基于直接注入四极杆质谱的百种根茎类中药材智能鉴定系统开发与数据库构建

为解决中药材市场普遍存在的根茎类药材(RRTCM)掺假问题，广东药科大学团队创新性地开发了基于直接注入QDa质谱(DI-QDa-MS)的高通量智能鉴定系统。研究通过机器学习结合余弦相似度算法，建立了包含100种RRTCM的标准质谱数据库，三种智能鉴定方法验证准确率均≥95%，为中药质量标准化提供了客观高效的技术支持。

　　

在传统中药材市场中，根茎类药材(RRTCM)因形态相似、同名异物等问题，长期面临严重的掺假乱象。中国药典记载的616种药材中，根茎类占比高达27%，但现行鉴定方法要么耗时费力（如色谱分析），要么依赖主观经验（如显微鉴定）。尤其像三七、黄连等近缘物种，常规手段难以区分，导致临床用药安全隐患。

针对这一行业痛点，广东药科大学药学院的研究团队在《Phytomedicine》发表了一项突破性研究。该团队创新性地将直接注入四极杆质谱(DI-QDa-MS)与人工智能技术结合，建立了全球首个涵盖100种RRTCM（含88种生药和12种炮制品）的高通量智能鉴定系统。通过采集995批次样本的质谱数据，研究人员开发了包含噪声消除、特征提取的自动化分析流程，并构建了标准化的特征离子库。

关键技术包括：1）采用无需色谱分离的DI-QDa-MS技术（2分钟/样本）；2）基于机器学习开发K最近邻(KNN)分类模型；3）创新性应用余弦相似度算法构建质谱相似度矩阵；4）建立二进制编码快速比对系统。通过105批次盲样验证，三种方法的鉴定准确率均超过95%，其中质谱相似度分析法表现最优，日内和日间精密度RSD均<3%。

【主要结果】

1. 质谱数据库构建：成功建立包含100种RRTCM的DI-QDa-MS数据库，覆盖黄连、人参等易混淆药材，特征离子库包含腺苷等10种标志物。
2. 智能鉴定系统：KNN模型、二进制编码和MS相似度分析形成互补技术体系，对近缘物种如石菖蒲(Acorus tatarinowii)与金钱蒲(A. gramineus)的区分准确率达98.7%。
3. 方法验证：QC样本（含绿原酸等混合物）验证显示仪器稳定性优异，RSD<3%，满足高通量检测需求。

这项研究首次实现了大规模RRTCM的标准化智能鉴定，其建立的"质谱指纹-算法识别"技术框架，突破了传统"一药一标准"的局限。特别是余弦相似度算法的创新应用，为中药材市场监管提供了客观量化的技术工具。该成果不仅推动了中药质量标准的数字化转型，也为《中国药典》的智能化修订提供了新思路。正如通讯作者De-an Guo教授指出，这套系统可无缝对接药品检测车等移动平台，对打击中药材造假具有重要实践价值。