机器学习预测用于构建Panax桑素 (ginsenosides) 的通用多维信息库

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:

• 鉴定Panax草本人参酸的特征是困难的,因为同位素和有限的参考标准.
• 结构信息对于精确识别和区分人参酸和它们的异构体至关重要.

研究的目的:

• 开发一个全面的多维 ginsenosides 信息库.
• 为了提高各种人参产品中人参化物识别的准确性.

主要方法:

• 使用了一个Vion离子移动高分辨率LC-MS平台.
• 通过使用机器学习 (渐变增强机器) 预测保留时间 (t_R) 和碰撞截面 (CCS),建立了金氏多维信息库 (GinMIL).
• 验证了t_R和CCS对数据库构建的稳定性和适用性.

主要成果:

• 金米尔 (GinMIL) 包含579种已知人参酸的多维信息 (m/z,分子公式,t_R,CCS,MS/MS片段).
• 独特的LC-MS方法与GinMIL搜索相结合,显著提高了识别准确性.
• 开发的图书馆提高了约88%的异构体识别的准确性.

结论:

• GinMIL代表了一种基于层次设计的通用Panax沙胺库.
• 这种方法大大提高了人参化物表征的准确性,特别是对于具有挑战性的同位素识别.