基于化学计量学的重楼（加格略）生品和蒸制品饮片HPLC指纹图谱研究

熊 瑞，武 娟，张兴兴，杨玉婷，吴珊珊，王建科，李 玮*，胡昌江

基于化学计量学的重楼（加格略）生品和蒸制品饮片HPLC指纹图谱研究

熊 瑞1，武 娟1，张兴兴1，杨玉婷1，吴珊珊1，王建科1，李 玮1*，胡昌江2

1. 贵州中医药大学药学院，贵州 贵阳 550025 2. 成都中医药大学药学院，四川 成都 611137

构建重楼（加格略）蒸制前后的HPLC指纹图谱，并借助化学计量学手段科学评价其蒸制前后的质量差异。利用HPLC建立指纹图谱分析测定方法，采用相似度软件建立共有模式及确立共有峰，并运用SIMCA 14.1、SPSS 26等软件进行化学计量学分析，如系统聚类分析（hierarchical cluster analysis，HCA）、主成分分析（principal component analysis，PCA）和正交偏最小二乘-判别分析（partial least squares-discriminant analysis，OPLS-DA）。相似度结果显示，重楼生品饮片和蒸制品饮片相似度相对较高，HCA和PCA结果显示，重楼生品饮片及其蒸制品饮片基本能各自聚类，但仍存在小部分交叉，而采用OPLS-DA模型能有效体现重楼蒸制前后的差异，并筛选出12（重楼皂苷I）、9（重楼皂苷II）、4（loureiroside）和5（未知）号色谱峰可能是重楼蒸制前后差异性潜在关键性成分。构建的重楼蒸制前后饮片HPLC指纹图谱结合化学计量学的研究可以为完善重楼生、制饮片的质量控制和品质评价提供参考，为民族药炮制的临床用药研究奠定基础。

重楼（加格略）；蒸制；指纹图谱；化学计量学；正交偏最小二乘-判别分析；系统聚类分析；主成分分析；重楼皂苷I；重楼皂苷II；loureiroside

重楼药材的基原主要来自于百合科重楼属植物云南重楼Smith var.(Franch.) Hand. Mazz.或七叶一枝花Smith var.(Franch.) Hara的干燥根茎[1]。重楼作为中药使用时，以生品饮片入药，归属于清热药，具有清热解毒、消肿止痛和凉肝定惊的作用，用于疔疮痈肿、咽喉肿痛、蛇虫咬伤、跌扑伤痛、惊风抽搐等疾病的治疗。在苗医药中，重楼被称之为加格略，采用蒸制的炮制方法后使用。《贵州苗药·兴仁卷》[2]及《苗乡采药习俗与方法》[3]等苗药相关书籍中记载了重楼采用蒸制的炮制方法用于治疗胃痛、胃溃疡、十二指肠溃疡等胃肠性疾病，同时贵州民间食疗亦有与糯米共蒸后打粉服用，用于治疗如胃痛、胃溃疡及十二指肠溃疡等病的习惯，表明蒸制后的重楼在治疗消化系统相关疾病具有较大潜力，但目前对于重楼蒸制工艺、质量控制、蒸制前后化学成分变化等相关研究基础较薄弱。

指纹图谱技术，可以系统地反映中药或民族药化学成分整体成分信息（组成及含量分布状况），从而成为一种质量控制模式广泛应用于中药或民族药内在质量的客观评价。随着数据挖掘技术的发展，指纹图谱结合化学计量学分析已广泛应用于中药及民族药的质量评价及差异标记物的筛选[4-6]。因此，本实验通过运用HPLC技术构建蒸制前后重楼的指纹图谱，并结合相似度分析（similarity analysis，SA）以及化学计量学中多元统计分析的模式识别方法如系统聚类分析（hierarchical cluster analysis，HCA）、主成分分析（principal component analysis，PCA）和正交偏最小二乘判别分析（orthogonal partial least-squares discrimination analysis，OPLS-DA）进行模式识别和差异性成分的筛选，用于重楼生品饮片与蒸制品饮片的差异比较，以期为重楼不同炮制饮片的质量标准的建立提供参考。

1 仪器与材料

1.1 仪器

Shimadzu高效液相色谱仪，配备Essentia LC- 16×2泵，SIL-16自动进样器，CTO-16L柱温箱，Essentia SPD-16紫外分光光度检测器，DGU-20A脱气机，CBM-20A控制器，岛津仪器苏州有限公司；Waters Xevo G2-S QTof质谱系统，美国Waters公司；JFD-300T型粉碎机，武义海纳电器有限公司；WP-UP-WF-20型超纯水机，四川沃特尔水处理设备有限公司；SK8200LHC型超声波清洗器，上海科导超声仪器有限公司；ME204E型万分之一天平，0.1 mg，梅特勒-托利多仪器（上海）有限公司；LE403E型千分之一天平，1 mg，梅特勒-托利多仪器（上海）有限公司。

1.2 试剂与试药

甲醇，分析纯，成都金山化学试剂有限公司；乙腈，色谱纯，美国Tedia公司；流动相用水为超纯水。对照品重楼皂苷I（批号MUST-20111714，质量分数98.82%）、重楼皂苷II（批号MUST- 21062804，质量分数98.97%）、重楼皂苷VI（批号MUST-21090811，质量分数98.43%）、重楼皂苷VII（批号GZDD-0606，质量分数98.72%），成都曼思特生物科技有限公司；重楼皂苷V，批号DST190513-252，质量分数≥98%，成都德思特生物技术有限公司。

1.3 药材

收集的重楼原药材信息见表1，经由贵州中医药大学中药鉴定教研室谢军丽讲师鉴定，基原均为《中国药典》2020年版[1]中收载品种百合科重楼属植物云南重楼Smith var.(Franch.) Hand. Mazz.的干燥根茎，且均符合《中国药典》2020年版相关规定。

2 方法与结果

2.1 重楼饮片的制备

2.1.1 重楼生品饮片制备 分别取重楼各批次原药材（Y1～Y11），净制后，加入83%蒸馏水闷润至透心，切片（2～4 mm），46 ℃鼓风烘干至完全干燥，即得生品饮片（编号S1～S11）。

表1 重楼原药材采购信息及编号

Table 1 Information of ParidisRhizoma

编号产地采收时间编号产地采收时间 Y1云南昭通2020-11Y7云南丽江2020-07 Y2云南楚雄2020-09Y8云南文山2021-01 Y3贵州惠水2020-11Y9贵州小贞丰2020-10 Y4贵州普安2020-11Y10云南罗平2020-12 Y5贵州兴义安龙2020-07Y11贵州紫云2020-11 Y6贵州安顺2020-09

2.1.2 重楼蒸制品饮片制备 分别取重楼各批次原药材（Y1～Y11），净制后，加入83%蒸馏水闷润至透心，切片（2～4 mm），再经常压蒸制87 min，46 ℃鼓风烘干至完全干燥，即得蒸制品饮片（编号P1～P11）。

2.2 供试品溶液的制备[7]

将制备好的重楼生品饮片和蒸制品饮片粉碎，过筛。取过4号筛粉末约0.5 g，精密称定，置于具塞锥形瓶中，精密量取甲醇10 mL，称定质量，超声处理（功率250 W、频率35 kHz）30 min，取出冷却，称定质量后用甲醇补足减失的质量，摇匀滤过，取续滤液过0.45 μm有机微孔滤膜后作为供试品溶液。

2.3 对照品溶液的制备

分别精密称取各对照品（重楼皂苷VII、II、I、VI、V）约10 mg，加甲醇溶解，并定容至10 mL，作为储备液。分别量取适量该5种对照品储备液，配制成一定质量浓度的混合对照品溶液。

2.4 色谱条件

色谱柱为Inertsustain C18色谱柱（250 mm×4.6 mm，5 μm），采用超纯水和乙腈作为流动相，进行梯度洗脱：0～11 min，20%～25%乙腈；11～14 min，25%～28%乙腈；14～24 min，28%～32%乙腈；24～34 min，32%～38%乙腈；34～43 min，38%～42%乙腈；43～49 min，42%～45%乙腈；49～64 min，45%乙腈；64～90 min，45%～70%乙腈；检测波长为203 nm；柱温为30 ℃；体积流量为0.8 mL/min；进样量为15 μL；分析时间为90 min。

2.5 质谱条件

电喷雾离子源（ESI），正离子模式采集；扫描范围质荷比（/）为50～1500；低能量碰撞电压为6 V；低能量碰撞电压为20～60 V；毛细管电压为3000 V；锥孔电压为40 V；离子源温度为120 ℃，辅助喷雾电离与去溶剂气体为高纯度N2；去溶剂化温度500 ℃；锥孔气体流量90 L/h；去溶剂化气体流量800 L/h。

2.6 指纹图谱方法学考察

2.6.1 精密度试验 取S1批次样品粉末，依照“2.2”项下所述方法制备供试品溶液，并按“2.4”项下色谱条件下测定，连续进样6次，记录测定结果。图谱中第12号色谱峰响应值相对较高，出峰较稳定且分离度较好，故以其为参照计算其他主要共有峰的相对保留时间和相对峰面积。结果计算所得主要共有峰的相对保留时间的RSD均小于1%，相对峰面积的RSD均小于3%，表明仪器精密度良好，符合指纹图谱技术测定要求。

2.6.2 重复性试验 取6份平行的S1批次样品粉末，精密称定，依照“2.2”项下所述方法制备供试品溶液，并按“2.4”项下色谱条件下测定，记录测定结果，以第12号峰为参照，计算各主要共有峰的相对保留时间和相对峰面积，结果测得各共有峰相对保留时间的RSD均小于2%，相对峰面积的RSD均小于3%，表明方法重复性良好，符合指纹图谱检测要求。

2.6.3 稳定性试验 取S1批次样品粉末，精密称量，依照“2.2”项下所述方法制备供试品溶液，按“2.4”项下色谱条件测定，分别于0、1、2、4、8、12、24 h进样，记录测定结果，以第12号峰为参照，计算各主要共有峰的相对保留时间和相对峰面积，结果测得各主要共有峰相对保留时间的RSD均小于2%，相对峰面积的RSD均小于3%，表明供试品溶液在24 h内稳定性良好。

2.7 蒸制前后重楼HPLC指纹图谱的建立和相似度评价

2.7.1 指纹图谱的建立 取蒸制前后的重楼饮片共22批次粉末，依照“2.2”项下所述方法制备相应供试品溶液，并按“2.4”项下指纹图谱色谱条件下分别进样，记录色谱图，借助Origin Pro（version 2021，美国）作图，结果如图1所示。

2.7.2 指纹图谱共有模式的建立及共有峰的标定 将指纹图谱结果分别导入国家药典委员会相似度评价软件《中药色谱指纹图谱相似度评价系统》（version 2012）软件中，分别以S1号和P1号色谱图为参照指纹图谱，采用中位数法，时间窗宽度设为0.8 min，经多点校正及全谱峰匹配后分别生成11批重楼蒸制前后指纹图谱的共有模式（图2、3），其中重楼生品饮片共有模式图谱主要色谱峰为13个，蒸制品共有模式图谱共有主要色谱峰9个。

2.7.3 相似度评价[8-10]11批蒸制前后重楼指纹图谱的相似度结果分别见表2、3，不同批次重楼生品饮片指纹图谱与其生成对应的对照图谱的相似度结果均大于0.8，蒸制品与其生成对应的对照图谱的相似度结果亦大于0.8，分别表明11个批次的重楼生品饮片和蒸制后的重楼饮片品质均较为一致，相对稳定。另外，将蒸制前后重楼分别生成的共有模式图谱分别导入相似度评价软件中，计算其相似度达到99.7%，说明采用相似度评价虽能很好地单独反映重楼生品饮片和蒸制品饮片指纹图谱的相似程度，但从二者共有模式相似度结果并不能体现出蒸制前后重楼的区分性及质量差异，采用指纹图谱相似度评价方法无法有效区分重楼生品饮片和蒸制品饮片。尽管指纹图谱中主要峰群的整体面貌相似，但各色谱峰响应值仍是有区别的，因此，需要进一步采用化学计量学可对其差别进行分析。

图1 22批次蒸制前后重楼HPLC指纹图谱叠加图

图3 11批重楼蒸制品饮片(P1～P11)指纹图谱及其共有模式(R)

表2 11批重楼生品饮片相似度分析结果

Table 2 Results of similarity analysis between 11 batches of crude ParidisRhizoma

样品相似度 S1S2S3S4S5S6S7S8S9S10S11对照指纹图谱 S11.0000.8910.9660.9600.9090.9700.9440.9140.9650.9130.9500.965 S20.8911.0000.9130.8340.8800.9040.7840.9720.8950.9720.9610.945 S30.9660.9131.0000.9450.9360.9880.9470.9500.9960.9600.9850.994 S40.9600.8340.9451.0000.8860.9620.9780.8460.9570.8480.9090.934 S50.9090.880.9360.8861.0000.9430.8850.9140.9400.9160.9360.942 S60.9700.9040.9880.9620.9431.0000.9560.9410.9900.9420.9740.987 S70.9440.7840.9470.9780.8850.9561.0000.8180.9610.8320.8920.923 S80.9140.9720.9500.8460.9140.9410.8181.0000.9350.9940.9870.974 S90.9650.8950.9960.9570.9400.9900.9610.9351.0000.9450.9760.989 S100.9130.9720.9600.8480.9160.9420.8320.9940.9451.0000.9910.979 S110.9500.9610.9850.9090.9360.9740.8920.9870.9760.9911.0000.997 对照指纹图谱0.9650.9450.9940.9340.9420.9870.9230.9740.9890.9790.9971.000

表3 11批重楼蒸制品饮片相似度分析结果

Table 3 Results of similarity analysis between 11 batches of steamed ParidisRhizoma

样品相似度 P1P2P3P4P5P6P7P8P9P10P11对照指纹图谱 P11.0000.8830.9510.8530.8810.9200.9360.8940.9430.8520.8900.940 P20.8831.0000.9140.9340.9040.9660.9190.9860.9180.9710.9870.974 P30.9510.9141.0000.8770.9170.9750.9840.9430.9960.9120.9320.977 P40.8530.9340.8771.0000.8530.9000.8520.9080.8680.9210.9220.929 P50.8810.9040.9170.8531.0000.9250.9200.9090.9230.8840.9090.940 P60.9200.9660.9750.9000.9251.0000.9800.9900.9800.9720.9820.994 P70.9360.9190.9840.8520.9200.9801.0000.9600.9920.9190.9390.977 P80.8940.9860.9430.9080.9090.9900.9601.0000.9510.9830.9920.987 P90.9430.9180.9960.8680.9230.9800.9920.9511.0000.9180.9370.979 P100.8520.9710.9120.9210.8840.9720.9190.9830.9181.0000.9930.969 P110.8900.9870.9320.9220.9090.9820.9390.9920.9370.9931.0000.984 对照指纹图谱0.9400.9740.9770.9290.9400.9940.9770.9870.9790.9690.9841.000

2.7.4 共有特征峰的指认 通过与标准物质的保留时间进行定性对比，指认出其中4个共有色谱峰，分别为重楼皂苷VII、II、I、V，而重楼皂苷VI为非共有峰，典型色谱图见图4。并进一步采用“2.5”项下质谱条件进行HPLC-Q-TOF-MS分析，获取共有峰的液质联用分析数据，并结合对照品及相关文献报道[11-14]，鉴定了其中10个共有峰，结果如表4所示。

2.8 化学计量学分析

2.8.1 HCA[15-17]系统聚类分析能衡量数据间的相似程度，相似度越高表现在聚类树状图上相隔愈近。分别以11批不同产地重楼生品饮片（编号S1～S11）和11批对应的重楼蒸制品饮片（编号P1～P11），各主要共有峰的峰面积相对于称样量量化后再经标准化处理后的数据作为识别数据集，采用SPSS（Version 26，美国）软件分析及Origin Pro（Version 2021，美国）作图，样本间以组间连接法（average linkage between groups）连接，以平方欧氏距离（squared euclidean distance）作为距离系数，对数据集进行系统聚类分析，输出聚类热图（图5）。

6-重楼皂苷VII 9-重楼皂苷II 12-重楼皂苷I 13-重楼皂苷V X-重楼皂苷VI

表4 共有峰的鉴定

Table 4 Identification of common peaks

峰号分子式准分子离子峰[M＋H]+(m/z) 误差/(×10−6)(+) MS and MSE (m/z)鉴定结果 实测值理论值 1C34H42O22803.223 21803.224 05−1.05120.081 06, 166.086 21, 803.220 50NA 2C51H62O14899.423 94899.421 233.01899.423 94, 753.365 78, 621.324 00NA 3C57H92O251 177.597 481 177.600 04−2.181 177.597 48, 885.482 78, 1 031.539 41pseudoproto Pb[11] 4C50H80O211 017.524 291 017.526 49−2.161 017.524 29, 739.425 08, 885.482 60, 577.322 69loureiroside[11] 5C24H47NO9494.332 08494.332 36−0.61494.332 08, 658.397 42, 739.225 25NA 6C51H82O211 031.539 021 031.542 14−3.021 031.539 02, 413.304 21, 395.293 50重楼皂苷VII[12-13] 7C45H72O18901.475 67901.479 14−3.86413.304 16, 353.228 54, 575.356 2412-OH-gracillin或其异构体[12,14] 8C44H70O17871.466 42871.468 58−2.48413.304 44, 395.293 65, 575.356 93, 871.466 42重楼皂苷H[11-12] 9C51H82O201 015.543 911 015.547 22−3.261 015.543 91, 415.320 04, 723.429 64, 397.309 34重楼皂苷II[13-14] 10C50H80O201 001.528 461 001.531 57−3.111 001.528 46, 415.319 16, 723.427 69reclinatoside[11] 11C45H72O17885.480 31885.484 23−4.43415.319 05, 397.308 43, 885.480 31, 723.428 12纤细薯蓣皂苷[12] 12C44H70O16855.472 02855.473 66−1.92855.472 02, 415.321 99, 397.309 42, 723.429 54重楼皂苷I[12,14] 13C39H62O12723.428 23723.431 40−4.39397.308 29, 415.318 81, 723.428 23, 253.193 18重楼皂苷V[12-13]

NA表示尚未见报道

NA means that have not been previously reported

结果显示，除了重楼生品饮片S5批次及对应的蒸制品P5单独聚为一类，另外20批次重楼饮片可分为2大类，生品饮片S1～S4和S6～S11聚为一类，蒸制品饮片P1～P4和P6～P11聚为另一类，聚类结果与重楼饮片类别基本一致，表明蒸制前后重楼饮片之间是存在质量差异的，这与其加工炮制有关。另外，重楼生品饮片S6、S9、S7 3批样本聚拢为一类，S10、S11、S3 2批样本聚拢为一类，S8样本为一类，S1、S2、S4 3批样品聚拢为一类，再结合相似度评价结果，提示不同批次重楼生品饮片质量存在一定差异，这可能是由于实验购买的各批次的滇重楼药材分别在产地、生长环境、采收时间存在一定差异性，而使不同批次的重楼生品饮片聚类呈交叉分布，说明重楼品质易受到产地、采收时间、年限等诸多因素的影响。

图5 重楼生品和蒸制品饮片聚类热图

2.8.2 PCA[18-19]PCA是可快速表征样本的差异信息的化学计量学方法之一。在构建生、制重楼HPLC指纹图谱的基础上，以蒸制前后各11批样本为观察对象（变量，编号依次为S1～S11和P1～P11），在重楼生品饮片及蒸制品饮片各自共有峰中，选取的主要共有峰（若蒸制品某一共有色谱峰在生品中未检出，则在蒸制样品中峰面积记为0），共计13个色谱峰（按保留时间依次编号为1号峰～13号峰），将峰面积相对于称样量量化后再经标准化处理后的数据作为多元变量（变量），建立22×13的原始矩阵，采用SIMCA（Version 14.1，瑞典Umetrics公司）统计分析软件以PCA on X-block模型进行分析进行统计分析，以观察其HPLC指纹图谱的差异性。由软件进行拟合后，自动提取了2个主成分，并得到代表样本对自变量累积解释能力模型参数2(cum)＝63.6%（＞0.4）和对因变量累积解释能力模型参数2(cum)＝32.7%，表明PCA模型虽然能解释63.6%变量的变化，但预测值只有32.7%，且从PCA二维得分图（图6）可看出，虽然运用PCA可将重楼生品饮片与蒸制品饮片基本上分为2类，但用此分类方法时，仍存在有样品有一定的交叉。无监督的PCA无法很好地区分组间样本，因此，为了更加清晰地明确重楼生品和蒸制品差异性，寻求更适合本实验的模式识别方法，将进一步运用有监督模式识别算法OPLS-DA，对生、蒸重楼样品差异进行评价。

2.8.3 OPLS-DA[20-24]在PCA的基础上，进一步通过OPLS-DA建立判别模型，通过交叉验证的方式自动拟合。自变量模型参数2(cum)＝97.6%（＞0.5），因变量模型参数2(cum)＝88.5%（＞0.5），表明模型稳定性及预测力较好，且远高于PCA模型预测值；累积预测能力参数2(cum)＝75.7%（＞0.5），且2(cum)-2(cum)＜0.3（为0.128），表明预测模型具有较好的准确性和可靠性。OPLS-DA得分图见图7、8。在得分图中，每个点分别代表各批次样品的均值，各个批次样品间的差异程度可通过点对点的间隔表征。22批样品中重楼饮片被明显区别成2类，以中间轴为界，生品饮片聚集在左侧，蒸制品聚集于右侧，两者分布于不同区域，表明蒸制前后重楼有明显的差别。

图6 PCA二维得分图

图7 OPLS-DA二维得分图

图8 OPLS-DA得分3D图

除此之外，为了进一步检验模型的有效性或样本间是否有差异，利用SIMCA软件对已建立OPLS- DA模型进行200次迭代的置换检验（permutation test），结果如图9所示。置换检验图显示代表模型解释能力2、模型预测能力2均小于原始值，表明模型未过拟合，稳健可信度较好。综上均表明OPLS-DA更适宜作为重楼蒸制前后指纹图谱的模式识别方法。

在载荷散点图（图10）中，图中的点与色谱峰相对应，距离中心点越远的色谱峰对区分样品的贡献作用越大。同时，基于OPLS-DA绘制反映贡献率的S-plot图（图11），分布在右上角和左下角离原点越远的点代表区分贡献度越大差异性色谱峰。为了进一步确认对样品分类贡献度较大的色谱峰，采用变量载荷评价参数值（VIP，图12）进行评价，从而辅助筛选质量差异标志峰，在0.95的置信区间内，根据VIP＞1为标准筛选导致差异性的主要色谱峰，结合载荷图可知色谱峰12号（重楼皂苷I，VIP＝2.40）、9号（重楼皂苷II，VIP＝1.47）、4号（loureiroside，VIP＝1.44）、5号（未知，VIP＝1.10）具有较高主成分载荷，在区分蒸制前后重楼起到重要作用，提示这4个色谱峰是有效区别重楼生品饮片和重楼蒸制品饮片的主要差异峰。

图9 置换实验验证图

图10 OPLS-DA载荷图

图11 S-Plot图

图12 OPLS-DA模型中各共有峰的VIP值

3 讨论

课题组前期已对重楼的常压蒸制工艺以及重楼指纹图谱供试品提取条件进行了考察和优化，并已通过指纹图谱色谱条件优化（流动相组成、梯度程序、体积流量、进样量等参数）和方法学考察，结果符合指纹图谱的技术要求，确定了指纹图谱条件稳定可靠。

本实验建立了重楼生品饮片及其蒸制品饮片的HPLC指纹图谱，通过相似度评价结果及HCA结果发现，不同批次重楼生品饮片整体质量相对稳定，但仍存在一定差异，其品质易受到产地、采收时间、年限等诸多因素的影响。另外，生品饮片与蒸制品饮片相似度较高，但可从指纹图谱可以直观看出，重楼生品饮片与蒸制品饮片虽然化学组成基本相同，但含量有所差异，提示重楼在蒸制过程中，某些成分可能发生了降解与转化。同时，进一步结合化学计量学方法，采用了HCA、PCA、OPLS-DA 3种模式识别方法分析重楼生品饮片和蒸制品饮片指纹图谱差异，HCA和PCA下重楼生品饮片及其蒸制品饮片基本能聚类，但仍存在小部分交叉，而有监督的OPLS-DA模型可有效区别2种饮片，最为适合作为重楼蒸制前后指纹图谱的模式识别方法，并筛选出12、9、4、5号色谱峰可能是重楼蒸制前后差异的关键色谱峰，蒸制后4、5号色谱峰响应值有一定程度降低，12、9号色谱峰有一定程度提高，而经已有对照品和LC-MS分析比对，结合文献分析，12、9、4号分别为重楼皂苷I、重楼皂苷II和loureiroside，5号峰目前未能指认，后续实验将收集更多对照品进行比对以及结合LC-MS质谱信息进一步进行指认。

由于重楼蒸制的研究目前相对较少，其治疗胃溃疡的药效物质基础尚待进一步研究，指纹图谱结合化学计量学可以从整体上评价生、蒸重楼饮片的质量和明确其差异性，但由于药效作用机制目前尚不明确，为此，后续还将进一步开展药效机制与内在成分间的研究。

利益冲突 所有作者均声明不存在利益冲突

[1] 中国药典[S]. 一部. 2020: 271.

[2] 贵州苗药兴仁卷编委会. 贵州苗药兴仁卷（16开精装本） [M]. 贵阳: 贵州民族出版社, 2014: 15.

[3] 滕建甲, 黄爱辉. 苗乡采药习俗与方法 [M]. 北京: 中医古籍出版社, 2014, 186.

[4] 郭延生, 华永丽, 杜天玺,等. 基于化学计量学的HPLC指纹图谱在当归炮制品质量控制和识别中的应用 [J]. 中国中药杂志, 2010, 35(12): 1551-1555.

[5] 张景丽, 罗霞, 郑林用, 等. 运用色谱指纹图谱与化学计量学方法对灵芝进行分类 [J]. 色谱, 2009, 27(6): 776-780.

[6] 苏静华, 张超, 孙磊, 等. 指纹图谱结合化学计量学用于香橼品种鉴别的可行性分析 [J]. 中国中药杂志, 2015, 40(12): 2318-2324.

[7] 张敏, 李玮, 黄颖雪, 等. 加格略(重楼)蒸制前后HPLC 指纹图谱对比研究 [J]. 贵州科学, 2020, 38(4): 38-41.

[8] 谭树慧, 任卫琼, 刘月新, 等. 不同产地生/醋炙乌药指纹图谱的建立及模式识别研究 [J]. 药物分析杂志, 2018, 38(10): 1803-1809.

[9] 周冰倩, 高喜梅, 杨颖,等. 不同来源竹茹药材HPLC指纹图谱和化学计量学分析 [J]. 中草药, 2022, 53(3): 853-857.

[10] 赵宏苏, 赵茹, 乔金为,等. 基于指纹图谱结合化学模式识别绿萼梅质量标志物的评价研究 [J]. 中草药, 2022, 53(5): 1345-1353.

[11] Kang L P, Yu K T, Zhao Y,. Characterization of steroidal glycosides from the extract ofvar.by UPLC/Q-TOF MSE [J]., 2012, 62: 235-249.

[12] 黄圆圆. 15种重楼属植物根茎的化学成分分析 [D]. 合肥: 安徽中医药大学, 2018.

[13] Su F, Ye L, Zhou Z L,. Study of chemical compositions and anticancer effects ofvar.leaves [J]., 2022, 27(9): 2724.

[14] Qiao X, Qu C, Luo Q M,. UHPLC-qMS spectrum- effect relationships forextracts [J]., 2021, 194: 113770.

[15] 黄紫炎, 沈钱能, 李平,等.不同产地葛根饮片的UPLC指纹图谱结合多成分含量测定研究 [J]. 中国中药杂志, 2019, 44(10): 2051-2058.

[16] 何翠敏, 黄伟斌, 邱雨,等. 基于HPLC指纹图谱结合化学模式识别分析相思子叶质量 [J]. 中成药, 2021, 43(6): 1521-1525.

[17] 刘兴勇, 邵金良, 陈兴连, 等. 不同陈化年限普洱茶HPLC指纹图谱及年份判别 [J]. 分析试验室, 2015, 34(10): 1159-1163.

[18] 韩忠耀, 曹芳, 江品良,等. 基于高效液相色谱指纹图谱和化学模式识别法评价不同采收期水冬瓜树皮药材质量 [J]. 理化检验: 化学分册, 2021, 57(3): 204-209.

[19] 郭丽, 杨忠杰, 于晓涛, 等. 南、北五味子药材的HPLC指纹图谱建立及化学模式识别分析 [J]. 中国药房, 2020, 31(18): 2224-2229.

[20] Ma Q D, Chen X X, Zhang K,. Chemical fingerprint analysis for discovering markers and identifyingby HPLC coupled with OPLS-DA [J]., 2020, 2020: 7560710.

[21] 张梦晨, 谢辉, 陆兔林,等.基于指纹图谱、化学计量学、网络药理学的半夏汤洗前后质量评价 [J]. 中草药, 2021, 52(10): 2897-2908.

[22] 石丽霞, 李科, 秦雪梅, 等. 基于糖特征图谱的不同柴胡的品种鉴别 [J]. 药学学报, 2020, 55(12): 2968-2975.

[23] 郭威, 孙蓉, 王亮,等. 基于指纹图谱和OPLS-DA的越南和国产土茯苓差异性化合物探索 [J]. 中国实验方剂学杂志, 2017, 23(14): 62-67.

[24] 荆文光, 郭晓晗, 李楚, 等. 基于质量源于生产的广藿香质量标志物的确立 [J]. 中草药, 2021, 52(15): 4496- 4506.

HPLC fingerprint analysis of crude and steamed(jab gib liod) based on chemometrics

XIONG Rui1, WU Juan1, ZHANG Xing-xing1, YANG Yu-ting1, WU Shan-shan1, WANG Jian-ke1, LI Wei1, HU Chang-jiang2

1. College Pharmacy, Guizhou University of Traditional Chinese Medicine, Guiyang 550025, China 2. College Pharmacy, Chengdu University of Traditional Chinese Medicine, Chengdu 611137, China

To establish the HPLC fingerprint of Chonglou () before and after steaming processing, and to evaluate the difference between processed products by chemometrics.The chromatographic fingerprint analysis was carried out respectively by HPLC, and the common pattern was conducted by similarity evaluation. In addition, for quality evaluation, the results were taken to perform the chemometric analyses, such as hierarchical cluster analysis (HCA), principal component analysis (PCA) and orthogonal partial least square-discriminant analysis (OPLS-DA), by using SIMCA 14.1, SPSS 26, and other software.The similarity evaluation results indicated that the crudeand the steamedcould have high similarity. The HCA and PCA results showed the processed products could be basically cluster separately, but there was still crossover. The applied OPLS-DA results showed the processed products could be ideally classified by five characteristic peaks (12-chonglou saponin I, 9-chonglou saponin II, 4-loureiroside, 5-unknown). These chromatographic peaks can be used as potential key quality markers for the difference before and after steaming.The establishment of HPLC fingerprint combined with chemometrics could be considered as a comprehensive reference and powerful strategy for quality evaluation ofand lay the foundation for the further clinical medicine research of ethnic medicine processing.

(jab gib liod); steaming processing; fingerprint; chemometrics; orthogonal partial least square discriminant analysis; hierarchical cluster analysis; principal component analysis; chonglou saponin I; chonglou saponin II; loureiroside

R283.6

A

0253 - 2670(2022)18 - 5663 - 10

10.7501/j.issn.0253-2670.2022.18.009

2022-03-30

2020年度贵州省中医药、民族医药科学技术研究专项课题（QZYY-2020-011）；2020年贵州省教育厅自然科学研究项目（黔教合KY字[2021]200）；2021年度贵州省基础研究项目（自然科学类）（黔科合基础-ZK[2022]一般496）；贵州中医药大学博士启动基金项目（2019[48]号）；国家自然科学基金面上项目（81773899）

熊 瑞（1991—），女，讲师，主要从事中药、民族药炮制工艺、质量标准及炮制原理研究。E-mail: rui342296918@163.com

李 玮（1964—），男，硕士生导师，主要从事中药炮制学的教学和科研工作。E-mail: 3158433860@qq.com

[责任编辑 郑礼胜]