通过人工智能指导的工作流程,通过集成LC-UV-HRMS/MS的AI指导工作流程,从Paulownia tomentosa水果提取物中制前黄酸的有针对性的分离

科学领域:

• 自然产品化学 自然产品化学
• 化学信息学 化学信息学
• 植物生物化学 植物生物化学

背景情况:

• 前化黄酸是一种具有多种生物活性的植物二次代谢物.
• Paulownia tomentosa 是一种已知产生各种生物活性化合物的植物物种.
• 这些化合物的有效隔离和表征对于理解它们的作用和潜在应用至关重要.

研究的目的:

• 开发和验证人工智能引导的工作流程,以有针对性地分离和表征前化黄类药物.
• 简化从复杂的植物矩阵中发现自然产品的过程.
• 为了识别和描述来自Paulownia tomentosa的新型前化黄酸.

主要方法:

• 提取,色谱,LC-UV-HRMS/MS分析和监督机器学习 (ML) 模型的整合.
• 使用 AnnoMe Python 软件包预测 MS/MS 光谱中的前化黄素的定制训练的 ML 分类器.
• 手动检查LC-UV-HRMS/MS数据以消除复制和对候选分离的优先级.

主要成果:

• 工作流程成功地减少了化学复杂性,并实现了高效的优先级.
• 检测到了2687个特征,其中42个被确定,214个被注释.
• ML分类器预测了1805个MS/MS光谱,这些光谱来自前化黄酸.
• 他们分离了1种假定的先化二黄和4种先化黄.
• 两种化合物,6-prenyl-4'-O-methyltaxifolin和3',4'-O-dimethylpaulodiplacone A,首次被分离出来.

结论:

• 人工智能引导的工作流有效地简化了自然产品的发现.
• 将ML与分析技术相结合,可以提高预先选择和表征的前化黄类药物.
• 这种方法在代谢学和探索植物中的先化成分方面具有广泛的应用.