近日，中国中医科学院中医药健康产业研究所李慧研究员团队在国际期刊Food Chemistry（影响因子8.5，中科院一区，TOP期刊）上发表了题为“Differentiation of Citri Reticulatae Pericarpium varieties via HPLC fingerprinting of polysaccharides combined with machine learning”的研究论文，这项研究首次将多糖指纹图谱与机器学习相结合，成功实现了对陈皮种源的精准区分，为陈皮的质量评价提供了全新的思路，也为其他天然药物的种源区分和质量标志物筛选提供了宝贵的参考。
陈皮，学名Citri Reticulatae Pericarpium，为芸香科植物橘Citrus reticulata Blanco及其栽培变种的干燥成熟果皮，其作为一种传统中药材，被广泛应用于呼吸系统和消化系统疾病的治疗。然而，市场上可用于制备陈皮的橘皮属种类繁多，包括茶枝柑、大红袍、温州蜜柑、福橘、樟头红、椪柑、南丰蜜桔等，由于这类品种外形相似，导致市场上以假乱真的现象时常发生，故而如何准确区分不同种源的陈皮，一直是困扰行业的一大难题。目前，关于陈皮质量评价的方法大多聚焦于小分子化合物，但由于不同种源陈皮的小分子成分基本相同，难以筛选到特异性的种源标志物。因此，开展陈皮种源标志物筛选研究对陈皮质量评价方法具有重要意义。
该研究聚焦陈皮中的多糖生物大分子，通过构建多糖指纹图谱来筛选陈皮种源标志物。研究团队收集了4个种源（茶枝柑、大红袍、樟头红、椪柑）近100批次的陈皮，经过单因素实验和响应面法优化了陈皮多糖的提取条件。实验发现，不同种源陈皮多糖的抗氧化能力差异显著；随后，通过酸水解和柱前衍生化方法，构建了陈皮多糖的HPLC指纹图谱，并匹配了10个共有峰，成功鉴定了7个共有峰，包括D-甘露糖、L-鼠李糖和D-半乳糖等。此外，该方法还验证了良好的精密度、稳定性和重复性。 在机器学习模型的应用方面，该研究基于10个共有峰的峰面积，应用了9种机器学习模型对陈皮的种源进行分类，结果显示，线性判别分析、支持向量机、人工神经网络等5种模型的准确率和精确率均超过0.9，表现出优异的分类性能。通过特征变量对5种机器学习模型的贡献度排序，最终筛选出D-甘露糖、D-半乳糖、D-木糖和L-阿拉伯糖四种单糖作为陈皮种源区分的质量标志物。含量分析结果显示，4种标志物在不同种源中的含量差异显著，其中D-甘露糖在樟头红中的含量明显高于其他3个种源、D-半乳糖和D-木糖在椪柑中的含量明显高于其他3个种源、L-阿拉伯糖在大红袍中的含量明显高于其他3个种源；基于4个质量标志物含量建立的5种机器学习模型对4个陈皮种源区分的准确度可达100%，验证了筛选出的4个质量标志物能有效区分陈皮种源。 该研究由中国中医科学院中医药健康产业研究所中药制药过程与质量评价研究中心钟民勇研究实习员和李梦宁副研究员为共同第一作者，王志鑫副研究员、李慧研究员和邓文文副研究员为共同通讯作者。该研究获得国家自然科学基金、江西省重点研发计划项目、江西省自然基金项目等基金的支持。 团队简介 研究团队在李慧研究员（中国中医科学院、国家重点研发计划首席研究员，国家卫生健康突出贡献中青年专家，全国科技系统抗疫先进个人，江西省“双千计划”创新领军人才）的带领下，依托中国中医科学院中医药健康产业研究所，围绕中药制剂生产全过程的关键技术、关键工艺与装备，以及中药制剂质量评价中的关键科学与技术问题，开展包括中药制剂工艺与技术研究、中药制剂新剂型研发、中药制剂提质增效与改良型新药研发、中药制剂过程质量评价与控制方法研究、中药制剂大健康产品研发等方向的研究工作。团队由17名具有药学、中药学、动物医学等专业领域成员组成，其中正高级职称1人，副高级职称4人。近年来，团队承担国家重点研发计划、国自然科学基金、省自然科学基金、重大新药创制、国家中药标准化专项、国家中医药管理局行业专项等科研项目30余项，在《Journal of Hematology & Oncology》（IF=29.8）、《Horticulture Research》（IF=8.7）、《Food chemistry》（IF=8.5）、《Phytomedicine》（IF=6.7）等杂志公开发表高水平学术论文100余篇，授权发明专利10余项；获得省部级科技进步奖、中华中医药学会二等奖等奖项；多个新药获批临床或生产证书。 原文链接：https://doi.org/10.1016/j.foodchem.2025.143053
