基于三维集成和机器学习的质量评估方法:先进的数据处理
Jianglei Zhang1, Yu Ren1, Jin Zeng1
1School of Pharmacy, Shenyang Pharmaceutical University, Shenyang, Liaoning 110016, China.
Journal of chromatography. A
|March 5, 2025
概括
这项研究引入了使用3D数据处理和机器学习进行传统中医 (TCM) 质量控制的新方法. 这种方法提高了HPLC-DAD分析的准确性和效率,以更好地评估TCM的质量.
科学领域:
- 分析化学 分析化学
- 计算化学计算化学
- 药理学 药理学是指药理学的学科.
背景情况:
- 传统中医药 (TCM) 质量控制在效率和准确性方面面临挑战.
- 使用二极管阵列检测 (HPLC-DAD) 的高性能液体染色学对于TCM分析至关重要.
- 现有的方法在数据复杂性和批次对批次的可变性方面扎.
研究的目的:
- 开发一种创新的方法来评估TCM的质量.
- 为了提高HPLC-DAD数据分析的效率和准确性.
- 整合3D数据处理和机器学习,以进行可靠的TCM质量评估.
主要方法:
- 三维 (3D) 数据集成以简化多维HPLC-DAD信号.
- 动态时间曲线 (DTW) 和相关性优化曲线 (COW) 用于保留时间漂移的纠正.
- 二元评估系统 (BES) 具有宏观的定性 (Sm) 和定量 (Pm) 相似性.
- 机器学习模型:多重线性回归 (MLR),决策树回归 (DTR),随机森林回归 (RFR).
主要成果:
- 从3D集成中简化二维数据,用于精确的组件量化.
- 有效地对准色谱峰形状,解决保留时间漂移.
- 在Scutellaria baicalensis样本中的Baicalin含量显示的预测误差为±0.2%.
- 提高数据处理效率和减少实验资源的消耗.
结论:
- 综合的3D数据处理和机器学习方法为TCM质量评估提供了坚实的基础.
- 这种方法显著提高了TCM质量控制的自动化和准确性.
- 证实了TCM质量评估系统现代化的广泛适用性.
