开发直接输液四极质谱数据库和100种根草的智能识别系统
Jia-Wei Wang1, Xiao-Kang Liu2, Yan- Bo Xu1
1Department of Pharmaceutics, School of Pharmacy, Guangdong Pharmaceutical University, Guangzhou 510006, China; Zhongshan Institute for Drug Discovery, Shanghai Institute of Materia Medica, Chinese Academy of Sciences, Zhongshan 582400, China.
概括
在草药中,假冒是个很大的问题. 这项研究开发了一种使用质谱的智能识别系统,用于快速客观地验证100种根和根茎传统中医药 (RRTCM) 的真实性.
科学领域:
- 分析化学 分析化学
- 药物鉴定学是指药物鉴定学.
- 计算化学的计算化学
背景情况:
- 在草药市场上,假冒很普遍,特别是在根和根茎方面.
- 现有的认证方法往往是主观和低效的,阻碍了质量保证.
- 确保草药的真实性对于患者安全和监管合规性至关重要.
研究的目的:
- 开发一个高通量智能识别系统,用于根和根茎传统中医药 (RRTCM).
- 克服传统识别方法中低效率和高主观性的局限性.
- 通过直接输注QDa质谱法 (DI-QDa-MS) 快速客观地识别100种RRTCM.
主要方法:
- 使用DI-QDa-MS获得100个RRTCM的质谱 (MS) 数据.
- 开发了一种自动化数据处理管道,使用机器学习和共弦相似算法.
- 建立了一个标准化的DI-QDa-MS数据库和功能离子库,用于RRTCM分析.
- 创新开发并验证了三个智能识别方法:KNN,MS相似性分析和二进制编码.
主要成果:
- 所有三个开发的方法都在105个盲目样本上实现了≥95%的验证成功率.
- MS相似性分析显示了最佳性能,为RRTCM识别建立了标准化的工作流.
- 高可靠性得到证实,日间和日内精度值为3%.
结论:
- 基于共弦相似性的识别技术为标准化RRTCM质量提供了一种高通量方法.
- 这种方法显著提高了RRTCM的客观认证.
- 该研究有助于加强传统中医药 (TCM) 市场监管和提高质量标准.
更多相关视频
09:24Standardized Identification of Compound Structure in Tibetan Medicine Using Ion Trap Mass Spectrometry and Multiple-Stage Fragmentation Analysis
Published on: March 17, 2023
983
07:16Preparation of Gynura bicolor DC samples for High-Resolution Tandem Mass Spectrometry
Published on: February 2, 2024
672
