盐黄柏指纹图谱研究及质量标志物预测分析

doi:10.16333/j.1001-6880.2022.10.002

天然产物研究与开发 ›› 2022, Vol. 34 ›› Issue (10): 1647-1656.doi: 10.16333/j.1001-6880.2022.10.002

盐黄柏指纹图谱研究及质量标志物预测分析

刘晓琳，吴文平，潘礼业，邢菊玲，官永河，杨晓东，庞伟，李国卫*

广东一方制药有限公司广东省中药配方颗粒企业重点实验室，佛山 528244

出版日期:2022-10-28 发布日期:2022-10-31
基金资助:
佛山市科技创新项目（212000100309）；国家工业和信息化部产业技术基础公共服务平台项目（2019-00902-1-2）

Fingerprint analysis and Q-maker prediction of salt-fried Phellodendri Chinensis Cortex

LIU Xiao-lin,WU Wen-ping,PAN Li-ye,XING Ju-ling,GUAN Yong-he,YANG Xiao-dong,PANG Wei,LI Guo-wei*

Guangdong Provincial Key Laboratory of Traditional Chinese Medicine Formula Granule,Guangdong Yifang Pharmaceutical Co.,Ltd.,Foshan 528244,China

Online:2022-10-28 Published:2022-10-31

摘要/Abstract

摘要：

盐黄柏为芸香科植物黄皮树Phelllodendron chinense Schneid.干燥树皮的炮制品，具有滋阴降火功效，本研究建立了22批盐黄柏指纹图谱，并指认其中4个色谱峰，分别为3-O-阿魏酰奎宁酸、5-O-阿魏酰奎宁酸、小檗碱、黄柏碱；主成分分析（principal component analysis，PCA）与正交偏最小二乘分析（orthogonal partial least squares discriminant analysis，OPLS-DA）分析结果表明不同批次盐黄柏差异性成分是黄柏碱、小檗碱。同时，结合网络药理学分析结果，确认小檗碱和黄柏碱是盐黄柏的差异性成分及发挥药效的主要活性成分。明确了小檗碱、黄柏碱为盐黄柏的活性成分和质量标志物，为盐黄柏的质量控制提供参考。

关键词: 盐黄柏, 指纹图谱, 小檗碱, 黄柏碱, 多元统计分析

Abstract:

Salt-fried Phellodendri Chinensis Cortex (SPCC) is a traditional Chinese medicine,22 batches of SPCC fingerprints were established,and four common components,3-O-ferulic acid,5-O-ferulic acid,berberine hydrochloride and phellodendrine hydrochloride,were identified.The analysis results of PCA and OPLS-DA showed that the differential component of different batches of SPCC was phellodendrine and berberine.Meanwhile,combined with the results of network pharmacological analysis,it was confirmed that berberine and phellodendrine were also the main active component of SPCC.Berberine and phellodendrine were the active components of SPCC which provided reference for the quality control of SPCC.

Key words: salt-fried Phellodendri Chinensis Cortex, fingerprint, berberine, phellodendrine, multivariate statistical analysis

中图分类号: R286.0

刘晓琳, 吴文平, 潘礼业, 邢菊玲, 官永河, 杨晓东, 庞伟, 李国卫. 盐黄柏指纹图谱研究及质量标志物预测分析[J]. 天然产物研究与开发, 2022, 34(10): 1647-1656.

LIU Xiao-lin, WU Wen-ping, PAN Li-ye, XING Ju-ling, GUAN Yong-he, YANG Xiao-dong, PANG Wei, LI Guo-wei. Fingerprint analysis and Q-maker prediction of salt-fried Phellodendri Chinensis Cortex [J]. NATURAL PRODUCT RESEARCH AND DEVELOPMENT, 2022, 34(10): 1647-1656.

[1]	杜兰哲, 范倩, 蔡盛康, 殷洪林, 吴晓纯, 陶晨璐, 孙冬梅, 丁青, 朱德全. 基于UPLC指纹图谱和含量测定的六月雪质量评价研究[J]. 天然产物研究与开发, 2023, 35(增刊2): 63-71.
[2]	占慧慧, 丁婵, 彭思源, 刘媛, 孟俊华, 肖作为, 崔培梧. 茯苓皮与白茯苓中三萜类成分的HPLC指纹图谱与化学模式识别研究[J]. 天然产物研究与开发, 2023, 35(9): 1469-1479.
[3]	宋美营, 王立勇, 王巧宇, 张林松, 徐卫东, 汤建, 闻崇炜. 僵蚕药材蛋白质分级指纹图谱建立及产地鉴定相关分子研究[J]. 天然产物研究与开发, 2023, 35(9): 1486-1494.
[4]	曾梅, 王朝晖, 王志辉, 龙雨青, 曾娟, 周新茹, 周日宝, 刘湘丹. 基于HPLC指纹图谱及网络药理学的杜仲质量标志物预测分析[J]. 天然产物研究与开发, 2023, 35(8): 1283-1296.
[5]	吴姣姣, 刘东, 张莉, 夏佳, 杨雨, 唐飞, 陈璐, 敖慧. 基于GC-MS指纹图谱和网络药理学的白术挥发性成分质量标志物预测分析[J]. 天然产物研究与开发, 2023, 35(8): 1305-1313.
[6]	陈海杰, 周永逸, 薛佳, 邹立思, 吴楠, 袁嘉欢, 刘训红, 程建明. 基于UFLC-QTRAP-MS/MS技术分析三叶崖爬藤不同部位的多元活性成分[J]. 天然产物研究与开发, 2023, 35(8): 1322-1337.
[7]	梁月仪, 李振雨, 吕渭升, 卢晓莹, 杨洁, 刘晓霞, 位翠杰, 孙冬梅. 基于HPLC-ELSD指纹图谱和多成分定量的浙贝母与湖北贝母质量差异研究[J]. 天然产物研究与开发, 2023, 35(7): 1101-1111.
[8]	左递军, 李晨阳, 杨军, 徐芳, 赵军. HPLC指纹图谱结合一测多评法的睡莲花药材质量分析[J]. 天然产物研究与开发, 2023, 35(7): 1112-1123.
[9]	李振雨, 刘晓霞, 冯涌微, 位翠杰, 何民友, 邓淙友, 陈向东, 孙冬梅. 姜黄标准汤剂UPLC指纹图谱的建立和4种成分定量分析研究[J]. 天然产物研究与开发, 2023, 35(5): 807-818.
[10]	李智, 赵璐, 米尔扎提·麦麦提, 马璇. 基于指纹图谱结合化学模式识别法评价不同产地睡莲花药材质量[J]. 天然产物研究与开发, 2023, 35(5): 828-836.
[11]	李振雨, 梁月仪, 吕渭升, 黄爽, 杨洁, 卢晓莹, 陈向东, 孙冬梅. 马鞭草药材UPLC指纹图谱建立及指标性成分的测定[J]. 天然产物研究与开发, 2023, 35(4): 551-561.
[12]	张声源, 庄远杯, 杨秋娜, 魏爱红, 张超, 杨亚利. 基于ITS2序列和HPLC指纹图谱鉴别琴叶榕及其近缘种[J]. 天然产物研究与开发, 2023, 35(4): 640-647.
[13]	多杰措, 李彩霞, 许显莉, 宋文珠, 马世震. 不同产地伏毛铁棒锤HPLC指纹图谱及4种生物碱含量测定[J]. 天然产物研究与开发, 2023, 35(2): 200-207.
[14]	周新茹, 王志辉, 龙雨青, 曾梅, 杨敏, 童巧珍, 周日宝, 刘湘丹. 基于高效液相指纹图谱及网络药理学预测分析山银花质量标志物[J]. 天然产物研究与开发, 2023, 35(2): 208-220.
[15]	张传洋, 杨璐嘉, 陈翠平, 王辉, 赵元静, 邓放. 锦灯笼UPLC-Q-Orbitrap HRMS指纹图谱及抗菌活性的谱效关系[J]. 天然产物研究与开发, 2023, 35(10): 1699-1707.

盐黄柏指纹图谱研究及质量标志物预测分析

Fingerprint analysis and Q-maker prediction of salt-fried Phellodendri Chinensis Cortex

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价