实际问题入手，以加工的关键技术为突破口，通过天麻加工过程中内外品质特征的变化与工艺参数的相关分析，开展天麻产地加工过程中品质特征变化规律的研究，为天麻生产提供科学依据。本文从天麻本草、文献数据的

3、挖掘，多指标评价方法的建立，加工过程物理、化学特性的变化，加工后天麻品质特征的评价等方面开展研究。对本草记载中天麻的四种主要传统加工方法（酒浸、煨、煮和蒸）、功效及其应用变化进行整理。对2007~2017年天麻质量研究的文献中天麻素等含量与产地环境变量数据进行分析，结果表明：以天麻素含量为参考，野生品高于栽培品；纯种高于杂交种；绿天麻含量最高；贵州地区质量最佳。环境因素以年降水量对天麻素含量影响最大，最热月均温影响最小。天麻素与对羟基苯甲醇呈中度负相关，与巴利森苷A、巴利森苷B呈中度正相关，巴利森苷A、B、C相互间呈高度正相关。PowerMap

4、生成的天麻素含量地理分布热图可见，总体上天麻素含量较高的地域连片分布，主要集中于四川盆地周围的山地地区，该区域在海拔、气候等方面均有较强相似性。应用HPLC法同时测定天麻7种酚类成分，酶标法测定天麻多糖含量，数据以隶属度公式进行标准化后运用相关系数法计算各指标的权重系数，结果为：天麻素（P=0.13）、对羟基苯甲醇（P=0.14）、巴利森苷E（P=0.12）、巴利森苷B（P=0.14）、对羟基苯甲醛（P=0.15）、巴利森苷C（P=0.15）、巴利森苷A（P=0.11）、天麻多糖（P=0.06）。运用公式P(Aj)=ΣA(Uij)*Pi计算模糊

5、概率值，结果表明：不同天麻样品模糊概率值的排序与天麻药材的质量内涵基本一致，本研究建立的评价方法能够量化和客观反映天麻综合品质的差异。天麻产地加工过程中传质传热动力学研究表明：天麻杀青过程为减速熟透过程，由内部热传递速率决定，且煮制杀青效率更高。温度对天麻干燥的影响较大，温度升高，前期水分比变化增大，相同时间水分蒸发增加，水分比变化曲线弧度I加大；整体干燥速率加快；干燥速率变化幅度增大；干燥速率曲线弧度加大。且随着干燥时间和温度增加，天麻的颜色会逐渐加深，继而出现空心现象，影响天麻的外观性状。不同熟透程度天麻的干燥趋势均为先快速下降、后低速平衡

6、，熟透度为31%的天麻干燥终点时水分比最低，但干燥速率差异较大，表明熟透程度对天麻干燥影响显著。综合比较Weibull，Logarithmic，HendersonandPabis和Twotermexponential四种常用干燥模型，发现Weibull模型具有最高的拟合度。发汗通过调节内外水分平衡，增加内部水分扩散速率，减少内部水分滞留，利于天麻干燥。化学成分分析发现，经杀青处理的天麻中苷类成分的含量远高于生品天麻，苷元类成分却远低于生品天麻，且蒸制比煮制对天麻的影响更突出。干燥温度升高，天麻素、巴利森苷B、巴利森苷C和对羟基苯甲醛的含量升高；

7、对羟基苯甲醇、巴利森苷A和巴利森苷E的含量下降。发汗后天麻素、巴利森苷B、巴利森苷C和巴利森苷E的含量增加，对羟基苯甲醇和巴利森苷A的含量下降。应用天麻综合评价方法优化天麻产地不同加工工艺，得最优米汤工艺：粳米60g，加水2000mL煮制20min，过滤后加入天麻煮制20min，取出60℃烘干。最优蒺藜子工艺：蒺藜子15g，加水1000mL煮制30min，过滤后加天麻煮制20min，取出60℃烘干。最优酒制工艺：酒浸15h，取出60℃烘干。最优主流工艺：60℃干燥40h，持续发汗3次，每次20h。应用化学模式识别建立天麻产地加工追溯方法，HCA

8、和PLS-DA对不同样品分类有效，天麻素和多糖为追溯标志性成分。采用GS-SVM建立判别模型，交叉验证和预测正确率分别为97.37%和100%。因此，