基于网络药理学和化学测量方法预测Lycii皮质质量标志物

科学领域:

• 药物鉴定学和分析化学
• 传统中国医学 (TCM) 质量控制 质量控制
• 网络药理学 网络药理学

背景情况:

• Lycii Cortex (LC) 是一个有价值的TCM,具有复杂的化学成分.
• 建立可靠的质量标记 (Q标记) 对于确保LC的有效性和安全性至关重要.
• 现有的LC质量评估方法需要改进,以纳入现代分析方法.

研究的目的:

• 基于TCM理论,预测和分析Lycii皮质的潜在Q标志物.
• 建立可靠的分析方法,对LC及其代谢物进行定性和定量分析.
• 确定优质LC生产的最佳地理来源.

主要方法:

• 超高性能液体染色学与四极飞行时间质谱学 (UPLC-Q-TOF-MS) 结合进行定性分析.
• 网络药理学用于构建"组件-目标-疾病"网络并预测活性成分.
• 超高性能液体染色学与并联质谱学 (UPLC-MS/MS) 进行定量分析.
• 化学测量方法包括主要成分分析 (PCA) 和正交部分最小平方差分分析 (OPLS-DA).

主要成果:

• 确定了44个LC化学成分,16个血,25个尿液和27个便原型成分.
• 库卡胺A和库卡胺B初步预测为LC的潜在Q标志物.
• 在7个地区的35个LC批次中量化了11个成分,包括库可胺A.
• 确定山西省成城县为LC的高质量生产区.

结论:

• 这项研究为Lycii Cortex的全面质量控制提供了科学基础.
• 库库卡胺A和B作为Lycii皮层的可靠Q标志物显示出希望.
• 这些发现支持选择特定的地理区域来种植优质的Lycii Cortex,确保治疗一致性.