论文部分内容阅读
目的:测定60种中药的初生物质含量和初生物质HPLC、GC-MS图谱,采用PAST软件建立基于初生物质含量和初生物质图谱的寒热药性判别函数,对寒热药性进行识别;筛选基于初生物质的寒热药性统计识别模型,对初生物质的寒热药性标记进行识别;采用SmartPLS2.0软件建立初生物质与寒热药性关系的偏最小二乘路径模型(PLS path model),研究各初生物质对药性的影响以及各初生物质之间的相互关系。方法:考马斯亮蓝法测定60种中药水溶性总蛋白含量,紫外分光光度法测定色氨酸含量,柱前衍生化法测定17种氨基酸含量,采用PAST软件对所得数据进行Fisher分析,建立基于蛋白质和氨基酸成分的Fisher判别函数,并利用该函数对寒热药性进行识别;菲林法测定总糖含量,硫酸-葸酮比色法测定总多糖含量,碱式硫酸铜法测定单糖含量,对所得数据进行Fisher分析,建立基于糖类含量的判别函数,并利用该函数对寒热药性进行识别;柱前衍生化法测定多糖和游离糖乙酰化GC-MS图谱,对所得数据进行Fisher分析,建立基于多糖和游离糖GC-MS图谱的寒热药性判别函数,并利用该函数对寒热药性进行识别;甲酯化法测定脂类GC-MS图谱,Fisher法建立基于脂类GC-MS图谱的寒热药性判别函数,并利用该函数对寒热药性进行识别;对所得初生物质含量数据和图谱数据分别进行汇总,分别建立基于初生物质含量和图谱的Fisher判别函数,对寒性药性进行识别;筛选初生物质的最适统计识别模型对初生物质的寒热药性标记进行识别,探讨基于初生物质的寒热药性标记;采用SmartPLS2.0软件建立PLS path model。结果:基于蛋白质、氨基酸成分的寒热药性Fisher判别函数识别正确率为81.70%;基于糖类含量的判别函数识别准确率为88.33%;基于多糖和游离糖GC-MS图谱的判别函数识别准确率分别为88.33%和93.33%;基于游离脂GC-MS图谱判别函数识别准确率为96.67%;基于初生物质含量的判别函数识别准确率为86.70%;基于初生物质图谱的判别函数准确率为88.33%;多糖GC-MS最佳统计识别模型为PLS-DA,游离糖的最佳模型为PLS-DA或PCA-DA,脂类GC-MS和氨基酸HPLC最佳统计识别模型均为SVM; PLS path model结果显示:氨基酸、糖类2、糖类3、脂类2与寒性呈正向关;糖类1、糖类4、脂类1、脂类3、脂类4、脂类5与热性呈正相关,药性的R square值为0.398,所选择的10个潜变量对药性具有39.8%的解释能力。结论:采用Fisher法建立的基于初生物质的判别函数,对寒热药性具有较好识别能力,即寒热药性能够用统计学方法进行识别,利用筛选的最优统计识别模型能够对初生物质的寒热药性标记进行初步识别,且初步证实了寒热药性与初生物质具有一定相关性。