基于组分数据矩阵和渐进匹配策略结合UHPLC-QTOF-MS技术的胆汁粉末鉴别研究

研究人员针对临床常用胆汁粉末药材(PBP、CKBP、GBP、BBP、CBP、RBP、SBP)易混淆和掺假问题，创新性提出组分数据矩阵(CDM)和渐进匹配策略(PMS)，结合UHPLC-QTOF-MSE技术建立鉴别方法。通过构建共有组分矩阵(CCM)和特异组分矩阵(SCM)，实现匹配值(MV)≥70%的快速鉴别，为加强胆汁粉末药材质量保障提供新方法。

　　

胆汁粉末作为传统中药的重要组成部分，在临床上广泛应用于清热明目、化痰止咳等病症。然而，猪胆汁粉(PBP)、鸡胆汁粉(CKBP)、羊胆汁粉(GBP)、熊胆汁粉(BBP)、牛胆汁粉(CBP)、兔胆汁粉(RBP)和蛇胆汁粉(SBP)等不同来源的胆汁粉末由于性状相似且含有部分相同胆酸成分，市场上经常出现混淆和掺假现象。特别是价格昂贵的BBP和SBP常被廉价的PBP冒充，不仅损害消费者利益，更可能带来严重用药安全隐患。虽然已有研究尝试通过化学标志物或机器学习模型进行鉴别，但单一成分特异性不足，多组分分析方法又存在数据不足等问题。

为解决这一难题，沈阳药科大学功能食品与葡萄酒学院的Haonan Wu、Xianrui Wang等研究团队在《Biochemistry and Biophysics Reports》发表研究，创新性地提出组分数据矩阵(Component Data Matrix, CDM)和渐进匹配策略(Progressive Matching Strategy, PMS)相结合的方法。CDM包含共有组分矩阵(Common Component Matrix, CCM)和特异组分矩阵(Specificity Component Matrix, SCM)，通过超高效液相色谱-四极杆飞行时间质谱(UHPLC-QTOF-MS)获取化学组分的质谱数据，采用数学矩阵算法提取特征离子，实现了7种胆汁粉末的准确鉴别。

关键技术包括：1)采用UHPLC-QTOF-MS分析68份不同来源胆汁样本；2)通过空白基质扣除和批次间数据交集构建CCM；3)基于MV₁排名筛选前三胆汁粉末进行差集运算获得SCM；4)设置保留时间偏差Δt_R≤0.10min和质量偏差Δm/z≤2mDa的匹配阈值。

研究结果部分：

"MS分析结果"显示不同胆汁粉末主要含牛磺胆酸(TCA)、甘氨胆酸(GCA)等胆酸成分，但单一成分难以区分亲缘种属如CBP和GBP。

"基于CCM的鉴别结果"表明BBP、SBP等MV₁值显著高于其他(如BBP02达98%)，但CBP与GBP因共有TCA等成分出现交叉(如CBP06对GBP的MV₁达94%)。

"基于SCM的鉴别结果"通过差集运算提取特异性离子后，CBP06对自身SCM的MV₂为71%，而对GBP的MV₂仅3%，有效解决了近缘物种鉴别难题。

讨论指出该方法创新性地将CCM和SCM结合：CCM聚焦同种胆汁粉末的共有组分，SCM强调不同物种间的差异组分，而PMS通过"初筛-精筛"两步策略既保证数据量又提高特异性。与既往研究相比，该方法将可鉴别物种从2-3种扩展到7种，对GBP/CBP等近缘物种的区分效果显著提升。虽然MV₂阈值设定仍需扩大样本验证，但为中药材质控提供了新思路，未来可结合化学计量学进一步优化。这项研究发表后，将为打击药材掺假、保障临床用药安全提供重要技术支撑。