基于HPLC-QAMS多指标成分联合化学计量学及熵权TOPSIS的白及综合质量评价

目的 采用高效液相色谱-一测多评法（HPLC-QAMS）联合化学计量学及熵权TOPSIS(EW-TOPSIS)对白及质量进行评价。方法 收集全国5省18批白及样品，以1,4-二[4-(葡萄糖氧)苄基]-2-异丁基苹果酸酯为参照物，同时测定白及中天麻素、4-(葡糖糖氧基)-肉桂酸葡萄糖氧基苄酯、1,4-二[4-(葡萄糖氧)苄基]-2-异丁基苹果酸酯-2-葡萄糖苷、手参苷Ⅲ、手参苷Ⅸ、1,4-二[4-(葡萄糖氧)苄基]-2-异丁基苹果酸酯、贝母兰宁、2,7-二羟基-3,4-二甲氧基菲、白及联菲A、白及联菲B、山药素Ⅲ和3’-O-甲基山药素Ⅲ的含量，运用化学计量学方法对含量测定结果进行综合分析，挖掘影响白及产品质量的主要潜在标志物，并对不同产地来源白及进行质量优劣性评价。结果 12种成分分别在各自范围内线性关系良好，准确度良好；HPLC-QAMS和外标法含量测定结果差异无统计学意义（P>0.05）；化学计量学方法显示18批白及样品可聚为3类，呈现一定的产区差异；山药素Ⅲ、1,4-二[4-(葡萄糖氧)苄基]-2-异丁基苹果酸酯、天麻素和贝母兰宁是影响白及产品质量的主要潜在标志物；EW-T...     

红花龙胆药材的UPLC指纹图谱研究与芒果苷含量测定

目的 为红花龙胆药材的质量控制提供参考依据。方法 以52批红花龙胆药材为研究对象，采用超高效液相色谱（UPLC）法，以《中药色谱指纹图谱相似度评价系统（2004A版）》对52批药材样品进行相似度评价，并测定药材中芒果苷含量，再进行化学计量学分析[聚类分析、主成分分析（PCA）和正交偏最小二乘法-判别分析（OPLS-DA）]。结果 建立了52批红花龙胆药材样品的UPLC指纹图谱，标定了17个共有峰，指认了其中6个，分别为马钱苷酸（1号峰）、新芒果苷（3号峰）、獐牙菜苦苷（5号峰）、当药苷（6号峰）、芒果苷（7号峰）与异荭草苷（9号峰）。52批药材样品的相似度均大于0.9；聚类分析结果显示，S1～S46、S48～S52聚为一类，S47单独为一类；PCA结果显示，前6个主成分的累计方差贡献率为82.928%;OPLS-DA结果显示，獐牙菜苦苷、芒果苷以及4、14、15、16号峰所代表的化学成分是影响红花龙胆药材质量差异的主要标志性成分。52批药材样品中芒果苷的含量在18.2～101.0 mg/g之间，大多符合2020年版《中国药典》规定。结论 所建立的UPLC指纹图谱和化学计量学分析方法结合...     

基于成分定量和指纹图谱的化学模式识别法评价胆木不同部位的差异性

目的 建立胆木不同部位的UPLC指纹图谱，结合成分定量与化学模式识别，评价胆木不同部位的差异性。方法 采用Waters Acquity BEH C18色谱柱（100 mm×2.1 mm,1.7μm）；以乙腈（A）-0.1%磷酸水溶液（B）为流动相进行梯度洗脱；检测波长240 nm；体积流量0.3 mL/min；柱温30℃，对胆木不同部位异长春花苷内酰胺的含量进行测定，利用化学模式识别法通过SPSS 20.0对色谱数据进行聚类分析和通过SIMCA 14.1软件对胆木9部位进行主成分分析，并将所有色谱峰化为分类数据对药材不同部位的差异性进行分析。结果 对于异长春花苷内酰胺而言，植株地下部位（根皮、去皮根茎）的累积量要高于地上部位的累积量，在地下部位，根皮部位的含量高于去皮根茎部位的含量，地上部位中叶含量最高，其次为茎干部位，最后为枝部位，茎干部位趋势从高到低大致为去皮茎干、带皮茎干、茎皮，枝部位趋势从高到低大致为枝皮、去皮枝茎、带皮小枝。3批次9部位（27份）药材UPLC图谱有9个共有峰，指认了其中獐牙菜苷、绿原酸、马钱苷酸3个色谱峰。当平方欧氏距离为10时，9部位被聚为3类：3批叶聚为一...     

菊苣HPLC指纹图谱及含量测定研究北大核心

目的:建立菊苣药材HPLC指纹图谱并进行含量测定。方法:通过建立HPLC指纹图谱,并进行相似度评价、聚类分析及正交偏最小二乘判别分析,筛选出差异性成分并进行含量测定和方差分析。结果:16批菊苣药材HPLC指纹图谱确定15个共有峰,相似度均在0.900以上;聚类分析及正交偏最小二乘判别分析结果一致,可将样品分为3组,并筛选出5个差异性成分,指认其中3个为绿原酸、菊苣酸和3,5-O-二咖啡酰奎宁酸;含量测定及方差分析的显著性差异情况与前述分组结果一致。结论:HPLC指纹图谱结合差异性成分的含量测定及统计分析,可阐明菊苣药材整体质量特征及差异性,为菊苣药材质量控制及药效物质基础研究提供参考。     

基于化学计量学的通草水提物三氯甲烷部位 UPLC指纹图谱研究北大核心

目的:建立通草水提物三氯甲烷部位UPLC指纹图谱,并结合化学计量学进行分析。方法:采用Waters CORTECS T3(150 mm×2.1 mm,1.6μm)色谱柱;流动相为乙腈-0.1%甲酸溶液,梯度洗脱;流速为0.2 mL/min;检测波长为320 nm;柱温为35℃;进样量为3μL。通过聚类分析、主成分分析和正交偏最小二乘判别分析对16批通草进行质量评价和差异性分析。结果:建立的通草水提物三氯甲烷部位UPLC指纹图谱共标定17个共有峰;聚类分析和主成分分析结果一致;利用正交偏最小二乘判别分析筛选出7个差异性成分,可作为通草药材质量控制的标志物。结论:该研究建立的通草水提物三氯甲烷部位UPLC指纹图谱可较全面的表征其化学质量特征,指纹图谱的化学计量学分析可为通草质量标准的制定提供依据。     

不同产地葱元素含量差异及Fisher判别分析

目的了解不同产地葱药材中各种元素含量的差异。方法将中国大陆地区划分为东北、华北、西北、西南、华南及长江中下游6个区域,实地采集各区域葱样83份;用ICP-MS电感耦合等离子体质谱仪,辅以原子荧光和原子吸收光谱仪,检测葱样本中16种元素含量;用SPSS软件进行方差分析,并建立Fisher判别方程。结果方差分析显示各地区葱样本中Pb、Fe、Se、Ni、Zn、Ge、Ca元素含量有显著差异(P0.05);Fisher判别分析显示典型判别函数的特征值分别为1.648、0.874、0.463、0.174、0.116,Chi-square值为159.89,90.75,46.17,19.17,7.76,P0.05,说明所建立的判别方程是有意义的,用所建立的判别函数回判,符合率为74.7%。结论不同产地葱元素含量不同,用所建立的Fisher判别方程能判定葱的产地。     

基于化学模式识别的益智仁盐炙前后高效液相色谱指纹图谱研究

目的 建立益智仁盐炙前后的高效液相色谱（HPLC）指纹图谱，结合化学模式识别法比较益智仁盐炙前后的化学成分差异。方法 采用HPLC法建立益智仁生品及盐炙品的指纹图谱，应用主成分分析（PCA）和正交偏最小二乘法判别分析（OPLS-DA）对益智仁生品及盐炙品化学成分进行比较。结果 益智仁生品及盐炙品HPLC指纹图谱分别确定了30和32个共有峰，指认了其中8个色谱峰，分别是X2峰（5-羟甲基糠醛）、1号峰（原儿茶酸）、2号峰（原儿茶醛）、4号峰（表儿茶素）、21号峰（白杨素）、22号峰（山奈素）、25号峰（杨芽黄素）和26号峰（圆柚酮）。PCA及OPLS-DA结果显示，益智仁生品和盐炙品各聚为一类。VIP分析共筛选出12个成分是益智仁盐炙前后的差异标志物，分别是X1、26（圆柚酮）、16、3、X2(5-羟甲基糠醛)、25（杨芽黄素）、15、12、8、10、17、20号峰。结论 HPLC指纹图谱结合化学模式识别的方法准确可靠，可用于盐炙前后益智仁质量差异分析。     

基于智能感官与多源信息融合技术的香附炮制程度快速辨识方法研究

目的 基于多源信息融合技术，整合传统的中药性状鉴别，建立香附Cyperi Rhizoma炮制程度快速辨识方法，为香附质量评价标准的制定和炮制过程质量控制的应用研究提供新思路、新方法。方法 选取6个产地的生香附饮片，采用醋炙法炮制，每隔3 min取样，得到72批香附炮制过程样品。然后基于色差仪、电子鼻和近红外光谱（near infrared spectrum,NIRS）技术获取上述样品的智能感官信息和NIRS数据，利用主成分分析-判别分析（principal component analysis-discriminant analysis,PCA-DA）、偏最小二乘-判别分析（partial least squares-discriminant analysis,PLS-DA）、正交偏最小二乘-判别分析（orthogonal partial least squares-discriminant analysis,OPLS-DA）方法、Lasso回归分析、遗传算法（genetic algorithm,GA）-反向传播（back propagation,BP）、神经网络算法（GA-BP ne...     

基于红外光谱结合机器学习方法的牛膝不同炮制品及炮制程度的判别分析

目的 采用红外光谱技术结合机器学习算法建立牛膝Achyranthes bidentata炮制品类别与炮制程度的定性判别模型。方法 采集不同炮制品与不同炮制程度牛膝的中红外光谱（mid infrared spectroscopy，MIRS），运用BP神经网络（back propagation neural network，BPNN）、遗传算法优化BP神经网络（GA-BP）、随机森林（random forest，RF）、径向基神经网络（radial basis function network，RBFN）、卷积神经网络（convolutional neural networks，CNN）等机器学习算法建立牛膝炮制品类别与炮制程度的定性判别模型；采集不同炮制品与不同炮制程度牛膝的近红外光谱（near infrared spectroscopy，NIRS），使用TQ Analyst软件中的判别分析法建立牛膝炮制品类别与炮制程度的定性分析模型。结果 机器学习算法模型结果显示CNN判别模型较优秀，BPNN、RF及RBFN性能相近，GA-BP模型性能相对较差。3个NIRS定性模型结果显示验证集准确率均为100%，可准确预测炮制品类别与炮制程度。结论 通过红外光谱技术建立的定性分析模型可作为牛膝炮制品类别与炮制程度的鉴别手段。同时提供了快速、无损的检测手段及可靠的数据分析方法，为中药材炮制品类别与炮制程度精准识别提供新的方法参考。     

基于UHPLC-Q-Orbitrap/MS的不同产地西洋参皂苷类成分分析

目的 基于UHPLC-Q-Orbitrap/MS分析不同产地(吉林、辽宁、黑龙江、山东)西洋参皂苷类成分。方法 运用UHPLC-Q-Orbitrap/MS法定性分析西洋参中皂苷类成分，结合主成分分析、正交偏最小二乘法判别分析、差异成分分析筛选各产地的差异性皂苷。结果 共得到62个皂苷类化合物。主成分分析表明不同产地西洋参中所含皂苷类成分存在差异，正交偏最小二乘判别分析进一步筛选出28个差异皂苷类化合物，包括原人参二醇型13个、原人参三醇型6个、齐墩果烷型4个、奥克梯隆型2个、C-17侧链变异型3个；原人参二醇型和原人参三醇型皂苷类成分在4个产地相对含量由高到低依次为辽宁、吉林、黑龙江、山东。结论 该方法简便、准确、高效，可为西洋参的质量评价提供理论依据。