高效液相色谱质谱联用技术（HPLC-MS）是一种将高效液相色谱强大的分离能力与质谱的在线检测功能相结合的综合技术，它具有分析速度快、灵敏度高、需要样品量少等优点，是一种强有力的分析工具。本论文主要包括以下三个部分的内容:　　第一部分首次报道了采自三个不同种植区的不同香型的烟草在四个生长阶段的化学成分差异。我们通过GC-MS和HPLC-PDA-QTOF-MS的方法对三种香型四个生长期的12批烟草样品中的挥发性成分以及极性成分进行了综合分析。GC-MS分析结果表明，团棵与旺长期的烟草样品中含有更多的挥发性成分以及香味成分，而采收成熟期的样品中的香味成分含量最少。通过HPLC-QTOF-MS的方法初步鉴定了烟草中的主要成分并定量分析了其中的8个化合物（5个生物碱类化合物和3个多酚类化合物）。结果显示，不同种植区不同成熟度的烟草中的化学成分差异性显著。12批烟草样品中的烟碱含量差异性很大，浓香型的烟草样品在团棵与旺长期时烟碱含量最高(ZZ-T号样品烟碱含量为25399.39±308.95μg/g)，清香型的烟草样品在现蕾期时的烟碱含量最低(ZY-X号样品烟碱含量为1654.49±34.52μg/g)。芦丁含量最高的是现蕾期清香型的烟草样品(JC-X号样品的芦丁含量为725.93±40.70μg/g)，而中间香型现蕾期的烟草样品中的芦丁含量是最低的(ZY-X号样品的芦丁含量为87.42±2.78μg/g)。我们所建立的方法为烟草的成熟度评价、香型鉴定以及其他植物中的化合物分析提供了参考。　　在论文的第二部分中，我们提出了一个新的设想，将神经网络和遗传算法理论用于液相色谱方法的开发。对于成分比较复杂的样品，液相色谱条件的确定是一项非常耗时的工作，它往往需要尝试大量的试验，还不一定找到合适的色谱条件。鉴于此，我们将神经网络与遗传算法的理论引入液相色谱条件的优化。通过神经网络建立流动相与各成分保留时间之间的关系，然后通过遗传算法计算出最佳的色谱条件。结果表明，二者的结合可以让我们在较短的时间内通过较少的试验次数就可以找到比较理想的液相色谱条件，不仅节省了时间，降低了溶剂消耗，而且可以使实验结果具有一定的预见性。　　第三部分综述了液相色谱质谱联用技术的发展以及在天然药物研究中的应用。