姜黄属植物是重要的药用资源,但其化学成分与形态特征高度相似,给物种准确鉴定带来很大挑战。尤其是Curcuma longa L.、C. wenyujin、C. kwangsiensis和C. phaeocaulis的不同药用部位,外观极为接近,难以辨别,市面上的掺假和误用现象屡禁不止。为解决这一痛点,一项最新研究打出了一套“组合拳”:实验室精测(GC-MS)+现场快检(便携质谱)+AI算法(机器学习),不仅摸清了9种姜黄类药材的挥发性成分“底细”,还在测试集上实现了100%的精准鉴别。
主要创新点
1. 双平台定位分工。GC-MS 负责深度(成分鉴定、标志物发现与可解释性),PMS 负责速度(最少前处理、可搬到现场)。同课题组此前发在 Food Chemistry (2025) 的工作用的是 HPTLC、HPLC指纹与多成分定量,聚焦非挥发性成分与台式平台;本文转向挥发性成分,并引入PMS做快速基原判别。
2. 为从生物学角度阐明“为何必须区分品种”,本研究利用网络药理学对共有成分进行了机制解析。GC-MS 在9个品种中鉴定出10个高丰度共有成分(P1–P10),包括8个倍半萜类、1个单萜类和1个烷基酚衍生物。然而,共有并不等于可互替。对 P1–P10 进行靶点预测,共筛得 81个共有靶点,构建的 PPI 网络包含79个节点、159条边(平均度 4.03),枢纽靶点为 TNF、ESR1、EP300、AR、CYP19A1 和 PTGS2。KEGG与 GO富集分析进一步揭示了 P1–P10 的系统药理学机制。值得注意的是,两类分析均显示神经系统相关结构与通路显著富集,包括突触、轴突、5-羟色胺能突触以及神经活性配体–受体互作。这提示P1–P10除抗炎与代谢调节作用外,还可能通过调节神经递质传递发挥神经保护、镇痛和情绪调节作用。上述发现与姜黄属植物“行气解郁、活血止痛”的传统应用高度契合,也表明品种间的药效差异本质上源于这10个成分的丰度配比差异。

3. 层级式 OPLS-DA 比较策略,而不是硬建一个全局九类模型。全局模型里远缘品种间的大方差会掩盖近缘品种间的细微差异。按药材鉴别的真实逻辑层层推进:先看Curcuma longa L vs 其余,再看C. wenyujin vs C. kwangsiensis,再细分到类内四品种,最后专门将非药典品种C. elata与其他品种进行对比,得到一个高度稳健的二元OPLS-DA模型(R2X= 0.845,R²Y = 0.983,Q² = 0.929)。C. elata表现出独特而异质的代谢轮廓,形成了独立的空间簇。VIP分析显示,表香果醇酮和新姜黄素的贡献特别高(VIP > 5),反映了它们在DEZ中的特异性富集。模型均通过 200 次置换检验。

4. 特征离子二值化编码:把“有多少”换成“有没有”。m/z 取整以降低微小质量偏移带来的冗余,特征筛选只在训练集内完成——每组丰度前100的离子入池,其中在该组超过 80% 训练样本中检出的离子定义为特征离子,再以基峰归一化后 0.1(即 10% 基峰强度)为阈值判 0/1。这样绕开了 PMS 的基质背景与响应波动,只保留“存在/缺失”模式。

研究内容
环节 |
做了什么 |
为什么这么做 |
顶空GC-MS |
138 批非靶向挥发油轮廓,NIST23.L库加RI 定性,峰面积归一化 |
近缘种差异主要在挥发性倍半萜,液相平台覆盖不全 |
网络药理学 |
P1-P10→81共有靶点→PPI→GO/KEGG 富集 |
回答“分不开会怎样”,为鉴别提供药效学依据 |
化学计量学 |
PCA、层级 OPLS-DA、HCA、UMAP |
逐层剥离差异,挑出可解释的差异标志物 |
便携质谱PMS |
原位指纹,m/z 50-800,每样品10张谱 |
前处理少、速度快、可搬到现场 |
归一化与二值化 |
BPN 最优;特征离子二值化(组内>80% 检出、阈值 0.1) |
抑制基质背景与响应波动,只留存在/缺失模式 |
机器学习 |
9种算法+贝叶斯调参+分层10折交叉验证 |
同时比准确率、速度与模型体积,支撑现场选型 |
研究方法
1.顶空 GC-MS:无溶剂、非靶向刻画挥发油
约 0.10 g 粉末置 20 mL 顶空瓶,加入 10 μL 萘(10 μg/mL)作内标,用于峰面积归一化的相对定量,立即压盖密封。仪器为Agilent 8890气相+7697A顶空进样器,HP-5MS HP-5MS毛细管柱(30m × 0.25 mm,0.25 μm 膜厚),He载气 1.0 mL/min,进样口250°C、分流比 10:1,柱温从 50°C 起按 5、2、3、1、2、2、15°C/min 多段程序升至 250°C,280°C 后运行 3 min;EI 源 70 eV,m/z 40-450 全扫描,每 10 针穿插 QC 监控稳定性。定性依据 NIST23.L 库匹配(仅保留匹配度 >80% 的化合物),并用 C7-C40 正构烷烃实测保留指数与文献值核对;相对含量按峰面积归一化计算。PCA 与OPLS-DA 用SIMCA 14.1,UMAP(n_neighbors=50、min_dist=0.01、metric=correlation)与HCA 在Python 3.9 中完成。
2.网络药理学:从成分到靶点再到通路
P1-P10 的 SMILES 提交 SwissTargetPrediction(保留预测概率 >0),取超过 50% 成分共有的靶点进入STRING(限定人源、最低置信度 0.70、去除孤立节点),导入Cytoscape 3.10.2做拓扑分析确定枢纽靶点,再用 DAVID完成GO的BP/CC/MF三类各前10条与 KEGG 前 10 条通路富集,并用 Python 可视化。
3.便携质谱方法:
约0.50 g 粉末加5.0 mL 80% 甲醇,室温超声(1130 W、37 kHz)提取15 min,14000 rpm 离心10 min 取上清。仪器为PURSPEC 便携式质谱系统(双线性离子阱dual-LIT+不连续大气压接口DAPI+纸毛细管喷雾PCS 常压电离源)。约200微升提取物被装入PCS烟盒后部的溶剂储液槽。经过10秒的平衡期后,将墨筒插入仪器。正离子MS1扫描 m/z 50-800,喷雾电压 4500 V,扫描速率1.0,每个样品在相同条件下连续采集10张谱,每10个样品穿插一次空白溶剂监控背景。
4.计算机方法与分析流程:
第一步:数据清洗(归一化)。仪器每次测出来的信号强弱会有波动。研究对比了两种方法,最终选定了基峰归一化(BPN),这种处理方式能最大程度保留不同药材间特征成分的相对比例。
第二步:特征提取(二进制编码)。摒弃了复杂的信号强度,直接采用“特征离子二进制编码”策略。也就是把数据变成“0(无)”和“1(有)”。这极大地过滤了背景噪音和仪器波动。
第三步:AI算法大比拼。研究人员使用了决策树、支持向量机(SVM)、K近邻、集成算法(Ensemble)等9种机器学习模型进行训练。
第四步:防作弊验证。采用Kennard-Stone算法划分训练集和测试集(7:3),且确保同一批次的样本绝不跨集,保证了测试结果的真实可靠性。

结论与局限
结论:快平台的训练与测试划分要按“批次”而非按“谱图”,用Kennard-Stone在批次均值谱上划分,杜绝技术重复泄漏;2)归一化方案要用UMAP或聚类做前置比较,不要默认总离子流归一化更“规范”;3)近缘品种差异小,层级式建模比一把梭的全局模型更可解释、更容易挖到细微标志物;4)面向现场的模型选型必须把模型体积与推理速度写进评价表,和准确率并列;5)“为什么必须区分”这件事,最好用网络药理学或活性数据补上证据链,而不是只交一张分类得分图。
局限:一是二值化转换必然丢失定量响应的细微差别,它只是务实的特征工程手段,不能替代完整的定量谱分析;二是部分品种样本量偏少,满分更多反映特征的高度可分性,而非模型本身无懈可击;三是缺少用额外新采样品做的独立外部验证,跨采收季、跨产区的稳健性仍待检验。
文献信息
题目:Integrating GC-MS profiling and portable mass spectrometry with machine learning for comprehensive chemical characterization and rapid authentication of nine Curcuma species
作者:Xuemei Wei、Yixuan Xie(共同第一作者)、Jianqing Zhang、Yun Li、Yang Yang、Cuicui Wang、Qinhua Chen、De-an Guo
DOI号:10.1016/j.chroma.2026.467410

