《Journal of Chromatography B》：Hierarchical identification of volatile features in traditional Chinese medicine decoctions based on GC–IMS and machine learning
编辑推荐：
•建立了一个分层的GC–IMS–机器学习框架，用于表征复合中药煎剂的挥发性成分。•开发了一种结构约束识别策略，用于在受控的挥发性背景下评估草药来源的挥发性特征。•在所研究的草药中，桂枝（Guizhi）的识别性能最高（AUC = 0.9996）。•在复杂的煎剂系统中，发现了草药依赖
- •
建立了一个分层的GC–IMS–机器学习框架，用于表征复合中药煎剂的挥发性成分。
- •
开发了一种结构约束识别策略，用于在受控的挥发性背景下评估草药来源的挥发性特征。
- •
在所研究的草药中，桂枝（Guizhi）的识别性能最高（AUC = 0.9996）。
- •
在复杂的煎剂系统中，发现了草药依赖性的挥发性特征可识别性差异。
- •
GC–IMS指纹图谱有助于辅助分层分析肉桂醛的含量水平。
引言
中药煎剂是临床实践中使用最广泛的剂型之一，其化学特性源于多种草药共同煎煮过程中产生的复杂成分系统[1]。与单一草药材料或成分明确的制剂不同，复合煎剂中草药之间的相互作用会显著改变成分的溶解度、化学形态和相对丰度，从而形成具有明显整体性和背景依赖性的化学特征[2],[3]。虽然一种或少数几种标志化合物可以支持特定成分的定量控制，但它们不足以完全反映复合煎煮过程中多组分相互作用所产生的整体化学差异[4],[5]。在这种复杂系统中，挥发性成分构成了中药煎剂化学信息的重要组成部分[6]。它们的释放和表达容易受到处方组成、草药间相互作用以及煎煮条件的影响，因此能够反映不同草药及其配伍组合在煎煮过程中的特定差异。因此，从挥发性化学信息的角度研究草药来源特征的可识别性和稳定性对于理解复合煎剂系统中的挥发性化学差异以及开发快速表征方法至关重要。
近年来，气相色谱-离子迁移谱（GC–IMS）越来越多地用于中药的挥发性成分分析，因为它所需的样品预处理最少，分析速度快，并且对挥发性化合物具有高灵敏度[7],[8]。先前的研究表明，GC–IMS通过全局挥发性指纹图谱有效地捕捉了样品间的差异，并已被广泛用于草药鉴定[9],[10],[11]、地理来源追踪[12],[13]和加工评估[14],[15]。然而，大多数现有研究集中在单一草药材料或相对简单的系统上。在多种草药共同煎煮得到的复合中药煎剂中，GC–IMS指纹图谱受到多种挥发性成分的叠加和复杂背景干扰的强烈影响。因此，尚不清楚是否可以在复合背景下稳定地识别出特定草药的挥发性特征，以及这些特征的表达是否取决于特定的配伍环境，这突显出系统方法学验证的必要性[16]。
为了解决高维指纹数据的复杂性，研究人员在GC–IMS数据建模和模式识别中广泛应用了机器学习方法，通过从全局特征空间自动提取分类规则来实现有效的样品区分[17],[18]。然而，大多数研究主要关注模型类型或算法性能的比较和优化，往往隐含地将复合煎剂系统视为无约束的实体[19]。这种方法忽略了复合煎煮条件下草药之间的结构背景差异[4]。因此，简单地增加模型复杂度并不一定能提高对特征稳定性或可分离性的理解，反而可能掩盖由处方结构驱动的真实信息差异。
鉴于这些因素，我们提出了一种结构约束识别（SCI）策略，该策略在固定核心草药的挥发性背景下对辅助草药的可识别性进行建模和评估。这种方法并非旨在普遍最大化分类准确性，而是提供一个框架，用于评估复合煎剂系统中个别草药的挥发性特征的稳定性及其对处方结构的依赖性。与传统无约束分类模型相比，SCI强调了复合配伍结构对挥发性指纹图谱表达的影响，为阐明复杂煎剂系统中与草药相关的挥发性指纹特征提供了新的视角。
在这项研究中，选择了灵龟逐痰汤（Linggui Zhugan Decoction）作为核心配伍框架，因为其组成草药具有异质的挥发性特征，其中桂枝（Guizhi）提供了相对较强的挥发性特征，而茯苓（Fuling）和甘草（Gancao）贡献的挥发性信息较弱。这种异质性为评估不同配伍背景下草药相关挥发性指纹图谱的可识别性提供了合适的条件。通过获取GC–IMS挥发性指纹图谱，并结合多种机器学习方法，建立了一个分层建模框架。该框架首先通过单一草药的存在/缺失区分来评估草药来源挥发性特征的可识别性，然后在固定的桂枝挥发性背景下引入SCI，以研究辅助草药挥发性特征表达的稳定性和背景依赖性。进一步使用HPLC测量的肉桂醛含量作为外部参考，来评估GC–IMS指纹图谱对关键成分含量的辅助分层能力。通过关注标准化实验条件下复合中药煎剂的挥发性质量属性，本研究为挥发性指纹图谱的解释、草药特征识别以及复合中药制剂的多技术质量控制策略的开发提供了见解。本研究中建立的整体分层分析框架如图1所示。
章节摘要
仪器和试剂
仪器：Ultimate 3000 HPLC系统（Thermo Fisher Scientific，美国）；精度为0.01毫克的分析天平（Mettler-Toledo，型号MS105DU）；FlavourSpec? GC–IMS系统（G.A.S., 多特蒙德，德国）；CTC-PAL 3全自动静态顶空采样器（CTC Analytics AG，瑞士）。
试剂：肉桂醛参考标准品由中国国家食品药品监督管理局提供（批次号110710–201,016）。HPLC级甲醇和乙腈购自...
含桂枝煎剂的挥发性指纹特征分析
为了确保分析目标的一致性以及与后续HPLC定量使用的样品集的一致性，我们从总共178个样品中选择了60个含肉桂枝的煎剂样品进行GC–IMS挥发性分析。GC–IMS用于在不同草药配伍条件下表征这些煎剂中的挥发性成分，并使用VOCal软件的内置Reporter插件进行光谱比较。分析结果显示...
结论
本研究聚焦于含有桂枝的中药煎剂，基于GC–IMS挥发性指纹图谱和机器学习建立了一个分层分析框架。该框架包括单一草药的挥发性特征识别、结构约束的辅助草药区分以及关键成分含量的辅助分层分析。它旨在研究挥发性特征的可识别性、稳定性和背景依赖性...
CRediT作者贡献声明
王梦宇：撰写——初稿编写、正式分析、数据整理。王颖：可视化、正式分析。王琳雪：研究、数据整理。李涵：概念构思。李梦涵：可视化、研究。王盼盼：方法学设计。桂新静：监督、资金争取。王青晓：验证。李雪琳：撰写——审稿与编辑、资源提供。刘瑞鑫：撰写——审稿与编辑、监督、资金争取。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文报告的工作。
致谢
本研究得到了以下机构的财务支持：中国国家自然科学基金普通项目（编号82675207）、河南省自然科学基金2024年度杰出青年科学基金项目（编号242300421023）、国家中医药管理局2022年度青年岐黄学者培训项目（编号[2022]256）、河南省卫生健康委青年和中老年学科带头人物项目（编号HNSWJW-2020014）以及“中原人才计划”的中原领军专家项目...
王梦宇|王颖|王琳雪|李涵|李梦涵|王盼盼|桂新静|王青晓|李雪琳|刘瑞鑫
