基于UHPLC-QTOF-MSE和机器学习的胆汁药物的全面分析
Xian Rui Wang1, Hao Nan Wu1,2, Ming Hua Li1
1Institute for Control of Traditional Chinese Medicine and Ethnic Medicine, National Institutes for Food and Drug Control, Beijing 102629, China.
ACS omega
|October 28, 2024
概括
这项研究使用UHPLC-QTOF-MS^E和机器学习以数字识别九种类型的胆粉. 随机森林模型实现了超过95%的准确性,使胆汁药物的高效质量控制成为可能.
科学领域:
- 分析化学 分析化学
- 生物化学 生物化学
- 药理学是指药理学,即药理学是指药理学.
背景情况:
- 传统的胆汁药物由于复杂的成分而面临质量控制方面的挑战.
- 准确识别胆汁粉源对于确保治疗疗效和安全至关重要.
- 现有的方法可能缺乏全面胆粉分析所需的特异性和效率.
研究的目的:
- 使用UHPLC-QTOF-MS^E和机器学习,为九种类型的胆粉开发数字识别方法.
- 建立一个最佳的模型,以准确和有效地验证胆汁药物的真实性.
- 确定关键的胆汁酸成分,对于区分胆汁粉源至关重要.
主要方法:
- 使用超高性能液体染色学-四极点飞行时间质谱法 (UHPLC-QTOF-MS^E) 分析了173个胆粉样本.
- 数据处理以获得保留时间精确质量 (RTEM) 数据对用于化学成分识别.
- 使用支持矢量机器 (SVM),随机森林 (RF),人工神经网络 (ANN),梯度增强 (GB),AdaBoost (AB) 和天真贝叶斯 (NB) 的机器学习建模.
- 基于准确度 (Acc),精度 (P) 和曲线下面积 (AUC) 的模型评估.
主要成果:
- 随机森林 (RF) 模型使用了12个已识别的类似胆酸的成分,其表现优异,Acc,P和AUC超过0.950.
- 对42个额外的胆汁药物批次的外部验证实现了100.0%的准确性.
- 在这九种胆汁药物中,氧化酸,糖氧化酸和氧化酸被确定为关键的区分因子.
结论:
- 与射频算法相结合的UHPLC-QTOF-MS^E提供了一种高效准确的胆汁药物的数字识别方法.
- 这种方法为胆粉的质量控制提供了可靠的工具.
- 鉴定的关键胆酸标记物可以帮助标准化和验证传统胆汁制药的真实性.
