鄧妍 劉曉鳳 葉萌 吳磊 劉濤

摘 要：近紅外光譜技術(shù)具有快速、無需樣品制備及每次測量可同時(shí)確定多個(gè)成分的特點(diǎn)，但隨著應(yīng)用的增加，其存在的一些問題也逐漸顯現(xiàn).以近紅外光譜技術(shù)在中藥實(shí)際應(yīng)用中遇到的問題為切入點(diǎn)，對(duì)相關(guān)問題如近紅外光譜技術(shù)在中藥樣品處于水溶液體系難以分析、建模所需樣本量大及模型通用性不強(qiáng)等進(jìn)行了討論，并提出了建議與展望，為近紅外光譜技術(shù)在中藥產(chǎn)業(yè)中的進(jìn)一步應(yīng)用提供參考.

關(guān)鍵詞：近紅外光譜；水光譜組學(xué)；通用性；模型轉(zhuǎn)移；樣本量

中圖分類號(hào)：O657.33;R284

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1004－5422（2023）03－0225－05DOI：10.3969/j.issn.1004-5422.2023.03.001

0 引 言

近年來，近紅外光譜（NIRS）技術(shù)發(fā)展迅速，被各行各業(yè)廣泛應(yīng)用.在中藥方面，NIRS被用于中藥制劑原料［1］的基源、產(chǎn)地［2-3］、優(yōu)劣［4］與真?zhèn)蔚馁|(zhì)量分析［5-6］，液體制劑的提?。?］、純化［8］、滲漉［9-10］與濃縮［11］等工序的過程分析，固體制劑的混合［12］、制粒［13］、干燥［14］與包衣［15］等工藝過程質(zhì)量分析.但隨著NIRS的不斷應(yīng)用，其自身存在的缺點(diǎn)也逐漸顯現(xiàn).例如，由于NIRS譜線寬，特征性不強(qiáng)，檢測的靈敏度較低，再加上對(duì)水的強(qiáng)吸收，所采集的光譜會(huì)高度重疊且特異性不強(qiáng)，不適用于水溶液中的痕量分析；NIRS是一種間接的分析技術(shù)，光譜反映的是分子層面的信息，需要復(fù)雜的建模才能直觀反映結(jié)果，因此，對(duì)化學(xué)成分的快速測定與不同物質(zhì)的鑒別必須依賴已建成的定量或定性模型，但是所建成的模型在不同的NIRS儀器上并不能通用，模型的通用性不強(qiáng)［16］；建模樣本集要求數(shù)量足夠多，泛化性強(qiáng)［17］且涵蓋全部變異才能建立有效、穩(wěn)定與性能好的模型，樣本量不足時(shí)模型的性能和精確度極易被影響，因此，當(dāng)樣本量不足時(shí)，如何建模將有待進(jìn)一步研究；建模過程中如何滿足模型的“完備性”條件（而不是使模型僅在一定程度上滿足）；當(dāng)樣品處于溶液狀態(tài)，采集樣品前如何處理，以及光譜采集后如何進(jìn)行光譜分析等，這些都是NIRS發(fā)展過程中遇到的普遍問題.

本文以ScienceDirect online和中國知網(wǎng)數(shù)據(jù)庫的文獻(xiàn)為基礎(chǔ)，針對(duì)目前NIRS在中藥研究過程中遇到的問題進(jìn)行探討，并就文獻(xiàn)提出的解決辦法進(jìn)行討論，擬為改善或解決NIRS帶來的問題提供參考.

1 在水溶液中難以分析及對(duì)策

NIRS法對(duì)水的強(qiáng)吸收是其不可避免的缺陷，當(dāng)被掃描的樣本是水溶液或者處于水體系之中時(shí)，所采集的NIRS譜圖會(huì)高度重疊，不會(huì)有明顯的特征差異，極大地影響NIRS譜圖分析.研究表明，現(xiàn)有的解決NIRS技術(shù)測量水溶液中有效組分的方法主要是通過化學(xué)或者物理手段使樣品由有水體系變?yōu)闊o水體系，以及光譜分析時(shí)盡量避開水吸收力強(qiáng)的波段.封義玲等［18］運(yùn)用NIRS技術(shù)對(duì)華蓋散的濃縮終點(diǎn)進(jìn)行判斷時(shí)，先將濃縮液烘干再進(jìn)行光譜采集.陳國權(quán)等［19］使用NIRS技術(shù)檢測感冒靈提取工藝時(shí)，也是先將提取液烘干，采集除去水分后固含物的光譜.

為了避免水溶液的影響，常采用蒸干水分的辦法以達(dá)到直接排除水分干擾的目的，但在中藥的研究過程中，NIRS經(jīng)常被用來在線分析，在建模初期，如果還要增加對(duì)樣品復(fù)雜繁瑣的處理，不利于NIRS對(duì)樣品的在線監(jiān)測，影響NIRS技術(shù)操作的方便性與實(shí)用性.不僅如此，水分蒸干的過程是未知的，中藥的成分復(fù)雜，樣品本身是否會(huì)出現(xiàn)理化性質(zhì)的變化，有效成分是否會(huì)隨著蒸干的過程進(jìn)行降解或轉(zhuǎn)化，從而影響測定結(jié)果也無法檢測.近年來新興的水光譜組學(xué)為解決水溶液樣品強(qiáng)吸收的問題提供了新思路，水光譜組學(xué)能夠?qū)⒔M分的任何變化反映在與其化學(xué)結(jié)構(gòu)相關(guān)的吸收帶和水分吸收帶上［20］.其利用水的吸收光譜特征來表征樣品，以間接的方式收集有關(guān)化學(xué)成分和環(huán)境條件的信息.水光譜組學(xué)的引入為各種水系統(tǒng)的組分測量帶來了新的可能性，并拓展了NIRS技術(shù)的應(yīng)用.與現(xiàn)有的方法相比，水光譜組學(xué)和NIRS技術(shù)的結(jié)合使用可以直接跳過除去樣品水分這一步驟，實(shí)現(xiàn)了對(duì)系統(tǒng)中水的非侵入式監(jiān)測.NIRS技術(shù)檢出限約為5 000 ppm，而水光譜組學(xué)的應(yīng)用可以將檢出限降低至NIRS的1/5.水的存在不僅不影響NIRS技術(shù)的檢測，還能解決NIRS技術(shù)無法用于痕量分析這一缺點(diǎn).因?yàn)樗肿拥捏w積小且數(shù)量多，在分子水平上，水中氫鍵［21］構(gòu)成的四面體可以看成1個(gè)對(duì)內(nèi)外部變化都能靈敏響應(yīng)的傳感器和能夠放大外來的任何一個(gè)分子的放大器，放大溶液中微小濃度的影響，捕捉環(huán)境的變化.當(dāng)溶質(zhì)分子或其他化學(xué)成分與水分子相互作用時(shí)，水的光譜將代表1個(gè)高度響應(yīng)的信號(hào)，反映水分子結(jié)構(gòu)及其變化.例如，丹參中丹酚酸A含量較低，傳統(tǒng)方法難以檢測丹參提取過程中丹酚酸A的含量變化.Dong等［21］運(yùn)用NIRS技術(shù)實(shí)時(shí)監(jiān)測溶液中丹酚酸A的轉(zhuǎn)化反應(yīng)過程，并用光譜組學(xué)對(duì)其進(jìn)行了分析，成功檢測了丹酚酸A的轉(zhuǎn)化過程.中藥的提取過程［7］主要以水作為萃取溶劑，而使用NIRS在線監(jiān)測提取過程時(shí)，會(huì)面臨光譜中最有用的信息被強(qiáng)背景所覆蓋的問題，Gao等［22］結(jié)合了水光譜組學(xué)，以水為探針，直觀地顯示了丹參提取過程水分子系統(tǒng)的動(dòng)態(tài)變化.陳定芳等［23］將水光譜組學(xué)應(yīng)用到中藥歸經(jīng)理論，監(jiān)測了中藥成分作用于人體巨大水系統(tǒng)的復(fù)雜過程.

2 模型通用性不強(qiáng)及對(duì)策

NIRS和化學(xué)計(jì)量學(xué)組合建立的定量模型常運(yùn)用于中藥材有效成分的含量、中間體含量和中成藥劑型含量的快速測定［24］.然而，NIRS的通用性不強(qiáng)是NIRS技術(shù)在中藥大生產(chǎn)和多成分含量測定中應(yīng)用的一大難題，主要體現(xiàn)在2個(gè)方面.首先，NIRS與化學(xué)計(jì)量學(xué)結(jié)合開發(fā)的定量模型僅適用于與原始校準(zhǔn)集具有相同特征且不超過校準(zhǔn)集光譜范圍的光譜［25］，當(dāng)樣品來源不同或新采集的樣品變異性大時(shí)，定量模型的預(yù)測性能會(huì)大幅下降，預(yù)測結(jié)果的精密度會(huì)嚴(yán)重降低；其次，當(dāng)定量模型用于不同類型NIRS儀器采集的NIRS預(yù)測時(shí)，原定量模型的性能會(huì)被損壞，建立的模型將毫無意義.

為了提高模型的通用性［26］，最常用的方法就是直接通過增大樣品的變異性和差異性來隨時(shí)更新NIRS模型，并結(jié)合更合適的化學(xué)計(jì)量方法來保持其預(yù)測性能，增加其泛化性.

為了解決模型與新光譜不匹配的問題，有的學(xué)者提出了“模型轉(zhuǎn)移”的概念.“模型轉(zhuǎn)移”指現(xiàn)有的研究都集中在儀器之間的模型轉(zhuǎn)移，是將1臺(tái)NIRS儀器上建立的模型轉(zhuǎn)移到另1臺(tái)NIRS儀器上，實(shí)現(xiàn)模型共享且轉(zhuǎn)移的模型仍然有效.飼料領(lǐng)域［27］中，由于生產(chǎn)環(huán)境的變化，NIRS采集的在線與離線光譜差異較大，導(dǎo)致建立的NIRS模型離線光譜無法直接使用于在線檢測，大大限制了NIRS技術(shù)在飼料生產(chǎn)上的利用.王紅英等［27］基于光譜共享法的NIRS模型轉(zhuǎn)移技術(shù)建立了光譜的共享模型，既能在線監(jiān)測也能離線檢測樣品.李陽陽等［28］運(yùn)用了3種模型轉(zhuǎn)移算法，成功將復(fù)烤片煙常規(guī)化學(xué)成分的模型轉(zhuǎn)移到不同品牌傅里葉變換NIRS儀器上使用，并確定了最優(yōu)模型轉(zhuǎn)移算法.王大鋒等［29］以測量煙草化學(xué)成分為切入點(diǎn)，通過在經(jīng)過特殊設(shè)計(jì)的NIRS儀器在線建立測量煙草化學(xué)成分的定量模型，建成的定量模型可以在多臺(tái)NIRS儀器之間實(shí)現(xiàn)模型轉(zhuǎn)移.這些應(yīng)用實(shí)例都可以作為NIRS在中藥應(yīng)用過程中的借鑒.

除了“模型轉(zhuǎn)移”外，Tan等［30］還提出了樣本之間的轉(zhuǎn)移，通過插入一種新的算法來矯正模型與樣品光譜不匹配的問題，將校準(zhǔn)模型優(yōu)化問題轉(zhuǎn)化為數(shù)學(xué)優(yōu)化問題，并通過所提出特殊算法對(duì)模型問題進(jìn)行處理，以解決NIRS模型樣本間的遷移問題.

3 需求樣本量大及對(duì)策

在模型的構(gòu)建上，對(duì)NIRS模型數(shù)據(jù)處理的研究越來越受到研究者的重視，有些中藥資源十分珍貴，或樣本來源受限的情況下，擁有更多的樣本來解決模型的問題是不切實(shí)際的，無法滿足NIRS技術(shù)對(duì)于數(shù)量的要求，在樣本量小的基礎(chǔ)上建立的NIRS模型準(zhǔn)確性和預(yù)測能力會(huì)大大降低，NIRS模型會(huì)因?yàn)闃颖玖康奶俣苡绊?因此，解決需求樣本量大的問題也是NIRS技術(shù)發(fā)展中的難題.已經(jīng)有學(xué)者提出了集成學(xué)習(xí)的概念［31-35］，把已有的為數(shù)不多的樣本分為3個(gè)子集，即訓(xùn)練集、驗(yàn)證集和測試集［36］，這3個(gè)子集在一定算法的運(yùn)算下分別用于構(gòu)建、優(yōu)化和測試模型.汽油的辛烷值在量化汽油質(zhì)量方面起著重要作用，傳統(tǒng)檢測汽油辛烷值的方法需要耗費(fèi)大量的時(shí)間跟成本，樣品的采集也是非常昂貴的，Noureddine等［37］應(yīng)用了NIRS的集成模型在樣本量不足的情況下準(zhǔn)確預(yù)測汽油辛烷值的最佳增壓.Yu等［38］提出一種基于功能數(shù)據(jù)分析的NIRS融合標(biāo)定模型，把原本的離散型數(shù)據(jù)模型通過功能數(shù)據(jù)分析方法轉(zhuǎn)換為函數(shù)問題，再根據(jù)函數(shù)對(duì)所有樣本進(jìn)行訓(xùn)練，解決了小樣本問題.煙草行業(yè)的NIRS技術(shù)主要以離線分析為主［39］，畢榮道等［40］為了解決煙草內(nèi)在質(zhì)量評(píng)價(jià)的問題，構(gòu)建了一種以小樣本數(shù)的在線NIRS建模的方法，通過采用不同抽樣比例的算法最終確定抽樣量，所建模精度良好，可以解決煙草生產(chǎn)中取樣量少的問題，節(jié)約了成本.

4 結(jié) 語

NIRS技術(shù)是一種反映分子層面的技術(shù)，需要結(jié)合化學(xué)計(jì)量學(xué)才能把分子層面的信息直觀地表達(dá)出來，其本質(zhì)任務(wù)是通過測量樣品變量，借助線性或者非線性變換來描述測定目標(biāo).然而在中藥的實(shí)際應(yīng)用中，提取與濃縮等過程離不開水的參與，就分子層面而言，NIRS對(duì)水的強(qiáng)吸收嚴(yán)重影響了NIRS的采集與分析；NIRS技術(shù)結(jié)合化學(xué)計(jì)量學(xué)建模時(shí)為了保證模型的性能與精確度需要大量的樣本，而中藥資源稀缺且珍貴，無法采集足夠的樣本數(shù)據(jù)；中藥組分復(fù)雜，NIRS技術(shù)的定量模型用于測定中藥有效成分的含量時(shí)，常常伴隨著幾個(gè)組分的同時(shí)測定，而定量模型通用性不強(qiáng)，只能針對(duì)單一組分進(jìn)行檢測.綜上所述，解決和完善NIRS模型系統(tǒng)的缺陷與不足是NIRS技術(shù)廣泛應(yīng)用于中藥研究的重點(diǎn).

參考文獻(xiàn)：

［1］楊培.流化床制粒過程小試水分近紅外定量模型向中試傳遞方法研究［D］.北京：北京中醫(yī)藥大學(xué)，2020.

［2］孫嵐萍，顧志榮，馬轉(zhuǎn)霞，等.不同產(chǎn)地麥冬的近紅外光譜鑒別分析［J］.時(shí)珍國醫(yī)國藥，2020，31（11）：2675-2677.

［3］陳璐，張惠，張丙春，等.基于近紅外光譜技術(shù)快速鑒別不同產(chǎn)地金銀花［J］.農(nóng)產(chǎn)品質(zhì)量與安全，2019，17（4）：41-44.

［4］張丹雁，曹曼，劉家水，等.近紅外光譜技術(shù)鑒別南板藍(lán)根藥材的真?zhèn)蝺?yōu)劣［J］.時(shí)珍國醫(yī)國藥，2014，25（12）：2933-2935.

［5］瞿海斌，楊海雷，程翼宇.近紅外漫反射光譜法快速無損鑒別阿膠真?zhèn)危跩］.光譜學(xué)與光譜分析，2006，26（1）：60-62.

［6］李文龍，邢麗紅，薛東升，等.一種基于近紅外光譜技術(shù)的熊膽粉鑒別方法［J］.光譜學(xué)與光譜分析，2011，31（3）：673-676.

［7］李青翰，楚剛輝.近紅外光譜技術(shù)快速測定雪菊提取過程中的木犀草苷含量［J］.新疆農(nóng)業(yè)大學(xué)學(xué)報(bào)，2018，41（3）：230-234.

［8］楊南林，程翼宇，瞿海斌.一種用于中藥純化過程的近紅外光譜分析新方法［J］.化學(xué)學(xué)報(bào)，2003，71（5）：742-747.

［9］陳晨，李文龍，瞿海斌，等.近紅外透反射光譜法用于復(fù)方苦參注射液滲漉過程在線檢測［J］.中草藥，2013，44（1）：47-51.

［10］陳晨，李文龍，瞿海斌，等.復(fù)方苦參注射液滲漉過程的近紅外光譜在線檢測方法［J］.中國藥學(xué)雜志，2012，47（21）：1698-1702.

［11］瞿海斌，李斌，劉雪松，等.紅參醇提液濃縮過程近紅外光譜在線分析方法［J］.中國藥學(xué)雜志，2005，40（24）：1897-1899.

［12］張正，干麗，劉遠(yuǎn)俊，等.基于近紅外光譜技術(shù)的當(dāng)歸提取物混合工藝研究［J］.今日藥學(xué)，2020，30（3）：172-175.

［13］劉榮華.基于近紅外光譜分析技術(shù)的流化床制粒干燥過程在線監(jiān)測研究［D］.濟(jì)南：山東大學(xué)，2018.

［14］全智慧，王洛臨，張建軍.近紅外光譜技術(shù)在制川烏配方顆粒干燥工藝中的應(yīng)用研究［J］.按摩與康復(fù)醫(yī)學(xué)，2015，6（9）：89-91.

［15］Zhong Z J，Liu X H，Luo X R，et al.Evaluation of coating uniformity for the digestion-aid tablets by portable near-infrared spectroscopy［J］.Int J Pharm，2022，622：121833-1-121833-8.

［16］薛莉沁.小型近紅外光譜儀的開發(fā)及在釀酒原料中的應(yīng)用［D］.鎮(zhèn)江：江蘇大學(xué)，2021.

［17］許瑞軒，張英俊，趙海明.青貯玉米近紅外模型檢測苜蓿玉米套作系統(tǒng)青貯飼料的可行性分析［J］.中國奶牛，2022，40（7）：1-5.

［18］封義玲，羅曉健，賴衍清，等.近紅外光譜在線采集技術(shù)檢測華蓋散提取液濃縮過程中的相關(guān)指標(biāo)［J］.中國藥房，2020，31（3）：303-308.

［19］陳國權(quán)，潘紅燁，劉雪松，等.感冒靈提取過程近紅外光譜在線檢測技術(shù)研究［J］.中國中藥雜志，2016，41（8）：1383-1387.

［20］Zoltan K，Jelena M，Petya V，et al.Aquaphotomics for monitoring of groundwater using short-wavelength near-infrared spectroscopy［J］.Spectrochim Acta A Mol Biomol Spectrosc，2022，279：121378-1-121378-9.

［21］Dong X X，Chen Z Q，Pan J Y，et al.A novel aquaphotomics based approach for understanding salvianolic acid A conversion reaction with near infrared spectroscopy［J］.Spectrochim Acta A Mol Biomol Spectrosc，2022，275：121182-1-121182-11.

［22］Gao L L，Zhong L，Zhang J，et al.Water as a probe to understand the traditional Chinese medicine extraction process with near infrared spectroscopy：A case of Danshen （Salvia miltiorrhiza Bge.） extraction process［J］.Spectrochim Acta A Mol Biomol Spectrosc，2021，244：118854-1-118854-8.

［23］陳定芳，吳月峰，桂卉，等.水光譜組學(xué)研究現(xiàn)狀及對(duì)中藥歸經(jīng)理論的特殊影響［J］.湖南中醫(yī)藥大學(xué)學(xué)報(bào)，2021，41（12）：1986-1992.

［24］李文龍，瞿海斌.近紅外光譜應(yīng)用于中藥質(zhì)量控制及生產(chǎn)過程監(jiān)控的研究進(jìn)展［J］.浙江大學(xué)學(xué)報(bào)（醫(yī)學(xué)版），2017，46（1）：80-88.

［25］崔盈盈.奶牛四種飼料營養(yǎng)成分快速測定NIRS模型的優(yōu)化與應(yīng)用［D］.新鄉(xiāng)：河南科技學(xué)院，2022.

［26］李金林，許遲，何立榮，等.近紅外光譜分析技術(shù)在飼料檢測領(lǐng)域的應(yīng)用研究［J］.飼料研究，2017，40（5）：10-12.

［27］王紅英，常楚晨，金楠，等.近紅外模型轉(zhuǎn)移技術(shù)在飼料生產(chǎn)中的應(yīng)用［J］.飼料工業(yè)，2021，42（3）：1-7.

［28］李陽陽，彭黔榮，劉娜，等.復(fù)烤片煙常規(guī)化學(xué)成分的傅里葉變換近紅外光譜法的模型轉(zhuǎn)移［J］.理化檢驗(yàn)（化學(xué)分冊(cè)），2019，55（5）：497-503.

［29］王大鋒，何育萍，董海平，等.煙草化學(xué)成分AOTF-近紅外在線模型轉(zhuǎn)移研究［J］.湖南文理學(xué)院學(xué)報(bào)（自然科學(xué)版），2013，25（1）：78-81.

［30］Tan A L，Wang Y X，Zhao Y，et al.Near infrared spectroscopy quantification based on Bi-LSTM and transfer learning for new scenarios［J］.Spectrochim Acta A Mol Biomol Spectrosc，2022，283：121759-1-121759-9.

［31］Wang K，Bian X H，Zheng M，et al.Rapid determination of hemoglobin concentration by a novel ensemble extreme learning machine method combined with near-infrared spectroscopy［J］.Spectrochim Acta A Mol Biomol Spectrosc，2021，263：120138-1-120138-9.

［32］Song L，Chen E Z，Zheng T L，et al.Blended fabric with integrated neural network based on attention mechanism qualitative identification method of near infrared spectroscopy［J］.Spectrochim Acta A Mol Biomol Spectrosc，2022，276：121214-1-121214-11.

［33］Chen H，Huang Q，Lin Z.Detection of adulterants in medicinal products by infrared spectroscopy and ensemble of window extreme learning machine［J］.Microchem J，2022，173：107009-1-107009-8.

［34］Gerard D，Indra A.A stacked regression ensemble approach for the quantitative determination of biomass feedstock compositions using near infrared spectroscopy［J］.Spectrochim Acta A Mol Biomol Spectrosc，2022，276：121231-1-121231-12.

［35］Cyrus S H，Ho Y L，Trevor W，et al.Improving the diagnostic accuracy for major depressive disorder using machine learning algorithms integrating clinical and near-infrared spectroscopy data［J］.J Psychiatr Res，2022，147：194-202.

［36］Tan C，Chen H，Lin Z.Brand classification of detergent powder using near-infrared spectroscopy and extreme learning machines［J］.Microchem J，2021，160：105691-1-105691-10.

［37］Noureddine G，F(xiàn)ouzi D，Walid G.Towards a NIR spectroscopy ensemble learning technique competing with the standard ASTM-CFR：An optimal boosting and bagging extreme learning machine algorithms for gasoline octane number prediction［J］.Optik，2022，257：168813-1-168813-11.

［38］Yu S，Liu J.Ensemble calibration model of near-infrared spectroscopy based on functional data analysis［J］.Spectrochim Acta A Mol Biomol Spectrosc，2022，280：121569-1-121569-11.

［39］張晰祥，李軍華，鄭健.近紅外光譜儀對(duì)在線煙絲化學(xué)成分均質(zhì)性運(yùn)用［J］.廣州化工，2017，45（19）：99-102.

［40］畢榮道，趙旻.基于PCA及霍特林T～2分布的在線近紅外建模研究［J］.電子技術(shù)與軟件工程，2021，10（13）：189-191.

（責(zé)任編輯：伍利華）

Abstract：Near-infrared spectroscopy owns the properties of high speed，needless sample preparation，and simultaneous determination of multiple components in each measurement.However，as it is widely used in application，some problems have been gradually discovered.In this paper，these problems encountered in the practical application of near-infrared spectroscopy in traditional Chinese medicine are taken as the research targets.The related problems such as the difficulty of analyzing the aqueous solution system of traditional Chinese medicine samples by near-infrared spectroscopy，the large sample size required for modeling，and the poor universality of the model are discussed.Suggestions and prospects are put forward to provide reference for the further application of near-infrared technology in the traditional Chinese medicine industry.

Key words：near infrared spectroscopy;water spectroomics;universality;model transfer;sample size

基金項(xiàng)目：2017年國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2017YFC1701900）；四川省2021—2023年高等教育人才培養(yǎng)質(zhì)量和教學(xué)改革項(xiàng)目（JG2021-1106）；成都大學(xué)2021—2023年研究生人才培養(yǎng)質(zhì)量和教學(xué)改革立項(xiàng)項(xiàng)目（cdjgy2022004）

作者簡介：鄧 妍（2002—），女，從事中藥新藥開發(fā)及質(zhì)量再評(píng)價(jià)研究.E-mail：3031458049@qq.com

通信作者：劉 濤（1976—），男，博士，研究員級(jí)高級(jí)工程師，從事中藥再評(píng)價(jià)研究.E-mail：liutao0578@sina.com