文章信息
- 李泽, 王风超, 王丽明, 张紫鑫, 毛骏祎, 韩立峰, 付志飞, 杨文志
- LI Ze, WANG Fengchao, WANG Liming, ZHANG Zixin, MAO Junyi, HAN Lifeng, FU Zhifei, YANG Wenzhi
- 现代分析技术在中药研究中的应用
- The application of modern analytical techniques in the investigations of traditional Chinese medicine
- 天津中医药大学学报, 2024, 43(10): 944-951
- Journal of Tianjin University of Traditional Chinese Medicine, 2024, 43(10): 944-951
- http://dx.doi.org/10.11656/j.issn.1673-9043.2024.10.12
-
文章历史
收稿日期: 2024-06-30
中药是以中医药理论指导采集、炮制及临床应用的药物,包括植物、动物、矿物及部分化学、生物制品类药物,具有完整的理论体系与独特的应用形式。中药化学成分、质量标准、体内代谢、作用机制及安全性等研究是现代中药研究范畴。然而,由于中药所含化学成分复杂、活性成分含量低、分离纯化步骤繁琐、结构解析难度大,使得中药化学信息的解读充满挑战。随着科技进步,许多现代仪器分析技术和方法被应用到中药研究中来,提高了对中药复杂化学成分的解析速度和准确度[1]。近些年,许多新的现代分析技术被广泛应用于中药现代化研究,如液相色谱-质谱联用(LC-MS)、气相色谱-质谱联用(GC-MS)、核磁共振波谱(NMR)以及其他色谱与光谱技术、仿生技术、电泳等。本文将对现代分析技术在中药研究中的应用进行综述,见图 1。
1 现代分析技术在中药研究中的应用 1.1 现代分析技术在中药化学成分分析研究中的应用中药因为化学成分复杂、分离纯化困难,导致其药效成分及作用机制的阐明极其困难,这对中药化学成分分析技术提出了更高要求。近年来,色谱、光谱、仿生、电泳等现代分析技术发展迅速,特别是LC-MS、GC-MS和NMR具有高效、快速、高通量、样品用量少等优点,在中药化学成分定性、定量分析方面展现出了极大优势。
色谱技术在中药化学成分的分离与分析中发挥重要作用。色谱法是一种以物质分子在固定相和流动相之间的溶解、吸附、分配、离子交换或其他亲和作用的差异为依据而建立起来的物理化学分离分析方法[2]。色谱法主要包括薄层色谱(TLC)法、高效液相色谱(HPLC)法、气相色谱(GC)法等,是解决中药复杂多组分混合物分离与分析难题的重要手段。TLC法是一种以涂布于支持板上的支持物作为固定相的色谱分离方法,可以用于中药复方成分的定性鉴别。王宗权等[3]对黄甲软肝颗粒中黄芪、丹参、三七、葛根、赤芍和柴胡采用TLC法进行成方制剂的鉴别。HPLC法多以液体为流动相,适用于中药中大部分化合物的定性定量分析[4]。GC多采用气体作为流动相,主要被用于测定中药中的挥发油类、脂肪酸类等成分,以及药材中的农药残留等[5]。王丹丹等[6]建立了一种GC方法,用于测定经大孔树脂提取制备的中药提取物中挥发性有机化合物的残留量。
LC-MS、GC-MS是将高分辨率色谱分离技术和特异性质谱检测技术相结合的分析技术,其通过液相色谱或气相色谱进行分离,通过质谱技术对分离后的各组分进行检测与结构分析,实现色谱与质谱技术的结合。LC-MS可以根据特征化合物的质谱裂解规律和特征产物离子,在没有标准品比对的情况下,对未知化合物进行结构推导。以飞行时间质谱(TOF)与静电场轨道离子阱(Orbitrap)质量分析器为基础的多种高分辨质谱可以精确测定分子质量数与多级质谱,具有高特异性、高通量、高扫描速度等优势,常用于中药化学成分的定性分析。包含四极杆质量分析器的质谱,包括单四极杆(Q)质谱、三重四极杆(QQQ)质谱等,通常用于中药多成分的定量分析[7]。常用的数据采集模式包括选择离子扫描(SIM)、选择反应监测(SRM)以及多重反应检测(MRM)。SIM是针对目标成分的一级质谱扫描技术,一般用于特定化合物的筛查及复杂混合物中杂质的定量分析。SRM与MRM均是基于离子对(母离子-产物离子)检测的二级质谱扫描技术,具有较高的灵敏度与线性动态范围,常用于目标化合物的定量分析[8]。LC-MS技术经常用于中药或中成药中多种目标化合物的快速定性与定量分析。程硕涵等[9]采用高效液相色谱-电喷雾-四极杆-飞行时间串联质谱(HPLC-ESI-Q-TOF-MS)技术对飞龙掌血水提液中生物碱类成分进行系统分析,从中鉴定得到生物碱类成分44个。Sun等[10]采用HPLC-ESI-Q-TOF-MS技术对补肾活血汤水提物的化学成分进行定性分析,共鉴定出88个化合物;采用超高效液相色谱-电喷雾-三重四极杆质谱联用(UPLC-ESI-TQ-MS)技术对其中12个具有潜在骨关节炎治疗作用的化合物进行了定量分析。
GC-MS常配备电子轰击(EI)离子源,在裂解能量恒定(多为70 eV)情况下,一定的有机化合物分子所生成的产物离子的相对强度可以重现,所以EI源能够通过谱库匹配来实现定性分析,是鉴定和解析小分子、易挥发、热稳定、能气化的化合物的首选方法[11]。Lan等[12]采用GC-MS对姜黄挥发油的化学成分谱进行在线定性和半定量分析,根据不同的分析模式将姜黄的挥发性成分分为3种,不同种类的挥发物含量差异较大。连益纯等[13]运用GC-MS技术分析了藿香正气水中单味药和5种混合样品挥发油成分的种类及含量差异,揭示不同配伍或相同配伍不同粒度会影响藿香正气水中的挥发油成分。NMR技术不依赖于色谱分离,具有更高的专属性。NMR技术应用最为广泛的是1H核磁共振谱和13C核磁共振谱,前者提供分子中氢原子相关信息,后者提供分子骨架信息。此外,二维核磁共振谱包括J分解谱、化学位移相关谱和多量子谱,它们能提供核与核之间的连接信息,所提供的丰富结构信息在化合物的结构鉴定中具备极大优势。Wang等[14]利用LC-MS和NMR技术,建立了一种快速预测和鉴定中药复方桂枝加芍药汤中抗炎成分的方法。Gao等[15]采用NMR和超高效液相色谱-四级杆飞行时间质谱(UPLC-Q-TOF-MS)对竹汁口服液中的26种主要化合物进行了定性分析。NMR技术也可以基于特征峰信号进行定量分析。核磁定量分析(qNMR)已经成为化合物定量分析、纯度测定的重要手段之一。李慧玲等[16]利用qNMR技术,以三氟乙酸-d为内标物,同时测定注射用丹参多酚酸中咖啡酸、丹参素、原儿茶酸和阿魏酸含量。
光谱法主要包括紫外-可见吸收谱光谱(UV-Vis)、近红外光谱(NIRS)、中红外光谱(MIR)、拉曼光谱(RS)、高光谱成像技术(HSI)和荧光光谱(FS)等分析方法,具有快速简便、不破坏样品、分析时间相对较短、预处理简单等优点。目前,现代光谱分析技术的一个显著特点是通过化学计量学从光谱数据中提取详细和有价值的信息,进而提高分析结果的准确性。近年来,随着人工智能、大数据、云计算特别是深度学习的快速发展,新思想、新方法、新算法不断注入化学计量学领域。以人工神经网络(ANN)、支持向量机(SVM)、卷积神经网络(CNN)等为代表的深度学习算法与光谱技术相结合,进而对中药的成分进行更为精确和科学的定性与定量分析。
UV-Vis主要用于检测具有共轭体系的有机化合物等物质的分子结构,具有检测限低、灵敏度高等优点。中药成分分子通过吸收紫外光产生的紫外光谱,可以对其组成、化合物含量和结构进行分析。Keskin等[17]采用UV-Vis和傅里叶变换红外光谱并结合LC-MS技术对绣线菊植物叶中的酚类物质进行定性和定量研究,共观察到55种酚类化合物。NIRS是利用待测物质中的某些化学组分对红外光区电磁波辐射选择性吸收的特性来进行结构分析与定量分析的一种现代分析技术。与UV-Vis光谱不同,NIRS是分子振动能级跃迁伴随转动能级跃迁而产生,属于红外光谱、分子光谱、振转光谱、带状光谱,同时也是吸收光谱。美国材料与试验协会规定,NIRS的波长范围为780~2 526 nm,它的吸收源于含氢基团的伸缩振动[18],即键长沿键轴方向发生周期性变化的振动。另外,多种原子、分子还可以产生弯曲振动。不同基团及其不同振动形式会使得分子在不同波长处产生红外吸收,根据其图谱可以推断化合物的组成基团。RS是基于光子能量与分子交换的一种分析物质结构的光谱技术。当分子由基态激发为虚能态,然后弛豫至激发态振动时会产生拉曼散射。RS就是对拉曼散射进行分析,进而对化合物进行定性、定量分析的方法[19]。Zhang等[20]将RS与反向传播神经网络算法结合,快速准确地测定了铁皮石斛中金胺含量。韩斯琴高娃等[21]以RS结合主成分分析(PCA)-SVM算法对含汞矿物药及其复方制剂进行了分类识别。MIR是一种经典的分子结构分析方法,具有特征性强、取样量小、快速无损、成本低等优点。Wu等[22]在MIR和UV-Vis基础上,结合SVM、随机森林等多变量分类方法,比较了低、中、高级数据融合方法对161批次蒲公英样品地理溯源的影响。Li等[23]采用傅里叶变换中红外光谱和电感耦合等离子体-原子发射光谱结合SVM数据融合策略,对云南省9个地区的牛肝菌进行了地理溯源分析。
基于空间分辨率光谱学的HSI是一种无损分析技术,可以同时获取中药的图像特征和光谱信息。与传统光谱分析技术相比,HSI不仅可以获得与内外特征对应的二维空间和一维光谱信息,而且可以同时采集多个样本数据[24]。目前,将HSI与深度学习相结合的分析手段已经被广泛应用,该方法可以将HSI繁多的数据进行整理分析,并从中提取有用信息。Xu等[25]利用机器学习和HSI技术采集黄芪种子形态学和光谱数据,并通过多种算法建立判别模型,用于区分黄芪和蒙古黄芪。Cai等[26]采用HSI结合CNN技术对白芍的来源进行研究,结果表明HSI结合深度学习策略能够有效识别白芍产地,具有良好的应用前景。
电泳技术是一种利用带电粒子在电场中移动速度不同而达到分离效果的技术。在电场作用下,粒子带电性质、大小、形状等差异,使得带电离子拥有不同的迁移速度。利用这种电泳现象,可以实现对物质的分离、鉴定或提纯。目前,毛细管电泳技术(CE)是应用最为广泛的电泳技术。CE的原理主要是以高压电场为驱动力,以毛细管为分离通道,依据样品中在各组分之间的淌度和分配行为上的差异而实现分离效果的一类液相分离技术,因其具有分离效率高、样品消耗少、分析灵敏度高等优点,现已成为现代中药分析中的一种常用手段。Wang等[27]采用CE-安培检测法,在自制毛细管电泳装置上分离和检测了8个黄酮类化合物,分别是芦丁、槲皮苷、槲皮素、山柰酚、山柰素、儿茶素、芹菜素和木犀草素。郭芳芳等[28]采用高效CE分别对5个不同产地的苦荞中黄酮类化合物进行检测,并在7 min内实现表儿茶素、山柰酚、芦丁和槲皮素4种黄酮类化合物的分离。翟迎春等[29]采用高效CE在10 min内成功分离小檗碱、药根碱、巴马汀碱、黄连碱,实现各成分的含量测定。
中药中包含的一些化合物,如蛋白质、酶、初级或次级代谢物(如香豆素类、黄酮类、皂苷)在紫外光或可见光激发后表现出特征荧光发射现象[30]。FS是指物质在受到激发后,其电子从基态跃迁至激发态,然后再从激发态返回基态时,会发射出一定波长的荧光。FS可以通过观察样品的荧光强度、波长及寿命等参数来获得有关样品信息,从而实现对样品的定性和定量分析。战瑞雪[31]将FS与SVM、误差反向传播神经网络算法相结合,分析不同参数时分类模型对中药药性的分类效果。
1.2 现代分析技术在中药质量控制研究中的应用中药质量控制是中药安全、临床疗效的保障。当前,中药质量控制主要集中于对某种或多个指标性成分或特征性成分的定性鉴别及含量测定。但目前中药质量控制面临诸多难题,如对照品缺乏等,而中药具有多靶点、整体作用的特点,其发挥药效的物质基础往往不是某几个“指标成分”,仅控制几个“指标成分”的含量未必能够确保中药的临床疗效,这就对中药可测化学成分的整体信息解读提出了更高要求。中药指纹图谱是一种综合的、可量化的分析手段,主要用于评价中药材及中药复方质量的一致性。HPLC技术不受分析对象挥发性和热稳定性的限制,几乎所有的化合物包括高沸点、极性、离子型化合物和大分子物质均可以用HPLC技术分析测定。基于HPLC技术的指纹图谱已经被列入《中华人民共和国药典》。马思文等[32]建立了疏清颗粒的HPLC指纹图谱,参照“中药色谱指纹图谱相似度评价系统”,评价10批疏清颗粒指纹图谱的相似度,共鉴定了31个共有峰,对其中的甘草苷、甘草酸、芦丁、阿魏酸、绿原酸5个色谱峰进行了指认,相似度>0.98。该方法具有良好的稳定性和重复性,可以用于疏清颗粒的质量评价。Tian等[33]建立了柴胡HPLC指纹图谱,用于区分不同品种的柴胡,进而实现柴胡的质量控制。
LC-MS、GC-MS和NMR等技术也可以用于构建中药指纹图谱。通过对不同批次或来源的中药进行指纹图谱比对,可以评价中药的质量和稳定性。Lin等[34]采用LC-MS技术分析中药制剂甘露饮的指纹图谱,并鉴定了制剂中的14种主要成分,为甘露饮的生产提供了有效质量控制。王迪等[35]建立了苦荞麦的超高效液相色谱-三重四极杆串联质谱(UPLC-QQQ-MS/MS)指纹图谱,结合化学计量学方法为苦荞麦的品质评价和质量控制提供依据。吴姣姣等[36]采用GC-MS技术建立了白术挥发油指纹图谱,并结合网络药理学技术对白术挥发油的质量标志物进行了初步预测分析。程媛等[37]建立经典名方乌药汤物质基准中挥发油的GC-MS指纹图谱,分析物质基准中挥发油的化学组成,并建立多指标含量测定方法。NMR技术因为具有无偏向性、不破坏样品、操作简单、易于自动化等特点,联合指纹图谱与代谢组学方法,适合标准品难以获得或名贵中药的质量控制研究。Li等[38]建立了人参注射液的1H-NMR指纹图谱,鉴定了32种化学成分,对该制剂进行了质量评价。Cao等[39]对制备的黄芪多糖建立了1H-NMR指纹图谱,并结合其纯度和结构信息用来筛选植物中的多糖。
光谱法也常用于中药的真伪鉴别和质量分析。Shi等[40]提出了NIRS结合一维卷积神经网络和混沌地图蜣螂优化算法以及误差反向传播神经网络综合分析香附子。该方法具有快速和非破坏性的优点,不仅可以定性区分香附子及其各种加工产品,还能够定量预测其两种生物活性成分。Wang等[41]采用遗传算法、反向传播神经网络与NIRS结合,建立了白芍生物活性成分含量的校准模型。
传统经验鉴别的精髓是“辨状论质”[42]。“四气五味”是中药药性理论的核心内容之一,最初是通过药物真实的气味和滋味来确定,后来“味”又被用来归纳和解释药物的功效[43]。酸、苦、甘、辛、咸即为“五味”,表现为“酸收、苦坚、甘缓、辛散、咸软”等功效,这些理论被作为临床配伍组方的重要依据[44-45]。近些年发展起来的电子舌、电子鼻等仿生技术是基于传感器阵列的现代感官分析探测技术,具有灵敏度高、响应灵敏、非破坏性检测、样品无需前处理等优点。利用仿生技术可以将中药的气味信息进行数字化处理,使其更为客观便于分析。电子鼻和电子舌技术已经成为现代中药成分分析和质量控制的重要工具。电子鼻主要通过模拟人类的嗅觉系统,利用传感器阵列对气味进行快速、客观的分析。电子舌技术则是模拟人类舌体及其神经系统信息处理的智能味觉仿生系统,对中药的味道进行准确区分。这两种技术为中药的鉴定、质量控制以及炮制研究提供了新的研究思路。随着这些技术的不断发展与完善,其在中药领域的应用前景将更为广阔。Zhang等[46]利用Heracles NEO超快气相电子鼻获取生姜液气味信息,进行雷达指纹分析、主成分分析和判别因子分析,并利用数据库对挥发性成分进行定性分析,鉴定出生姜液中16种化合物。Hou等[47]采用气相色谱法、电子舌和电子鼻法建立了砂仁的品种和质量评价方法,该方法快速准确地评价了砂仁的品种和质量,多源信息融合技术的引入提高了砂仁的分析精度。
1.3 现代分析技术在中药药物代谢及作用机制研究中的应用除了对中药及其复方的化学成分、质量标准进行研究外,现代分析技术还可以用于中药入血成分分析、药代动力学、药物相互作用及作用机制的相关研究。中药有效成分复杂,产生药理作用的可能是原型成分,也可能是其代谢产物。药物的代谢产物往往保持着原药的母核结构,因此原药与其代谢产物具有相似的质谱碎裂过程和特征碎片离子,可以据此推断代谢产物的结构[48]。单四极杆-飞行时间质谱(Q-TOF)和四极杆-静电场轨道阱高分辨质谱(Q-Orbitrap)等高分辨质谱常用于中药入血成分及代谢产物分析;QQQ具有较好的定量灵敏度,是进行血药浓度监测的常用方法[49]。
细胞色素P450(CYP450)是重要的药物代谢酶家族,参与大多数中药代谢[50]。LC-MS和GC-MS经常用于评估中药对CYP450的影响。Tang等[51]采用基于Cocktail探针底物的LC-MS技术研究舒肝解郁胶囊对CYP450酶的影响。Oh等[52]开发了一种简单快速的GC-MS技术用于评估水煎剂小青龙汤对CYP450酶的影响。代谢组学技术是近年来的研究热点,是对某一生物或细胞在特定生理时期内所有低分子量代谢产物同时进行定性和定量分析的一门新学科。代谢组学强调从整体角度系统研究生命体功能,与中医药的整体性和系统性思想相契合,在中药药效学与作用机制的研究中得到了广泛应用。LC-MS、GC-MS及NMR技术是代谢组学常用的技术平台。通过LC-MS、GC-MS及NMR技术采集化合物信息,获得代谢轮廓谱,借助人类代谢组学数据库等进行化合物指认,根据PCA、偏最小二乘-判别分析(PLS-DA)等多元统计分析方法,发现生物标志物及可能代谢通路[53]。赵紫薇等[54]采用UPLC-Q-TOF-MS非靶向代谢组学技术,鉴定不同基原圆柏药材,并结合PCA、PLS-DA方法筛选化学标志物。王方杰等[55]采用GC-MS代谢组学技术结合生化指标分析,研究了杜仲抗大鼠骨质疏松疗效及相关机制。基于NMR的代谢组学研究,依靠Noesyprld或CPMGPR1d等脉冲程序,采集生物样本(尿液、血清或组织匀浆)化学信息,一般将采集到的生物样本与重水磷酸缓冲液混合后置于核磁管中,即可采集信号。其供试品溶液制备方法操作简单,无沉淀蛋白或液液萃取等处理过程,最大程度地还原与体现了生物样品的化学信息。Zhou等[56]利用NMR结合GC-MS技术寻找与黄连导致腹泻相关的内源性代谢物。此外,NMR技术可以用于研究药物与其作用靶点(如蛋白质)之间的结合方式、作用力半径等参数,以进一步了解药物与靶点之间的相互作用机制。Wan等[57]采用配体观察核磁共振实验研究何首乌中的活性物质二苯乙烯苷和脂肪酸结合蛋白4的相互作用,探索何首乌改善糖脂代谢的作用机制。
2 结语与展望本章概述了多种现代仪器分析技术的特征及其在中药研究中的应用。利用这些现代分析技术,一方面可以表征、鉴定中药的物质基础及活性成分,另一方面也可以对其中的有效成分进行测定,实现中药的质量控制,为药理和毒理研究奠定基础。此外,这些技术手段实现了动物组织样品中中药的原型成分及其代谢产物的快速鉴定与定量分析,促进了中药体内代谢研究。由于中药成分极其复杂,中药治疗疾病具有“多成分-多靶点-多途径”的特点,系统阐释中药的药效物质及作用机制难度较大,故而进一步完善现代仪器分析技术的研究和应用,对于中药的现代化与国际化意义重大。
[1] |
BECCARIA M, CABOOTER D. Current developments in LC-MS for pharmaceutical analysis[J]. The Analyst, 2020, 145(4): 1129-1157. DOI:10.1039/C9AN02145K |
[2] |
HAAS S, DESOMBRE M, KIRSCHHÖFER F, et al. Purification of a hydrophobic elastin-like protein toward scale-suitable production of biomaterials[J]. Frontiers in Bioengineering and Biotechnology, 2022, 10(8): 878-888. |
[3] |
王宗权, 黄朝情, 黄志辉, 等. 基于多息薄层色谱法的黄甲软肝颗粒的鉴别研究[J]. 中国民族民间医药, 2021, 30(10): 36-39. DOI:10.3969/j.issn.1007-8517.2021.10.zgmzmjyyzz202110009 |
[4] |
XU Y, YU X, GUI J Q, et al. Ultrasonic solvent extraction followed by dispersive solid phase extraction(d-SPE) cleanup for the simultaneous determination of five anthraquinones in Polygonum multiflorum by UHPLC-PDA[J]. Foods(Basel, Switzerland), 2022, 11(3): 386. |
[5] |
张伟, 黄金林. 现代分析技术在中药药效成分检测中的应用进展[J]. 化学分析计量, 2023, 32(9): 116-120. DOI:10.3969/j.issn.1008-6145.2023.09.023 |
[6] |
王丹丹, 杨铭, 昝珂, 等. GC-MS/MS测定中药中13个挥发性有机化合物[J]. 中国现代中药, 2024, 26(5): 856-861. |
[7] |
张俊杰, 贾金萍, 秦雪梅. 质谱技术在中药研究中的应用进展[J]. 分析测试学报, 2017, 36(5): 579-587. DOI:10.3969/j.issn.1004-4957.2017.05.001 |
[8] |
LIM C K, LORD G. Current developments in LC-MS for pharmaceutical analysis[J]. Biological & Pharmaceutical Bulletin, 2002, 25(5): 547-557. |
[9] |
程硕涵, 姚兰, 杨静, 等. 基于LC-MS/MS联用技术的飞龙掌血生物碱类化学成分分析[J]. 中华中医药杂志, 2022, 37(8): 4702-4707. |
[10] |
SUN D D, YAN Q Y, XU X F, et al. LC-MS/MS analysis and evaluation of the anti-inflammatory activity of components from BushenHuoxue decoction[J]. Pharmaceutical Biology, 2017, 55(1): 937-945. DOI:10.1080/13880209.2017.1285327 |
[11] |
ŠPÁNIK I, MACHYŇÁKOVÁ A. Recent applications of gas chromatography with high-resolution mass spectrometry[J]. Journal of Separation Science, 2018, 41(1): 163-179. DOI:10.1002/jssc.201701016 |
[12] |
LAN Z W, WANG L H, LI Q T, et al. Analysis of volatile oil components of different species of Curcumae Rhizoma based on GC-MS and chemometrics[J]. China Journal of Chinese Materia Medica, 2021, 46(14): 3614-3624. |
[13] |
连益纯, 张东元, 杨辉, 等. 藿香正气方挥发油提取工艺优化及GC-MS分析[J]. 中成药, 2023, 45(12): 4076-4080. DOI:10.3969/j.issn.1001-1528.2023.12.037 |
[14] |
WANG S F, WANG H Q, LIU Y N, et al. Rapid discovery and identification of anti-inflammatory constituents from traditional Chinese medicine formula by activity index, LC-MS, and NMR[J]. Scientific Reports, 2016, 6(4): 310-320. |
[15] |
GAO Q, WANG D T, SHAO S Y, et al. Identification and quantitation of the actual active components in bamboo juice and its oral liquid by NMR and UPLC-Q-TOF-MS[J]. Scientific Reports, 2020, 10(1): 194-198. DOI:10.1038/s41598-019-57033-2 |
[16] |
李慧玲, 单丽红. 定量核磁共振技术测定注射用丹参多酚酸中咖啡酸、丹参素、原儿茶酸和阿魏酸[J]. 药物评价研究, 2023, 46(8): 1686-1690. |
[17] |
KESKIN S Y, AVCI A, KURNIA HF F. Analyses of phytochemical compounds in the flowers and leaves of Spiraea japonica var. fortunei using UV-VIS, FTIR, and LC-MS techniques[J]. Heliyon, 2024, 10(3): 254-260. |
[18] |
BE K B, GRABSKA J, CZARNECKI M A. Spectra-structure correlations in NIR region: spectroscopic and anharmonic DFT study of n-hexanol, cyclohexanol and phenol[J]. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2018, 205(2): 176-184. |
[19] |
PAN W W, ZHOU J Q, ZHANG L, et al. Raman dissipative soliton fiber laser mode locked by a nonlinear optical loop mirror[J]. Optics Express, 2019, 27(13): 17905-17911. DOI:10.1364/OE.27.017905 |
[20] |
ZHANG L L, ZHANG C H, LI W X, et al. Rapid indentification of auramine O dyeing adulteration in Dendrobium officinale, Saffron and Curcuma by SERS Raman spectroscopy combined with SSA-BP neural networks model[J]. Foods(Basel, Switzerland), 2023, 12(22): 4124-4131. |
[21] |
韩斯琴高娃, 阿木古楞, 王士燕, 等. 基于拉曼光谱技术结合PCA-SVM算法对含汞矿物药的分类识别研究[J]. 中华中医药杂志, 2023, 38(4): 1815-1818. |
[22] |
WU X M, ZHANG Q Z, WANG Y Z. Traceability of wild Paris Polyphylla Smith var. Yunnanensis based on data fusion strategy of FT-MIR and UV-Vis combined with SVM and random forest[J]. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2018, 205(4): 479-488. |
[23] |
LI Y, ZHANG J, LI T, et al. Geographical traceability of wild Boletusedulis based on data fusion of FT-MIR and ICP-AES coupled with data mining methods(SVM)[J]. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2017, 204(1): 20-27. |
[24] |
WANG F X, WANG C G, SONG S Y, et al. Study on starch content detection and visualization of potato based on hyperspectral imaging[J]. Food Science & Nutrition, 2021, 9(8): 4420-4430. |
[25] |
XU Y N, WU W F, CHEN Y, et al. Hyperspectral imaging with machine learning for non-destructive classification of Astragalus membranaceus var. mongholicus, Astragalus membranaceus, and similar seeds[J]. Frontiers in Plant Science, 2022, 13(9): 1031-1039. |
[26] |
CAI Z Y, HUANG Z H, HE M Y, et al. Identification of geographical origins of Radix Paeoniae Alba using hyperspectral imaging with deep learning-based fusion approaches[J]. Food Chemistry, 2023, 42(2): 136-149. |
[27] |
WANG W, LIN P, MA L H, et al. Separation and determination of flavonoids in three traditional Chinese medicines by capillary electrophoresis with amperometric detection[J]. Journal of Separation Science, 2016, 39(7): 1357-1362. DOI:10.1002/jssc.201501287 |
[28] |
郭芳芳, 冯锋, 白云峰, 等. 高效毛细管电泳法对5个产地苦荞中黄酮类化合物的检测[J]. 食品科学, 2015, 36(18): 85-88. DOI:10.7506/spkx1002-6630-201518015 |
[29] |
翟迎春, 金欣, 秦亚东, 等. HPCE法同时测定黄连中四种生物碱含量[J]. 现代中药研究与实践, 2015, 29(5): 24-26. |
[30] |
FAN Q M, CHEN C Y, HUANG Z Q, et al. Discrimination of Rhizoma Gastrodiae(Tianma) using 3D synchronous fluorescence spectroscopy coupled with principal component analysis[J]. Spectrochimica Acta Part A: Molecular and Biomo-lecular Spectroscopy, 2015, 202(12): 1621-1625. |
[31] |
战瑞雪. 基于三维荧光光谱的中药的荧光成分分析及寒热药性模式识别研究[D]. 济南: 山东中医药大学, 2022.
|
[32] |
马思文, 车宏伟, 孟雅, 等. 疏清颗粒高效液相色谱指纹图谱的建立及相关性研究[J]. 中南药学, 2023, 21(11): 3014-3019. |
[33] |
TIAN R T, XIE P S, LIU H P. Evaluation of traditional Chinese herbal medicine: Chaihu(baupleuri radix) by both high-performance liquid chromatographic and high-performance thin-layer chromatographic fingerprint and chemometric analysis[J]. Journal of Chromatography A, 2009, 1216(11): 2150-2155. DOI:10.1016/j.chroma.2008.10.127 |
[34] |
LIN I H, LEE M C, CHUANG W C. Application of LC/MS and ICP/MS for establishing the fingerprint spectrum of the traditional Chinese medicinal preparation Gan-Lu-Yin[J]. Journal of Separation Science, 2006, 29(1): 172-179. DOI:10.1002/jssc.200500147 |
[35] |
王迪, 杨洁丽, 聂佳, 等. UPLC-QQQ-MS/MS指纹图谱结合一测多评法的不同品种苦荞麦质量评价[J]. 中草药, 2024, 55(11): 3855-3865. |
[36] |
吴姣姣, 刘东, 张莉, 等. 基于GC-MS指纹图谱和网络药理学的白术挥发性成分质量标志物预测分析[J]. 天然产物研究与开发, 2023, 35(8): 1305-1313, 1392. |
[37] |
程媛, 忻晓东, 彭安堂, 等. 基于GC-MS指纹图谱及多成分含量测定对经典名方乌药汤物质基准质量评价研究[J]. 中国现代应用药学, 2021, 38(23): 2978-2984. |
[38] |
LI W Z, YANG J Y, ZHAO F, et al. Fingerprint of Shenmai Injection based on 1H-NMR technique[J]. China Journal of Chinese Materia Medica, 2022, 47(3): 581-586. |
[39] |
CAO L, ZHAO J P, WANG M, et al. Rapid preparation and proton NMR fingerprinting of polysaccharides from Radix Astragali[J]. Carbohydrate Research, 2024, 53(6): 1090-1098. |
[40] |
SHI Y B, HE T Y, ZHONG J J, et al. Classification and rapid non-destructive quality evaluation of different processed products of Cyperus rotundus based on near-infrared spectroscopy combined with deep learning[J]. Talanta, 2024, 268(11): 1252-1266. |
[41] |
WANG Q, LI H Q, YOU J L, et al. An integrated strategy of spectrum-effect relationship and near-infrared spectroscopy rapid evaluation based on back propagation neural network for quality control of Paeoniae Radix Alba[J]. Analytical Scie-nces: the International Journal of the Japan Society for Analytical Chemistry, 2023, 39(8): 1233-1247. DOI:10.1007/s44211-023-00334-4 |
[42] |
李佳园, 魏晓嘉, 万国慧, 等. "辨状论质"的历史沿革与现代研究进展[J]. 中国实验方剂学杂志, 2021, 27(6): 189-196. |
[43] |
张静雅, 曹煌, 许浚, 等. 中药苦味药性表达及在临证配伍中的应用[J]. 中草药, 2016, 47(2): 187-193. |
[44] |
张铁军, 刘昌孝. 中药五味药性理论辨识及其化学生物学实质表征路径[J]. 中草药, 2015, 46(1): 1-6. |
[45] |
孙玉平, 张铁军, 曹煌, 等. 中药辛味药性表达及在临证配伍中的应用[J]. 中草药, 2015, 46(6): 785-790. |
[46] |
ZHANG K W, WANG J, FAN X C, et al. Discrimination between raw and ginger juice processed Magnoliae officinalis cortex based on HPLC and Heracles NEO ultra-fast gas phase electronic nose[J]. Phytochemical analysis, 2022, 33(5): 722-734. DOI:10.1002/pca.3123 |
[47] |
HOU F G, FAN X H, GUI X J, et al. Development of a variety and quality evaluation method for Amomi fructus using GC, electronic tongue, and electronic nose[J]. Frontiers in Chemistry, 2023, 11(13): 1188-1200. |
[48] |
邓志鹏, 柳佳, 熊山, 等. 桑辛素大鼠体内代谢产物鉴定[J]. 食品与药品, 2021, 23(4): 296-300. DOI:10.3969/j.issn.1672-979X.2021.04.002 |
[49] |
PANG B Y, ZHU Y, LU L Q, et al. The applications and features of liquid chromatography-mass spectrometry in the analysis of traditional Chinese medicine[J]. Evidence-Based Complementary and Alternative Medicine, 2016, 38(7): 727-730. |
[50] |
刘凡琪, 李楠, 王凤颖, 等. 细胞色素P450酶介导的中药注射剂代谢性相互作用研究现状及思考[J]. 药物评价研究, 2023, 46(5): 1116-1124. |
[51] |
TANG Y Q, LI Y X. Compound Shuganjieyu capsule on CYP450 enzyme activity[J]. BioMed Research International, 2022, 20(28): 3228-3238. |
[52] |
OH H-A, LEE H, KIM D, et al. Development of GC-MS based cytochrome P450 assay for the investigation of multi-herb interaction[J]. Analytical Biochemistry, 2017, 519(1): 71-83. |
[53] |
江美芳, 高崎, 王丹丹. 基于LC-MS代谢组学技术在中药化学成分中的应用[J]. 中国医药导报, 2020, 17(25): 133-136. |
[54] |
赵紫薇, 彭芳, 张琨, 等. 基于UPLC-Q-TOF-MS/MS代谢组学技术筛选不同基原圆柏品种鉴别的化学标志物[J]. 药学学报, 2023, 58(7): 1880-1893. |
[55] |
王方杰, 王婷, 罗芳梅, 等. 基于GC-MS代谢组学技术的杜仲抗骨质疏松作用研究[J]. 中国中药杂志, 2020, 45(22): 5555-5560. |
[56] |
ZHOU Y T, LIAO Q F, LIN M N, et al. Combination of 1H NMR- and GC-MS-based metabonomics to study on the toxicity of Coptidis Rhizome in rats[J]. PloS One, 2014, 9(2): 88-92. |
[57] |
WAN H, TIAN Y F, JIANG H P, et al. A NMR-based drug screening strategy for discovering active substances from herbal medicines: using Radix polygoni multiflori as example[J]. Journal of Ethnopharmacology, 2020, 254(9): 1127-1132. |