Progreso de la investigación y aplicación de la tecnología de huellas dactilares en la materia médica china Ⅲ

3 Método de evaluación de datos de huellas dactilares

3.1 Método de reconocimiento de patrones químicos supervisados

El análisis de patrones químicos supervisados ​​requiere ingresar información de muestras de categorías conocidas en la computadora como un modelo discriminante para identificar datos de espectro de muestras desconocidos, incluido principalmente el análisis discriminante de varianza mínima parcial (PLS-DA), el método del vecino K más cercano (KNN) y el modelo blando independiente del grupo. método (SIMCA), análisis discriminante lineal (LDA), etc.

HIERBA TRADICIONAL CHINA CISTANCHE INGREDIENTE ACTIVO VS VITAMINA

3.1.1 PLS-DA

PLS-DA es un método de análisis de determinación de categorías basado en el método PLS para obtener un modelo de regresión entre variables de clasificación de muestras y características espectrales [66]. Ma et al. [67] utilizaron PLS-DA y PCA para distinguir con precisión muestras de Gastrodia de diferentes variedades y orígenes geográficos. Huang Han et al. [68] utilizaron el espectro de huellas dactilares de HPLC combinado con el método PLS-DA para evaluar y clasificar la calidad del crisantemo de nieve.

3.1.2 KM

KNN es un método analítico que toma k muestras del vecino más cercano de una muestra desconocida y clasifica las muestras observando las k muestras del vecino más cercano de acuerdo con la similitud "más cercana" de los parámetros de las características de las huellas dactilares [69]. Zheng Jian y otros[70] estableció un método de detección de castañas marrones basado en espectroscopia infrarroja combinada con KNN.

3.1.3 SIMCA

SIMCA se basa en PCA. Primero, se realiza PCA sobre los datos espectrales de cada tipo de muestra, y luego se establece un modelo de regresión para cada tipo de muestra[69]. Zheng Jian y otros[70] También creó SIMCA.

HIERBAS TRADICIONALES CHINAS CISTANCHE DIFERENTES ESPECIFICACIONES POR HPLC

haga clic para más detalles

3.1.4 LDA

LDA es un método que proyecta datos en un espacio de baja dimensión para obtener la línea de proyección que mejor puede separar los dos tipos de muestras y luego utiliza la función discriminante establecida para clasificar las muestras desconocidas [71]. Zhang Xinxin y otros[71] estudió la aplicación de PCA-LDA en la identificación de propiedades de la medicina china y determinó que este método puede proporcionar una base para la medicación clínica. Morlock et al. [72] utilizaron análisis discriminante lineal para clasificar de forma rápida y precisa diferentes tipos de propóleo.

3.2 Método de reconocimiento de patrones químicos no supervisado

No es necesario ingresar información de muestra de categorías conocidas. Un grupo de muestras de patrones sin categorías marcadas se clasifican según el grado de similitud entre las muestras. Las muestras similares se clasifican en una categoría y las muestras diferentes se clasifican en otra categoría. El análisis del sistema se puede realizar de forma intuitiva, incluyendo principalmente PCA y análisis de conglomerados (HCA).

3.2.1 ACP

PCA es un método de análisis estadístico multivariado que convierte múltiples variables en varias variables representativas mediante una transformación lineal basada en la tasa de contribución[73]. De Souza et al. [74] realizaron PCA en los componentes minerales contenidos en los árboles del pan, lo que indica que es más probable que el calentamiento por horno pierda oligoelementos que el calentamiento por microondas. Zhang Yujiong et al. [75] utilizaron PCA y HCA para evaluar exhaustivamente la calidad de los materiales medicinales de tres hojas verdes. Han et al. [76] combinaron PCA y tecnología de redes neuronales artificiales para descubrir que 11 compuestos en 5 variedades de crisantemos tienen efectos antiinflamatorios potenciales.

3.2.2 AHC

HCA es un método analítico que clasifica muestras desconocidas en diferentes categorías. Hong-Bo et al. [77] utilizaron HCA para demostrar que el origen tiene una gran influencia en los tipos y contenidos de los componentes químicos en Euphorbia chamaejasme. Yi et al. [78] combinaron HCA y PCA para clasificar rápida y eficazmente 74 lotes de té verde en 4 grupos.

3.3 Métodos de evaluación de similitud

Los métodos de evaluación de similitud incluyen el método del coseno vectorial, el método del coeficiente de correlación, el método de entropía relativa (KLD), el método de superposición de picos (método del coeficiente Nei), el método de similitud del momento estadístico cuántico total, etc.

3.3.1 Método del ángulo coseno

El método del ángulo coseno es un método que refleja la similitud de muestras comparando los valores del coseno de los ángulos entre vectores [79]. Zhang Qinglian y otros[80] Usó el método del ángulo coseno para analizar los cromatogramas de 5 lotes de inyecciones de Danshen de diferentes fabricantes y descubrió que la similitud de las inyecciones de Danshen de diferentes fabricantes era pobre.

3.3.2 Método del coeficiente de correlación

El método del coeficiente de correlación es un método que utiliza el coeficiente de correlación de dos vectores para reflejar la similitud entre muestras [79]. El método del coeficiente de correlación del espectro característico del infrarrojo cercano establecido por Huang Bisheng et al.[81] proporciona una base para la rápida identificación de huesos de dragón.

3.3.3 Método de entropía relativa

El método de entropía relativa es un método utilizado para comparar las diferencias entre dos distribuciones de probabilidad P y Q[82]. Wang Kang y otros[83] utilizó las características del valor de disimilitud y utilizó el método de entropía relativa para calcular la similitud de las huellas dactilares de la medicina china. Este método tiene buenos resultados y baja complejidad computacional.

3.3.4 Método de superposición de picos

El método de superposición de picos es un método analítico que refleja la similitud en función del número de picos comunes entre la muestra a analizar y la referencia. Gao Jing y otros[84] utilizaron el método de superposición de picos para calcular la similitud de las huellas dactilares CE de romero de diferentes orígenes, lo que proporcionó una base para el control de calidad del romero.

3.3.5 Método de similitud del momento estadístico total

El método del momento estadístico total es un método analítico que utiliza el principio del momento estadístico para analizar la curva de función variable y obtener el momento general de la función.

parámetros[85]. Wang Yuanqing et al.[86] establecieron un método para evaluar la consistencia y diferencia de las piezas de decocción de Polygonum cuspidatum combinando la huella digital de HPLC con HCA, análisis de momento estadístico total y PCA, que puede usarse como estándar de calidad para evaluando Polygonum cuspidatum.

API DE CISTANCHE DE HIERBAS TRADICIONALES CHINAS

4 perspectiva

La medicina tradicional china es un tesoro de la nación china. Tiene las ventajas de tratar tanto los síntomas como la causa raíz, ser seguro y tener pocos efectos secundarios. Por tanto, la medicina tradicional china juega un papel importante en el tratamiento de las enfermedades humanas. Debido a su particularidad, es algo inexacto identificar la autenticidad y calidad de las medicinas tradicionales chinas únicamente por su apariencia, olor y observación microscópica. La huella química de la medicina tradicional china es equivalente al mapa químico de ADN de la medicina tradicional china y utiliza diversas técnicas espectrales, cromatográficas y de análisis espectral para controlar la calidad del modelo. La huella digital de la medicina tradicional china tiene las características de integridad, destacando la apariencia completa de la medicina tradicional china. Al mismo tiempo, las huellas dactilares de materiales medicinales similares tienen características de similitud. Basándose en este mapa, se realiza la evaluación integral de los componentes químicos internos de la medicina tradicional china y el control integral de la calidad general, de modo que la medicina tradicional china pueda usarse en la clínica de manera controlable. Sin embargo, la huella digital de la medicina tradicional china también tiene ciertas limitaciones: la huella biológica de la medicina tradicional china estudia los fragmentos genéticos de la medicina tradicional china; La huella química de la medicina tradicional china generalmente estudia compuestos de moléculas pequeñas. Dado que la mayoría de los compuestos macromoleculares, como los polisacáridos y los péptidos, no tienen absorción ultravioleta y tienen estructuras complejas y diversas, la huella digital de dichos compuestos ha sido menos estudiada. Por lo tanto, la huella digital de la medicina tradicional china debería prestar más atención a este aspecto para que la calidad de los compuestos macromoleculares pueda controlarse por completo. Al mismo tiempo, los polisacáridos se pueden hidrolizar en una variedad de monosacáridos. Los monosacáridos y polisacáridos son uno de los componentes biológicamente activos de la medicina tradicional china. Por lo tanto, también debería estudiarse la huella digital de los monosacáridos en la medicina tradicional china. Debido a la particularidad de la medicina tradicional china, los diferentes orígenes, temporadas de cosecha y diferentes partes medicinales del mismo material medicinal tendrán un gran impacto en los ingredientes eficaces que contiene. Además, estos factores también pueden afectar la cantidad de elementos inorgánicos en la medicina tradicional china. Por lo tanto, la huella digital de la medicina tradicional china también debe prestar atención a este aspecto. Desde la perspectiva del uso final, las huellas dactilares no sólo deberían desempeñar un papel en el control de calidad de la medicina tradicional china, sino que también deberían desarrollarse más en el estudio de su eficacia, los cambios metabólicos en el cuerpo y la eficacia clínica.

Referencias

[1] Sumathy H, Sangeetha J, Vijayalakshmi K. Análisis cromatográfico de huellas dactilares del extracto metanólico de flor de Ixora coccinea [J]. Int J Pharm Sci Drug Res, 2011, 3(4): 327-330.

[2] Li Qiang, Du Simiao, Zhang Zhongliang y otros. Avances en la tecnología de huellas dactilares de la medicina tradicional china y perspectivas de desarrollo futuro [J]. Medicina herbaria china, 2013, 44(22): 3095-3104.

[3] Sun Suqin. Tecnología de detección rápida de alimentos y medicina tradicional china mediante espectroscopia de infrarrojo (medio) [J]. Instrumentos científicos modernos, 2013(4): 11-20.

[4] Wang Y, Wang P, Xu C, et al. Análisis de macrohuellas dactilares mediante separación de regaliz basado en FT-IR y 2DCOS-IR [J]. Estructura J Mol, 2014, 1070: 1-9.

[5] Ma F, Chen J, Wu X, et al. Discriminación rápida de Panax notogeinseng de diferentes grados mediante FT-IR y 2DCOS-IR [J]. Estructura J Mol, 2016, 1124: 131-137.

[6] Chen Long, Yuan Mingyang, Yu Chi, et al. Análisis de las características espectrales del infrarrojo cercano de 8 medicinas tradicionales chinas minerales que contienen carbonato [J]. Revista de análisis farmacéutico, 2015, 35(4): 654-658.

[7] Xu B, Zhang G, Xu C, et al. Análisis de las características dactilares de los espectros infrarrojos de varios productos procesados ​​de Coptidis Rhizoma y sus diferentes extractos [J]. Estructura J Mol, 2015, 1096: 147-156.

[8] Yang Wenzhe, Gong Huili, Qin Yuhua, et al. Estudio sobre la identificación de piezas de medicina china de mariscos marinos comunes mediante espectroscopia de infrarrojo cercano [J]. Revista China de Medicina Tradicional China, 2014, 39(17): 3291-3294.

[9] Yan R, Chen J, Sun S, et al. Identificación rápida de Lnicerae japonica Flos y Lonicerae Flos mediante espectroscopia infrarroja por transformada de Fourier (FT-IR) y análisis de correlación bidimensional [J]. Estructura J Mol, 2016, 1124: 110-116.

[10] Ning Zeqiong, Lu Yang, Zhao Liben. Aplicación de la espectroscopia ultravioleta en la identificación de la medicina tradicional china [J]. Ciencia y tecnología privadas, 2014(9): 56.

[11] Huang Tao, Fu Zhijin, Chen Houjiang, et al. Análisis de secuencia de índice dual de la tasa de pico común y la tasa de pico de variación del espectro de huellas dactilares ultravioleta de Pinellia ternata [J]. Revista de la Universidad de Dali: Edición completa, 2014, 13(2): 20-25.

[12] Zhong Gui, Zhang Ji, Zhang Jinyu, et al. Identificación de Panax notoginseng de diferentes orígenes mediante huella dactilar UV combinada con PLS-DA [J]. Henan Agriculture Science, 2015, 44(9): 91-94.

[13] Zuo Xu, Huang Yanfei, Yang Zhengming, et al. Aplicación de la huella dactilar UV en la identificación de harina de trigo sarraceno adulterada [J]. Industria alimentaria, 2014, 35(2): 92-94.

[14] Huang Lilan, Cheng Wensheng, Chen Yaodi, et al. Progreso de la investigación de la huella digital del ginseng [J]. Medicina herbaria china, 2013, 44(2): 241-246.

[15] Farag MA, Porzel A, Wessjohann L A. Desentrañar el agente hipoglucemiante activo trigonelina en el dátil Balanites aegyptiaca utilizando la huella digital de metabolitos mediante RMN [J]. J Pharm Biomed Anal, 2015, 115: 383-387.