基于多维匹配策略的贝母生物碱数据库构建与未知成分注释新方法

为解决贝母生物碱复杂基质中结构异构体区分困难及数据库缺失问题，研究人员整合固相萃取(SPE)与液相色谱/离子淌度-四极杆飞行时间质谱(LC/IM-QTOF-MS)技术，建立包含248种贝母生物碱多维信息(如m/z、CCS、MS/MS)的FasMID数据库，开发自动化鉴定策略，将已知成分鉴定准确率从12%提升至70%，并通过特征分子网络(FBMN)实现未知成分注释，为复杂植物代谢物分析提供新范式。

　　

贝母作为百合科兼具药用与食用价值的植物，其核心活性成分生物碱具有止咳平喘、降压等功效，但传统LC-MS技术面临分离能力不足、异构体区分困难、数据库缺失等挑战。黑龙江中医药大学等机构的研究团队通过整合SPE前处理与LC/IM-QTOF-MS技术，构建了全球首个贝母生物碱多维数据库FasMID，为复杂植物成分分析提供了创新解决方案。

关键技术包括：(1)采用MCX-SPE选择性富集生物碱；(2)优化IM-QTOF-MS参数获取t_R
、MS/MS、CCS四维数据；(3)基于机器学习预测248种生物碱的CCS值；(4)开发UNIFI平台自动化匹配算法；(5)结合FBMN网络拓扑分析注释未知成分。

【Material and reagents】
以含30种结构明确的贝母生物碱标准品（包括Cev型、CSM型等）为参照，通过HRMS和NMR验证结构，为数据库提供基准数据。

【Optimization of IM-QTOF-MS method】
通过系统优化毛细管电压(3 kV)、锥孔电压(40 V)及梯度碰撞能量(RCE)，使五类代表性生物碱的[M + H]⁺
离子响应提升2.3倍，碎片离子覆盖率提高68%。

【Conclusion】
研究建立的FasMID数据库包含248种生物碱的m/z、CCS、MS/MS等多维指纹信息。经验证，ALLCCS/CCSbase的机器学习预测模型误差<3%，优于传统算法。多维匹配策略使已知成分鉴定准确率从单维MS的12%跃升至70%，并通过FBMN发现12种潜在新生物碱。该策略为植物药复杂成分分析提供了可推广的"分离-检测-计算"一体化研究框架。

讨论指出，该研究首次将离子淌度(IM)与机器学习预测CCS相结合，突破异构体区分瓶颈。未来通过扩大样本来源和优化深度学习算法，可进一步提升预测精度。该方法学创新不仅适用于贝母质量控制，还可拓展至其他药用植物体系，为中药现代化研究提供关键技术支撑。