近日，中国中医科学院中医药健康产业研究所在SCI期刊《Microchemical Journal》（JCR Q1）刊发题目为“Integration of UHPLC-MS-based metabolomics and machine learning expedites identification of Q-markers for discrimination of Viticis Fructus from different origins”的论文，首次将基于超高效液相色谱-质谱（UHPLC-MS）的代谢组学技术与多种机器学习算法深度融合，构建高准确率的判别模型，精准锁定不同基原蔓荆子的质量标志物，并揭示其在抗类风湿性关节炎中的药效潜力，为蔓荆子的基原鉴别、质量评价与资源开发注入了新动能，也为现代中药质量控制树立了可复制的技术范式。
Schematic workflow of this research
蔓荆子自古载于《神农本草经》，传统以单叶蔓荆或三叶蔓荆的干燥成熟果实入药，具通利关节、祛湿止痛、明目健齿之效；现代研究更证实其抗炎、抗氧化、抗菌及调节血糖、改善循环与认知等多重活性，因而药食两用价值日增。然而，两基原植株虽形态易辨，果实却异常相似，市场混用频发，且已知化学成分与生物活性存在差异，或致临床疗效参差。遗憾的是，现行标准仍停留于单一指标含量测定，缺乏对整体化学轮廓的系统比较，无法准确区分两种不同基原，因此，亟需建立可靠的鉴别方法以保障药材准确选用与质量可控。
为此，研究团队提出“代谢组学+多重机器学习”整合策略，先以UHPLC-MS非靶向分析不同产地来源样本，高效鉴定113种化学成分；再比较六种机器学习算法，最终锁定正则化逻辑回归（LR -L2）与梯度提升决策树（GBDT）模型，判别准确率均达100%。依据特征重要性评分，最终甄选出牡荆素等5种含量差异显著的化合物作为Q-marker，并通过网络药理学、分子对接与细胞实验证实其在抗类风湿性关节炎中的潜在活性，实现从化学差异到功能验证的闭环。
(a) Herb discrimination of Viticis Fructus from two different origins using principal component analysis (PCA) based on identified chemical components. (b-g) Mean AUC (%) and confusion matrix from five-fold cross-validation for six machine learning classifiers: (b) LR-L1; (c) GBDT; (d) LR-L2; (e) MLP; (f) RF; (g) SVM. (h) Counts of top-ranked compounds from LR-L1 and GBDT classifiers.
该成果构建了“成分解析–模型构建–标志物筛选–活性验证”的完整技术路径，不仅为蔓荆子质量标准化提供硬核数据，也为其他中药材的基原鉴别与质量控制提供了可直接迁移的方法框架。先进仪器分析技术与数据驱动建模的深度耦合，使中药质量评价迈向系统化、精准化，为保障药材安全、有效及稳定提供有效策略，有力助推中医药现代化与国际化进程。
健康产业所徐雅是该论文的第一作者，邓文文副研究员、李慧研究员和王志鑫副研究员为共同通讯作者。该研究得到了中国中医科学院优秀⻘年科技⼈才培养专项（ZZ16-YQ-049）和国家自然科学基金项目（82460854）等课题的经费支持。
原文链接：https://doi.org/10.1016/j.microc.2025.116169
