基于主动低频太赫兹激发的齐多夫定及其异构体的智能识别技术

《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Intelligent identification technology of zidovudine and its isomers based on active low-frequency terahertz excitation

　　

• 基于太赫兹光谱与机器学习检测齐多夫定及其同分异构体
• 利用高斯窗预处理消除光谱噪声与干扰
• 采用PCA-KNN分类模型识别三种同分异构体

引言

自上世纪末以来，人类免疫缺陷病毒（HIV）感染一直是全球公共卫生面临的严峻挑战。其在世界各地的广泛传播不仅给患者及其家庭造成了严重且不可逆的伤害，还对各国医疗系统构成了巨大的经济负担[1]。根据联合国艾滋病规划署（UNAIDS）发布的最新数据，截至2024年底，全球约有4080万人携带HIV[2]，其中相当比例的依赖抗逆转录病毒治疗（ART）来维持病毒抑制[3]。齐多夫定（AZT）是由英国葛兰素公司开发的一种核苷类逆转录酶抑制剂（NRTI），主要用于HIV感染的治疗。该药物于1987年经美国食品药品监督管理局（FDA）批准，成为首个获准用于艾滋病治疗的药物，并于2002年进入中国市场。齐多夫定通过竞争性抑制病毒DNA合成、终止病毒DNA链延伸，有效降低病毒载量，从而改善患者的生活质量并延长生存期[4]。

齐多夫定又名叠氮胸苷，化学名称为1-(3-叠氮-2,3-二脱氧-β-D-核糖呋喃苷基)-5-甲基嘧啶-2,4(1H,3H)-二酮[5]，与腺苷和阿糖腺苷具有相同的分子式（C??H??N?O?）。尽管这些核苷类似物拥有相同的分子式和相似的物理外观，但由于分子构象和固态堆积结构的差异，导致分子间相互作用和低频集体振动模式有所不同，这些差异反映在其独特的太赫兹（THz）光谱指纹中[6]。三种化合物均表现出相似的物理性质，如呈白色细结晶或粉末状。然而，由于分子结构的差异，其药理特性存在显著区别：齐多夫定通过竞争性抑制逆转录酶活性来阻断病毒DNA合成；腺苷作为内源性核苷，在能量代谢、信号转导和神经调节等生理过程中发挥重要作用[7]；阿糖腺苷则主要通过抑制病毒DNA聚合酶发挥抗疱疹病毒作用[8]。毋庸置疑，这些化学药物的光学纯度是制药行业首要关注的问题，因为许多同分异构体具有不同的生物活性和毒性。在当前制药全球化、供应链日益复杂的背景下，物理形态高度相似但药理作用截然不同的化合物在生产、运输和储存过程中容易出现混淆、交叉污染或标签错误等风险。一旦误用，此类错误不仅可能导致药效丧失，还可能带来严重的临床安全风险。因此，开发具有高度特异性和灵敏度的此类同分异构体识别方法，对于保障药品质量和临床安全具有重要意义。

对于同分异构体的定性和定量分析，传统方法主要基于光谱法、色谱法和质谱分离技术[9]、[10]。高效液相色谱（HPLC/UPLC）和液相色谱-串联质谱（LC-MS/MS）是目前分析有机活性物质的核心工具，被广泛应用于病原菌和植物来源抗菌剂中生物活性成分的分离与定量[11]、[12]。尽管这些技术灵敏度较高，但在区分同分异构体方面能力有限，往往需要复杂的预处理或额外的分离步骤[13]。核磁共振（NMR）和X射线衍射虽然能提供立体结构信息，但不适用于快速检测、微量样品或在线过程监测，且成本高、操作复杂[14]。红外（IR）和拉曼振动光谱虽然操作简单，但难以反映分子间相互作用和低频区域的晶格振动，谱带重叠和基线干扰严重，难以准确区分同分异构体或固态形态[15]。显然，上述方法相对耗时，且可能需要化学衍生化。太赫兹（THz）波段（约0.1–10 THz）具有非电离性和无创性的优势[16]。在该光谱区域中，同分异构体的旋转和振动-旋转特性呈现出独特的"指纹"频率，从而实现高效的非破坏性分子识别与检测[17]。与常规红外和拉曼光谱相比，太赫兹光谱对分子间弱相互作用和晶格振动更为敏感，因此理论上可实现更精确的分子构象检测[18]。在灵敏度方面，HPLC/LC-MS通常可达到ng/mL级的检测限，优于μg/mL级的THz-TDS。然而，对于同分异构体的定性识别而言，THz-TDS的灵敏度已完全足够[19]、[20]。在分析效率方面，单次HPLC运行通常需要15–30分钟，而THz-TDS光谱采集仅需数秒，整个分析流程（包括基于机器学习的分类）可在数分钟内完成[21]。在成本方面，THz-TDS系统的初始投资中等偏高，但无需有机溶剂或色谱柱，样品制备仅需简单的压片，运行成本远低于HPLC/LC-MS；而HPLC则需要持续消耗溶剂和更换色谱柱[22]。拉曼光谱和傅里叶变换红外光谱（FTIR）仪器成本较低，但其信号较弱、谱带严重重叠，限制了其区分结构相似同分异构体的能力[23]。

近年来，THz-TDS与化学计量学和机器学习方法的结合在同分异构体识别和药物分析领域展现出巨大的潜力[24]。Chen等[25]利用太赫兹时域光谱（THz-TDS）结合密度泛函理论，在0.2–2.0 THz频段成功测量了L-、D-和DL-酒石酸的太赫兹吸收光谱，并探讨了非破坏性鉴别酒石酸手性化合物及其外消旋体的可行性。Tu等[26]提出了一种将太赫兹光谱与等距映射（Isomap）及极端梯度提升（XGBoost）分类器相结合的方法，实现了对四种手性丙氨酸同分异构体99.00%的分类准确率。该研究展示了THz-TDS在区分结构相似同分异构体方面的高精度和鲁棒性。

同时，太赫兹检测系统的成功运行依赖于可靠高效的识别算法。迄今为止，机器学习技术已被广泛应用于太赫兹检测数据的分类[27]。在这些应用中，降维的核心在于通过映射将高维数据投影到低维空间中以提取潜在结构。在保留原始数据特征的同时从高维数据中提取有效信息，仍然是机器学习中最重要的挑战之一[28]。近年来，基于流形学习的非线性降维方法在太赫兹光谱分析中展现出独特价值。t分布随机邻域嵌入（t-SNE）擅长在低维空间中保留高维数据的局部结构，非常适合探索性数据分析和可视化，能够有效揭示不同样本间的局部相似性。然而，多项研究指出其在结构表征方面存在不准确的问题，因为过度关注局部特征可能导致类间边界模糊[29]。等距映射（Isomap）作为一种典型的非线性流形学习方法，通过保持数据点之间的测地距离来揭示低维流形结构，能够更好地处理太赫兹光谱数据中潜在的非线性特征分布，在处理弯曲流形结构时表现出更强的鲁棒性[30]。在转基因作物鉴定、药物成分分析和食品安全检测等场景中，Isomap能够有效提取光谱中的细微特征差异，为后续分类器提供更具判别力的低维输入。然而，Isomap对邻域参数的选择敏感，且计算复杂度较高。相比之下，主成分分析（PCA）作为经典的线性降维方法，具有计算效率高和可解释性强的优势。当太赫兹光谱数据表现出线性可分特征时，PCA能够快速有效地提取主要特征信息，其降维结果具有良好的可视化和分类性能[31]。

此外，分类、聚类和回归作为机器学习的重要技术，在样本检测的定性和定量分析中各有其适用场景和局限性。分类作为监督学习的核心技术，基于标注数据构建判别模型，能够对降维后的光谱特征进行准确的类别预测和识别。Zhang等[32]基于大量车辆运行数据训练模型，深入探究了输入特征与目标参数之间的内在耦合关系，为复杂系统的分析和优化提供了可靠的技术途径。机器学习卓越的非线性拟合和建模能力已在新能源汽车相关研究中得到充分验证。最经典的分类算法包括支持向量机（SVM）、K近邻（KNN）、决策树和极端梯度提升（XGBoost）等。其中，支持向量机（SVM）是基于统计学习理论的一种分类方法，其核心思想是通过寻找最大化不同类之间间隔的最优超平面来实现样本分类[33]。SVM通过引入核技巧能够有效处理高维数据中的非线性分类问题，具有良好的泛化能力和抗过拟合鲁棒性。此外，KNN算法因其实现简单、训练速度快等优势在机器学习中得到广泛应用，它基于样本间的距离进行分类判断，无需复杂的训练过程即可实现有效分类[34]。

鉴于上述降维算法和分类器的技术特征，本研究旨在系统评估不同算法组合在太赫兹光谱分析中的性能。特别地，本研究聚焦于齐多夫定及其同分异构体的识别——这是药物质量控制中的关键任务，由于这些同分异构体之间的高度结构相似性，带来了显著的解析挑战。传统分析方法在应用于此类精细鉴别任务时往往面临成本高或处理时间长的困难。本研究基于THz-TDS技术构建了一个比较评估框架，整合t-SNE、Isomap和PCA进行降维，以及SVM和KNN进行分类，以识别齐多夫定及其同分异构体，旨在实现这些化合物的非破坏性精确鉴别。

片段摘录

**太赫兹光谱采集**

实验装置由深圳市太赫兹技术创新研究院有限公司生产的CCT-1800型THz-TDS系统组成。该系统有效光谱范围为0.1–5.0 THz，光谱分辨率优于20 GHz，工作温度为22–26°C，相对湿度维持在5%以下。其工作原理如图1所示。由于THz-TDS对实验条件变化（如湿度、温度、……

**太赫兹光谱理论**

太赫兹波是频率范围为0.1–10.0 THz的电磁波，对应的波数范围为3.33–333.33 cm?1。为了获取更全面的实验信息，采集的太赫兹时域光谱数据经傅里叶变换转化为频域光谱数据。0.30–4.00 THz范围内的光谱数据被用作原始太赫兹光谱数据。

引入公式[37]：
E_trans(ω)/E? = A exp(?iψ(ω))

在公式(1)中：E?(ω)表示参考光……

**光谱分析**

实验样品选择了齐多夫定及其两种同分异构体——腺苷和阿糖腺苷。由于原始吸光度光谱数据中存在显著的噪声干扰，导致吸收峰难以区分，对数据集进行了筛选并剔除了无效样品。最终每种化合物获得40个样品，共计120个样品。为消除噪声信号，对原始吸光度数据应用了高斯滤波处理。最终吸光度对比……

**结论**

本研究聚焦于齐多夫定及其同分异构体的识别——这是药物质量控制中的关键问题，并基于THz-TDS技术构建了一个整合降维算法与分类模型的比较评估框架。采集了三种同分异构体样品的太赫兹吸收光谱数据，使用t-SNE、Isomap和PCA算法从原始数据中提取特征，以捕获关键指纹特征。所得到的特征……

**利益冲突声明**

作者声明不存在已知的竞争经济利益或个人关系可能影响本文所报告工作的情况。

**致谢**

本研究由国家自然科学基金（资助号：62405068）和广西关键研发计划（桂科FN2600640067）资助，并部分获得广西壮族自治区自然科学基金（资助号：2025GXNSFAA069527）的支持。

作者：陆超越、庞森昊、李艳欣、苏静凯、谭坤武、宋中州、图杉、唐原、郑君健、王雪业