方案摘要
方案下载| 应用领域 | 制药/生物制药 |
| 检测样本 | 中药材和饮片 |
| 检测项目 | |
| 参考标准 | / |
本文采用三重四极杆气质联用仪（GC-MS/MS）结合香味数据库建立了川芎药材中506种气味化合物分析方法。无需对照品，自动建立506种气味化合物的半定量分析方法。与商业谱库检索定性相比较，本方法依据质谱图、保留时间和质量色谱图三种信息作为定性依据，提高了鉴别中药材中特征性气味化合物的可靠性；本研究在川芎、日本川芎、抚芎和金芎等四种川芎样品中共鉴别出123种气味化合物，同时获得了气味化合物的浓度。基于气味化合物浓度，使用正交偏最小二乘判别分析（orthogonal partial least squares discriminant analysis，OPLS-DA）、聚类分析（hierarchical cluster analysis，HCA）等方法对四种川芎（川芎、金芎、抚芎和日本川芎）中特征性气味化合物进行统计学分析。本方法为川芎特征性气味研究提供了科学数据，也为区分相关药材的合适用途提供参考。
本文采用三重四极杆气质联用仪结合香味数据库建立了川芎中506种气味化合物分析方法。无需目标物对照品，自动建立506种气味化合物的半定量分析方法。与NIST商业谱库检索定性相比较，本方法依据质谱图、保留时间和质量色谱图三种信息作为定性依据，提高了鉴别川芎中特征性气味化合物的可靠性；四种药材中气味化合物共123种，其中川芎84种、日本川芎84种、抚芎91种、和金芎79种，萜烯类化合物是四种药材气味化合物中最主要的化学类别。基于123种气味化合物的含量，使用正交偏最小二乘判别分析、聚类分析等统计方法分析了川芎、日本川芎、抚芎和金芎等四种药材中特征性气味化合物，结果表明，OPLS-DA模型建立良好，四种药材各自分属于不同的区域，互相无重叠；聚类分析结果显示四种药材明显的聚为不同的4类，说明特征气味存在差异性，而相关性不够明显。本研究为川芎的品质区分提供了科学依据，也为其他中药材的特征气味鉴别提供了方法参考。
文献贡献者
革故鼎新 新污染物特色方案精选
骨内牙种植体动态疲劳试验
机器学习预测饼干感官评价值
相关产品
关注
拨打电话
留言咨询
