色谱与光谱指纹图谱结合化学计量学及数据融合技术表征富含花青素水果提取物的植物化学成分

推荐：为解决蓝莓和越橘提取物因高度相似性导致的掺假问题，研究人员采用HPLC-UV、HPLC-MS/MS、FTIR和UV/Vis四种技术结合化学计量学（PCA、PLS-DA）及数据融合策略，构建了区分纯提取物与混合样本的3类PLS-DA模型（R2X 0.950，Q2 0.941），为天然产物质量控制提供了高效方法。

　　

在天然产物市场蓬勃发展的今天，蓝莓和越橘等富含花青素的水果因其卓越的保健功效备受青睐，全球草药市场规模已突破600亿美元。然而，这类产品却面临严峻的掺假挑战——尤其是外观和化学成分高度相似的越橘（Vaccinium myrtillus）与高丛蓝莓（Vaccinium corymbosum）。越橘因其卓越的药用价值被欧洲药典收录，但野生资源因气候变化日益减少，导致其提取物常被低价高丛蓝莓掺假。传统检测方法如薄层色谱甚至药典HPLC方法都难以区分二者，亟需开发更精准的质量控制策略。

针对这一难题，来自拉脱维亚里加斯特拉金什大学的研究团队创新性地将多维分析技术与人工智能方法相结合，在《European Journal of Pharmaceutical Sciences》发表了突破性研究成果。研究人员采集了拉脱维亚不同产区17个高丛蓝莓和9个越橘样本（2012-2024年两季收获），通过冻干提取制备78份样品，运用HPLC-UV（280/360/520 nm三波长）、HPLC-MS/MS（多酚和花青素专用方法）、FTIR（500-1800 cm^-1指纹区）和UV/Vis（195-600 nm）四种技术获取化学指纹，结合主成分分析（PCA）和偏最小二乘判别分析（PLS-DA）等化学计量学方法，并创新性地采用低阶和高阶数据融合策略，构建了能准确识别掺假样本的预测模型。

关键技术方法包括：1）多维度指纹采集（色谱与光谱技术互补）；2）化学计量学分析（PCA用于特征提取，PLS-DA用于分类建模）；3）两级数据融合（低阶直接合并色谱数据，中阶提取各方法主成分特征）；4）混合样本验证（制备20:80至80:20不同比例混合提取物）。

【HPLC-UV指纹与化学计量学分析】
通过三波长HPLC-UV指纹图谱发现，高丛蓝莓中绿原酸含量（3.01 mg/g）是越橘（0.69 mg/g）的5倍，而越橘的花青素总量（108.1 mg/g）显著高于高丛蓝莓（23.5 mg/g）。PCA分析显示280 nm波长下前两个主成分可解释95%方差，能有效区分两类提取物，但单独方法对混合样本识别有限。

【HPLC-MS/MS定性与定量】
采用高灵敏度HPLC-MS/MS鉴定出22种多酚，包括4类花青素（矢车菊素、飞燕草素、锦葵素、芍药素糖苷）。发现高丛蓝莓以锦葵素衍生物为主（8.91 mg/g），而越橘以矢车菊素-3-O-葡萄糖苷（32.75 mg/g）为主导成分，这为区分提供了分子层面的依据。

【光谱指纹特征】
FTIR光谱中1037 cm^-1（越橘）和1026 cm^-1（高丛蓝莓）的糖类特征峰位移，以及1716 cm^-1处花青素羰基峰的强度差异，反映二者糖苷组成不同。UV/Vis光谱中高丛蓝莓在330 nm处的绿原酸特征峰，与HPLC结果相互验证。

【数据融合模型构建】
中阶数据融合筛选出7个关键变量（各方法PC1），建立的3类PLS-DA模型参数优异（R²Y 0.949，Q² 0.941），能100%准确识别纯提取物与掺假样本，但对混合比例判别有限。当尝试增加类别至5类或7类时，模型预测性能显著下降（Q²分别降至0.473和0.280）。

这项研究的重要意义在于：首次将多维指纹图谱与中阶数据融合策略相结合，突破了传统单一分析方法对相似植物提取物的鉴别瓶颈。所建立的3类判别模型为监管机构提供了快速筛查掺假产品的工具，且该方法可扩展应用于其他易掺假天然产物的质量控制。研究还揭示了高丛蓝莓中高含量绿原酸的潜在药用价值，为后续活性成分开发提供新思路。未来通过扩大样本量和优化特征提取算法，有望进一步提升对掺假比例的定量分析能力，推动天然产物标准化进程。