理學院

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/3

學院概況

理學院設有數學系、物理學系、化學系、生命科學系、地球科學系、資訊工程學系6個系(均含學士、碩士及博士課程),及科學教育研究所、環境教育研究所、光電科技研究所及海洋環境科技就所4個獨立研究所,另設有生物多樣性國際研究生博士學位學程。全學院專任教師約180人,陣容十分堅強,無論師資、學術長現、社會貢獻與影響力均居全國之首。

特色

理學院位在國立臺灣師範大學分部校區內,座落於臺北市公館,佔地約10公頃,是個小而美的校園,內含國際會議廳、圖書館、實驗室、天文臺等完善設施。

理學院創院已逾六十年,在此堅固基礎上,理學院不僅在基礎科學上有豐碩的表現,更在臺灣許多研究中獨占鰲頭,曾孕育出五位中研院院士。近年來,更致力於跨領域研究,並在應用科技上加強與業界合作,院內教師每年均取得多項專利,所開發之商品廣泛應用於醫、藥、化妝品、食品加工業、農業、環保、資訊、教育產業及日常生活中。

在科學教育研究上,臺灣師大理學院之排名更高居世界第一,此外更有獨步全臺的科學教育中心,該中心就中學科學課程、科學教與學等方面從事研究與推廣服務;是全國人力最充足,設備最完善,具有良好服務品質的中心。

在理學院紮實、多元的研究基礎下,學生可依其性向、興趣做出寬廣之選擇,無論對其未來進入學術研究領域、教育界或工業界工作,均是絕佳選擇。

Browse

Search Results

Now showing 1 - 1 of 1
  • Item
    利用多變量分析於中藥分辨
    (2007) 莊青青; Chuang Ching-Ching
    中文摘要 高效液相層析儀(HPLC)及感應耦合電漿質譜儀(ICP-MS)為測定中藥指標成分及微量元素的常用分析工具。本研究開發分析方法,進行藥材的成分分析及樣品辨識。 本研究共分三部份,第一部份為利用加味逍遙散HPLC的有機成分(30 peaks)定量結果及ICP-MS的無機元素(44個元素)測定數據,以人工歸納及統計分析方法建立識別廠牌的準則。觀察各樣品有機成分中成分2 ( Gallic acid ,GA ) 及成分26 ( Paeonol ,PN)的差異,發現利用成分2/IS比值可明顯將所有樣品分成兩組,順天堂、勝昌、科達其值高於1.45,而港香蘭、莊松榮低於1.45;繼而以2/26的比值(順天堂>2.1、1.8<勝昌<2.1、科達<1.8、港香蘭<2.3、莊松榮>2.5)再行細分,則各家廠牌產品就可順利分辨。依上述準則,在五家廠牌共33批樣品中,只有4批樣品分類錯誤:勝昌2批、港香蘭1批其2/IS比值分別為2.21、2.37和1.67,且2/26的比值高於2.1被判定為順天堂;順天堂1批其2/IS比值為1.65,且2/26的比值在1.8與2.1之間被判定為勝昌,整體而言,人工辨識正確率約88 %。將30 peaks的分析數據進行多變量分析(Multivariate Analysis)處理:主成分分析(Principal Component Analysis ,PCA)發現,PC1(1、11和14)、PC2(2、6、24和25)和PC3(23、27和28)代表61.343% 的總變異性;以PC1、PC2和PC3作成的三度空間PCA圖顯示,各廠牌樣品各自群聚在特定位置,順天堂在中間偏上方,勝昌在左下方,科達在中間,港香蘭在右下方,莊松榮在中間偏下方,分類良好。進行群聚分析(Cluster Analysis (CA)亦能明確分類,在群聚距離設定為0.38(最大刻度為1)後,依次出現順天堂、莊松榮、港香蘭、勝昌、科達等五聚落。進行線性區別分析(Linear Discriminant Analysis ,LDA), 其原始分類(original)雖達100%,但在交叉驗證(cross-validated)卻只有13.8 %的正確性,因此先用逐步區別分析(stepwise-LDA)選出1(nicotinic acid)、 8(Geniposide)、13 、17 、19、20 、23 、24等8 peaks,再用LDA統計則可得到完全正確的分類結果,該方法亦可正確判斷任一市售樣品的廠牌,另外,17和19在判定函數1中的變數有最大的比重(-26.620 和 –18.404),判定函數2主要由20和24 (-11.716和-12.520)所組成,判定函數3主要由17、23和24 (21.550、20.372和-17.723)所組成,判定函數4主要由17、24和20 (-8.869、-6.954和6.051)所組成。 用ICP-MS測量各樣品,可得到44個無機元素的分析數據,仔細比對這些數據的差異性,僅能分辨順天堂、勝昌及港香蘭三家產品,而科達及莊松榮的所有元素含量都非常接近,且誤差線範圍內有很大的重疊,人工難以辨別。將該44無機元素的分析數據進行多變量分析:主成分分析顯示,PC1(La、Ce、Nd和Pr)、PC2(Al、Mg和Br)和PC3(I和As)代表71.944% 的總變異性,以PC1、PC2和PC3繪製的的三度空間PCA圖指出,順天堂在左下方,勝昌在左上方,科達在右下方,港香蘭在右上方,莊松榮在中間偏下方,各自形成聚落、分隔明顯。群聚分析以距離0.41(最大刻度為1)處理後,明確分成五個聚落,依次為順天堂、莊松榮、港香蘭、科達、勝昌。線性區別分析,其原始分類可達100%,但交叉驗證只有17.2 %的正確性,因此先以逐步區別分析自44個元素中選出Na、Mg、Al、Ni、Cu、I、Ce、Bi、U等9個元素,再用LDA統計則可得到完全正確的分類結果,所有的加味逍遙散樣品皆能無誤地分類,該統計分析方法亦可正確判斷任一市售樣品的廠牌,其中 Mg、Na和Cu(-2.443、2.203和2.140)在判定函數1中的變數有最大的比重,判定函數2主要由Ce和U (-6.208和4.730)所組成,判定函數3主要由Cu、Mg和I (1.843、-1.126和1.063)所組成,判定函數4主要由U、Mg和Ce (1.185、1.115和-1.021)所組成。 另外,隨機抽取三個樣品,以比較五家廠牌的同質性,發現順天堂、莊松榮及勝昌生產之不同批次樣品,相似度最高,分別為0.23、0.22及0.21,品質最穩定,港香蘭及科達所生產之商品相似度較差,分別為0.16及0.09,品質較不穩定。 第二部份為枳實(Aurantii Fructus Immaturus)及枳殼(Aurantii Fructus Maturus)之分析與辨識。從台灣及中國的中藥市場收集20批枳實[綠衣枳實(Poncitrus trifoliata)]和30批[酸橙枳殼 (Citrus aurantium),香圓枳殼(C. wilsonii)]樣品,經外觀判別及組織鏡檢,再以HPLC分析這些樣品中的12個主要的成分;該HPLC分析方法以Cosmosil 5C18-AR為分析管柱,以KH2PO4水溶液及MeOH/CH3CN之混合液為沖提液,可在60分鐘內順利完成分離,積分面積的RSD為0.30-1.21(intraday) 及0.45-1.93 (interday) ,偵測極限在2.84-6.85 ng之間。分析結果顯示,枳實與枳殼可用NR、 HE、 NE和QU等成份之有無來判別,枳實樣品中沒有或幾乎沒有HE及NE等成份,而枳殼樣品中沒有或很少NR及QU成份;兩枳殼(酸橙及香圓)的差異,則可用NGC及HE的成分的含量及HE/NG,HE/NE與NGC/NE比值分辨, 該等比值在酸橙枳殼分別為0.49以上、2.30以上及0.21以上,在香圓枳殼則在0.40以下、1.31以下及0.21以下,但有5批不易判別,依相近數據,判定分屬兩品種。將12 peaks的分析數據代入多變量分析軟體,發現不論PCA、CA或LDA均能明確分辨綠衣枳實、酸橙枳殼或香圓枳殼,經交叉驗證或添加試驗,均得到完全正確的結果。值的注意的是,5批用人工不易判別的樣品皆清楚落入香圓枳殼的群聚,與人工辨識有著很大的不同。 第三部份,我們利用本實驗室已有的HPLC分析方法,測定牡丹皮(Moutan Cortex) 、厚朴(Magnoliae Cortex)、防己(Fangchi Radix)等的主要有機成分及微量元素含量。我們曾比較水煮及消化兩種前處理方式,發現後者約為前者的102到104倍,但所有數值皆呈平行關係,因此選擇與中藥煎煮情形相同的水煮方法,製作檢液。 1.牡丹皮(Moutan Cortex): 收集23批市售牡丹皮樣品,分屬西昌丹皮(Paeonia delavayi,10批)、川丹皮(P. suffruticosa,13批),用HPLC測量4,6-di-GG (1,G為glucose),1,2,3,6-tetra-GG (2) ,1,2,3,4,6-penta-GG (3) , 1,3,4,6-tetra-GG (4) ,3,4,6-tri-GG (5) ,1,3,6-tri-GG (6) , 3,6-di-GG (7) ,1,2,6-tri-GG (8) 。paeoniflorin(Pf)和paeonol(PN)等10成分含量。發現由PN/Pf及3/2的比值就可區別西昌丹皮(PN/Pf > 1, 3/2>15.1)與川丹皮(PN/Pf< 1, 3/2<11.4) ;整體而言,人工辨識正確率為100%。將10 peaks分析數據輸入PCA、CA及LDA軟體 ,發現主成分分析與線性區別分析,都能正確分辨各批藥材所屬的品種,後者的交叉驗證亦證實100 %正確。但群聚分析則無法分辨,因此以逐步區別分析選出peak1(4,6-di-GG)、peak4(1,3,4,6-tetra-GG)、Pf(paeoniflorin))等3成分,再進行群聚分析,但也無法正確分類;不過只用該三peaks的定量數據,進行線性區別分析,卻也可得到100%的正確結果,顯示用LDA統計分析時,不論10成分或3成分都能明確分辨基原,但後者更為簡捷。 仔細觀察18批牡丹皮樣品(西昌丹皮9批、川丹皮9批)的62種元素之分析數據,發現Ge、Mo、Cd、Ce及Tl等五元素,在兩品種中相異性最顯著,用該五元素的分析數據作為人工辨識的工具,正確率達100%。若將62種元素分析數據用主成分分析、群聚分析及線性區別分析軟體處理,則只有PCA可達到完全正確的分類目標,CA無法分辨,LDA之原始分類雖有100%正確性,但交叉驗證卻只有50%的分辨率。我們用stepwise-LDA選出Be、V、Ag、Cd、Tl、Pb、Bi及Th等8元素,用該8元素為變數,則CA及LDA兩統計分析模式,均能完全確認所有樣品的基原。 2.厚朴(Magnoliae Cortex): 收集22批分屬川厚朴(Magnolia officinalis Rehd. Et Wils,12批)、凹葉厚朴 [M. officinalia ssp. biloba (Rehd. et Wils.)Law,4批]、和厚朴(M. obovata THUNB. ,6批)的市售藥材,用HPLC測量(-)-magnocurarine (1), (+)-magnoflorine (2),(+)-laurifoline (3),(+)-oblongine (4),(+)-menisperine (5),(+)-xanthoplanine(6),(+)-N-methylglaucine (7)等七個生物鹼及Honokiol (8), Magolol(9)兩個酚類成分含量。發現由2/1及9/8的比值可挑出屬於川厚朴(2/1>5.102及9/8<1.397)的樣品,再由2/3及4/3的比值就可區別凹葉厚朴(2/3<6.458及4/3<1.130)與和厚朴(2/3>18.901及4/3>3.156),用這流程的人工辨識正確率為100%。將9 peaks的定量結果輸入PCA、CA及LDA軟體,發現各統計方法都能迅速歸納出基原與成分的關係,分辨結果完全正確;以 stepwise-LDA處理,選出7及8兩成分作為新變數,結果顯出只用該二吸收峰的定量數據,亦能精確指示任一樣品所屬的基原。 用收集9批厚朴樣品(川厚朴7批、凹葉厚朴2批)的46個無機元素之分析數據,經仔細比對其差異性,發現Fe、Pb、V、Zr、Sb、Bi、Th等七元素可作為人工分辨依據。我們將46個元素的分析數據,以PCA、 CA及LDA處理,結果顯示PCA及LDA均能正確分類,CA則無法明顯劃分群落;用stepwise-LDA自46個元素中選出Sc、Cu、Sr、Zr和Th等5個元素,以該5數據為變數,不論CA或LDA均能正確分辨,前者至距離0.31(最大刻度為1)就可將川厚朴與凹葉厚朴分成兩群落,後者用五元素與四十六元素均能得到100%的交叉驗証。 3.防己(Fangchi Radix): 收集37批分屬日防己(Sinomenium acutum 5批)、粉防己(S. tetrandra 11批)、廣防己(Aristolochia fangchi 15批)、木防己(Cocculus trilobus 6批)的防己樣品,用HPLC分析各藥品發現日防己含有 acutumidine (1)、 magnoflorine (2) 、 stepharine (3) 、 sinomenine (4) 、 acutumine (5) and tetrandrine (9), 粉防己含有 sinomenine (4) 、 cyclanoline (6) 、 fangchinoline (7) 、 berbamine (8) 、 tetrandrine (9) and isotetrandrine (10), 廣防己含有magnoflorine (2) 、 tetrandrine (9) 、 aristolochic acid II (12) 、 aristolochic acid I (13) 、 aristololactam (14) 和未知成份 X(推測應該是aristoloactone), 木防己含有magnoflorine (2) 、 sinomenine (4) 、 tetrandrine (9) 、 trilobine (11) 、 isotrilobine (15),和未知成份 A and B ,各不同品種藥材可由指紋圖譜分辨。以18 peaks分析數據進行多變量分析,發現不論主成分分析、群聚分析或線性區別分析,均能將各樣品依所屬基原迅速分類,正確性及相似度都相當明確,也可用於判定未知樣品的基原。以逐步區別分析自18 peaks中選出2、4、7、11、15等5成分,再用LDA統計亦可得到完全正確的分類結果。 用ICP-MS測量16批防己樣品(日防己2批、粉防己4批、廣防己10批)的55微量元素含量,發現其中Be、Mn、Br、Yb、Tl、U、Bi的差異性,可作為人工分辨依據。將全部55元素數據輸入多變量分析軟體,發現只有主成分分析能達到分辨基原的目標,線性區別分析原始分類雖為100%正確,但交叉驗證只有12.5%的分類結果。我們繼而用逐步區別分析(stepwise-LDA)挑選出Be、Mn、Br、Yb、Tl、U、Bi等7元素作為變數,再進行群聚分析及線性區別分析,結果顯示兩種方法都可以得到完全正確的分類效果。