基于组效关系的八角莲甘草抗癌活性成分识别研究

摘要

本课题以八角莲甘草提取物为研究对象，利用化学计量学方法开展组效关系研究，并进一步结合平均影响值（MIV）法识别提取物中主要的抗癌活性成分，为基于八角莲甘草的抗癌成分研究及新药开发提供参考。主要研究内容如下： 1.利用Waters e2695-2489系统建立并优化八角莲甘草提取物HPLC-UV指纹图谱分析方法，利用该方法检测46批次不同来源的八角莲甘草提取物，标定出45个共有成分峰，以香兰素为内标，对所有批次样品中的45个共有成分进行相对定量分析，结果表明不同批次之间、不同成分之间均存在明显的含量差异。 2.利用液相色谱-高分辨质谱联用技术对八角莲甘草提取物指纹图谱中的45个特征共有峰进行定性分析。根据一级和二级质谱数据，分析化合物分子结构信息，结合大量文献研究，推测出色谱峰所对应的化学成分。除15号色谱峰外，定性出44种成分，其中8种成分来源于八角莲，包括木脂素类和黄酮类化合物，36种成分归属于甘草，包括三萜皂苷类、黄酮类和香豆素类化合物。 3.采用四甲基偶氮唑盐（MTT）比色法，测定46批次八角莲甘草提取物体外抑制人宫颈癌HeLa细胞增殖的效果，结果显示样品抑制率范围为56.18-93.35%，在相同给药浓度下，大多数样品对HeLa细胞有较好的抑制效果，同时，不同批次样品的抑制率又存在明显差异。 4.应用神经网络算法（BP）和支持向量回归算法（SVR），以获得的46批次八角莲甘草提取物色谱峰相对峰面积数据为自变量，相应批次提取物的抗癌活性数据为因变量，建立组效关系模型，利用遗传算法（GA）和粒子群优化算法（PSO）优化模型参数，根据模型的拟合精度和泛化能力，优选出最佳组效关系模型为PSO-SVR模型，其参数为g=0.1，C=5.3072，该模型在训练组中R=0.9964，RMSE=0.0044，在测试组中R=0.9509，RMSE=0.0183，能够较为准确地反映八角莲甘草提取物的复杂组效关系。 5.最佳PSO-SVR模型结合平均影响值（MIV）法，识别出八角莲甘草提取物中的10种主要抗癌活性成分，包括八角莲中的异槲皮苷、山柰酚-3-O-吡喃葡萄糖苷、4’-去甲基鬼臼毒素葡萄糖苷、鬼臼毒素，和甘草中的Macedonoside A、甘草黄酮醇、甘草香豆素、甘草宁A、Angustone A及其异构体Isoangustone A。其中8种成分已有相关文献报道其抗癌药效或作用机制，对于另外2种成分，本课题识别结果也为今后研究其抗癌活性提供了参考。

目录

声明

前言

第1章 文献综述

1.1 八角莲研究进展

1.1.1 八角莲化学成分研究进展

1.1.2 八角莲的药用价值

1.2 甘草研究进展

1.2.1 甘草化学成分研究进展

1.2.2 甘草的药用价值

1.3 中药活性成分识别研究

1.3.1 生物活性追踪分离法

1.3.2 高通量筛选法

1.3.3 基于组效关系的活性成分识别法

1.4 本课题的研究内容及意义

第2章 八角莲甘草提取物HPLC-UV指纹图谱的建立及分析

2.1 试验仪器与材料

2.1.1 试验仪器

2.1.2 试验材料

2.2 试验方法

2.2.1 样品制备

2.2.2 色谱条件优化

2.2.3 空白溶剂干扰试验

2.2.4 内标物色谱峰确定试验

2.2.5 共有色谱峰标定试验

2.2.6 方法学考察

2.2.7 八角莲甘草提取物指纹图谱分析

2.3 结果与讨论

2.3.1 色谱条件的确定

2.3.2 内标物色谱峰的确定

2.3.3 共有峰标定结果

2.3.4 方法学考察结果

2.3.5 八角莲甘草提取物中成分检测结果与分析

2.4 本章小结

第3章 八角莲甘草提取物UPLC-MS/MS分析及抗癌活性检测

3.1 试验仪器与材料

3.1.1 试验仪器

3.1.2 试验材料

3.2 试验方法

3.2.1 八角莲甘草提取物UPLC-MS/MS分析

3.2.2 八角莲甘草提取物抗癌活性检测

3.3 结果与讨论

3.3.1 质谱数据解析举例

3.3.2 八角莲甘草提取物指纹图谱色谱峰鉴定结果

3.3.3 八角莲甘草提取物抗癌活性检测结果与分析

3.4 本章小结

第4章 八角莲甘草提取物组效关系建模及抗癌活性成分识别

4.1 建模原理

4.1.1 BP和SVR算法

4.1.2 GA和PSO算法

4.2 组效关系模型建立及优化

4.2.1 数据分组及预处理

4.2.2 模型建立及优化

4.3 平均影响值（MIV）法识别抗癌活性成分

4.4 结果与讨论

4.4.1 最佳模型分析

4.4.2 抗癌活性成分识别结果

4.5 本章小结

第5章 结论与展望

5.1 结论

5.2 展望

参考文献

附录

发表论文和参加科研情况说明

致谢