构建Fritillaria类化合物数据库,以开发一个多维匹配策略,以全面注释已知和未知的组件

科学领域:

• 植物化学 植物化学
• 分析化学 分析化学
• 药理学 药理学是指药理学的学科.

背景情况:

• 弗里蒂拉里亚草药是有价值的药用和食用用途,生物活性化物作为关键成分.
• 精确的化物表征对于质量控制和理解药理机制至关重要.
• 传统方法难以处理复杂的植物矩阵和结构异构体,导致识别准确度低.

研究的目的:

• 开发一种新的,增强尺寸的分析方法,用于精确的Fritillaria类化合物表征.
• 使用机器学习预测的碰撞截面 (CCS) 值,建立一个多维数据库 (FasMID) 对Fritillaria化物.
• 为了提高已知和未知的Fritillaria类化合物的识别精度.

主要方法:

• 固相提取 (SPE) 与液体色谱/离子移动四极飞行时间质谱 (LC/IM-QTOF-MS) 的整合,用于四维数据采集 (t_R,MS,MS/MS,CCS).
• 基于机器学习的碰撞截面 (CCS) 值的预测和Fritillaria类多维数据库 (FasMID) 的创建.
• 开发一个综合的多维匹配策略和利用基于特征的分子网络 (FBMN).

主要成果:

• 开发的方法实现了Fritillaria类化合物的70%的识别准确度,比传统方法 (12%) 显著改进.
• FasMID数据库成功注释了248种Fritillaria化物与m/z,CCS和MS/MS数据.
• 该策略促进了已知和未知的化合物的注释,有助于探索新的化学结构.

结论:

• 新的维度增强分析策略显著提高了Fritillaria类化合物识别的准确性.
• FasMID数据库和综合匹配策略是分析复杂Fritillaria样本的有效工具.
• 这种方法有望促进质量控制,药理学研究,以及在Fritillaria和其他复杂的天然产品中发现新的化合物.