[基于UHPLC-IM-Q-TOF-MS的Phellodendri Chinensis皮质和Phellodendri Amurensis皮质中类的表征和鉴定]
Shan-Shan Wen1, Ping Li1, Wen Gao1
1School of Traditional Chinese Pharmacy, China Pharmaceutical University Nanjing 211198, China.
概括
结合碰撞截面 (CCS) 预测和定量结构-保留关系 (QSRR) 模型的新策略,准确地识别了传统中医药的化合物. 这种方法增强了Phellodendri Chinensis Cortex和Phellodendri Amurensis Cortex中复杂类混合物的分析.
科学领域:
- 分析化学 分析化学
- 自然产品化学 自然产品化学
- 药理学是指药理学,即药理学是指药理学.
背景情况:
- 氨酸和异氨酸类化合物在中国传统医学 (TCM) 中至关重要.
- 准确识别这些化物,特别是小类型的化物,是具有挑战性的.
- 对于复杂的天然产品混合物,现有的方法可能缺乏精度.
研究的目的:
- 开发和验证一种用于识别林和异林类化合物的新策略.
- 运用这个策略来分析罗龙 Chinensis 皮质和罗龙 Amurensis 皮质.
- 提高TCM中化物识别的准确性和效率.
主要方法:
- 使用碰撞截面 (CCS) 预测和定量结构保留关系 (QSRR) 建模,建立了一个结合策略.
- 使用了超高性能液态色谱-离子移动-四极飞行时间质谱法 (UHPLC-IM-Q-TOF-MS).
- 采用了三步过程:特征提取,基于CCS的选和QSRR引导的识别.
主要成果:
- 成功预测了80种化合物,并准确识别了15种化学成分.
- 在CCS预测间隔有效过了潜在的诺林和异诺林类化合物.
- 结合碎片化数据的QSRR模型预测,有助于准确识别.
结论:
- 开发的策略是有效的,用于识别TCM化合物的小类型.
- 这种方法增强了药用植物中复杂的化物概况的分析.
- 结合CCS和QSRR方法为天然产品研究提供了强大的工具.
