目的  基于熵权法与灰色关联度法进行丁香饮片质量多指标综合评价研究。

方法  测定25批不同产地的丁香饮片样品中β-石竹烯、α-石竹烯、丁香酚、乙酸丁香酚酯和挥发性醚浸出物5个主要指标的含量，采用灰色关联度法，以熵权法所得权重作为分辨系数，构建丁香饮片质量评价模型。

结果  25批丁香饮片的乙酸丁香酚酯权重最大，提示含量可能需要增加更有标示性的成分；相对关联度值的范围为0.164~0.739，不同产地的丁香饮片质量存在一定差异，质量排名前3的样品为Q15、Q17、Q18，产地均为马达加斯加，表明该产地丁香饮片品质较优。

结论  基于熵权法和灰色关联度法所建立的质量评价新模型可用于丁香饮片的质量评价，熵权法赋权提高了灰色关联度法的可靠性及丁香饮片质量评价的科学性。

丁香为桃金娘科植物丁香Eugenia caryophyllata Thunb.的干燥花蕾，始载于《南方草木状》，名“鸡舌香”，其花蕾以“丁子香”始载于《齐民要术》，主产于印度尼西亚、马达加斯加等地，为进口药材，目前我国广东、广西、海南、云南等地有引种[1]。丁香具温中降逆、补肾助阳功效，用于脾胃虚寒、呃逆呕吐等症。丁香化学成分复杂，主要含有挥发油、黄酮、有机酸等成分[2]，其中挥发油是丁香的药用成分[3]，主要含有丁香酚、乙酸丁香酚酯、β-石竹烯、α-石竹烯等成分[4]，中国药典2020年版[5]将丁香饮片中丁香酚含量作为主要质量控制指标，但仅对丁香酚单一成分进行了控制，难以反映丁香挥发性成分的整体质量。

灰色关联度分析法是一种多因素统计分析方法，主要通过对样品中多指标原始数据进行处理，计算各指标的相对关联度，进行质量排序和整体评价；选取的指标可以是化学成分，也可以是外观量化指标、浸出物等。熵权法是一种客观赋权方法，用来判断某个指标的离散程度，熵值越小，指标的离散程度越大，该指标对综合评价的影响（即权重）就越大[6-10]。近年来，熵权法和灰色关联度法相结合的质量评价模型在中药领域有一定发展，在羌活饮片[6]、人参药材[7]、黄精药材[8]、川贝母药材[9]、白芷饮片[10]等中药材及饮片中已有相关报道，结果表明熵权法赋权提高了灰色关联度法的可靠性及质量评价的科学性。因此，本研究采用熵权法和灰色关联度法相结合的质量评价模型，在中国药典2020年版规定的指标基础上，增加β-石竹烯、α-石竹烯、乙酸丁香酚酯和挥发性醚浸出物含量测定，对不同产地丁香饮片质量进行综合评价。在该质量研究模型中灰色关联度法用于质量排序， 熵权法用于灰色关联度法中各指标分辨系数（ρ）的客观赋值，通过权重计算，客观准确地反映各类信息，突出差异大的指标，避免ρ经验赋值的主观性和不确定性，解决丁香单一成分质量控制的片面性问题，使评价结果更客观、全面、准确，为中药质量评价提供一种新的研究思路。

1 仪器与试药

Agilent 6890N气相色谱仪（美国安捷伦公司），包括FID检测器和自动进样器；BT25S型十万分之一电子天平（德国赛多利斯公司）；ML204型万分之一电子天平（瑞士梅特勒托利多公司）；KQ-500E型超声波清洗器（昆山市超声仪器有限公司）；Milli-Q Directl6型纯水器（美国默克密里博公司）。

丁香酚对照品（批号：110725-201615，含量99.3%）购于中国食品药品检定研究院；β-石竹烯对照品（批号：0001321406，含量98.5%）购于美国SIGMA公司；α-石竹烯对照品（批号：Z25M8H36799，含量93.0%）、乙酸丁香酚酯对照品（批号：Z25M8H36798，含量98.0%）均购于上海源叶生物科技有限公司；试剂均为分析纯，试验用水为超纯水。

本次收集25批次丁香饮片为2017年国家药品评价性抽验样品，经江西省药品检验检测研究院万林春副主任中药师鉴定为为桃金娘科植物丁香Eugenia caryophyllata Thunb.的干燥花蕾，样品信息见表1。

• 
  表格1 丁香饮片产地信息

  Table 1.Origin information of Flos caryophylli slices

  

2 方法与结果

2.1 挥发性醚浸出物测定

按中国药典2020年版四部浸出物测定法（通则2201）项下的挥发性醚浸出物测定法[11]进行测定。

2.2 丁香酚、β-石竹烯、α-石竹烯、乙酸丁香酚酯含量测定

2.2.1 对照品溶液的制备

取丁香酚、β-石竹烯、α-石竹烯、乙酸丁香酚酯对照品适量，精密称定，加正己烷制成每1 mL含丁香酚2.107 1 mg、β-石竹烯0.402 7 mg、α-石竹烯0.049 5 mg、乙酸丁香酚酯0.434 7 mg的混合溶液，即得[12]。

2.2.2 供试品溶液的制备

取本品，粉碎成粉末（过二号筛），取约0.3 g，精密称定，精密加入正己烷20 mL，称定重量，超声处理（功率：500 W，频率：40 kHz）15 min，放冷，再称定质量，用正己烷补足减失的质量，摇匀，滤过，取续滤液，即得[12]。

2.2.3 色谱条件

采用FID检测器，Agilent DB-WAX（30 m ×0.32 mm，0.25 μm）毛细管柱；载气N₂流速：25 mL·min^-1，H₂流速：30 mL·min^-1，空气流速：300 mL·min^-1；柱温：170℃，进样口温度：280℃，检测器温度：300℃；进样量：1 µL ；分流比：10 ∶ 1[12]。在上述色谱条件下，混合对照品和丁香饮片供试品色谱图见图1。

• 
  图1 HPLC色谱图

  Figure 1.HPLC of chromatogram

  注：1为β-石竹烯；2为α-石竹烯；3为丁香酚；4为乙酸丁香酚酯

  

2.2.4 方法学验证

方法学研究表明，β-石竹烯、α-石竹烯、丁香酚、乙酸丁香酚酯分别在0.201 4~1.610 8，0.024 8~0.198 0，1.053 6~8.428 4，0.217 4~1.738 8 µg范围内呈良好的线性关系，r分别为0.999 1，0.999 4，0.999 3，0.999 7。样品溶液在4℃条件下放置24 h稳定，RSD分别为1.5%，1.4%，1.9%，1.7%（n=8）。方法精密度RSD分别为1.3%，1.3%，1.3%，1.3%（n=6）；重复性RSD分别为2.0%，1.4%，1.7%，2.0%（n=6）；平均加样回收率分别为96.4%，98.3%，98.6%，98.5%，RSD分别为1.8%，1.7%，1.7%，1.9%（n=6），均符合要求[12]。

2.3 各指标成分测定结果

取25批不同产地丁香饮片样品，分别按“2.1”、“2.2”项方法测定挥发性醚浸出物、β-石竹烯、α-石竹烯、丁香酚和乙酸丁香酚酯含量，建立评价丁香饮片质量的灰色模式识别数据集，结果见表2。

• 
  表格2 不同产地丁香样品测定结果（%，n=3）

  Table 2.Test results of flos caryophylli samples from different regions (%，n=3)

  

2.4 熵权法计算ρ

设有m个样品，每个样品有n项评价指标，由此组成评价单元序列{X_ij}（i=1，2，3……m；j=1，2，3……n；本研究中m=25，n=5）

2.4.1 原始数据标准化处理

由于各指标间量纲不统一，应对原始数据进行标准化处理。标准化处理公式为：

Y_ij=[X_ij-min(X_i)]/[max(X_i)-min(X_i)] （1）

式中，Y_ij为标准化处理后的数据，X_ij为第i个样品第j个指标值。

2.4.2 各指标信息熵的计算

根据信息论中信息熵的定义，一组数据的信息熵（E_j）为：

E_j=-ln(n)^-1∑p_ijlnp_ij （2）

p_ij=Y_ij/∑Y_ij，若p_ij=0，则定义 lnp_ij=0。

2.4.3 各指标权重的确定

根据信息熵的计算公式，计算各个指标的信息熵为E₁、E₂、E₃、…、E_j，通过信息熵计算各指标的权重（W_i），计算结果见表3。公式中权重W_i即为灰色关联度计算中各指标对应的ρ值。

W_i=(1-E_i)/( k-∑_iE_i) （3）

式中，E_i为样品第i个指标的信息熵。

• 
  表格3 熵权法计算所得信息熵及权重

  Table 3.Information entropy and weight calculated by entropy weight method

  

2.5 灰色关联度法计算各指标的相对关联度

2.5.1 参考序列选择

设有m个样品，每个样品有n项评价指标，由此组成评价单元序列{X_ik}（i=1，2，3……m；k=1，2，3……n；本研究中m=25，n=5）。其中最优参考序列{X_sk}的各项指标是m个样品对应指标的最大值，最差参考序列{X_tk}的各项指标是m个样品对应指标的最小值[13-16]。

2.5.2 原始数据规格化处理

由于各评价指标之间的量纲不一致，需对原始数据进行规格化处理：Y_ik=X_ik/X_k。式中，Y_ik为规格化处理后的数据，X_ik为原始数据，X_k为样品第k个指标的均值。将不同产地丁香数据集的原始数据进行规格化处理[13-16]，计算结果见表4。

• 
  表格4 原始数据规格化处理结果

  Table 4.Results of normalization of original data

  

2.5.3 计算关联系数

相对于最优参考序列和最差参考序列的关联系数分别按公式（4）和公式（5）计算[13-16]：

本试验ρ取值为“2.5.3”项下计算所得各指标关联系数，结果见表5、表6。

• 
  表格5 各评价单元相对于最优参考序列的关联系数

  Table 5.Correlation coefficients of each evaluation unit with respect to optimal reference sequences

  

• 
  表格6 各评价单元相对于最差参考序列的关联系数

  Table 6.Correlation coefficients of each evaluation unit with respect to worst reference sequences

  

2.5.4 计算关联度

最优参考序列关联度r_i(s)和最差参考序列关联度r_i(t)分别按公式（6）和公式（7）计算[13-16]：

2.5.5 计算相对关联度及质量排序

相对关联度ri与最优参考序列关联度r_i(s)和最差参考序列关联度r_i(t)密切相关，计算公式如下[13-16]：

ri=r_i(s)/[r_i(s)+r_i(t)] （8）

以中国药典2020年版规定的丁香酚含量测定、熵权法与灰色关联度法综合测评分别对丁香饮片质量进行排名比较，结果见表7。

• 
  表格7 不同产地丁香样品相对关联度及质量排序

  Table 7.Relative correlation degree and quality ranking of flos caryophylli samples from different regions

  

3 讨论

本研究建立了结合熵权法赋值和灰色关联度法综合分析丁香饮片质量的新评价模型，将多指标数据通过相对关联度进行综合排序，相对关联度值越大，表明丁香饮片质量评价越高。由表7可见，丁香饮片相对关联度在0.164~0.739之间，并且进口丁香质量排名靠前，说明不同产地的丁香饮片的质量存在一定差异，进口丁香品质整体上优于国产丁香，该方法能客观全面地反映其内在质量。其中Q15、Q17、Q18号样品质量排在前3名，说明产于马达加斯加的丁香品质较优，Q5、Q7号样品质量排在最后2名，其丁香酚含量不符合中国药典2020年版要求（不少于11.0%），说明评价结果与中国药典2020年版评价结果一致，但可更细致区分质量差异。

以往灰色关联度质量评价模型中，各指标的ρ值缺少量化计算方法，指标数量≥4时，一般沿用文献方法取经验值0.5[12-15]，各指标的权重相同，不能体现各指标对整体质量的影响，质量评价结果不够真实客观。因此本研究依据熵权法对各指标ρ值分别进行客观赋值区分后，所建立的灰色关联度质量评价模型与仅用中国药典2020年版规定丁香饮片项下的丁香酚含量的排序结果相比，整体变动较小，少量批次表现出差异。如Q15、Q17号样品，分析原因为这两个样品中乙酸丁香酚酯含量较大，根据熵权法赋值得到的各指标ρ值出现不同后，依据各指标计算所得相对关联度出现增大。由表3可知，乙酸丁香酚酯权重最大，说明其对丁香饮片的质量影响最大，其次为α-石竹烯和丁香酚，表明中国药典2020年版中所规定的丁香酚含量是其质量评价的重要指标，但可能不是最佳指标，并且未考虑其他含量测定指标的影响，质量评价不够全面客观。因此，中国药典含量测定项可增加乙酸丁香酚酯等具有代表性的成分，灰色关联度法综合各指标使质量评价更全面，熵权法赋值区分不同指标的影响，提高了丁香饮片质量评价的可靠性和科学性。

1.周志强,万林春,许妍,等.丁香掺杂染色问题及检测方法研究[J]. 中国药事, 2018, 32(10): 1336-1341. [Zhou ZQ, Wan LC, Xu Y, et al. On the problem of adulteration dyeing in Flos caryophylli and its detection method[J].Chinese Pharmaceutical Affairs, 2018, 32(10): 1336-1341.] DOI: 10.16153/j.1002-7777.2018.10.005.

2.孟佳敏, 江汉美, 卢金清, 等. 丁香高效液相指纹图谱研究[J]. 中国药师, 2018, 21(10): 1762-1765, 1775. [Meng JM, Jiang HM, Lu JQ, et al. Study on the HPLC fingerprint of Caryophylli flos[J]. China Pharmacist, 2018, 21(10): 1762-1765, 1775.] DOI: 10.3969/j.issn.1008-049X.2018.10.014.

3.范晓良, 阮伟峰, 方瑞华, 等. 丁香配方颗粒中挥发油的测定及其质量控制[J]. 中国药师, 2019, 22(2): 332-335. [Fan XL, Ruan WF, Fang RH, et al. Determination and quality control of the volatile oil in caryophylli Flos Formula granule[J]. China Pharmacist, 2019, 22(2): 332-335.] DOI: 10.3969/j.issn.1008-049X.2019.02.037.

4.曾琼瑶, 张文静, 张昱, 等. 丁香油超高压提取工艺的优化及其抗肿瘤研究[J]. 华西药学杂志, 2020, 35(3): 303-308. [Zeng QY, Zhang WJ, Zhang Y, et al. Optimization of the extraction process of clove oil from clove buds and its antitumor activity[J]. West China Journal of Pharmaceutical Sciences, 2020, 35(3): 303-308.] DOI: 10.13375 /j.cnki.wcjps.2020.03.015.

5.中国药典2020年版. 一部[S]. 2020: 4.

6.崔曰新, 张景珍, 王思雨, 等. 基于熵权法和灰色关联度法的羌活饮片质量评价研究[J]. 中草药, 2019, 50(23): 5724-5730. [Cui YX, Zhang JZ, Wang SY, et al. Quality evaluation of Notopterygii Rhizoma et Radix slices by entropy weight and gray relative analysis method[J]. Chinese Traditional and Herbal Drugs, 2019, 50(23): 5724-5730.] DOI: 10.7501/j.issn.0253-2670. 2019.23.012.

7.肖日传,匡艳辉,张传平,等.基于熵权法和灰色关联度法的人参质量综合评价[J]. 中华中医药杂志, 2021, 36(7): 4243-4248. [Xiao RC, Kuang YH, Zhang CP, et al. Comprehensive quality evaluation of Panax ginseng by entropy weight and grey incidence degree method[J]. China Journal of Traditional Chinese Medicine and Pharmacy, 2021, 36(7): 4243-4248.] http://qikan.cqvip.com/Qikan/Article/Detail?id=7105287266.

8.冯治国,赵祺,朱强,等.基于熵权法和灰色关联分析法评价安徽省不同产地黄精药材质量[J]. 中草药, 2021, 52(12): 3689-3695. [Feng ZG, Zhao Q, Zhu Q, et al. Quality evaluation of Polygonati Rhizoma from different producing areas in Anhui province by entropy weight and grey correlation degree analysis method[J]. Chinese Traditional and Herbal Drugs, 2021, 52(12): 3689-3695.]DOI: 10.7501/j.issn.0253-2670.2021.12.027.

9.李莉, 常欣, 陈志禹. 基于熵权法和灰色关联度法的川贝母质量评价研究[J]. 中药材, 2021, 44(2): 388-394. [Li L, Chang X, Chen ZY. Study on quality evaluation of Fritillaria based on entropy weight method and grey relational degree method[J]. Journal of Chinese Medicinal Materials, 2021, 44(2): 388-394.] DOI: 10.13863/j.issn 1001-4454.2021.02.025.

10.李珍,乔向东,杨洋,等. 熵权法结合灰色关联度法评价白芷饮片质量[J]. 中国现代应用药学, 2022, 39(1): 61-67. [Li Z, Qiao XD, Yang Y, et al. Quality evaluation of angelicae dahuricae radix decoction pieces by entropy weight and gray relative analysis method[J]. Chinese Journal Modern Application Pharmacy, 2022, 39(1): 61-67.] DOI: 10.13748/j.cnki.issn1007-7693.2022.01.010.

11.中国药典2020年版. 四部[S]. 2020: 232.

12.刘敏, 赵雯, 万林春. 一测多评法在丁香 4 个成分检测中的应用研究[J]. 药品评价, 2022, 19(20): 1238-1242. [Liu M, Zhao W, Wan LC. Quantitative analysis of four components in Caryophylli flos by QAMS method[J].Drug Evaluation, 2022, 19(20): 1238-1242.] DOI: 10.19939/j.cnki.1672-2809.2022.20.06.

13.龚雨虹, 罗光明, 张风波, 等. 基于灰色关联度法评价栀子药材质量[J]. 中国实验方剂学杂志, 2017, 23(13): 74-79. [Gong YH, Luo GM, Zhang FB, et al. Quality evaluation of gardeniae fructus by grey incidence degree method[J]. Chinese Journal of Experimental Traditional Medical Formulae, 2017, 23(13): 74-79.] DOI: 10.13422/j.cnki.syfjx.2017130074.

14.任琦,刘良玉,付辉政,等.灰色关联度法评价麸炒白术质量[J].中国现代中药, 2020, 22(5): 767-771. [Ren Q, Liu LY, Fu HZ, et al. Quality evaluation of bran fried atractylodis macrocephalae rhizoma by grey incidence degree method[J]. Modern Chinese Medicine, 2020, 22(5): 767-771.] DOI: 10.13313/j.issn.1673-4890. 20190520001.

15.王斌, 林钦贤, 梁伟龙, 等. 灰色关联度分析法评价半枝莲药材质量[J]. 中医药信息, 2021, 38(5): 6-10. [Wang B, Lin QX, Liang WL, et al. Quality evaluation of scutellaria barbata d.don by gray relation analysis[J]. Information of Traditional Chinese Medicine, 2021, 38(5): 6-10.] DOI: 10.19656 /j.cnki.1002-2406.210502.

16.林钦贤, 梁伟龙, 王斌, 等. 基于灰色关联分析法评价广藿香药材质量[J]. 安徽农业科学, 2020, 48(2): 213-218, 263. [Lin QX, Liang WL, Wang B, et al. Quality evaluation of pogostemon cablin by grey correlation degree analysis method[J]. Journal of Anhui Agricultural Sciences, 2020, 48(2): 213-218, 263.] DOI: 10.3969/j.issn.0517-6611.2020.02.062.