“开发用于快速定量植物提取物中天然色素的新分析策略：结合光谱学和化学计量学——以靛蓝染料中的靛蓝素和靛红素为例。”

《Microchemical Journal》：“Development of novel analytical strategies for rapid quantification of natural pigments from plant extracts: combining spectroscopy and Chemometrics, the case of indigotin and indirubin in indigo dye.”

紫外-可见光谱结合PLS和MCR模型用于天然靛蓝中靛红素和靛玉红的同步测定，通过预处理解决光谱重叠问题，模型预测性能优异（RMSEP分别为4.0%和13%/2.9%和20%），为工业质量控制提供快速低成本的替代方法。

　　自然靛蓝是一种传统的染料，主要由靛蓝素、靛红和碳酸钙组成。这种染料在历史上具有重要地位，是人类最早发现的色素之一，并且至今仍然在纺织工业中广泛应用，尤其是用于牛仔布的染色。尽管合成染料在20世纪末的出现极大地改变了染料市场，使其在成本、一致性和颜色多样性方面更具优势，但近年来，由于消费者对纺织染色环境影响的关注增加，以及污水处理法规的日益严格，自然染料重新受到重视。自然靛蓝不仅在环保方面具有优势，还因其在生产过程中对化学物质的依赖较低，被认为是一种更安全的替代品。

然而，自然靛蓝的质量取决于其中靛蓝素和靛红的相对含量。这两种成分并非存在于新鲜的植物中，而是在提取过程中由植物叶片中的前体物质如异靛A、异靛B和靛蓝前体（indican）转化而来。在标准的提取方法中，植物的地上部分被浸泡在室温水中，随后加入氢氧化钙以促进前体物质的水解，生成靛醇。接着，空气中的氧气氧化靛醇，最终形成靛蓝素和靛红。同时，空气中的二氧化碳与氢氧化钙反应生成胶体状的碳酸钙，有助于过滤正在形成的色素，并直接获得符合商业标准的粉末。

在实际应用中，自然靛蓝粉末主要由碳酸钙构成，通常含有3%至7%的靛蓝素和0.1%至0.6%的靛红。这两种成分的比例决定了自然靛蓝的颜色深浅，使其在染色行业中具有独特的价值。因此，准确测定这两种成分的浓度对于确保自然靛蓝产品的质量至关重要。传统的检测方法，如高效液相色谱与光电二极管阵列检测（HPLC-PDA），虽然能够实现精确的定量分析，但其过程较为繁琐，需要大量的溶剂，并且对样品的处理条件有较高要求。这些因素限制了其在工业中的广泛应用，尤其是在需要快速检测和低成本分析的情况下。

为了解决这一问题，本研究提出了一种基于紫外-可见（UV–Vis）光谱技术和多变量分析的新方法，用于同时测定靛蓝素和靛红。该方法不仅能够快速、高效地完成分析，还具有较低的溶剂消耗，符合现代工业对环保和成本效益的要求。为了验证该方法的可行性，研究人员使用了86个样本，分为训练集和测试集，用于构建和评估化学计量模型。这些样本涵盖了不同来源和不同提取条件下的自然靛蓝样品，以确保模型的广泛适用性。

在构建模型的过程中，研究人员采用了两种不同的多变量技术：偏最小二乘（PLS）回归和多变量曲线解析（MCR）结合相关约束。这两种方法在处理具有重叠吸收光谱的混合物时各有优势。PLS回归是一种常用的预测建模方法，能够通过分析光谱数据中的变量与浓度之间的关系，实现对目标成分的定量。而MCR则是一种能够解析混合物吸收光谱的方法，通过分解光谱数据为各个纯成分的光谱，从而实现对复杂混合物中多种成分的同时测定。两种方法在预测性能方面均表现出良好的效果，能够有效解析重叠的吸收峰，实现对样品中靛蓝素和靛红的准确测定。

在实际应用中，研究人员使用工业样品进行预测，结果显示，使用PLS模型对靛蓝素和靛红的预测误差分别为4.0%和13%，而使用MCR模型的预测误差分别为2.9%和20%。尽管MCR模型在靛红的预测误差方面略高，但其在解析吸收光谱方面的能力更为突出，能够更有效地分离重叠的吸收峰。这些结果表明，基于UV–Vis光谱技术和多变量校准的方法在自然靛蓝的定量分析中具有重要的应用潜力，特别是在需要快速、低成本检测的情况下。

此外，本研究还探讨了不同光谱预处理方法对PLS和MCR模型性能的影响。由于光谱数据中可能存在光谱干扰和旋转模糊，研究人员采用了多种预处理方法，如基线校正、平滑处理和归一化，以提高模型的预测能力。这些预处理方法能够有效减少光谱数据中的噪声和干扰，提高模型对样品中成分的识别和定量准确性。通过比较不同预处理方法的效果，研究人员确定了最适合用于本研究的预处理方案，从而确保了模型的稳定性和可靠性。

本研究的实验设计包括测量不同浓度的靛蓝素和靛红溶液的UV–Vis光谱，以构建可靠的化学计量模型。这些实验数据为后续的模型构建和验证提供了基础。研究人员采用PLS和MCR两种方法对这些数据进行分析，以评估其在实际应用中的性能。通过比较两种方法的预测误差和模型解释能力，研究人员发现，尽管两种方法在预测性能上存在一定的差异，但均能够有效实现对自然靛蓝样品中靛蓝素和靛红的准确测定。

在实际应用中，研究人员还评估了该方法在不同样品矩阵中的适用性，包括植物提取物和历史绘画等。这些样品的光谱数据可能受到多种因素的影响，如样品的基质成分、提取方法和储存条件。因此，研究人员在构建模型时，特别关注了这些因素对模型性能的影响，并通过调整模型参数和优化预处理方法，提高了模型的适用性和稳定性。此外，研究人员还探讨了该方法在实际工业环境中的应用前景，包括其在质量控制、生产监测和环境评估中的潜在价值。

本研究的成果表明，基于UV–Vis光谱技术和多变量分析的方法能够有效解决自然靛蓝样品中靛蓝素和靛红的定量分析问题。该方法不仅能够快速、高效地完成分析，还具有较低的溶剂消耗和成本，符合现代工业对环保和经济性的要求。通过与传统的HPLC-PDA方法进行比较，研究人员发现，该方法在预测性能和适用性方面均具有显著优势，尤其是在需要同时测定多种成分的情况下。因此，该方法有望成为自然靛蓝生产过程中质量控制的重要工具，为生产商和消费者提供更加可靠和高效的检测手段。

本研究的创新之处在于，首次提出了利用吸收光谱数据同时测定靛蓝素和靛红的方法。这一方法不仅能够提高检测的效率，还能够降低对昂贵设备和复杂操作的依赖，使其在实际应用中更具可行性。此外，研究人员还探讨了该方法在不同样品条件下的适用性，包括样品的浓度范围、光谱特性以及样品的来源。通过分析这些因素对模型性能的影响，研究人员确定了该方法在不同应用场景中的优化方案，从而确保了其在实际应用中的稳定性和可靠性。

在实验过程中，研究人员使用了多种化学试剂和溶剂，以确保实验数据的准确性和可重复性。这些试剂包括Milli-Q? IQ 7000生产的高纯度水、Sigma-Aldrich提供的HPLC级乙腈、95%纯度的靛蓝素以及从自然靛蓝样品中纯化得到的靛红。此外，研究人员还使用了二甲基亚砜（DMSO）和37%浓度的盐酸（p/p）作为实验中的辅助试剂。这些试剂的选择和使用条件均经过严格控制，以确保实验数据的质量和可靠性。

在样品制备过程中，研究人员特别关注了样品的均匀性和稳定性。为了确保实验数据的准确性，样品在制备时被充分混合，并在适当的条件下保存。此外，研究人员还对样品的浓度范围进行了详细分析，以确保模型能够适用于不同浓度的样品。通过比较不同浓度样品的光谱数据，研究人员确定了最佳的浓度范围，并在此基础上构建了可靠的化学计量模型。

在实验数据的处理和分析过程中，研究人员采用了多种数据处理方法，包括数据归一化、平滑处理和基线校正。这些方法能够有效减少光谱数据中的噪声和干扰，提高模型对样品中成分的识别和定量准确性。通过比较不同数据处理方法的效果，研究人员确定了最适合用于本研究的处理方案，从而确保了模型的稳定性和可靠性。

本研究的结果不仅为自然靛蓝的定量分析提供了新的方法，还为其他具有类似光谱特性的问题提供了参考。例如，在某些情况下，天然染料或历史绘画的分析也可能面临光谱重叠的问题，而本研究提出的方法可以有效解决这一问题，提高分析的效率和准确性。此外，该方法还可以应用于其他需要同时测定多种成分的场景，如环境监测、食品分析和药物研发等。

综上所述，本研究提出了一种基于UV–Vis光谱技术和多变量分析的快速、高效、低成本的定量方法，用于同时测定自然靛蓝样品中的靛蓝素和靛红。该方法在实际应用中表现出良好的预测性能和稳定性，能够有效解析重叠的吸收峰，实现对复杂混合物中多种成分的准确测定。通过与传统的HPLC-PDA方法进行比较，研究人员发现，该方法在预测性能和适用性方面均具有显著优势，特别是在需要快速检测和低成本分析的情况下。因此，该方法有望成为自然靛蓝生产过程中质量控制的重要工具，为生产商和消费者提供更加可靠和高效的检测手段。