化學模式識別在中藥炮制中的應用

尹 燕，王 淼，陽志強，王延年，馬躍平，高慧媛

化學模式識別在中藥炮制中的應用

尹 燕，王 淼，陽志強，王延年，馬躍平，高慧媛*

沈陽藥科大學中藥學院，遼寧 沈陽 110016

中藥炮制是中醫用藥的一大特色和優勢，是保證中藥飲片質量和臨床療效的重要環節。對中藥材進行有效炮制，可降低藥物毒副作用，增強藥物療效，保證用藥安全。但中藥成分復雜，其在炮制過程中會發生復雜的化學變化，這正是導致中藥炮制前后性味功能改變的重要原因。如何揭示這些復雜化學成分變化，闡明中藥藥效物質基礎，是中藥炮制研究的重點和難點。化學計量學作為一門以數學和計算機技術為基礎的新興交叉學科，可將多變量的分析方法引入化學研究，而化學模式識別作為化學計量學的重要組成部分，已成為中藥物質基礎研究的重要手段，并在炮制研究中廣泛應用。針對化學模式識別在篩選炮制工藝、檢測中藥炮制前后藥效物質成分變化，涉及藥性改變、減毒增效、引藥歸經等方面的應用進行論述，并初步探討化學模式識別應用于中藥炮制研究中所存在的問題及發展前景。

化學計量學；化學模式識別；中藥炮制；炮制工藝優化；藥效物質

炮制用藥是中醫用藥的一大特色和優勢，是以中醫藥理論為指導，依據制劑要求、藥物自身性質、臨床應用療效而逐步形成的一門獨特的制藥技術。中藥炮制分為凈制、切制、炮炙等系列步驟與過程，其中，炮炙中的炒制、酒制、蒸制、醋制等處理過程，是中藥中化學成分發生復雜量變和質變的過程，這一過程涉及酶、中間產物、外加條件等眾多因素，經過炮制后以達到減毒增效、改變藥性、引藥歸經的目的。因此，探究中藥炮制前后物質成分變化實質及規律，是科學闡明中藥炮制原理、正確掌握中藥炮制加工工藝的基礎關鍵。

化學計量學（chemometrics）又稱化學統計學，是以數學、統計學、計算機科學與化學結合而形成的化學分支學科，其最重要的特征是將多變量的分析方法引入化學研究中，對化學量測數據進行多元處理與解析，創建與優化各種化學模型，并從復雜的化學量測數據中最大限度地提取有關物質系統成分、結構及其他相關信息[1]。主要研究方法包括采樣理論（如計量檢驗、計數檢驗）與數據處理（如回歸與相關分析、方差分析）、實驗設計和優化方法（如正交試驗、響應面法）、多元校正和多元分辨（如線性與非線性校正、重疊信號的去積）[2]、化學模式識別（如有監督模式識別、無監督模式識別）、人工智能及專家系統等[3]。其中，優化實驗設計法中的正交試驗法和響應面法在多因素、多水平工藝參數的優化、篩選中取得了較好的成果，在中藥炮制條件優化研究中較為常用。

而化學模式識別作為化學計量學的重要組成部分，其是將原始數據集中差異性信息提取并分類的化學計量學手段，已在中藥炮制研究中廣泛應用。多組分、多途徑、多靶點的作用模式是中藥防病治病的特色優勢，中藥成分復雜多樣，而復方配伍用藥更加大了成分的復雜性，為此，在探究中藥藥效物質基礎，尤其是探究炮制原理等科學問題中引入化學模式識別，則可有效解決傳統化學方法難以解決的“成分變化-功能變化”間相互動態關聯等難點問題[4]。近幾年，隨著學科間的交叉融合，也為闡明中藥炮制原理等科學問題，將化學模式識別融入中藥炮制的研究報道也不斷出現，為系統理解這一應用意義，本文對國內、外相關文獻進行系統調研，就化學模式識別在中藥炮制研究方面的應用進行綜述，以期為中藥炮制研究提供一定借鑒參考。

圖1為總結的化學模式識別在中藥炮制應用上的基本模式。

圖1 化學模式識別在炮制應用上的基本模式

1 化學模式識別

化學模式識別按照有無訓練可劃分為無監督模式識別和有監督模式識別方法。兩者的本質區別在于是否對實驗樣本所屬的類別進行預先分類[5]。在無樣本類別信息的情況下，根據數據本身屬性而獲取樣本類別信息的方法，即為無監督模式識別，如聚類分析（cluster analysis，CA）、主成分分析（principal component analysis，PCA）等[6]；而有監督模式識別是對已知類別的樣本采用特定的方法或模型進行訓練，建立分類模型[7]，隨后利用獲得的分類模型依照未知樣本特征，對未知樣本進行分類，常見方法有偏最小二乘法（partial least-squares，PLS）、人工神經網絡（artificial neural networks，ANN）等[8]。通常在研究過程中，將有監督模式與無監督模式聯合應用，相互補充，獲得科學可靠的實驗結果，數據分析基本流程見圖2。

圖2 化學模式識別數據分析基本流程

1.1 無監督模式識別

1.1.1 聚類分析 聚類分析又稱群分析，是指在沒有先驗知識的情況下，根據樣本特征和性質上的相似程度，對樣本進行分類的多元統計方法。聚類分析參考的主要指標是相關系數和距離，其結果是使歸為一類的樣本即類內元素的距離近、差異小，達到同性質最大化，而不同類的樣本即類間元素的距離遠、差異大，達到異性質最大化。該方法在對數據做初步探索性分析時較為常用，具有直觀、結論形式簡明的優點。但當樣本量較大時，聚類分析法不能對樣本進行準確的分類預測[9]。

1.1.2 PCA PCA又稱主分量分析，是一種簡化數據集的方法。在處理多變量問題時，變量過多使分析問題的復雜性增加，而PCA法采用降維的思想，在空間數據中獲取能夠控制所有變量的幾個主成分，將數據從高維空間降至低維。一般情況下提取特征值大于1或累積方差貢獻率超過80%的因子即可作為主成分，后續利用主成分得分繪制所有樣本的二維和三維投影圖，將樣本間的差異進行可視化分析，而實現樣本分類。該方法最大特點是用較少的綜合指標代替原有的較多變量，使冗余復雜的信息簡單化。圖3為主成分分析的基本流程[10]。

PCA法側重于信息貢獻影響力的綜合評價，具有操作簡單，數據直觀、可信度高的優點。但當原始信息間沒有較強的相關性時，PCA的降維意義不大，原始數據無法利用獲得的主成分而直觀的表現樣本間關系，這時則需要通過PLS等分析方法做進一步分析[11]。

1.2 有監督模式識別

1.2.1 PLS 當樣本數據集間相關性較低時，PLS則無法進行良好的降維，PLS作為一種新型的有監督降維方法，可有效彌補PCA中的不足。PLS是通過預測變量及響應變量之間的協方差來探索二者相關性的一種回歸方法，其基于主成分回歸，從原始預測變量（1，2，…，x）選擇與響應變量相關性強的變量去重新組合成為新的預測變量，進一步與響應變量進行回歸，其基本算法為最小二乘法，因為對預測變量選擇的偏向性，故稱為PLS。該方法依據2和2值判斷所建立的模型是否可靠[12]。2和2分別表示所建模型對和矩陣的解釋率，其數值越接近于1說明模型越好，越低說明模型的擬合準確性越差；2表示模型的預測能力，其數值大于0.5時則表示模型對未知樣品有較好的預測能力。PLS的優點是將系統中的數據信息進行分解和篩選，對因變量解釋性最強的綜合變量進行提取，改善多元數據維度高、噪聲大等問題，克服變量多重相關性在系統建模中引起的不良作用[13]。

圖3 PCA法基本流程

判別分析是指在確定研究對象的判別標準后，以此為依據，結合研究對象的各項特征將其歸到已知類別的過程。偏最小二乘-判別分析（partial least-squares discrimination analysis，PLS-DA）是PLS的一種轉化形式，將PLS應用于判別分析中，可同時實現多元線性回歸和PCA。而PLS的進階形式為正交偏最小二乘法（orthogonal partial least- squares，OPLS），即在選擇的預測變量與響應變量相關且正交，其最大特點是分類信息集中在一個主成分，使模型簡單且易于解釋[14]。

1.2.2 ANN 為模仿生物神經網絡行為特征的一種數學抽象模型，相比于其它模式識別技術，ANN模仿人腦處理信息，通過調整內部大量節點間相互連接的關系，達到處理信息的目的。利用網絡對輸入的特定值進行概況與提取，獲得相應的輸出值。具有自組織、自學習、自適應能力，有較強的容錯性及分布儲存與并行處理信息的功能，在解決不正確的非線性測量數據及處理信息量大等問題中有突出優勢[15]。以算法為分類依據，ANN的常用模型有誤差反向傳輸（back Propagation，BP）ANN、徑向基函數（radial basis function，RBF）ANN以及Kohonen神經網絡等[16]。BP神經網絡是一種采用了BP算法的非線性網絡，主要由輸入層、隱含層及輸出層三個部分組成，是一種多層前向神經網絡，其應用已經非常廣泛和成熟；RBF算法采用了多維空間插值，是一種傳統算法，與其結合應用的ANN稱作RBF神經網絡，是一種局部連接的前向神經網絡，其主要組成部分與BP網絡相同，可以通過“升維”的方式將低維線性不可分的問題轉變成線性可分的問題，訓練集簡單且收斂速度快；Kohonen網絡是一種由輸入層和競爭層組成的無監督學習的自組織競爭型網絡，其通過調整輸入層和競爭層之間的連接權值進行聚類，主要適用于特征不明顯的樣本提取和非線性分布等情況[17]。

2 化學模式識別在中藥炮制中的應用

2.1 化學模式識別在篩選炮制工藝中的應用

對于同種藥物而言，采用的炮制方法不同，其所呈現的藥效也不同[18-19]。為使炮制后的藥材能夠充分發揮藥效，且最大限度地降低毒副作用，制定一個合理、高效、符合臨床用藥需求的炮制加工方法就顯得尤為重要。傳統中藥炮制工藝多憑經驗傳承，缺少相關工藝參數為支撐[20]，化學計量學的引入則可確定中藥炮制過程中涉及的實驗條件、工藝參數、優化和篩選問題，為科學、合理的中藥炮制工藝制定提供指導，這部分研究常以實驗設計與優化（如正交試驗法、響應曲面法）及化學模式識別聯合應用。

屠萬倩等[21]基于“酸入肝經”的中醫理論，依據牛膝臨床功效，對醋制牛膝的炮制工藝進行優化篩選：首先采用正交試驗法考察醋種類、加醋量、炒制時間和悶潤時間對甾酮、皂苷類單體及總甾酮、總皂苷和總多糖等指標成分含量的影響，聯合主成分分析法，發現醋的種類對指標成分的含量有較大影響，而加醋量及炒制時間對含量影響較小，實驗最終以主成分分析的綜合得分為標準獲得牛膝的最佳醋制工藝：質量比為20%的陳醋悶潤30 min后炒制20 min。鄭凱旋等[22]首次對蜜炙川芎的炮制工藝進行優化，以蜜炙川芎中阿魏酸、藁本內酯的含量作為評價指標，采用響應面法考察4個主要影響蜜炙的炮制因素，包括加蜜量、炮制溫度、炮制時間、悶潤時間，確定初步的炮制工藝參數。以響應面法得到的數據為基礎，利用ANN法對非線性模型有較好預測能力的優勢，進一步優化炮制工藝參數，最終以加蜜量25%、炮制溫度160 ℃、炮制時間15 min、悶潤時間2.5 h為最優蜜炙工藝。該研究將響應面法與ANN聯用，建立川芎最佳蜜汁工藝，實驗數據準確可靠，具備飲片炮制規范化生產的可行性。羅妮妮等[23]采用正交試驗結合ANN模型對蓬莪術的炮制工藝進行優化，研究以蓬莪術中姜黃素、揮發油提取量及干膏收率為評價指標，建立了穩定、可行的炮制工藝，為完善醋制莪術質量標準提供參考。劉麗婷等[24]在單因素實驗的基礎上，采用響應曲面法考察了甘草用量、悶潤時間、炒制溫度對吳茱萸質量的影響，最終優選出的炮制工藝可得到質量較好的吳茱萸炮制品。

在炮制工藝優化中，以正交試驗、響應面法與主成分分析、ANN法的聯合應用已經十分廣泛。這是由于多指標、多因素的參數設計常需要進行反復的驗證性工作，而單獨使用正交試驗或響應面法不足以反映炮制工藝中多因素、多水平的非線性關系，因此常將正交試驗或響應面法與PCA法結合，利用PCA法的降維思想，將多指標簡化為幾個綜合指標，避免了在評價多個指標時的主觀性，使實驗數據更科學可靠；或將正交試驗或響應面法與ANN相結合，利用ANN對非線性模型有準確預測的優勢，對影響炮制工藝的因素水平進行精確優化。

2.2 化學模式識別在探討炮制改變藥性中的應用

“四氣五味、升降沉浮”是中藥的基本性能。四氣，即指中藥寒、涼、溫、熱的屬性；五味，即酸、苦、甘、辛、咸的味性；升降沉浮，則為中藥作用于人體的4種趨向性[25]。由于中醫臨床病癥復雜，中藥炮制后則可增性、緩性、改性而更好地滿足臨床需求，如膽汁制黃連增其寒性、酒制仙茅增其熱性、甘草制遠志緩其燥性[26]、膽汁制南星改辛溫性味為苦涼[27]、酒制黃柏則改沉降為升浮，引藥上行，清上焦之熱[28]。

利用化學模式識別揭示中藥炮制藥性改變的科學內涵，可在一定程度上揭示中藥炮制改變藥性的目的所在。李聽弦[29]研究了黃連姜炙前后藥性的寒涼變化，ig給予大鼠生黃連和姜黃連水煎液，考察與能量代謝相關的3條代謝途徑中10個關鍵酶的含量及活性，發現姜黃連對能量代謝過程中酶活性的降低作用顯著弱于生黃連；就10個指標性成分進行PCA，結果表明正常組、生黃連組及姜黃連組的能量代謝有顯著性差異，氧化磷酸化途徑中的線粒體呼吸鏈復合物II和III是影響生黃連和姜黃連能量代謝的主要差異指標，通過分析能量代謝的變化情況，發現寒涼藥物抑制機體功能，可降低能量代謝過程中關鍵酶的活性。神經化學物質，如氨基酸和生物原胺類，在中樞神經系統及內分泌系統中發揮著重要的調節作用[30-33]。人參、西洋參中的主成分人參皂苷，可通過調節神經化學物質而發揮對神經系統、內分泌系統的調節作用。黃鑫等[34]通過考察人參、西洋參及其炮制品紅參和西洋紅參中神經化學物質含量變化情況來反映炮制前后的溫、涼藥性變化。采用HPLC/MS技術分別測定空白對照組、各給藥組大鼠血漿中24種神經化學物質的含量，以其為統計變量，利用PCA對所有樣本進行整體評價和區分，則組間區分良好，以PLS-DA來識別神經化學物質中與溫涼藥性相關的標記物，并利用判別系數大小判斷藥性的溫涼程度。則證實人參、紅參性溫，且紅參的藥性溫于人參，而西洋參、西洋紅參性涼，西洋紅參涼性弱于西洋參。

在中藥炮制藥性變化的研究中，常與各種儀器分析方法聯用，如HPLC、HPLC/MS、紫外分光光度法或紅外光譜法等去定量或定性研究藥性與物質成分間的相關性，這些物質成分可分為無機元素、初生物質或次生物質3個層面，繼而利用PCA法對所有樣本進行整體評價和區分，最后建立PLS-DA分析模型，利用判別系數識別中藥藥性特征標記物，進而判斷中藥炮制前后寒、熱、溫、涼等藥性變化。

2.3 化學模式識別在中藥炮制減毒增效研究中的應用

2.3.1 減毒作用 炮制減毒是保證臨床用藥安全的重要手段，通過不同的炮制方法，可有效減輕藥物毒、副作用。如凈制去毒，即切除藥材的毒性部位，如人參、甘草去蘆[35]；加熱去毒，采用炒、燉等高溫方法，如馬錢子沙炒，可明顯減少其內部有毒成分[36]；加輔料炮制減毒，半夏生品有強刺激性毒性，其主要毒性成分草酸鈣針晶和凝集素蛋白經姜制后含量顯著下降[37]；制霜減毒，巴豆毒性極大，用前須炮制減毒，經制霜后其所含的毒性蛋白含量降低，達到入藥標準[38]。

藥物中的毒性物質通過炮制后化學結構發生變化，如分解、開環氧化，或毒性成分含量減少所致，而應用化學模式識別可有效的監測毒性成分的化學結構變化，如中藥梔子在發揮保肝利膽功效的同時，也伴有一定的肝腎毒性[39-40]，劉靜婷[41]探討了梔子炮制前后化學成分及肝腎毒性的變化，采用UPLC法對炒梔子、姜梔子、焦梔子、梔子炭不同炮制品中的6種主要化學成分進行了含量測定，同時考察了給予大鼠不同炮制品后其肝腎毒性指標的變化情況，以不同炮制品中化學成分和肝腎毒性指標的綜合數據進行聚類分析及PCA，則2種分析方法都對不同炮制品進有很好的區分度，通過PLS-DA法揭示了6種化學成分中以梔子苷、西紅花苷I對肝腎毒性貢獻率最大，提示梔子苷和西紅花苷I是不同炮制品中肝腎毒性的物質基礎；進一步研究發現生梔子中梔子苷和西紅花苷I的含量最高，而在梔子炭中含量最低，化學成分的含量變化，證明了生梔子炮制后可減輕肝腎毒性。中藥何首烏在發揮藥效的同時偶爾伴有肝毒性[42]，Han等[43]采用UPLC-四極桿軌道阱-MS法結合化學模式識別，研究何首烏及其炮制品的毒性差異并確定毒性標志物，利用液質聯用技術在生品和不同炮炙品中確定了16個次級代謝產物。PCA對何首烏生品及炮制品進行了較好的區分，OPLS-DA發現炮制品與生品相比存在2個含量明顯降低的差異性成分，推測二者為毒性物質，且炮制的過程中破壞了化學結構。最后利用體外細胞實驗進行驗證，確定了emodin-8--glucoside和torachrysone--hexose為何首烏中2個潛在的毒性標記物，2種化學成分在炮制的過程中含量降低，達到了炮制減毒的目的。任麗等[44]采用聚類分析和PCA相結合法檢測鉤吻炮制前后主要生物堿類成分的變化情況，結果表明炮制后毒性成分胡蔓藤堿丙、鉤吻素子、鉤吻綠堿、胡蔓藤堿乙成分含量顯著下降，而有效成分鉤吻素甲含量升高，揭示了鉤吻炮制前后減毒存效的內在機制。此外李紅軍等[45]通過超高相液相色譜-飛行時間質譜技術對款冬花蜜汁前后化學成分變化進行分析鑒定，PCA及OPLS-DA法揭示出蜜制后款冬花中具有肝毒性的吡咯里西啶生物堿含量下降，從化學成分角度闡述了款冬花蜜制減毒的潛在機制。

有毒中藥材在炮制過程中，不僅使中藥所含的毒性成分結構發生轉變，同時也調控與機體肝、腎毒性或能量代謝及糖酵解途徑密切相關的初生代謝物質，因此，也可通過化學模式識別手段尋找與肝腎毒性有關的生物標記物而闡明炮制減毒機制。霍金海[46]在前期研究中發現北青龍衣以鮮品入藥時存在一定的毒性作用，采用低溫變溫炮制技術能夠有效促進毒性成分胡桃醌的轉化，降低藥物毒性。隨后利用化學計量學方法對炮制后的北青龍衣干品在機體內的解毒機理進行闡述。PCA對空白組、北青龍衣干品組、鮮品組及胡桃醌組大鼠的尿液、血液、組織樣本進行分析，利用OPLS-DA篩選北青龍衣鮮品及胡桃醌毒性代謝標志物，最終確定33個毒性代謝標志物，涉及19條代謝通路。

2.3.2 增效作用 中藥材通過適當的加工炮制，如切、炒、蒸、煮等可提高藥物有效成分的溶出率，增強藥效[47]；也可利用輔料炮制，通過輔料的作用直達病灶[28]。不同的炮制條件還可使藥物有效成分發生化學發應（如異構化反應、水解反應等），導致化學結構變化，改變藥物活性成分的化學組成[48]。簡言之，炮制增效，其根本就是炮制對藥效物質基礎的影響，是基于化學成分變化而導致的藥效變化。因此，可從化學成分改變并結合藥理作用變化的角度研究炮制增效的機制。生、炒骨碎補有著不同的臨床應用。Hu等[49]應用HPLC指紋圖譜并結合化學計量學評價生、炒骨碎補化學成分的差異性，建立指紋圖譜對生骨碎補和炒骨碎補做相似性評價，聚類分析和PCA將生品和炮制品明顯分為2類，提示藥材經炒制后化學或含量發生變化，利用PLS-DA揭示出生骨碎補與炒骨碎補的7個潛在差異性標記物。Su等[50]采用超高效液相色譜-三重四極桿飛行時間質譜聯合化學模式識別尋找用于區分生品五味子與醋制五味子的差異性化學成分。通過PCA及OPLS-DA成功篩選出五味子素B、五味子素D、五味子素A、5-羥甲基糠醛為區分生品與醋制品的化學標志物，且五味子素B、五味子素D、及5-羥甲基糠醛是醋制五味子表現更強臨床療效的藥效物質基礎。戚曉杰[51]利用化學模式識別手段從代謝組學的角度解釋了蒼術麩炒后藥效增強的作用機制。通過建立大鼠脾虛證模型評價生蒼術和麩炒蒼術的治療作用，結果表明蒼術麩炒后治療效果更佳。采用液質聯用并結合PCA和OPLS-DA，在脾虛大鼠血漿中共篩選獲得17個脾虛差異代謝物。生、麩炒蒼術對差異性代謝成分均表現出正向調節作用，對差異性代謝物的調控涉及氨基酸、脂質和糖代謝3大代謝途徑，且麩炒蒼術的調節作用優于生蒼術，闡明了蒼術麩炒后藥效增強的作用機制。呂新[52]采用超高效液相色譜-線性離子阱-串聯靜電軌道阱法，結合PCA及PLS-DA對生龍膽和酒龍膽中差異性成分進行分析，結果表明酒制導致龍膽苦苷含量增加，進一步利用藥動學研究揭示酒制可促進龍膽苦苷在大鼠體內吸收速度，研究為酒龍膽炮制增效機理研究奠定基礎。此外，任洪民等[53]通過超高效液相色譜-四級桿-飛行時間串聯質譜法對多花黃精生品及酒制品成分進行快速分析鑒定，并對獲得的質譜數據進行PCA及OPLS-DA，篩選得到kingianoside Z、disporopsin、亞油酸等16個炮制差異成分，揭示差異性成分的化學變化是多花黃精炮制增效的物質基礎。

2.4 化學模式識別在中藥炮制引藥歸經中的應用

在中醫理論中，藥物對機體的選擇性作用被稱為歸經，其中的“經”，是指經絡和臟腑。引藥歸經的關鍵過程是利用經絡完成對藥物的運輸，使藥物到達人體病灶范圍而發揮藥效作用[54]。炮制對歸經的影響主要分為2方面：一是改變歸經，同一種藥物制法不同，則歸經不同[55]，如生姜入肺經，炮姜入脾經，而干姜入心經。二是增強歸經，一種中藥材經炮制后可增強其某一歸經作用，提高中藥對某一經絡、臟腑的治療作用。不同的輔料炮制對歸經也有不同影響[56]，如圖4所示。

近年來，化學模式識別已廣泛應用于探索炮制“引藥歸經”的化學機制。孫慧敏[57]為明確柴胡醋制前后化學成分差異，解釋柴胡醋制后增強歸經的作用機制，對柴胡醋制前后化學成分及保肝作用進行比較。1H-NMR法指認出生品柴胡和醋制柴胡中的36個初級及次級代謝物。柴胡和醋制柴胡可通過PCA得到明顯區分，PLS-DA確定了炮制前后兩者中的差異性成分。隨后建立大鼠CCl4肝損傷模型，通過PCA發現相對于生品，醋制柴胡對肝保護作用更接近正常組，證實了炮制后可增強歸經作用。對醋制柴胡組大鼠生物樣本進行PLS-DA，鑒定出9個相關的生物標記物，通過分析代謝途徑闡釋了醋制入肝經，可增強柴胡保肝作用的機制。

圖4 不同輔料對藥物歸經的影響

將化學模式識別應用于中藥減毒增效、引藥歸經的研究中，其本質就是利用化學模式識別手段評價中藥材炮制前后化學成分變化情況，包括化學成分含量或化學成分組成的變化；或利用化學模式識別實現對生物樣本中潛在差異性標志物的識別，進而闡釋中藥炮制后可降低毒性、增強藥效、引藥歸經的作用機制。研究思路可概述為（圖5）：首先對多種分析方法，如高效液相色譜、高效液相-質譜、超高效液相-質譜、1H-NMR核磁共振譜中獲取的數據進行初步分析（定性或定量）；利用聚類分析對某些相似的樣本聚集成簇，或PCA去直觀的顯示不同樣品間的整體差異；最后利用PLS-DA或OPLS-DA將組間差異最大化，篩選負責分類的標記成分，確定潛在差異物。

圖5 中藥炮制前后差異性藥效物質或潛在生物標志物篩選流程

3 結語與展望

不同的化學模式識別方法其所適用的范圍不同，優缺點不同，可依據實驗目的不同將多種方法聯合應用。無監督識別法可反映數據的原始狀態，了解數據結構，對樣品進行較好的聚類，直觀顯示不同樣品間整體差異，但缺乏對樣品進行分類識別的標準。常用的無監督模式識別有聚類分析和PCA，聚類分析的結果簡潔、直觀，但當樣本過多時，其得出結果的可信度降低，而依據少數的幾個樣本得出的結論往往不夠精確，不具備說服力，因此，聚類分析常用于中藥炮制研究的初步探索；與聚類分析相比，PCA適用于樣本量較多的情況，其通過降維從繁雜冗余的化學量測數據中最大限度地提取有效信息，但當樣本間的特征幾乎沒有關聯度時，PCA的降維就失去了意義，此時需要與有監督模式識別聯合使用。有監督識別模式可通過學習樣本集建立判別參數和標準，篩選作為分類的標記，而不解釋數據集中的差異，如PLS，常需要先通過PCA得到訓練集，并以此為標準進一步使用。因此，在實際操作中，常將無監督模式的分類能力與有監督模式的判別能力結合使用，兩者相互補充，相互印證，從而避免獨立使用一種化學模式識別方法所造成的假陽性結果。

中藥傳統炮制理論如“改變藥性”“減毒增效”“引藥歸經”等，究其根本，是探討中藥炮制前后藥效物質成分的量與質的變化，傳統的研究手段是基于HPLC的定性、定量分析，而針對中藥材多組分體系特點，僅利用HPLC法就顯得過于局限，且針對大量化學數據，要篩選出有用的信息也使得工作量較為繁重。而化學模式識別作為一種綜合數學學科與計算機技術的現代研究手段，以成分分析、多組分、多變量表征的特點對中藥炮制研究形成有力的指導，其與傳統的研究手段相結合，可降低研究難度并減少不必要工作，是未來炮制研究中的主流方法，構建了以多學科交叉、多層次、全方位中藥炮制機制的創新研究模式，挖掘中藥炮制的現代科學內涵，豐富中藥炮制理論，為中藥炮制現代化發展奠定基礎。

利益沖突 所有作者均聲明不存在利益沖突

[1] 賈文志. 化學計量學在分析化學中應用 [J]. 黑龍江科技信息, 2016(11): 96.

[2] 梁逸曾, 俞汝勤. 化學計量學 [M]. 北京: 高等教育出版社, 2003: 24-32.

[3] 梁逸曾, 吳海龍, 沈國勵, 等. 分析化學計量學的若干新進展 [J]. 中國科學 (B輯): 化學, 2006, 36(2): 93-100.

[4] He M, Zhou Y. How to identify “Material basis-Quality markers” more accurately in Chinese herbal medicines from modern chromatography-mass spectrometry data-sets: Opportunities and challenges of chemometric tools [J]., 2021, 13(1): 2-16.

[5] 申明金, 賈飛云, 柴震. 化學計量學在中藥研究中的應用 [J]. 山西醫藥雜志, 2010, 39(9): 795-798.

[6] 王樂, 李素霞, 陳晶. 中藥指紋圖譜在中藥質量控制中的應用 [J]. 河北化工, 2010, 33(1): 71-73.

[7] 阿基業. 代謝組學數據處理方法: 主成分分析 [J]. 中國臨床藥理學與治療學, 2010, 15(5): 481-489.

[8] 鄧乃揚, 田英杰. 支持向量機: 理論、算法與拓展[M]. 北京: 科學出版社, 2009: 125-128.

[9] Bocklitz T. Richard G. Brereton: Chemometrics driven extraction for science, 2nded [J]., 2019, 411(14): 2995-2996.

[10] 陳佩. 主成分分析法研究及其在特征提取中的應用 [D]. 西安: 陜西師范大學, 2014.

[11] 石巖, 魏鋒, 馬雙成. 關于主成分分析在中藥和天然藥物分析研究中應用的探討 [J]. 中國中藥雜志, 2018, 43(14): 3031-3035.

[12] Singer M, Krivobokova T, Munk A,. Partial least squares for dependent data [J]., 2016, 103(2): 351-362.

[13] 孫立麗, 王萌, 任曉亮. 化學模式識別方法在中藥質量控制研究中的應用進展 [J]. 中草藥, 2017, 48(20): 4339-4345.

[14] Yang Q, Lin S S, Yang J T,. Detection of inborn errors of metabolism utilizing GC-MS urinary metabolomics coupled with a modified orthogonal partial least squares discriminant analysis [J]., 2017, 165: 545-552.

[15] 夏瑜潞. 人工神經網絡的發展綜述 [J]. 電腦知識與技術, 2019, 15(20): 227-229.

[16] 梁逸曾, 杜一平. 分析化學計量學 [M]. 重慶: 重慶大學出版社, 2004: 24-32.

[17] 牛志娟. 基于人工神經網絡預測與分類的應用研究 [D].太原: 中北大學, 2016.

[18] 羅誠, 黃永亮, 彭偉, 等. 中藥飲片“炮制調劑一體化”服務模式的思考與構建 [J]. 中藥與臨床, 2020, 11(1): 61-63.

[19] 李濤, 莫雪林, 程雪嬌, 等. 中藥飲片“炮制經驗”客觀化研究的思考 [J]. 時珍國醫國藥, 2016, 27(12): 2919-2922.

[20] 胡志平, 鄧先擴, 王傳明, 等. 炮制對中藥質量的差異性淺析 [J]. 黔南民族醫專學報, 2021, 34(2): 155-157.

[21] 屠萬倩, 張鈺, 李桂本, 等. 正交試驗-主成分分析法優選牛膝醋制工藝 [J]. 中藥新藥與臨床藥理, 2020, 31(8): 990-994.

[22] 鄭凱旋, 趙永峰, 李文兵, 等. Box-Behnken響應面法結合人工神經網絡優選蜜炙川芎炮制工藝 [J]. 中藥材, 2017, 40(9): 2055-2059.

[23] 羅妮妮, 程玲, 傅超美, 等. 正交試驗結合人工神經網絡模型優化蓬莪術炮制工藝 [J]. 中國實驗方劑學雜志, 2014, 20(24): 10-13.

[24] 劉麗婷, 肖洋, 李捷, 等. 制吳茱萸炮制工藝的優化及炮制前后色味變化規律的研究 [J]. 中南藥學, 2020, 18(3): 411-417.

[25] 鐘凌云, 崔美娜, 楊明, 等. 炮制影響中藥藥性的現代研究 [J]. 中國中藥雜志, 2019, 44(23): 5109-5113.

[26] 馬麗. 中藥炮制機制的現代研究進展 [J]. 光明中醫, 2019, 34(13): 2102-2104.

[27] 劉敏. 錢乙傳世名方 [M]. 北京: 中國醫藥科技出版社, 2013: 3-11.

[28] 陳曉雨. 淺談中藥炮制對中藥藥性藥效及化學成分的影響 [J]. 中國民間療法, 2018, 26(12): 106,108.

[29] 李聽弦. 姜黃連標準飲片基礎研究與藥性分析 [D]. 武漢: 湖北中醫藥大學, 2019.

[30] Zhao L S, Zheng S N, Su G Y,.study on the neurotransmitters and their metabolites change in depressive disorder rat plasma by ultra high performance liquid chromatography coupled to tandem mass spectrometry [J]., 2015, 988: 59-65.

[31] Kenche V B, Zawisza I, Masters C L,. Mixed ligand Cu2+complexes of a model therapeutic with Alzheimer’s amyloid-β peptide and monoamine neurotransmitters [J]., 2013, 52(8): 4303-4318.

[32] Brichta L, Greengard P, Flajolet M. Advances in the pharmacological treatment of Parkinson’s disease: Targeting neurotransmitter systems [J]., 2013, 36(9): 543-554.

[33] Zhou Z L, Li F. Gas chromatography-mass spectrometry combined Fisher statistics for the determination of cold-heat nature of traditional Chinese medicine [A] // 2010 Sixth International Conference on Natural Computation [C]. Yantai, China: IEEE, 2010: 4010-4013.

[34] 黃鑫, 王妮, 張娜, 等. 基于神經化學分析研究炮制對人參和西洋參藥性的影響 [J]. 分析化學, 2019, 47(6): 957-963.

[35] 林強. 5種毒藥的中毒機理及炮制原理 [J]. 海峽藥學, 2006, 18(5): 99-101.

[36] 周遠征, 賈天柱, 林桂梅. 炮制對中藥藥性影響的研究進展 [J]. 中國藥房, 2013, 24(19): 1822-1824.

[37] 王桁杰, 梁君. 半夏毒性成分及炮制解毒機理研究 [J]. 科技經濟導刊, 2019, 27(31): 108-109.

[38] 程明. 中藥凈制意義的探討 [J]. 中成藥, 1989, 11(12): 20-21.

[39] 王亭. 中藥梔子有效成分及藥理作用的研究進展 [J]. 中國藥師, 2015, 18(10): 1782-1784.

[40] 林慶勛, 徐列明. 梔子水提液對小鼠急性肝損傷的治療及肝毒性作用觀察 [J]. 遼寧中醫藥大學學報, 2010, 12(6): 65-68.

[41] 劉靜婷. 梔子不同炮制品化學成分變化與肝腎損傷的關聯性分析研究 [D]. 晉中:山西中醫藥大學, 2020.

[42] Dong Q, Li N, Li Q,. Screening for biomarkers of liver injury induced by: A targeted metabolomic study [J]., 2015, 6: 217.

[43] Han L F, Wang P, Wang Y L,. Rapid discovery of the potential toxic compounds inby UHPLC/Q-orbitrap-MS-based metabolomics and correlation analysis [J]., 2019, 10: 329.

[44] 任麗, 李高攀, 諶賽男, 等. 鉤吻炮制減毒存效的物質基礎分析 [J]. 中國實驗方劑學雜志, 2020, 26(3): 117-124.

[45] 李紅軍, 王增繪, 李文濤, 等. UPLC-Q-TOF/MS法分析款冬花蜜炙前后的化學成分變化 [J]. 中國藥房, 2015, 26(6): 792-794.

[46] 霍金海. 基于代謝組學的北青龍衣質量評價及炮制減毒機制研究 [D]. 哈爾濱: 黑龍江中醫藥大學, 2017.

[47] 趙曉瑩. 中藥炮制對藥效的影響 [J]. 現代醫藥衛生, 2009, 25(15): 2354-2355.

[48] 蔡寶昌, 秦昆明, 吳皓, 等. 中藥炮制過程化學機理研究 [J]. 化學進展, 2012, 24(4): 637-649.

[49] Hu J, Wang J L, Qin B B,. Chemometric analyses for the characterization of raw and stir-frying processedbased on HPLC fingerprints [J]., 2021, 2021: 6651657.

[50] Su L L, Ding X Y, Cheng X,. Study on the potential chemical markers for the discrimination between raw and processedusing UPLC-Q-TOF/MS coupled with multivariate statistical analyses [J]., 2020, 19: 100311.

[51] 戚曉杰. 基于LC-MS技術的蒼術炮制前后主要成分藥代動力學及代謝組學研究 [D]. 沈陽: 遼寧中醫藥大學, 2018.

[52] 呂新. 基于體內外化學成分差異的龍膽酒制機理研究 [D]. 沈陽: 遼寧中醫藥大學, 2019.

[53] 任洪民, 張金蓮, 鄧亞羚, 等. 基于UPLC-Q-TOF-MS的多花黃精酒制前后化學成分分析 [J]. 中國實驗方劑學雜志, 2021, 27(4): 110-121.

[54] 王星. 略述炮制對臨床用藥的影響 [J]. 中國中醫藥現代遠程教育, 2013, 11(16): 133-134.

[55] 王孝領. 不同炮制方法對中藥藥性影響的研究進展 [J]. 繼續醫學教育, 2018, 32(7): 156-157.

[56] 張啟家. 炮制對于中藥藥性影響的研究進展 [J]. 廣西中醫藥, 2017, 40(3): 22-24.

[57] 孫慧敏. 柴胡醋制前后的化學及藥理比較研究 [D]. 太原: 山西大學, 2015.

Application of chemical pattern recognition in processing of Chinese materia medica

YIN Yan, WANG Miao, YANG Zhi-qiang, WANG Yan-nian, MA Yue-ping, GAO Hui-yuan

School of Traditional Chinese Medicine, Shenyang Pharmaceutical University, Shenyang 110016, China

The processing of Chinese materia medica (CMM) is one of the characteristics and advantages of traditional Chinese medicine (TCM) clinical medicine, and it is an important link to ensure the quality of slices and clinical efficacy. The effective processing of CMM can reduce drug toxicity and side effects, enhance drug efficacy, and ensure drug safety. However, due to the complex composition of CMM, complex chemical changes will occur during the processing process, which is an important reason for the change of flavor function after the processing of CMM. The revelation of the variation of complex chemical composition and clarification of pharmacodynamic material basis of CMM are the key and difficult points in the study of CMM processing. Chemometrics is a newly-developing cross-disciplinary subject based on mathematics and computer technology, combining multivariate analysis with chemical research. Chemical pattern recognition, as a significant part of chemometrics, has become an important means of the material basis research, widely used in processing study. This paper discusses the application of chemical pattern recognition in screening the processing technology, detecting the changes of chemical composition, involving the transform of the medicinal properties, synergism and attenuation, and medicinal tropism. The analysis discusses the research problems and development trend on the chemical pattern recognition applying in the processing mechanism of CMM.

chemometrics; chemical pattern recognition; Chinese materia medica processing; optimization of processing technology; pharmacodynamic material basis

R285

A

0253 - 2670(2021)17 - 5369 - 09

10.7501/j.issn.0253-2670.2021.17.029

2021-07-30

“興遼英才”計劃（XLYC1905019）；沈陽藥科大學監管科學院項目（2021jgkx009）

尹 燕（1996—），女，碩士研究生，研究方向為中藥炮制、中藥分析。E-mail: 1551518216@qq.com

高慧媛（1971—），沈陽藥科大學1997級碩博連讀藥物化學專業校友，教授，博士生導師，沈陽藥科大學中藥學院副院長，學科帶頭人，興遼英才百千萬人才-領軍人才，主持及聯合主持國家自然科學基金項目4項，作為主要完成人參與完成國家“十五”和“十一五”重大科技專項、國家科技支撐計劃子課題項目5項，主要從事天然藥物、中藥活性物質基礎及新藥設計研究。Tel: (024)43520781 E-mail: sypugaohy@163.com

[責任編輯 鄭禮勝]