《Chinese Herbal Medicines》：Discovery of Q-Markers in traditional Chinese medicine based on machine learning: Application and verification in Xiaoyao Heji
编辑推荐：
目的：中药(TCM)质量标志物(Q-Marker)的识别是中药现代化与质量控制的核心。现有方法虽多样，但缺乏统一且可扩展的策略以应对中药方剂的化学与药理复杂性。本研究建立机器学习驱动框架，整合多源数据并系统优先排序Q-Marker，以源自逍遥散的现代化抗抑郁制
目的：中药(TCM)质量标志物(Q-Marker)的识别是中药现代化与质量控制的核心。现有方法虽多样，但缺乏统一且可扩展的策略以应对中药方剂的化学与药理复杂性。本研究建立机器学习驱动框架，整合多源数据并系统优先排序Q-Marker，以源自逍遥散的现代化抗抑郁制剂逍遥合剂(XYHJ)为案例。方法：首先通过总结14种已报道Q-Marker发现策略构建302个化合物数据集，并按兼容性、特异性、可测性、可追溯性、有效性五维标注。随后训练五种排序模型（RankNet、随机森林、XGBoost、线性回归、K近邻），采用8折GroupKFold交叉验证，以归一化折损累计增益(NDCG)、平均精度均值(MAP)和召回率(Recall)评价。将最优模型应用于XYHJ，并进行化学轮廓表征、定量分析、药物代谢与药代动力学(DMPK)、质量传递与生物活性系统表征。最后通过雷达图建模、蒙特卡洛模拟与化学计量学分析验证Q-Markers。结果：XGBoost优于其他模型，NDCG、MAP、Recall为0.84–0.95。首次对XYHJ处方在化学轮廓、DMPK属性、定量含量、生产可追溯性与生物功效方面综合评价。最优XGBoost排序模型筛出15个成分并排序，确定芍药苷(paeoniflorin)、芍药内酯苷(albiflorin)与甘草酸(glycyrrhizic acid)为关键Q-Marker。雷达图模型联合超10000次抽样迭代的蒙特卡洛模拟进一步验证排序可靠性。指纹相似度与化学计量学分析表明这些Q-Markers可区分不同工艺生产的XYHJ。结论：本研究开发统一多种Q-Marker发现策略的机器学习排序框架，以XYHJ为案例提升其质量控制体系，并为其他中药方剂标准化与现代化提供参考。
研究背景方面，中药(TCM)方剂因整体治疗潜力受到全球关注，尤其在复杂多系统疾病中。然而，缺乏与现代制药标准接轨的稳健质量控制体系，阻碍其国际接受度。质量标志物(Q-Marker)被定义为与疗效和生产一致性化学可追溯相关的成分，中国中药协会团体标准T/CACM 1638–2025将其特征归纳为兼容性环境、特异性、可测性、可追溯性、有效性。现有Q-Marker筛选方法包括定量三元网络、雷达图模式、网络药理学、熵权法、蛛网模式等，但理论框架与数据模型不同，结果不一致，且缺乏统一评价标准，跨研究可比性差。机器学习可处理复杂高维大规模数据，挖掘非线性关系，在监督学习、集成学习、排序学习(to rank)支持下，有望统一Q-Marker识别。逍遥散(XYS)出自宋代?《太平惠民和剂局方》，由柴胡、白芍、白术、甘草、生姜、当归、茯苓、薄荷组成，具疏肝理气之效，其相关制剂现行标准仅以芍药苷为定量指标，远不能保证疗效与安全。逍遥合剂(XYHJ)源自逍遥散，属现代中药制剂，但化学基础研究与质量标准缺失，不同生产工艺导致成分谱变异，影响治疗一致性，因此亟需机器学习驱动的统一Q-Marker框架。该论文发表在《Chinese Herbal Medicines》。
关键技术方法方面，研究人员通过文献总结14种Q-Marker发现策略，构建302个化合物数据集，按五维特征标注并做领域知识驱动的特征工程；采用8折GroupKFold交叉验证训练RankNet、随机森林、XGBoost及线性回归、K近邻基线模型，以NDCG、MAP、Recall评价；用SHapley Additive exPlanations(SHAP)解释模型；以市售逍遥丸(XYW)、逍遥颗粒(XYKL)与鲁南制药逍遥合剂(XYHJ)为样本，SPF级雄性SD大鼠（广东致远生物制药提供，SCXK(YUE)2022-0063）分XYHJ、XYW、XYKL与对照组的体内DMPK与药代队列；依托UPLC-Q/TOF-MS定性、UPLC-QqQ-MS/MS定量31成分、单对照多组分定量(QAMS)与UPLC-PDA进行质量传递评估；最后用雷达图、蒙特卡洛模拟与化学计量学验证。
研究结果方面，2.1为材料与试剂，列出来源与对照品，不属于结论性小标题。2.2 机器学习排序模型开发与评价中，研究人员构建五维标注数据集与衍生特征，用GroupKFold防止泄漏；XGBoost以learning_rate=0.005、max_depth=6、n_estimators=1000及正则项训练，Random Forest提供基线，RankNet用Keras多层感知机做成对排序，线性模型与KNN作参照；SHAP的TreeExplainer聚合各折贡献。结论是XGBoost在Top-5排序中稳定最优，NDCG、MAP、Recall达0.84–0.95，有效性、可追溯性等特征贡献可被解释。2.3 XYHJ的Q-Marker相关特征表征中，UPLC-Q/TOF-MS定性显示XYHJ、XYW、XYKL共有与特有成分；体内DMPK研究表明原型与代谢物可于血浆、尿液、胆汁、粪便检出，Phase I水解/氧化/还原/羟基化与Phase II葡萄糖醛酸化/硫酸化/甲基化等规则可解释生物转化；UPLC-QqQ-MS/MS定量31成分并用QAMS以五没食子酰葡萄糖为内参计算相对校正因子(RCF)，方法学符合中国药典2020；质量传递评估用UPLC-PDA算药材贡献到渗漉/煎煮液、浓缩液、终产品的分段与总转移率。结论是为XYHJ成分可测性、可追溯性与有效性提供实证基础。结果与讨论的主体显示，最优XGBoost从候选中排前15成分，芍药苷、芍药内酯苷、甘草酸被定为关键Q-Marker；雷达图加超10000次蒙特卡洛采样验证排序鲁棒；指纹相似度与化学计量学可区分不同制造工艺XYHJ。讨论指出，既往方法碎片化，本框架把14种策略统一为可学习排序问题，GroupKFold与SHAP增强可复现与可解释，XYHJ案例证明框架能兼顾化学、DMPK、含量、工艺传递与活性。结论部分译为：本研究开发了统一多种Q-Marker发现策略的机器学习驱动排序框架。以XYHJ为案例，该方法不仅完善其质量控制体系，也为其他中药方剂的标准化与现代化提供有价值参考。
