鹿茸（Cervi Cornu Pantotrichum）是我国传统名药之一，在我国有几千年的应用历史。来源于鹿科动物梅花鹿Cervus nippon Temminck或马鹿Cervus elaphus Linnaeus的雄鹿未骨化密生茸毛的幼角。鹿茸有壮肾阳，益精血，强筋骨，调冲任，托疮毒之功^[1]。鹿茸含有氨基酸、蛋白质、磷脂、胆固醇等丰富的营养成分^[2-4]，这些营养成分与鹿茸的品质特征有密切的联系，关于鹿茸品质特征报道的文献不是很多。本研究采用主成分分析和判别分析^[5]，以氨基酸总量、必需氨基酸、水溶性蛋白、总磷脂、磷脂组分、核苷、多胺、胆固醇八大营养组分为变量，对不同品种不同规格鹿茸进行比较分析，为鹿茸的开发和利用提供理论依据。

1 实验材料与数据来源 1.1 实验材料

批不同品种、规格的鹿茸商品药材分别购于药材市场，经辽宁中医药大学李峰教授鉴定分别为鹿科动物梅花鹿Cervus nippon Temminck或马鹿Cervus elaphus Linnaeus的雄鹿未骨化密生茸毛的幼角，详见表 1。

1.2 数据来源^[6]

分别采用柱前衍生化HPLC法测定18种氨基酸[天冬氨酸aspartic（Asp），谷氨酸glutamic（Glu），丝氨酸serin（Ser），精氨酸arginine（Arg），甘氨酸glycine（Gly），苏氨酸threonine（Thr），脯氨酸proline（Pro），丙氨酸alanine（Ala），缬氨酸valine（Val），蛋氨酸methionine（Met），半胱氨酸cysteine（Cys），异亮氨酸isoleucine（Ile），亮氨酸leucine（Leu），色氨酸tryptophane（Trp），苯丙氨酸phenylalanine（Phe），组氨酸histidine（His），赖氨酸lysine（Lys），酪氨酸tyrosine（Tyr）]^[7]，考马斯亮蓝显色紫外分光光度法测定水溶性蛋白^[8]，样品消化磷钼酸显色紫外分光光度法测定总磷脂^[9]，高效液相色谱法测磷脂组分^[10]、核苷^[11-12]和胆固醇^[13]的含量，采用阳离子交换树脂分离，苯甲酰氯柱前衍生化及反相HPLC法测定多胺^[14]的含量，结果见表 2与表 3。

1.3 数据的处理

化学指标数据采用Excel 2007，数据含量差异较大，分析前先将原始数据进行标准化处理，以消除由原始变量的量纲的不同和数据差异过大而对结果的影响，使标准化后的数据具有可比性。然后使用SPSS 19.0软件进行主成分及判别分析。MassLynxV 4.1软件绘制主成分得分图。

2 结果与分析 2.1 主成分分析结果与讨论^[15]

主成分分析是多元统计中的一种数据挖掘技术，是一种多元统计分析方法，它在不丢失主要变量信息条件的前提下选择位数较少的新变量代替原来较多的变量，以排除众多化学信息共存中相互重叠的信息，为研究鹿茸的品质特征，采用SPSS 19.0统计软件中的主成分分析功能，对鹿茸的17个氨基酸及8个营养成分进行分析主成分分析。

以马鹿茸和梅花鹿茸中17个氨基酸的含量为变量，使用SPSS 19.0软件进行主成分分析，分析结果显示，KMO统计量=0.833 > 0.50，单侧P=0.000 < 0.05，适于主成分分析。从解释的总方差表得出主因子1成分特征值为11.044，解释了总变异的65%，主因子2特征值为4.697，解释了总变异28%。前2个主成分的累积方差贡献率大于90%，分别用F1、F2这2个主成分描述鹿茸中氨基酸的量，从成分得分矩阵得知Asp、Lys、Ser、Met为第1主成分主要影响因子，Cys、His、Tyr为第2主成分主要影响因子。通过MassLynxV 4.1软件绘制17个氨基酸通过降维后马鹿和梅花鹿茸样本在二维空间的分布聚类情况，结果见图 1，图中横坐标表示每个样本的第1主成分得分值，纵坐标表示每个样本的第2主成分得分值。从图中可以看出，马鹿茸和梅花鹿茸2个鹿茸样本分散于第1、2空间中，即马鹿茸和梅花鹿茸部分分布存在交叉，这与氨基酸的含量相关，氨基酸含量越接近，其在主成分图上的重叠率越高，分布交叉散乱，没有明显的分组现象。通过氨基酸作为分析变量在一定程度上表明了样本之间的亲缘关系。

以氨基酸总量、必需氨基酸、水溶性蛋白、总磷脂、磷脂组分、核苷、多胺及胆固醇为变量，进行主成分分析，KMO统计量=0.512 > 0.50，单侧P=0.000 < 0.05，适于主成分分析。根据旋转后因子分布图表示，第1主成分载荷系数较大的是氨基酸总量，水溶性蛋白为在第2主成分的载荷系数较大，多胺在第3主成分的载荷系数较大，主成分的特征值大于1的有3个主成分，总方差为69%。通过MassLynxV 4.1软件绘制马鹿和梅花鹿茸样本在二维空间的分布聚类情况，结果见图 2，从得分图上可以看出鹿茸样本分布聚类情况，梅花鹿茸分布在第一主成分轴的右边，马鹿茸分布在左边，样本在主成分空间中聚集成2个不同的类别，2个主成分即有效地鉴别了鹿茸和梅花鹿茸。从图 2中可以看出，2种鹿茸不同部位样本没有明显的分组现象。根据氨基酸总量、必需氨基酸、水溶性蛋白、总磷脂、磷脂组分、核苷、多胺及胆固醇含量的主成分分析得分图，可将梅花鹿茸、马鹿茸有效区分开。

2.2 判别分析结果与分析^[16]

判别分析是根据多种因素（指标）对事物的影响，从而对事物进行判别分类的统计方法，判别分析法是根据所研究个体的观测值来构建一个综合标准用来推断个体属于已知种类中的哪一类判，判别分析也有多种方法，其中Fisher判别分析是常用的判别分析法之一。因此，用该方法根据马鹿和梅花鹿茸中17个氨基酸及氨基酸总量等不同特征成分分别进行种类判别分析。

对选取的原始变量进行逐步判别分析。Wilks及Lambda数据对判别函数的统计学意义进行检验，结果显示17个氨基酸及8大营养组分典型判别函数分别为0.001、0.011，具有统计学意义。函数特征值均为正相关，经逐步判别分析，分别取得了Asp、Glu、Ser、Arg、Gly、Thr、Pro、Ala、Met、Ile 10种氨基酸及总氨基酸、必需氨基酸、水溶性蛋白、总磷脂、磷脂组分、多胺、胆固醇为典型判别式函数系数，以典型判别函数值进行计算，17个氨基酸特征值：

Y=-5.399+1.946X₁+4.736X₂-2.535X₃-5.304X₄-0.318X₅+0.352X₆+4.13X₇-4.077X₈-4.579X₉-2.058X₁₀（Y > 0，判为1类Y < 0，判为2类，X为氨基酸的量），总氨基酸等7种营养组分特征值为Y= -0.133X₁+0.789X₂-0.263X₃+0.133X₄+0.197X₅-0.133X₆+0.956X₇（Y > 0，判为1类Y < 0，判为2类）在39个样品中，17个氨基酸的判别分析取得的判别模型可以将2种不同鹿茸的样本区分开，该方法对初始分组样品中的94.8%氨基酸进行了正确分类，判别分类效果较好。而总氨基酸等8大营养成分的判别分析模型对初始分组样品的81.6%氨基酸进行了正确分类，判别分类效果不好，即以8种营养成分为参考变量进行判别分析，不能准确将马鹿茸和梅花鹿茸分开。判别聚类结果分别见图 3和图 4，Fisher线性判别函数系数见表 4。

3 结论

本研究对39批不同品种不同规格鹿茸的八大类营养成分进行测定并进行了主成分分析和判别分析，氨基酸的主成分得分图不能明显表征2种鹿茸的差异。八大营养成分得分图显示，马鹿茸和梅花鹿茸区分为明显的2个区域，以17个氨基酸为变量的判别分析结果表明对不同鹿茸样本的正确区分率为94.8%，八大营养组分的判别结果未能准确地区别出不同品种的鹿茸。由此可见，基于17个氨基酸和鹿茸八大营养成分的主成分分析和判别分析的鹿茸区分方法体现了鹿茸物质种类和含量的个性和共性，反映了鹿茸品种的典型性、相似性及差异性。为评价鹿茸的品质特性提供了理论依据。