色谱峰识别方法

基于化学模式识别和熵权TOPSIS法分析鱼腥草不同部位的差异潘玲 ,施文婷 ,张兰兰 ,文珊 ,刘权震 ,黎桃敏 ,陈丹燕 ,刘燎原（广东一方制药有限公司，广东省中药配方颗粒企业重点实验室，广东佛山　528244）DOI：10.3969/j.issn.1008-6145.2023.02.002基金信息： 国家工业和信息化部2019年产业技术基础公共服务平台项目（2019-00902-1-2）；佛山市应急科技攻关专项（2020001000206）摘 要： 基于高效液相色谱（HPLC）指纹图谱比较鱼腥草不同部位（茎、叶）化学成分的差异性，并综合评价鱼腥草不同部位的质量。建立鱼腥草不同部位的HPLC指纹图谱，通过相似度评价、化学模式识别及熵权TOPSIS法对其化学成分进行差异性研究，并对其质量标志物（槲皮苷）进行含量测定。建立的HPLC指纹图谱中鱼腥草药材及其茎叶均确定了8个共有峰，指认了其中6个成分；聚类分析（CA）和主成分分析（PCA）结果表明鱼腥草叶和茎的质量差异大，叶和药材的质量较接近；偏最小二乘法-判别分析（OPLS-DA）发现4种成分是造成不同批次样品差异性的主要标志物；熵权TOPSIS法分析显示同批次鱼腥草药材与其茎叶既有相关性也有差异性，且四川产地的鱼腥草药材质量较佳；含量测定结果显示，同批次鱼腥草中的槲皮苷含量由高到低均依次为叶、药材、茎。鱼腥草不同部位HPLC指纹图谱存在显著差异。该方法可反映鱼腥草不同部位质量差异性，为鱼腥草药材的质量控制及资源开发利用提供参考。关键词： 鱼腥草； 不同部位； 化学模式识别； 熵权TOPSIS法； 槲皮苷中药特征图谱是中药整体性的化学表征，在中药质量评价方面应用广泛。化学模式识别分析包括聚类分析和主成分分析等，是用于揭示隐含于化学测量数据内部规律的一种多元分析技术，已被广泛应用于中药材及中药制剂的质量评价。逼近理想解排序法(TOPSIS)是一种多指标决策法，利用各方案与理想方案和负理想方案的欧式距离来度量方案优劣，使得属性与其效用之间呈线性变化关系，同时将多个评价指标进行合理赋权得到一个综合指标，把多维问题转化为一维问题，有效地排除主观因素的影响，明显提高多目标决策分析的科学性和准确性。笔者利用HPLC法建立鱼腥草不同部位的指纹图谱，运用聚类分析、主成分分析、偏最小二乘法-判别分析等化学模式识别方法对鱼腥草不同部位指纹图谱进行质量评价，同时运用熵权TOPSIS法对鱼腥草不同部位的槲皮苷含量进行综合排序评价，旨在全面反映鱼腥草药材及其不同部位化学成分差异，为鱼腥草药材的合理应用和资源开发提供一定的数据支撑。本文摘选自《化学分析计量》202302期，有部分改动1 主要实验部分1.1 色谱条件色谱柱：Phenomenex Luna C18柱(250 mm × 4.6 mm，5 μm，美国Phenomenex公司)；流动相：A相为乙腈，B相为0.1%磷酸水溶液；洗脱方式：梯度洗脱；洗脱程序：0～10 min时，A相体积分数由6%逐渐增加至8%，10～35 min时，A相体积分数由8%逐渐增加至27%，35～37 min时，A相体积分数由27%逐渐下降至6%，37～40 min时，A相体积分数为6%；流动相流量：1.0 mL/min；柱温：30 ℃；检测波长：0～25 min时为326 nm，25～40 min时为254 nm；进样体积：10 μL。1.2 溶液配制(1)混合对照品溶液。分别精密称取新绿原酸、绿原酸、隐绿原酸、芦丁、金丝桃苷、槲皮苷对照品适量，置于同一只5 mL容量瓶中，加入90%甲醇溶液溶解并定容至标线，配制成新绿原酸、绿原酸、隐绿原酸、芦丁、金丝桃苷、槲皮苷的质量浓度分别为7.492 6、7.443 4、7.198 5、9.185 0、8.817 1、7.960 3 μg/mL的混合对照品溶液。(2)鱼腥草药材样品溶液。取鱼腥草药材样品粉末(过4#筛)约0.5 g，精密称定，置于具塞锥形瓶中，精密加入90%甲醇溶液25 mL，称定质量，超声(功率300 W，频率40 kHz)处理30 min，取出，放冷，再称定质量，用90%甲醇溶液补足减失的质量，摇匀，滤过，即得。1.3 实验方法利用HPLC法建立鱼腥草不同部位的指纹图谱，运用聚类分析、主成分分析、偏最小二乘法-判别分析等化学模式识别方法对鱼腥草不同部位各特征峰进行化学模式识别分析。2 主要结果与讨论2.1 HPLC指纹图谱的建立取18批鱼腥草药材、茎和叶样品，制备样品溶液，按色谱条件进样测定，记录色谱图。将采集到的HPLC色谱图导入中药色谱指纹图谱相似度评价系统(2012版)软件进行匹配，分别生成对照指纹图谱R1、R2和R3。2.2 化学模式识别分析2.2.1 聚类分析采用SPSS 26.0软件，以18批鱼腥草药材、茎和叶共54个样品的指纹图谱中8个共有峰的“峰面积占比”(各共有峰峰面积占共有峰总面积的比例)作为变量进行聚类分析。2.2.2 主成分分析采用SPSS 26.0软件，以18批鱼腥草药材、茎和叶共54个样品的指纹图谱中8个共有峰的“峰面积占比”作为变量进行主成分分析，分析结果与主成分因子载荷矩阵分别见下表，得分图如图所示。以特征值大于1为提取标准提取主成分，提取出前2个主成分，对总方差的累积贡献率达72.782%，表明提取的2个主成分能基本反映全部指标的信息。主成分1的特征值为4.043，方差贡献率为50.533%，载荷(绝对值)较高的峰有新绿原酸、绿原酸、隐绿原酸、金丝桃苷、槲皮苷，表明这5个成分主要反映主成分1的信息；主成分2的特征值为1.780，方差贡献率为22.249%，载荷(绝对值)较高的峰有峰4、芦丁、峰7，表明这3个成分主要反映主成分2的信息。由主成分得分图可以看出药材和叶基本聚为一类，茎单独聚为一类，与聚类分析结果一致。表 18批鱼腥草药材、茎、叶的主成分分析结果表 18批鱼腥草药材、茎、叶的主成分因子载荷矩阵注：“-”代表方向。图 18批鱼腥草药材、茎、叶的主成分得分图2.3.3 正交偏最小二乘法-判别分析正交偏最小二乘法判别分析(OPLS-DA)是一种与主成分有关的统计学方法，将数据降维后建立回归模型并对结果进行判别分析。模型通过Y轴累积解释率(R2Ycum)、模型累积预测率(Q2cum)建立模型参数，R2Ycum与Q2cum值差距越小且接近1，表示模型效果越好。采用SIMCA 14.1软件，以18批鱼腥草药材、茎和叶共54个样品的指纹图谱中8个共有峰的“峰面积占比”作为变量进行OPLS-DA分析，结果如图所示。由模型参数可知，数据矩阵的模型解释率R2Ycum=0.82，模型预测参数Q2cum=0.57，均大于0.50，表明该数学模型稳定可靠。54批样品可分成2类，鱼腥草的茎单独聚为一类，药材和叶聚为一类。以VIP值大于1为提取标准，结果表明，槲皮苷、隐绿原酸、峰4和芦丁是影响分类的主要标志性成分。文献研究表明鱼腥草中黄酮类成分具有杀菌、祛痰、止咳等作用，因此选择槲皮苷作为鱼腥草的质量标志物，对18批鱼腥草药材、茎、叶样品进行含量测定。图 18批鱼腥草药材、茎、叶的OPLS-DA分析得分图图 OPLS-DA分析VIP值2.5 熵权TOPSIS法分析对18批鱼腥草药材不同部位HPLC指纹图谱中各共有峰的峰面积进行熵权TOPSIS法分析，依次建立各样品的初始决策矩阵、标准化决策矩阵，计算得到各项指标的熵值Ej=(1.522、1.822、1.892、2.022、2.012、1.912、1.883、1.856)；权重wj=(0.079、0.118、0.128、0.147、0.146、0.131、0.127、0.123)；根据加权决策矩阵得到最优方案Zj+=(0.079、0.118、0.128、0.147、0.146、0.131、0.127、0.123)，最劣方案Zj-均为0。计算18批鱼腥草药材不同部位与最优方案的距离(D+)、与最劣方案的距离(D-)及最优解的欧氏贴近度(Ci)。D+越小、D-越大、Ci越大，则被评价样品越优。18批药材、茎、叶的Ci平均值分别为0.159、0.063、0.300，提示叶的质量最优，药材次之，茎最差。质量排序：鱼腥草药材前三位的分别是H4、H5、H1，茎前三位的分别是S4、S5、S6，叶前三位的分别是L4、L1、L5，不同产地鱼腥草样品存在较大差异，可为优良药材资源的进一步研究与开发提供参考。3 结论笔者通过建立鱼腥草不同部位HPLC特征图谱，结合化学识别模式和熵权TOPSIS法分析鱼腥草不同部位质量差异。采用HPLC法，从鱼腥草药材、茎和叶的指纹图谱中标识出8个共有峰，通过对照品指认出其中6个成分，分别为新绿原酸、隐绿原酸、绿原酸、芦丁、金丝桃苷、槲皮苷。相似度评价结果表明，18批鱼腥草药材、茎和叶的HPLC指纹图谱与其相应对照指纹图谱的相似度均大于0.85，表明不同批次鱼腥草同一部位的整体质量较为稳定；通过聚类分析、主成分分析、正交偏最小二乘法判别分析明确各化学成分的富集部位及影响分类的主要标志性成分，可用于评价鱼腥草药材的整体质量及茎、叶各部位的质量差异；含量测定结果表明同一批鱼腥草中的槲皮苷含量由高到低均依次为叶、药材、茎；熵权TOPSIS法确定了鱼腥草中8个共有峰的权重，根据Ci值对不同部位的鱼腥草样品进行排序，可实现对鱼腥草整体质量控制以及优质种源筛选。建立的鱼腥草药材及其不同部位HPLC指纹图谱检测方法稳定可靠，通过化学模式识别和熵权TOPSIS法，对鱼腥草药材及其不同部位的HPLC指纹图谱进行分析评价，可全面、综合、系统地对样本进行质量评价和差异分析，从而比较不同部位的化学成分差异，明确化学成分的分布规律，为鱼腥草药材的质量控制和临床应用提供数据支持。引用本文： 潘玲，施文婷，张兰兰，等 . 基于化学模式识别和熵权TOPSIS法分析鱼腥草不同部位的差异［J］. 化学分析计量，2023，32（2）：6. (PAN Ling, SHI Wenting, ZHANG Lanlan, et al. Analysis of the differences of Houttuynia cordata with different parts based on chemical pattern recognition and entropy TOPSIS method[J]. Chemical Analysis and Meterage, 2023, 32(2): 6.)通讯作者：陈丹燕，本科，研究方向：中药配方颗粒制备工艺与质量标准研究基金信息： 国家工业和信息化部2019年产业技术基础公共服务平台项目（2019-00902-1-2）；佛山市应急科技攻关专项（2020001000206）中图分类号： O657.7文章编号：1008-6145(2023)02-0006-07本文来源：“ 化学分析计量”微信公众号

近日，中科院大连化学物理研究所许国旺课题组在糖苷类化合物规模化注释方面取得新进展。通过构建in silico苷元库和糖基/酰基-糖基碎裂模式库，以及发展利于苷元离子检出的LC-HR MS/MS分析条件，建立了苷元离子的高通量识别方法以及高效去除假阳性候选结果的方法，并开发了相应的糖苷类化合物规模化注释程序plantMS2（https://github.com/zhengfj1994/plantMS2）。 糖苷类化合物是一类重要的次生代谢产物，在植物生长发育过程中起着关键作用，全景注释植物中已知和未知糖苷类化合物具有重要的研究意义。由于市售标准品和数据库收录的二级质谱规模有限，现有的基于液相色谱-高分辨质谱（HRMS）的糖苷类成分注释方法难以有效地对糖苷类化合物进行注释、定性。研究团队发展了一种基于液相色谱-HRMS/MS的糖苷类化合物规模化定性新方法。构建了具有植物种属特异性的in silico苷元库以及糖基/酰基-糖基的in silico碎裂模式库。优化出利于苷元离子检出率的LC-HR MS/MS分析条件，并建立了苷元离子的高通量识别方法。最后，通过候选糖苷-苷元质谱相似性发展了高效去除假阳性候选结果的方法。方法评估表明，该注释流程适用于多种类型的HRMS仪器不同碎裂模式（HCD和CID等）下建立的方法，定性准确性和特异性均优于现有注释方法。将该方法应用于玉米叶片，种子和花丝中糖苷类成分的注释，共注释出274个糖苷类成分。相关研究成果以“Novel Method for Comprehensive Annotation of Plant Glycosides Based on Untargeted LC-HRMS/MS Metabolomics”为题，发表在Analytical Chemistry上。该工作的第一作者是我组博士研究生张秀琼，通讯作者为路鑫和许国旺。上述工作得到了国家重点研发计划、国家自然科学基金等项目的资助。文章链接：https://pubs.acs.org/doi/10.1021/acs.analchem.2c02362（文/图 张秀琼）

p 　　近期，在国家自然科学基金的支持下，中国科学院合肥物质科学研究院安徽光学精密机械研究所研究员赵南京课题组在三维荧光光谱组份识别方面取得新进展，相关研究成果发表在近期的美国John Wiley& amp Sons Ltd 出版社出版的J.CHEMOMETRICS 上。 /p p 　　随着工业发展、城镇化提速以及人口数量的膨胀，水污染情况仍然非常严重。水污染主要可分为：生物污染，物理污染和化学污染三大类。多环芳烃(polycyclic aromatic hydrocarbons)具有极强的“三致”效应，在环境中很难降解，成为化学污染监测的重点之一。检测多环芳烃的传统方法主要有气相色谱法和液相色谱法，由于多环芳烃在水里的溶解度很低，这些方法通常需要对样本进行预处理，费时费力且不适合在线实时监测水中的多环芳烃。三维荧光光谱法具有非破坏性、高灵敏度等特点，已成为一种重要的多组分物质分析手段。而多环芳烃由于自身的结构受到紫外光及可见光的激发可产生荧光，因此，三维荧光光谱成为在线监测痕量多环芳烃的最佳选择。但是目前阻碍这一技术广泛应用的困难主要有：谱线较宽、同一类物质光谱相似等原因造成光谱重叠，影响单一成份提取与识别。因此，三维荧光光谱组分解析成为亟待解决的问题之一。 /p p 　　该文中，赵南京课题组提出了右因子非负矩阵分解用于光谱组分解析，该新方法在信号提取方面有优越的表现，能实现实际水体中多环芳烃荧光光谱组分的成功提取与识别。 /p