การพิสูจน์เอกลักษณ์และการจำแนกชนิดของจันทน์เทศ จันทน์ขาว จันทน์ชะมด จันทนา และ จันทน์หอม ด้วยวิธีคีโมเมตริก

Abstract

งานวิจัยนี้มีวัตถุประสงค์เพื่อพิสูจน์ชนิดทางพฤกษศาสตร์ของเครื่องยาที่ชื่อ จันทน์เทศ จันทน์ขาว จันทน์ชะมด จันทนา และจันทน์หอม ที่มีจาหน่ายในร้านยาสมุนไพรในปัจจุบัน พร้อมทั้งสร้างแบบจาลองสาหรับจาแนกชนิดทางพฤกษศาสตร์ของเครื่องยาเหล่านี้ การศึกษาทาโดยสุ่มซื้อตัวอย่างเครื่องยาจันทน์เทศ 15 ตัวอย่าง จันทน์ขาว 18 ตัวอย่าง จันทน์ชะมด 17 ตัวอย่าง จันทนา 10 ตัวอย่าง และจันทน์หอม 11 ตัวอย่าง นามาพิสูจน์เอกลักษณ์ด้วยวิธีโครมาโทกราฟีชนิดแผ่นบาง โดยใช้สารเทียบ 3 ชนิดที่สกัดแยกในห้องปฏิบัติการ คือ สาร α-santalol, mansonone G และ geniposidic acid และเปรียบเทียบทีแอลซีโครมาโทแกรมของตัวอย่างเครื่องยากับตัวอย่างพืชอ้างอิง และใช้วิธีทางคีโมเมตริกซ์ ได้แก่ similarity analysis (SA), hierarchical cluster analysis (HCA) และ principal component analysis (PCA) เพื่อวิเคราะห์ข้อมูลอินฟาเรดสเปกตรัมและแก๊สโครมาโทแกรมของตัวอย่างเครื่องยาเปรียบเทียบกับตัวอย่างพืชอ้างอิง นอกจากนี้ยังใช้วิธีแก๊สโครมาโทกราฟีที่ตรวจสอบด้วยแมสสเปกโทรสโกปีเพื่อวิเคราะห์ชนิดขององค์ประกอบทางเคมี จากนั้นสร้างแบบจาลองสาหรับจาแนกชนิดทางพฤกษศาสตร์ของตัวอย่างเครื่องยาจากข้อมูลอินฟาเรดสเปกตรัม เปรียบเทียบวิธีทานาย 2 วิธี ได้แก่ soft independent modeling of class analogy (SIMCA) และ partial least squares-discriminant analysis (PLS-DA) ผลการศึกษาพบว่า เครื่องยาจันทน์เทศจาแนกได้เป็น 3 ชนิด คือ Santalum album, S. spicatum และ S. lanceolatum โดยที่ส่วนใหญ่คือ S. spicatum เครื่องยาจันทน์ขาวส่วนใหญ่คือ Tarenna hoaensis พบชนิดที่เป็น S. spicatum จานวน 1 ตัวอย่าง และไม่สามารถจาแนกชนิดได้อีก 1 ชนิด เครื่องยาจันทน์ชะมดทั้งหมดคือ Mansonia gagei เครื่องยาจันทนาส่วนใหญ่คือ T. hoaensis และไม่สามารถระบุชนิดได้อีก 3 ชนิด เครื่องยาจันทน์หอมส่วนใหญ่คือ S. spicatum และบางตัวอย่างคือ M. gagei การเปรียบเทียบการวิเคราะห์ข้อมูลด้วยวิธีทางคีโมเตริกซ์พบว่า วิธี PCA ให้ผลดีกว่า HCA และ SA การสร้างแบบจาลองสาหรับจาแนกชนิดทางพฤกษศาสตร์ของเครื่องยาเหล่านี้พบว่า วิธี SIMCA ที่ใช้แบบจาลองที่สร้างจากข้อมูลในช่วง 1498-501 cm-1 ให้ผลดีที่สุด คือให้ความถูกต้องร้อยละ 80 ความไวร้อยละ 70 และความจาเพาะร้อยละ 100 ส่วนวิธี PLS-DA ที่ใช้แบบจาลองที่สร้างจากข้อมูลในช่วง 1801-501 cm-1 ของสเปกตรัมที่ผ่านการประมวลผลให้เป็นอนุพันธ์ลาดับที่สอง จะให้ผลดีที่สุด คือให้ความถูกต้องร้อยละ 87 ความไวร้อยละ 80 และความจาเพาะร้อยละ 100 The objective of this study was to identify botanical species of crude drugs named Chan-thet, Chan-khao, Chan chamot, Chan-thana and Chan-hom currently available in Thai traditional drugstores. The discrimination models of these crude drugs were also developed. Fifteen samples of Chan-thet, eighteen samples of Chan-khao, seventeen samples of Chan-chamot, ten samples of Chan-thana and eleven samples of Chan-hom were randomly purchased. Three pure compounds isolated from laboratory, i.e. α-santalol, mansonone G and geniposidic acid, were used as chemical markers. TLC chromatograms of the crude drugs were compared with the authentic samples. Infrared (IR) spectra and gas chromatography (GC) chromatograms of crude drug samples were compared with authentic samples by using chemometric methods, i.e. similarity analysis (SA), hierarchical cluster analysis (HCA) and principal component analysis (PCA). Moreover gas chromatography/mass spectroscopy (GC/MS) was applied for the identification of chemical constituents. Afterward the models for botanical discrimination of these crude drugs were developed on the basis of IR spectral data. Two prediction methods, i.e. soft independent modeling of class analogy (SIMCA) and partial least squares-discriminant analysis (PLS-DA), were compared. The results indicated that Chan-thet samples were identified as three species, i.e. Santalum album, S. spicatum and S. lanceolatum; as S. spicatum was mostly found. Most Chan-khao samples were Tarenna hoaensis. One of them was S. spicatum, and the others were an unidentified species. All Chan-chamot samples were Mansonia gagei. Most Chan-thana samples were T. hoaensis and some were other three unidentified species. Most Chan-hom samples were S. spicatum and some were M. gagei. Comparing among chemometric methods, PCA gave the better identification results than HCA and SA. The best discrimination method of these crude drugs using SIMCA was obtained from the PCA models using IR data in the range of 1498-501 cm-1. Its accuracy, sensitivity and specificity were 80, 70 and 100%, respectively. For PLS-DA, the best discrimination method was obtained from PLS models using second derivative IR in the range of 1801-501 cm-1. Its accuracy, sensitivity and specificity were 87, 80 and 100%, respectively.