基于高效薄层色谱（HPTLC）结合化学计量学指纹分析的大豆皂苷快速鉴定与定量方法开发

《Frontiers in Natural Products》：Development of a high-performance thin-layer chromatography (HPTLC) method coupled with chemometric fingerprinting analysis for rapid identification and quantification of soyasaponins

引言： 皂苷是由植物产生的具有表面活性的次级代谢产物。这些分子具有乳化和稳定特性，已在制药和食品工业中得到应用。然而，皂苷的定量分析被认为具有挑战性，因为其分子结构中缺乏发色团，限制了其在紫外光下的检测。目前的分析策略通常依赖于液相色谱联用蒸发光散射检测器或质谱检测器。 方法： 本研究报道了一种高效薄层色谱（HPTLC）方法的开发，用于六种不同大豆来源样品中大豆皂苷的检测和测定，并结合化学计量学指纹分析以改善对迁移距离相近的色谱信号的解析。样品被点样于预涂覆的硅胶60 F254薄层板上，使用优化后的流动相展开，并以茴香醛/H2SO4进行衍生化处理。 结果： 在366 nm波长下检测产生了比550 nm波长下更高的色谱响应，且大豆皂苷Aa、Ba和Bb之间的校正行为更为相似。合并校正的残差误差从550 nm下的52.76%降至366 nm下的12.06%，支持在选定条件下采用简化校正方法。除常规峰面积分析外，色谱指纹采用参考引导策略进行处理，即以Aa、Ba和Bb的实验性Rf值来定义参考关联区域。完整的色谱谱图进一步转化为区域描述符，并通过层次聚类分析（HCA）进行评估。该方法使样品指纹间的相似性和差异得以可视化，并有助于识别对样品区分贡献最大的色谱区域，即使在每个检测信号化学身份未知的情况下也是如此。该方法显示出20.3 ng的实验检测限（LOD）和良好的日内重复性，Rf值的相对标准偏差（RSD）低于1%，峰面积的RSD低于10%。 讨论： 该方法将HPTLC分离、简化校正、参考引导信号归属和化学计量学指纹分析相结合，形成了一种实用的大豆皂苷分析策略。化学计量学处理扩展了传统HPTLC所获得的信息，促进了复杂样品的比较，并突出了可供后续靶向表征的色谱区域。

论文解读

一、研究背景与意义

大豆皂苷（soyasaponins）是从大豆及其他豆科植物中提取的三萜类糖苷化合物，由疏水性苷元（soyasapogenol A或B）与亲水性糖基组成。根据苷元结构的不同，大豆皂苷可分为A组和B组两大类：A组乙酰化皂苷与大豆制品的苦涩味相关，而B组皂苷（包括DDMP偶联皂苷）则具有抗炎、抗致癌等多种生物活性，是目前研究最为深入的一类。已有研究表明，大豆皂苷具有降胆固醇、抗肿瘤促进、生长抑制等生物学功能，从商业化大豆产品中分离抗突变产物可能有助于改善人类健康。

然而，大豆皂苷的定量分析面临多重挑战。首先，皂苷分子结构中缺乏发色团（chromophore），在紫外光谱中仅在205 nm附近有弱吸收，而该波长区间内许多其他化合物也有吸收，导致在天然产物等复杂基质中的鉴定尤为困难。其次，皂苷的两亲性（amphipathic）行为使得常规实验室纯化技术费时且低效。再者，不同皂苷分子之间结构高度相似，进一步增加了分析难度。目前主流的大豆皂苷分析方法包括毛细管电泳（CE）、近红外光谱（NIRS）以及多种液相色谱变体（如UPLC、HPLC）联用紫外（UV）、二极管阵列检测器（DAD）、电雾检测器（CAD）或质谱（MS）等，但这些方法普遍存在成本高、操作复杂、溶剂使用受限等局限。

近年来，高效薄层色谱（HPTLC）因操作简便、快速、灵活、低成本且可平行分析多个样品等优势，在天然产物分析中受到广泛关注。HPTLC的一个显著优势在于衍生化处理可增强选择性、减少干扰。然而，现有HPTLC方法仍存在不足：茴香醛衍生化后的皂苷在550 nm波长下检测存在颜色随时间不稳定的问题，影响灵敏度；定量通常依赖单一标准品并假设各皂苷具有相近的摩尔吸光系数，但这一假设尚未得到验证，或需使用多种昂贵标准品。化学计量学分析（chemometric analysis）可为解决上述局限提供补充策略：参考引导方法（reference-guided approach）可通过定义与已知标准品相关的色谱区域，为比较迁移距离相近的信号提供可重复的框架；层次聚类分析（HCA）则可在不完全鉴定每个色谱带的情况下探索复杂HPTLC指纹间的相似性。本研究正是基于上述背景，旨在开发一种结合简化外标法和化学计量学策略的HPTLC方法，用于大豆皂苷的检测和半定量分析。

二、研究内容与主要技术方法

研究人员开发了一种基于HPTLC的大豆皂苷分析方法，并引入化学计量学工具以增强复杂色谱指纹的解析能力。主要关键技术方法包括以下几方面：

第一，样品制备与提取。六种不同批次的大豆衍生副产品（标记为A–F）由美国某商业设施提供，另有一种商业化生大豆样品（M）。样品经40°C对流烘箱干燥过夜、研磨至1 mm粒径后，以乙醇为溶剂进行超声辅助提取，提取循环重复三次，合并上清液定容至10 mL，经0.45 μm滤膜过滤后供分析使用。

第二，HPTLC分离条件优化。研究使用CAMAG HPTLC系统（含自动点样器、可视化仪、展开缸和衍生化仪），在预涂覆硅胶60 F₂₅₄ 10 × 20 cm玻璃板上进行分离。研究人员系统评估了多种文献报道的流动相体系（包括SS1、SS2、V1–V5、G1–G3等），最终确定V4体系（乙酸乙酯、水、甲酸和乙酸组合，不含甲醇）为最佳分离条件。展开缸在33%相对湿度下 conditioning 10 min，饱和时间20 min，色谱展开距离17 mm，干燥时间10 min。衍生化使用茴香醛/H₂SO₄试剂，加热后在可见光、UV 254 nm和UV 366 nm下成像。

第三，检测波长优化与简化校正。研究人员比较了366 nm和550 nm两种检测波长下的色谱响应和校正行为。在366 nm下，三种大豆皂苷标准品（Aa、Ba、Bb）的校正曲线斜率更为接近，合并校正的残差误差从550 nm下的52.76%显著降至12.06%，支持采用单一外标进行简化定量。

第四，参考引导信号归属与化学计量学指纹分析。研究人员以三种标准品的实验性Rf值中位数定义参考位置，通过相邻参考间的中点边界划分互斥的Aa、Ba、Bb关联区域，将样品峰归属至最近参考关联区域。采用bootstrap重采样评估归属稳定性。此外，将整个色谱范围划分为10个非重叠区域（R1–R10），将各区域峰面积归一化后构建样品级色谱指纹，并进行层次聚类分析（HCA），采用欧氏距离和Ward最小方差法（ward.D2）分别对样品和色谱区域进行聚类。

三、研究结果

色谱分离结果。 标准品Aa、Ba、Bb的Rf值分别为0.43、0.44和0.45，三者迁移距离极为接近，仅靠单一Rf值进行归属不够可靠。研究人员因此采用参考引导信号归属策略，利用标准品重复测量的中位数Rf位置和相邻参考间的中点边界来定义互斥的关联区域。样品A和F在Ba和Bb关联区域贡献较大，而样品D在Aa和Bb关联区域贡献更大。Bootstrap重采样结果显示，信号越接近参考位置，归属稳定性越高；越靠近区域边界，越容易被重新归属到相邻区域。这些百分比描述的是色谱归属的稳健性，而非信号与特定大豆皂苷化学同一性的概率。

流动相优化结果。 文献报道的常用流动相体系（如SS1、SS2、G1–G3等）存在硅胶涂层脱落、条带不规则、皂苷分离度不足等问题。V2体系因极性降低导致Rf值偏低且仅产生单一合并皂苷条带；V1体系各皂苷间仍有大量重叠；用氯仿替代乙酸乙酯（G1–G3）虽提高了Rf值但未改善分离度。最终确定的V4体系实现了优于所有先前测试体系的大豆皂苷条带分离效果。然而，Aa、Ba、Bb三者仍未实现完全基线分离，反映了平面色谱法分离结构相近两亲性化合物的固有难度。双展开、溶剂预跑、不同条件下硅胶活化等额外策略均未能实现三种标准品的完全分离。

检测波长优化与单一外标定量结果。 在550 nm波长下，大豆皂苷Aa、Ba、Bb之间的摩尔吸光系数差异显著，其中Bb校正曲线斜率超过Aa的七倍，导致合并回归效果差（R2 = 0.21）。在366 nm波长下，三种标准品的校正行为趋于一致，各标准品校正曲线的决定系数（R2）均大于0.97，表明在研究所用浓度范围内方法具有良好的线性。合并校正模型的残差误差从550 nm下的52.76%降至366 nm下的12.06%。尽管个体校正曲线精度更高，但考虑到大豆皂苷标准品成本高昂、纯化获取过程费力且商业可获得性有限，使用单一外标以366 nm波长进行定量是一种更具成本效益和时间效率的替代方案，前提是明确承认相关的预测误差。

LOD和LOQ结果。 实验检测限（LOD）为20.3 ng，定量限（LOQ）为LOD的三倍，即60.9 ng。

时间稳定性结果。 衍生化后，随着薄层板冷却，颜色在一小时内逐渐褪去，斑点初始呈黄色，后变为深黄棕色。在366 nm下，衍生化后约15 min内存在短暂的稳定期。前6 min内吸收最强，为最灵敏的分析窗口；此后吸收迅速下降。由于光密度扫描仪需要额外时间逐一处理每个斑点，而吸收值随时间快速变化，光记录法（photo-documentation）可在相同条件下对所有样品进行一致比较，因此更适用于本分析。若无法在显色后立即记录，等待15–20 min可获得更稳定的读数。

精密度结果。 以商业化大豆样品（M）的两个主峰（Rf = 0.41和Rf = 0.46）进行同日六次重复实验，Rf值的相对标准偏差（%RSD）低于1%，峰面积的%RSD在10%以内，日内精密度良好。然而，不同日期间（n = 3）使用不同薄层板进行分析时，Rf值保持在5%RSD以内，但峰面积出现30–48%的显著变异，反映了板间精密度有限，定量比较需依赖同板校准。

化学计量学指纹分析结果。 区域指纹图谱和热图显示，即使在每个色谱带化学身份未知的情况下，样品仍可根据色谱图上信号的分布进行比较。层次聚类分析（HCA）用于可视化六种色谱指纹间的相似性，属于探索性分析而非统计验证的样品分类。样品B和C形成最近的聚类，样品D的指纹最为独特。色谱区域的聚类则揭示了随样品共同变化的区域群，有助于识别对样品区分贡献最大的色谱区域，并可为后续靶向表征提供优先级参考。研究人员明确强调，共聚类并不必然表明相应化合物具有化学相关性或同一性，仅反映其在所分析样品集中的丰度模式相似性。

四、讨论与结论

讨论部分总结。 化学计量学处理扩展了传统HPTLC所获得的信息量。将色谱图谱划分为预定义区域并比较各区域相对贡献的方法，可减少轨道间Rf微小偏移的影响，提供更可重复的整体色谱模式表征。区域图谱和热图可用于识别指纹模式相似的样品、检测色谱行为异常的样品，以及确定对样品间差异贡献最大的区域。层次聚类分析可帮助识别具有相似整体色谱模式的样品，并突出导致指纹差异的区域；区域聚类则可揭示共同变化的色谱区域群，为后续靶向鉴定提供线索。这些分析均为探索性用途，不涉及群体层面的推断、预测性分类或关于样品来源与加工条件的推广性结论。

结论翻译。 本研究开发的HPTLC方法用于分析复杂大豆衍生样品中的大豆皂苷，经茴香醛/H₂SO₄衍生化后在366 nm波长下检测，相比550 nm波长产生了更强且更可比的Aa、Ba、Bb标准品响应。尽管个体校正曲线精度最高，但366 nm下响应变异的降低使得简化合并校正的评估成为可能，这在多种纯化大豆皂苷标准品不易获得时尤为有用。该方法在Rf和峰面积测量方面表现出良好的日内重复性，但较高的板间变异表明定量比较需依赖板特异性校准。此外，参考引导信号归属和层次聚类分析为解释复杂HPTLC指纹提供了互补工具，使得在无法完全鉴定单个化合物的情况下，仍可对复杂基质中的大豆皂苷进行筛选和比较分析。