CN115825316A - 基于超临界色谱法的药物有效成分分析方法及装置 - Google Patents
基于超临界色谱法的药物有效成分分析方法及装置 Download PDFInfo
- Publication number
- CN115825316A CN115825316A CN202310116245.XA CN202310116245A CN115825316A CN 115825316 A CN115825316 A CN 115825316A CN 202310116245 A CN202310116245 A CN 202310116245A CN 115825316 A CN115825316 A CN 115825316A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- primary
- extraction
- standard
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000003814 drug Substances 0.000 title claims abstract description 174
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000004480 active ingredient Substances 0.000 title claims abstract description 30
- 238000004808 supercritical fluid chromatography Methods 0.000 title claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 124
- 229940079593 drug Drugs 0.000 claims abstract description 105
- 238000000926 separation method Methods 0.000 claims description 87
- 238000001914 filtration Methods 0.000 claims description 28
- 239000004615 ingredient Substances 0.000 claims description 26
- 238000004140 cleaning Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 7
- 238000005406 washing Methods 0.000 claims 1
- 239000000306 component Substances 0.000 description 130
- 238000004458 analytical method Methods 0.000 description 13
- 238000010992 reflux Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000010438 heat treatment Methods 0.000 description 8
- 241000202807 Glycyrrhiza Species 0.000 description 7
- 235000001453 Glycyrrhiza echinata Nutrition 0.000 description 7
- 235000006200 Glycyrrhiza glabra Nutrition 0.000 description 7
- 235000017382 Glycyrrhiza lepidota Nutrition 0.000 description 7
- 229940010454 licorice Drugs 0.000 description 7
- WEVYAHXRMPXWCK-UHFFFAOYSA-N Acetonitrile Chemical group CC#N WEVYAHXRMPXWCK-UHFFFAOYSA-N 0.000 description 6
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 6
- 238000004587 chromatography analysis Methods 0.000 description 6
- 150000001875 compounds Chemical class 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 239000012528 membrane Substances 0.000 description 5
- 239000003607 modifier Substances 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- 239000002904 solvent Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- LPLVUJXQOOQHMX-UHFFFAOYSA-N glycyrrhetinic acid glycoside Natural products C1CC(C2C(C3(CCC4(C)CCC(C)(CC4C3=CC2=O)C(O)=O)C)(C)CC2)(C)C2C(C)(C)C1OC1OC(C(O)=O)C(O)C(O)C1OC1OC(C(O)=O)C(O)C(O)C1O LPLVUJXQOOQHMX-UHFFFAOYSA-N 0.000 description 4
- 229960004949 glycyrrhizic acid Drugs 0.000 description 4
- UYRUBYNTXSDKQT-UHFFFAOYSA-N glycyrrhizic acid Natural products CC1(C)C(CCC2(C)C1CCC3(C)C2C(=O)C=C4C5CC(C)(CCC5(C)CCC34C)C(=O)O)OC6OC(C(O)C(O)C6OC7OC(O)C(O)C(O)C7C(=O)O)C(=O)O UYRUBYNTXSDKQT-UHFFFAOYSA-N 0.000 description 4
- 235000019410 glycyrrhizin Nutrition 0.000 description 4
- LPLVUJXQOOQHMX-QWBHMCJMSA-N glycyrrhizinic acid Chemical compound O([C@@H]1[C@@H](O)[C@H](O)[C@H](O[C@@H]1O[C@@H]1C([C@H]2[C@]([C@@H]3[C@@]([C@@]4(CC[C@@]5(C)CC[C@@](C)(C[C@H]5C4=CC3=O)C(O)=O)C)(C)CC2)(C)CC1)(C)C)C(O)=O)[C@@H]1O[C@H](C(O)=O)[C@@H](O)[C@H](O)[C@H]1O LPLVUJXQOOQHMX-QWBHMCJMSA-N 0.000 description 4
- 239000008194 pharmaceutical composition Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- KSDSYIXRWHRPMN-UHFFFAOYSA-N 4'-O-beta-D-Galactopyranoside-6''-p-Coumaroylprunin-4',5,7-Trihydroxyflavanone Natural products OC1C(O)C(O)C(CO)OC1OC1=CC=C(C2OC3=CC(O)=CC(O)=C3C(=O)C2)C=C1 KSDSYIXRWHRPMN-UHFFFAOYSA-N 0.000 description 3
- 241000213006 Angelica dahurica Species 0.000 description 3
- DEMKZLAVQYISIA-ONJCETCRSA-N Liquiritin Natural products O([C@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1)c1ccc([C@@H]2Oc3c(C(=O)C2)ccc(O)c3)cc1 DEMKZLAVQYISIA-ONJCETCRSA-N 0.000 description 3
- DEMKZLAVQYISIA-UHFFFAOYSA-N Liquirtin Natural products OC1C(O)C(O)C(CO)OC1OC1=CC=C(C2OC3=CC(O)=CC=C3C(=O)C2)C=C1 DEMKZLAVQYISIA-UHFFFAOYSA-N 0.000 description 3
- DEMKZLAVQYISIA-ZRWXNEIDSA-N liquiritin Chemical compound O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CO)O[C@H]1OC1=CC=C([C@H]2OC3=CC(O)=CC=C3C(=O)C2)C=C1 DEMKZLAVQYISIA-ZRWXNEIDSA-N 0.000 description 3
- 239000003960 organic solvent Substances 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- GSZUGBAEBARHAW-UHFFFAOYSA-N sophoraflavone B Natural products OC1C(O)C(O)C(CO)OC1OC1=CC=C(C=2OC3=CC(O)=CC=C3C(=O)C=2)C=C1 GSZUGBAEBARHAW-UHFFFAOYSA-N 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- MPDGHEJMBKOTSU-YKLVYJNSSA-N 18beta-glycyrrhetic acid Chemical compound C([C@H]1C2=CC(=O)[C@H]34)[C@@](C)(C(O)=O)CC[C@]1(C)CC[C@@]2(C)[C@]4(C)CC[C@@H]1[C@]3(C)CC[C@H](O)C1(C)C MPDGHEJMBKOTSU-YKLVYJNSSA-N 0.000 description 2
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- 239000004378 Glycyrrhizin Substances 0.000 description 2
- VTAJIXDZFCRWBR-UHFFFAOYSA-N Licoricesaponin B2 Natural products C1C(C2C(C3(CCC4(C)CCC(C)(CC4C3=CC2)C(O)=O)C)(C)CC2)(C)C2C(C)(C)CC1OC1OC(C(O)=O)C(O)C(O)C1OC1OC(C(O)=O)C(O)C(O)C1O VTAJIXDZFCRWBR-UHFFFAOYSA-N 0.000 description 2
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000001685 glycyrrhizic acid Substances 0.000 description 2
- 238000000227 grinding Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- BDAGIHXWWSANSR-UHFFFAOYSA-N methanoic acid Natural products OC=O BDAGIHXWWSANSR-UHFFFAOYSA-N 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000001766 physiological effect Effects 0.000 description 2
- 239000011347 resin Substances 0.000 description 2
- 229920005989 resin Polymers 0.000 description 2
- 238000010898 silica gel chromatography Methods 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- OSWFIVFLDKOXQC-UHFFFAOYSA-N 4-(3-methoxyphenyl)aniline Chemical compound COC1=CC=CC(C=2C=CC(N)=CC=2)=C1 OSWFIVFLDKOXQC-UHFFFAOYSA-N 0.000 description 1
- CJIJXIFQYOPWTF-UHFFFAOYSA-N 7-hydroxycoumarin Natural products O1C(=O)C=CC2=CC(O)=CC=C21 CJIJXIFQYOPWTF-UHFFFAOYSA-N 0.000 description 1
- -1 7-methyl coumarine Chemical compound 0.000 description 1
- 240000001879 Digitalis lutea Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- MPDGHEJMBKOTSU-UHFFFAOYSA-N Glycyrrhetinsaeure Natural products C12C(=O)C=C3C4CC(C)(C(O)=O)CCC4(C)CCC3(C)C1(C)CCC1C2(C)CCC(O)C1(C)C MPDGHEJMBKOTSU-UHFFFAOYSA-N 0.000 description 1
- YNWXJFQOCHMPCK-UHFFFAOYSA-N Isoliquiritin Natural products OC1C(O)C(O)C(CO)OC1OC(C=C1)=CC=C1C=CC(=O)C1=CC=C(O)C=C1O YNWXJFQOCHMPCK-UHFFFAOYSA-N 0.000 description 1
- XQWFHGOIUZFQPJ-USTPAGJBSA-N Neoisoliquiritigenin Natural products O=C(/C=C/c1ccc(O)cc1)c1c(O)cc(O[C@H]2[C@H](O)[C@@H](O)[C@H](O)[C@H](CO)O2)cc1 XQWFHGOIUZFQPJ-USTPAGJBSA-N 0.000 description 1
- XQWFHGOIUZFQPJ-LXGDFETPSA-N Neoisoliquiritin Chemical compound O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CO)O[C@H]1OC(C=C1O)=CC=C1C(=O)\C=C\C1=CC=C(O)C=C1 XQWFHGOIUZFQPJ-LXGDFETPSA-N 0.000 description 1
- XQWFHGOIUZFQPJ-UHFFFAOYSA-N Neoisoliquiritin Natural products OC1C(O)C(O)C(CO)OC1OC(C=C1O)=CC=C1C(=O)C=CC1=CC=C(O)C=C1 XQWFHGOIUZFQPJ-UHFFFAOYSA-N 0.000 description 1
- HJBUYKZTEBZNSH-ZRWXNEIDSA-N Neoliquiritin Chemical compound O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CO)O[C@H]1OC1=CC=C(C(=O)C[C@H](O2)C=3C=CC(O)=CC=3)C2=C1 HJBUYKZTEBZNSH-ZRWXNEIDSA-N 0.000 description 1
- HJBUYKZTEBZNSH-ONJCETCRSA-N Neoliquiritin Natural products O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CO)O[C@H]1OC1=CC=C(C(=O)C[C@@H](O2)C=3C=CC(O)=CC=3)C2=C1 HJBUYKZTEBZNSH-ONJCETCRSA-N 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 239000003463 adsorbent Substances 0.000 description 1
- 229930013930 alkaloid Natural products 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 235000010980 cellulose Nutrition 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000007799 cork Substances 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000010828 elution Methods 0.000 description 1
- 229960003720 enoxolone Drugs 0.000 description 1
- 238000010812 external standard method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 235000019253 formic acid Nutrition 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 229960005150 glycerol Drugs 0.000 description 1
- 229930182470 glycoside Natural products 0.000 description 1
- 150000002338 glycosides Chemical class 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000010262 high-speed countercurrent chromatography Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000010813 internal standard method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- DXDRHHKMWQZJHT-FPYGCLRLSA-N isoliquiritigenin Chemical compound C1=CC(O)=CC=C1\C=C\C(=O)C1=CC=C(O)C=C1O DXDRHHKMWQZJHT-FPYGCLRLSA-N 0.000 description 1
- JBQATDIMBVLPRB-UHFFFAOYSA-N isoliquiritigenin Natural products OC1=CC(O)=CC=C1C1OC2=CC(O)=CC=C2C(=O)C1 JBQATDIMBVLPRB-UHFFFAOYSA-N 0.000 description 1
- 235000008718 isoliquiritigenin Nutrition 0.000 description 1
- YNWXJFQOCHMPCK-LXGDFETPSA-N isoliquiritin Chemical compound O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CO)O[C@H]1OC(C=C1)=CC=C1\C=C\C(=O)C1=CC=C(O)C=C1O YNWXJFQOCHMPCK-LXGDFETPSA-N 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 239000011259 mixed solution Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000005426 pharmaceutical component Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 229930182490 saponin Natural products 0.000 description 1
- 150000007949 saponins Chemical class 0.000 description 1
- 235000017709 saponins Nutrition 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- ORHBXUUXSCNDEV-UHFFFAOYSA-N umbelliferone Chemical compound C1=CC(=O)OC2=CC(O)=CC=C21 ORHBXUUXSCNDEV-UHFFFAOYSA-N 0.000 description 1
- HFTAFOQKODTIJY-UHFFFAOYSA-N umbelliferone Natural products Cc1cc2C=CC(=O)Oc2cc1OCC=CC(C)(C)O HFTAFOQKODTIJY-UHFFFAOYSA-N 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000000341 volatile oil Substances 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P20/00—Technologies relating to chemical industry
- Y02P20/50—Improvements relating to the production of bulk chemicals
- Y02P20/54—Improvements relating to the production of bulk chemicals using solvents, e.g. supercritical solvents or ionic liquids
Landscapes
- Treatment Of Liquids With Adsorbents In General (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及一种基于超临界色谱法的药物有效成分分析方法及装置，包括：生成药物成分的最佳提取条件；根据所述最佳提取条件对目标药物进行成分提取，得到所述目标药物的初级成分；根据预设的超临界色谱仪和所述初始成分生成所述目标药物的标准数据；根据所述标准数据生成所述目标药物的聚类因素，利用所述聚类因素生成所述目标药物的最佳色谱条件；在所述最佳色谱条件下对所述目标药物进行分离，得到目标药物的有效成分数据。本发明可以提高药物有效成分分析的效率。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于超临界色谱法的药物有效成分分析方法及装置。
背景技术
中药在疾病的预防、治疗及养生保健等方面显示出特有的优势和魅力。但是中药化学成分一般比较复杂，有效成分含量低，。
中药有效成分的分离纯化技术主要有：膜分离技术、硅胶柱层析、大孔吸附树脂法、PHPLC技术、HSCCC技术等。其中，膜分离技术及大孔吸附树脂法的分离效率较低，其多用于样品的提取和粗分离；硅胶柱色谱法虽可处理大量样品，但其不可逆吸附严重，且操作烦琐、花费时间长。因此如何提升药物有效成分分析效率，成为了亟待解决的问题。
发明内容
本发明提供一种基于超临界色谱法的药物有效成分分析方法及装置，其主要目的在于解决药物有效成分分析时效率较低的问题。
为实现上述目的，本发明提供的一种基于超临界色谱法的药物有效成分分析方法，包括：
获取药物成分的提取数据，根据所述提取数据生成所述药物成分的最佳提取条件；
根据所述最佳提取条件对目标药物进行成分提取，得到所述目标药物的初级成分；
根据预设的超临界色谱仪和所述初始成分生成所述目标药物的初级分离结果；
根据所述初级分离结果对所述目标药物的分离数据进行数据清洗，得到所述目标药物的标准数据；
对所述标准数据进行因素聚类，得到所述目标药物的聚类因素，生成所述聚类因素的影响因素表格，利用所述影响因素表格对所述目标药物的色谱条件进行优化，得到所述初级成分的最佳色谱条件；
在所述最佳色谱条件下对所述目标药物进行分离，得到所述目标药物的有效组分，对所述有效组分进行纯度分析，得到所述有效组分的有效纯度，根据所述有效纯度和所述有效组分生成目标药物的有效成分数据。
可选地，所述根据所述提取数据生成所述药物成分的最佳提取条件，包括：
对所述提取数据进行层级分类，得到所述提取数据的层级数据；
建立所述药物成分的空白坐标系，根据所述层级数据在所述空白坐标系上进行描点，得到所述药物成分的标准坐标系；
对所述标准坐标系上的坐标点连接，得到所述药物成分的提取效率曲线，根据所述提取效率曲线确定所述药物成分的最佳提取条件。
可选地，所述对所述提取数据进行层级分类，得到所述提取数据的层级数据，包括：
利用预设的一级索引对所述提取数据进行一级分类，得到所述提取数据的一级数据，根据所述一级数据生成所述提取数据的提取标签；
根据所述提取标签生成所述一级数据的过滤规则，根据所述过滤规则对所述一级数据进行数据过滤，得到所述一级数据的二级数据。
可选地，所述对所述标准坐标系上的坐标点连接，得到所述药物成分的提取效率曲线，包括：
对所述标准坐标系上的坐标点依次进行连接，得到所述坐标点的一级曲线；
利用如下曲线平滑算法对所述一级曲线进行平滑处理，得到所述一级曲线的二级曲线，确定所述二级曲线为所述药物成分的提取效率曲线：
其中，
表示所述标准坐标系上的控制点，
是线性插值函数值，
表示所述标准坐标系上的初始点，
表示所述标准坐标系上的终点,
是所述二级曲线的函数表达式，
是排列组合数，
是所述标准坐标系上的坐标点的标识，
是所述标准坐标系上的坐标点的总数。
可选地，所述根据所述最佳提取条件对目标药物进行成分提取，得到所述目标药物的初级成分，包括：
对预设的成分提取仪进行初始化，得到所述预设的成分提取仪的初始仪器属性；
根据所述最佳提取条件对所述初始仪器属性进行参数配置，得到配置完成的成分提取仪；
利用所述配置完成的成分提取仪对目标药物进行成分提取，得到所述目标药物的初级成分。
可选地，所述根据所述初级分离结果对所述目标药物的分离数据进行数据清洗，得到所述目标药物的标准数据，包括：
根据方差过滤算法对所述初级分离结果进行异常值过滤，得到所述初级分离结果的初级分离数据；
根据卡方过滤算法对所述初级分离数据进行异常值过滤，得到所述初级分离数据的中级分离数据；
根据联合假设算法计算所述中级分离数据中的随机变量组的方差比，根据所述方差比对所述中级分离数据进行异常值过滤，得到所述中级分离数据的二级分离数据，确定所述二级分离数据为所述目标药物的标准数据。
可选地，所述对所述标准数据进行因素聚类，得到所述目标药物的聚类因素，包括：
对所述标准数据进行特征提取，得到所述标准数据的标准特征；
根据所述标准特征确定所述目标药物的分离因素，逐个选取所述分离因素中其中一个分离因素为目标因素，计算所述标准特征与所述目标因素的特征相似度；
确定所述特征相似度中最大值所对应的目标因素为所述标准特征的聚类项目，根据所述聚类项目进行所述标准特征的聚类，得到所述目标药物的聚类因素。
可选地，所述根据所述有效纯度和所述有效组分生成目标药物的有效成分数据，包括：
对所述有效组分进行唯一性标识，得到所述有效组分的标识组分；
根据所述标识组分和所述有效纯度生成所述目标药物的有效成分对，根据所述有效成分对生成所述目标药物的有效成分数据。
为了解决上述问题，本发明还提供一种基于超临界色谱法的药物有效成分分析装置，所述装置包括：
最佳提取模块，用于获取药物成分的提取数据，根据所述提取数据生成所述药物成分的最佳提取条件；
初级成分模块，用于根据所述最佳提取条件对目标药物进行成分提取，得到所述目标药物的初级成分；
初级分离模块，用于根据预设的超临界色谱仪和所述初始成分生成所述目标药物的初级分离结果；
标准数据模块，用于根据所述初级分离结果对所述目标药物的分离数据进行数据清洗，得到所述目标药物的标准数据；
最佳色谱模块，用于对所述标准数据进行因素聚类，得到所述目标药物的聚类因素，生成所述聚类因素的影响因素表格，利用所述影响因素表格对所述目标药物的色谱条件进行优化，得到所述初级成分的最佳色谱条件；
有效成分模块，用于在所述最佳色谱条件下对所述目标药物进行分离，得到所述目标药物的有效组分，对所述有效组分进行纯度分析，得到所述有效组分的有效纯度，根据所述有效纯度和所述有效组分生成目标药物的有效成分数据。
本发明实施例通过生成所述药物成分的最佳提取条件使得所述目标药物的提取效率增大，便于后续对所述目标药物进行成分分析，根据生成所述药物成分的提取效率曲线，加快了所述目标药物的最佳提取条件的确定，根据所述最佳提取条件生成所述目标药物的初级成分，并根据预设的超临界色谱仪生成所述目标药物的处理分离结果，利用了所述预设的超临界色谱仪对中药中的热敏性成分具有非常好的保护作用，不会破坏其生理活性的优点，并且利用预设的超临界色谱仪使得所述目标药物的有机溶剂残留少、纯度高，对所述预设的超临界色谱仪进行所述色谱条件的优化，保证了色谱图的正常出峰，提高了所述色谱图中特征峰的分析速度和分析结果的准确性，可以解决产品药物有效成分分析效率较低的问题。
附图说明
图1为本发明一实施例提供的基于超临界色谱法的药物有效成分分析方法的流程示意图；
图2为本发明一实施例提供的生成最佳提取条件的流程示意图；
图3为本发明一实施例提供的生成初级成分的流程示意图；
图4为本发明一实施例提供的基于超临界色谱法的药物有效成分分析装置的功能模块图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于超临界色谱法的药物有效成分分析方法。所述基于超临界色谱法的药物有效成分分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于超临界色谱法的药物有效成分分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于超临界色谱法的药物有效成分分析方法的流程示意图。在本实施例中，所述基于超临界色谱法的药物有效成分分析方法包括：
S1、获取药物成分的提取数据，根据所述提取数据生成所述药物成分的最佳提取条件。
在本发明实施例中，中药材种类繁多，来源广泛，各种药材又具有多种化学成分，大多数中药制剂是复方，中药复方的临床疗效通常体现在复方配伍的综合作用上，其处方的组成几味至几十味药不等，成分复杂。在某些中药材中的药物成分包括但不限于：生物碱、甙类、挥发油、纤维质、栓皮，例如：洋地黄中的皂甙。
详细地，所述提取数据是指将从目标药物浸取出药物成分时产生的数据，所述浸取就是要尽量提出发挥药效的成分，并尽量避免浸出过多的无效甚至有害的物质。
详细地，所述提取数据包括但不限于：提取方法、提取溶剂、提取时间等，例如，白芷药材的提取数据为称取100g粉碎后的白芷药材，加入6倍量石油醚，加热回流提取3次、每次2 h，将提取液过滤、合并，减压回收溶剂，得4.8g浸膏，用甲醇溶解，经0.45μm滤膜过滤，得到提取后的白芷样品。
在本发明实施例中，参图2所示，所述根据所述提取数据生成所述药物成分的最佳提取条件，包括：
S21、对所述提取数据进行层级分类，得到所述提取数据的层级数据；
S22、建立所述药物成分的空白坐标系，根据所述层级数据在所述空白坐标系上进行描点，得到所述药物成分的标准坐标系；
S23、对所述标准坐标系上的坐标点连接，得到所述药物成分的提取效率曲线，根据所述提取效率曲线确定所述药物成分的最佳提取条件。
详细地，所述对所述提取数据进行层级分类是指将属于提取方法的提取数据归为一类，将属于提取溶剂的提取数据归为一类、将属于提取时间的提取数据归为一类，例如：加热回流时间为2h、加热回流时间为3h和加热回流时间为4h都属于提取时间；所述层级数据是指进行分类后的提取数据。
详细地，所述空白坐标系的横坐标是所述药物成分的成分种类，例如：所述药物成分的成分种类为成分A、成分B、成分C和成分D，所述空白坐标系的纵坐标是各类成分的提取率，所述提取率的单位为1，数值用百分比表示。
详细地，所述根据所述提取效率曲线确定所述药物成分的最佳提取条件，是根据所述提取效率曲线的峰值确定最佳的提取效率，根据所述最佳提取效率确定所述最佳提取条件。
详细地，所述对所述提取数据进行层级分类，得到所述提取数据的层级数据，包括：
利用预设的一级索引对所述提取数据进行一级分类，得到所述提取数据的一级数据，根据所述一级数据生成所述提取数据的提取标签；
根据所述提取标签生成所述一级数据的过滤规则，根据所述过滤规则对所述一级数据进行数据过滤，得到所述一级数据的二级数据。
详细地，所述预设的一级索引是指在数据表中分类依据，例如：所述分类依据为提取方法、提取溶剂、提取时间等，所述一级数据是指在所述提取时间下的所有单位为时间的提取数据，再根据所述一级数据生成所述提取数据的提取标签，利用所述一级数据中单位为小时的提取数据属于加热回流时间标签、单位为分钟的提取数据属于研磨时间标签。
进一步地，根据所述研磨时间标签和所述加热回流时间标签确定所述一级数据的过滤规则是所述单位为分钟和所述单位为小时。
详细地，所述对所述标准坐标系上的坐标点连接，得到所述药物成分的提取效率曲线，包括：
对所述标准坐标系上的坐标点依次进行连接，得到所述坐标点的一级曲线；
利用如下曲线平滑算法对所述一级曲线进行平滑处理，得到所述一级曲线的二级曲线，确定所述二级曲线为所述药物成分的提取效率曲线：
其中，
表示所述标准坐标系上的控制点，
是线性插值函数值，
表示所述标准坐标系上的初始点，
表示所述标准坐标系上的终点,
是所述二级曲线的函数表达式，
是排列组合数，
是所述标准坐标系上的坐标点的标识，
是所述标准坐标系上的坐标点的总数。
详细地，所述曲线平滑算法是基于递归思想建立的，所述提取效率曲线完全由所述控制点决定其形状，其中，ｎ个所述控制点对应着ｎ-１阶的所述提取效率曲线。
进一步地，假设所述坐标点为点D、点E和点F，那么依次用线段连接这三个坐标点，得到两条线段DE和EF,在第一条线段DE上任选一个点G，计算点G到线段起始点D的距离DG与该线段总长DE的比例,同理，在第二条线段EF上选一个点H，使得
，此时，线段GH又是一条直线，令线性插值函数值
，利用所述线性插值函数值生成所述药物成分的提取效率曲线。
S2、根据所述最佳提取条件对目标药物进行成分提取，得到所述目标药物的初级成分。
在本发明实施例中，假设所述最佳提取条件为：提取液为苯-20%硫酸(5:1, V/V)混合液，加热回流次数为提3次，每次加热回流时间为1.5h，浸膏溶解溶剂为甲醇，滤膜尺寸为0.45μm。
在本发明实施例中，参图3所示，所述根据所述最佳提取条件对目标药物进行成分提取，得到所述目标药物的初级成分，包括：
S31、对预设的成分提取仪进行初始化，得到所述预设的成分提取仪的初始仪器属性；
S32、根据所述最佳提取条件对所述初始仪器属性进行参数配置，得到配置完成的成分提取仪；
S33、利用所述配置完成的成分提取仪对目标药物进行成分提取，得到所述目标药物的初级成分。
详细地，所述对预设的成分提取仪进行初始化是指将所述成分提取仪的参数设置为默认值，所述根据所述最佳提取条件对所述初始仪器属性进行参数配置是指根据所述最佳提取条件设置所述初始仪器的参数，例如：为所述初始仪器设置程序升温，设置所述初始仪器的提取量，设置所述初始仪器的提取液类型。
详细地，由植物形态可以了解到某一株药材是甘草，也能利用经验知道所述甘草的主要成分包含甘草酸、甘草甙等，但是所述甘草的所有成分难以确定，利用成分提取仪可以对所述甘草进行初略识别，得到所述甘草中除了甘草酸和甘草甙以外的成分，例如：从甘草中分离出的化合物有甘草甜素、甘草次酸、甘草甙、异甘草甙、新甘草甙、新异甘草甙、甘草素、异甘草素以及甘草西定、甘草醇、异甘草醇、7-甲基香豆精、伞形花内酯等数十种化合物，但这些成分和数量通常会随甘草的种类、种植区域、采收时间等因素的不同而异。
详细地，对所述目标药物进行提取是为了将杂质化合物过滤掉，得到所需要的成分。
S3、根据预设的超临界色谱仪和所述初始成分生成所述目标药物的初级分离结果。
在本发明实施例中，所述预设的超临界色谱仪是以超临界流体作为流动相的色谱仪，具有液相色谱和气相色谱所没有的优点，是一种用于药学、中医学与中药学、化学工程、产品应用相关工程与技术领域的工艺试验仪器。
详细地，根据所述初始成分对所述预设的超临界色谱仪进行分离条件的设置，所述分离条件包括：改性剂、改性剂的比例、流动相的流速、压力、温度、高压泵的参数、流动相种类、色谱柱类型、检测器类型等；所述色谱柱包括：填充柱和毛细管柱。
S4、根据所述初级分离结果对所述目标药物的分离数据进行数据清洗，得到所述目标药物的标准数据。
在本发明实施例中，所述数据清洗是指对所述分离数据进行筛选，得到所述分离数据的正常数据，所述正常数据就是指不包括异常值的数据，其中，所述异常值包括：试验记录错误值，缺失值，实验误差值等；是指对所述分离数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性；所述数据清洗指发现并纠正所述信息风险案例中可识别的错误，包括检查数据一致性，处理无效值和缺失值等。
在本发明实施例中，所述根据所述初级分离结果对所述目标药物的分离数据进行数据清洗，得到所述目标药物的标准数据，包括：
根据方差过滤算法对所述初级分离结果进行异常值过滤，得到所述初级分离结果的初级分离数据；
根据卡方过滤算法对所述初级分离数据进行异常值过滤，得到所述初级分离数据的中级分离数据；
根据联合假设算法计算所述中级分离数据中的随机变量组的方差比，根据所述方差比对所述中级分离数据进行异常值过滤，得到所述中级分离数据的二级分离数据，确定所述二级分离数据为所述目标药物的标准数据。
详细地，所述卡方过滤算法是专门针对离散型标签的相关性过滤，计算每个初级分离数据和预设标签之间的卡方统计量，并依照卡方统计量由高到低为所述初级分离数据进行排序，根据预设的卡方过滤阈值确定所述初级分离数据的中级分离数据。
S5、对所述标准数据进行因素聚类，得到所述目标药物的聚类因素，生成所述聚类因素的影响因素表格，利用所述影响因素表格对所述目标药物的色谱条件进行优化，得到所述初级成分的最佳色谱条件。
在本发明实施例中，所述聚类因素是指进行分离时的影响分离效果的因子，例如：色谱柱、改性剂、改性剂的比例、流动相的流速、压力和温度六种因素，又或者改变流动相的洗脱梯度，在流动相中加入少量的甲酸以改善色谱峰形。
在本发明实施例中，所述对所述标准数据进行因素聚类，得到所述目标药物的聚类因素，包括：
对所述标准数据进行特征提取，得到所述标准数据的标准特征；
根据所述标准特征确定所述目标药物的分离因素，逐个选取所述分离因素中其中一个分离因素为目标因素，计算所述标准特征与所述目标因素的特征相似度；
确定所述特征相似度中最大值所对应的目标因素为所述标准特征的聚类项目，根据所述聚类项目进行所述标准特征的聚类，得到所述目标药物的聚类因素。
详细地，所述标准特征是所述标准数据的宏观体现，例如：所述标准数据是110℃，那么标准特征可以表示为“回流温度-110”。
详细地，所述特征相似度可以根据皮尔逊相关系数、欧几里德距离和曼哈顿距离等求算。
进一步地，所述欧几里德距离是指用所述距离值来定义所述标准特征与所述目标因素的特征相似度，其中，所述欧几里得距离越小，所述标准特征与所述目标因素越相似；所述曼哈顿距离的实现，同欧式距离相似，都是用于多维数据空间距离的测度，所述曼哈顿距离值越大，所述标准特征与所述目标因素越相似，所述曼哈顿距离比所述欧几里德距离计算量少，性能相对高。
在本发明实施例中，因为所述聚类因素的数据较多，导致所述数据的宏观结构会很复杂，且呈现状态不规整，而关系模型将造成大量表连接、稀疏行和非空检查逻辑，关系世界中连通性的增强都将转化为连接操作的增加，这会阻碍性能，生成所述聚类因素的影响因素表格，可以增加目标药物的分析效率与所述聚类因素之间的连接性，便于检索。
进一步地，所述利用所述影响因素表格对所述目标药物的色谱条件进行优化是指根据所述影响因素表格确定所述目标药物达到最佳分离时的色谱条件，根据所述目标药物的最佳分离结果确定所述最佳分离结果对应的最佳分离数据，将得到最佳分离数据的实验条件做为所述最佳色谱条件。
例如：利用C18色谱柱时，生成的C18色谱图有5个特征峰，用C8色谱柱时，生成的C8色谱图有5个特征峰，但是所述C8色谱图的基线不稳，且出现拖尾峰，那么选择所述C18色谱柱，所述C18色谱柱做为所述最佳色谱条件中的其中一个最佳条件。
S6、在所述最佳色谱条件下对所述目标药物进行分离，得到所述目标药物的有效组分，对所述有效组分进行纯度分析，得到所述有效组分的有效纯度，根据所述有效纯度和所述有效组分生成目标药物的有效成分数据。
在本发明实施例中，所述最佳色谱条件包含所述色谱柱类型、流动相种类、流动相比例等。
例如，所述最佳色谱条件为色谱柱：YMC-C18柱(250 mm*10.0 mm I.D.,5μm，日本YMC有限公司)；流动相为SC-CO2；改性剂为乙腈；乙腈比例为1.2%(V/V)；流速为12mL/min；压力为11MPa；温度为318 K；检测波长为220nm，根据检测信号收集馏分，所得馏分分别经0.45μm滤膜过滤，得到初级分离结果。
详细地，所述在所述最佳色谱条件下对所述目标药物进行分离，得到所述目标药物的有效组分是根据生成的所述目标药物的色谱图中的特征峰确定。
在本发明实施例中，所述根据所述有效纯度和所述有效组分生成目标药物的有效成分数据，包括：
对所述有效组分进行唯一性标识，得到所述有效组分的标识组分；
根据所述标识组分和所述有效纯度生成所述目标药物的有效成分对，根据所述有效成分对生成所述目标药物的有效成分数据。
详细地，所述对所述有效组分进行唯一性标识是指对所述有效组分进行命名标识。
详细地，所述有效纯度是指所述有效组分在所述所述目标药物中的占比，可以用百分数进行表示，可以根据面积归一化法、外标法、单点校正法、内标法和标准加入法生成所述有效组分的有效纯度。
详细地，所述面积归一化法是指将色谱图中的所有出峰的组分含量之和按100％计的定量方法，当样品中所有组分均能流出色谱柱，—并在检测器上都能产生信号的样品，可用所述面积归一化法进行定量。
详细地，所述根据所述有效纯度和所述有效组分生成目标药物的有效成分数据是指生成所述有效纯度和所述有效组分的关联对，根据所述关联对对所述目标药物的有效成分数据进行可视化展示。
本发明实施例通过生成所述药物成分的最佳提取条件使得所述目标药物的提取效率增大，便于后续对所述目标药物进行成分分析，根据生成所述药物成分的提取效率曲线，加快了所述目标药物的最佳提取条件的确定，根据所述最佳提取条件生成所述目标药物的初级成分，并根据预设的超临界色谱仪生成所述目标药物的处理分离结果，利用了所述预设的超临界色谱仪对中药中的热敏性成分具有非常好的保护作用，不会破坏其生理活性的优点，并且利用预设的超临界色谱仪使得所述目标药物的有机溶剂残留少、纯度高，对所述预设的超临界色谱仪进行所述色谱条件的优化，保证了色谱图的正常出峰，提高了所述色谱图中特征峰的分析速度和分析结果的准确性，因此本发明提出基于超临界色谱法的药物有效成分分析方法，可以解决产品药物有效成分分析效率较低的问题。
如图4所示，是本发明一实施例提供的基于超临界色谱法的药物有效成分分析装置的功能模块图。
本发明所述基于超临界色谱法的药物有效成分分析装置100可以安装于电子设备中。根据实现的功能，所述基于超临界色谱法的药物有效成分分析装置100可以包括最佳提取模块101、初级成分模块102、初级分离模块103、标准数据模块104、最佳色谱模块105及有效成分模块106。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述最佳提取模块101，用于获取药物成分的提取数据，根据所述提取数据生成所述药物成分的最佳提取条件；
所述初级成分模块102，用于根据所述最佳提取条件对目标药物进行成分提取，得到所述目标药物的初级成分；
所述初级分离模块103，用于根据预设的超临界色谱仪和所述初始成分生成所述目标药物的初级分离结果；
所述标准数据模块104，用于根据所述初级分离结果对所述目标药物的分离数据进行数据清洗，得到所述目标药物的标准数据；
所述最佳色谱模块105，用于对所述标准数据进行因素聚类，得到所述目标药物的聚类因素，生成所述聚类因素的影响因素表格，利用所述影响因素表格对所述目标药物的色谱条件进行优化，得到所述初级成分的最佳色谱条件；
所述有效成分模块106，用于在所述最佳色谱条件下对所述目标药物进行分离，得到所述目标药物的有效组分，对所述有效组分进行纯度分析，得到所述有效组分的有效纯度，根据所述有效纯度和所述有效组分生成目标药物的有效成分数据。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (9)
1.一种基于超临界色谱法的药物有效成分分析方法，其特征在于，所述方法包括：
获取药物成分的提取数据，根据所述提取数据生成所述药物成分的最佳提取条件；
根据所述最佳提取条件对目标药物进行成分提取，得到所述目标药物的初级成分；
根据预设的超临界色谱仪和所述初始成分生成所述目标药物的初级分离结果；
根据所述初级分离结果对所述目标药物的分离数据进行数据清洗，得到所述目标药物的标准数据；
对所述标准数据进行因素聚类，得到所述目标药物的聚类因素，生成所述聚类因素的影响因素表格，利用所述影响因素表格对所述目标药物的色谱条件进行优化，得到所述初级成分的最佳色谱条件；
在所述最佳色谱条件下对所述目标药物进行分离，得到所述目标药物的有效组分，对所述有效组分进行纯度分析，得到所述有效组分的有效纯度，根据所述有效纯度和所述有效组分生成目标药物的有效成分数据。
2.如权利要求1所述的药物有效成分分析方法，其特征在于，所述根据所述提取数据生成所述药物成分的最佳提取条件，包括：
对所述提取数据进行层级分类，得到所述提取数据的层级数据；
建立所述药物成分的空白坐标系，根据所述层级数据在所述空白坐标系上进行描点，得到所述药物成分的标准坐标系；
对所述标准坐标系上的坐标点连接，得到所述药物成分的提取效率曲线，根据所述提取效率曲线确定所述药物成分的最佳提取条件。
3.如权利要求2所述的药物有效成分分析方法，其特征在于，所述对所述提取数据进行层级分类，得到所述提取数据的层级数据，包括：
利用预设的一级索引对所述提取数据进行一级分类，得到所述提取数据的一级数据，根据所述一级数据生成所述提取数据的提取标签；
根据所述提取标签生成所述一级数据的过滤规则，根据所述过滤规则对所述一级数据进行数据过滤，得到所述一级数据的二级数据。
4.如权利要求2所述的药物有效成分分析方法，其特征在于，所述对所述标准坐标系上的坐标点连接，得到所述药物成分的提取效率曲线，包括：
对所述标准坐标系上的坐标点依次进行连接，得到所述坐标点的一级曲线；
利用如下曲线平滑算法对所述一级曲线进行平滑处理，得到所述一级曲线的二级曲线，确定所述二级曲线为所述药物成分的提取效率曲线：
其中，
表示所述标准坐标系上的控制点，
是线性插值函数值，
表示所述标准坐标系上的初始点，
表示所述标准坐标系上的终点,
是所述二级曲线的函数表达式，
是排列组合数，
是所述标准坐标系上的坐标点的标识，
是所述标准坐标系上的坐标点的总数。
5.如权利要求1所述的药物有效成分分析方法，其特征在于，所述根据所述最佳提取条件对目标药物进行成分提取，得到所述目标药物的初级成分，包括：
对预设的成分提取仪进行初始化，得到所述预设的成分提取仪的初始仪器属性；
根据所述最佳提取条件对所述初始仪器属性进行参数配置，得到配置完成的成分提取仪；
利用所述配置完成的成分提取仪对目标药物进行成分提取，得到所述目标药物的初级成分。
6.如权利要求1所述的药物有效成分分析方法，其特征在于，所述根据所述初级分离结果对所述目标药物的分离数据进行数据清洗，得到所述目标药物的标准数据，包括：
根据方差过滤算法对所述初级分离结果进行异常值过滤，得到所述初级分离结果的初级分离数据；
根据卡方过滤算法对所述初级分离数据进行异常值过滤，得到所述初级分离数据的中级分离数据；
根据联合假设算法计算所述中级分离数据中的随机变量组的方差比，根据所述方差比对所述中级分离数据进行异常值过滤，得到所述中级分离数据的二级分离数据，确定所述二级分离数据为所述目标药物的标准数据。
7.如权利要求1所述的药物有效成分分析方法，其特征在于，所述对所述标准数据进行因素聚类，得到所述目标药物的聚类因素，包括：
对所述标准数据进行特征提取，得到所述标准数据的标准特征；
根据所述标准特征确定所述目标药物的分离因素，逐个选取所述分离因素中其中一个分离因素为目标因素，计算所述标准特征与所述目标因素的特征相似度；
确定所述特征相似度中最大值所对应的目标因素为所述标准特征的聚类项目，根据所述聚类项目进行所述标准特征的聚类，得到所述目标药物的聚类因素。
8.如权利要求1至7中任一项所述的药物有效成分分析方法，其特征在于，所述根据所述有效纯度和所述有效组分生成目标药物的有效成分数据，包括：
对所述有效组分进行唯一性标识，得到所述有效组分的标识组分；
根据所述标识组分和所述有效纯度生成所述目标药物的有效成分对，根据所述有效成分对生成所述目标药物的有效成分数据。
9.一种基于超临界色谱法的药物有效成分分析装置，其特征在于，所述装置包括：
最佳提取模块，用于获取药物成分的提取数据，根据所述提取数据生成所述药物成分的最佳提取条件；
初级成分模块，用于根据所述最佳提取条件对目标药物进行成分提取，得到所述目标药物的初级成分；
初级分离模块，用于根据预设的超临界色谱仪和所述初始成分生成所述目标药物的初级分离结果；
标准数据模块，用于根据所述初级分离结果对所述目标药物的分离数据进行数据清洗，得到所述目标药物的标准数据；
最佳色谱模块，用于对所述标准数据进行因素聚类，得到所述目标药物的聚类因素，生成所述聚类因素的影响因素表格，利用所述影响因素表格对所述目标药物的色谱条件进行优化，得到所述初级成分的最佳色谱条件；
有效成分模块，用于在所述最佳色谱条件下对所述目标药物进行分离，得到所述目标药物的有效组分，对所述有效组分进行纯度分析，得到所述有效组分的有效纯度，根据所述有效纯度和所述有效组分生成目标药物的有效成分数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310116245.XA CN115825316B (zh) | 2023-02-15 | 2023-02-15 | 基于超临界色谱法的药物有效成分分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310116245.XA CN115825316B (zh) | 2023-02-15 | 2023-02-15 | 基于超临界色谱法的药物有效成分分析方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115825316A true CN115825316A (zh) | 2023-03-21 |
| CN115825316B CN115825316B (zh) | 2023-06-16 |
Family
ID=85521430
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310116245.XA Active CN115825316B (zh) | 2023-02-15 | 2023-02-15 | 基于超临界色谱法的药物有效成分分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115825316B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118173190A (zh) * | 2024-05-14 | 2024-06-11 | 达州市农业科学研究院(达州市苎麻科学研究所、达州市薯类作物研究所) | 基于大数据的百部药材中有效成份分析系统及方法 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030068828A1 (en) * | 2000-12-08 | 2003-04-10 | Dadala Vijaya Kumar | Novel method for chromatographic finger printing and standardization of single medicines and formulations |
| JP2007034598A (ja) * | 2005-07-26 | 2007-02-08 | Mitsubishi Electric Corp | 情報調査装置、情報調査方法、記録媒体 |
| US20070142720A1 (en) * | 2004-05-24 | 2007-06-21 | Trent Ridder | Apparatus and methods for mitigating the effects of foreign interferents on analyte measurements in spectroscopy |
| JP2007310454A (ja) * | 2006-05-16 | 2007-11-29 | Nippon Hoso Kyokai <Nhk> | 画像評価装置および被験者集中度算出装置、並びに、画像評価プログラムおよび被験者集中度算出プログラム |
| US20090179147A1 (en) * | 2008-01-16 | 2009-07-16 | Milgram K Eric | Systems, methods, and computer-readable medium for determining composition of chemical constituents in a complex mixture |
| US20110196620A1 (en) * | 2008-08-06 | 2011-08-11 | Johannes Lampe | Opportunity sector analysis tool |
| CN104977379A (zh) * | 2014-04-14 | 2015-10-14 | 上海医药工业研究院 | 广东紫珠多组分同时测定方法及指纹图谱构建方法和应用 |
| US20160131329A1 (en) * | 2014-11-07 | 2016-05-12 | Lg Innotek Co., Ltd. | Light Emitting Module, Backlight Unit Including the Module, and Display Apparatus Including the Unit |
| CN107449849A (zh) * | 2017-10-11 | 2017-12-08 | 天津中医药大学 | 一种中药鉴别方法 |
| CN109271515A (zh) * | 2018-09-19 | 2019-01-25 | 南京邮电大学 | 一种基于聚类分析的抗生素药物风险分级方法 |
| CN110295181A (zh) * | 2019-06-18 | 2019-10-01 | 山东大学 | 一种利用生物发光报告系统鉴定抗生素种类的方法 |
| CN112381155A (zh) * | 2020-11-17 | 2021-02-19 | 上海交通大学 | 基于人工智能的有机物样本处理方法、装置、设备及存储介质 |
| WO2021093354A1 (zh) * | 2019-11-11 | 2021-05-20 | 中国药科大学 | 一种基于人工智能的中药识别方法 |
| WO2021174946A1 (zh) * | 2020-10-12 | 2021-09-10 | 平安科技（深圳）有限公司 | 可视化方法、系统、计算机设备和存储介质 |
| JP2021162312A (ja) * | 2020-03-30 | 2021-10-11 | 東ソー株式会社 | クロマトグラフの運転状態の推定方法 |
| CN113694128A (zh) * | 2021-07-27 | 2021-11-26 | 吉林化工学院 | 一种响应面法优化乌拉草中含有士的宁的生物碱的提取工艺 |
| CN114112980A (zh) * | 2022-01-24 | 2022-03-01 | 武汉宏韧生物医药股份有限公司 | 一种基于数据分析的药物组分检测方法与系统 |
| WO2023000653A1 (zh) * | 2021-07-19 | 2023-01-26 | 湖南大学 | 一种图卷积神经网络高光谱医药成分分析的实现方法 |
-
2023
- 2023-02-15 CN CN202310116245.XA patent/CN115825316B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030068828A1 (en) * | 2000-12-08 | 2003-04-10 | Dadala Vijaya Kumar | Novel method for chromatographic finger printing and standardization of single medicines and formulations |
| US20070142720A1 (en) * | 2004-05-24 | 2007-06-21 | Trent Ridder | Apparatus and methods for mitigating the effects of foreign interferents on analyte measurements in spectroscopy |
| JP2007034598A (ja) * | 2005-07-26 | 2007-02-08 | Mitsubishi Electric Corp | 情報調査装置、情報調査方法、記録媒体 |
| JP2007310454A (ja) * | 2006-05-16 | 2007-11-29 | Nippon Hoso Kyokai <Nhk> | 画像評価装置および被験者集中度算出装置、並びに、画像評価プログラムおよび被験者集中度算出プログラム |
| US20090179147A1 (en) * | 2008-01-16 | 2009-07-16 | Milgram K Eric | Systems, methods, and computer-readable medium for determining composition of chemical constituents in a complex mixture |
| US20110196620A1 (en) * | 2008-08-06 | 2011-08-11 | Johannes Lampe | Opportunity sector analysis tool |
| CN104977379A (zh) * | 2014-04-14 | 2015-10-14 | 上海医药工业研究院 | 广东紫珠多组分同时测定方法及指纹图谱构建方法和应用 |
| CN105588010A (zh) * | 2014-11-07 | 2016-05-18 | Lg伊诺特有限公司 | 发光模块、包括模块的背光单元及包括该单元的显示装置 |
| US20160131329A1 (en) * | 2014-11-07 | 2016-05-12 | Lg Innotek Co., Ltd. | Light Emitting Module, Backlight Unit Including the Module, and Display Apparatus Including the Unit |
| CN107449849A (zh) * | 2017-10-11 | 2017-12-08 | 天津中医药大学 | 一种中药鉴别方法 |
| CN109271515A (zh) * | 2018-09-19 | 2019-01-25 | 南京邮电大学 | 一种基于聚类分析的抗生素药物风险分级方法 |
| CN110295181A (zh) * | 2019-06-18 | 2019-10-01 | 山东大学 | 一种利用生物发光报告系统鉴定抗生素种类的方法 |
| WO2021093354A1 (zh) * | 2019-11-11 | 2021-05-20 | 中国药科大学 | 一种基于人工智能的中药识别方法 |
| JP2021162312A (ja) * | 2020-03-30 | 2021-10-11 | 東ソー株式会社 | クロマトグラフの運転状態の推定方法 |
| WO2021174946A1 (zh) * | 2020-10-12 | 2021-09-10 | 平安科技（深圳）有限公司 | 可视化方法、系统、计算机设备和存储介质 |
| CN112381155A (zh) * | 2020-11-17 | 2021-02-19 | 上海交通大学 | 基于人工智能的有机物样本处理方法、装置、设备及存储介质 |
| WO2023000653A1 (zh) * | 2021-07-19 | 2023-01-26 | 湖南大学 | 一种图卷积神经网络高光谱医药成分分析的实现方法 |
| CN113694128A (zh) * | 2021-07-27 | 2021-11-26 | 吉林化工学院 | 一种响应面法优化乌拉草中含有士的宁的生物碱的提取工艺 |
| CN114112980A (zh) * | 2022-01-24 | 2022-03-01 | 武汉宏韧生物医药股份有限公司 | 一种基于数据分析的药物组分检测方法与系统 |
Non-Patent Citations (3)
| Title |
|---|
| YANG ZHE等: "An improved method of anomaly recognition of dam safety monitoring data based on M-estimator and standard quartile range" * |
| 刘云鹏等: "基于多层架构的油中溶解气体数据清洗与异常识别方法研究" * |
| 毛超一: "基于成分-药效关联的中药菊花质量标准与评价研究" * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118173190A (zh) * | 2024-05-14 | 2024-06-11 | 达州市农业科学研究院(达州市苎麻科学研究所、达州市薯类作物研究所) | 基于大数据的百部药材中有效成份分析系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115825316B (zh) | 2023-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Okada et al. | Metabolomics of medicinal plants: the importance of multivariate analysis of analytical chemistry data | |
| CN115825316B (zh) | 基于超临界色谱法的药物有效成分分析方法及装置 | |
| CN103149300B (zh) | 黄芪颗粒指纹图谱的测定方法及其特征指纹图谱 | |
| Abraham et al. | Chemometric-guided approaches for profiling and authenticating botanical materials | |
| Wang et al. | Comprehensive metabolic profile analysis of the root bark of different species of tree peonies (Paeonia Sect. Moutan) | |
| Li et al. | Entirely control the quality consistency of Rong’e Yishen oral liquid by both quantified profiling and quantitative analysis of multi-components by single marker method | |
| CN102680628B (zh) | 安胃疡指纹图谱的建立方法 | |
| CN114034806B (zh) | 基于指纹图谱色谱峰匹配频数统计的中药印迹模板成分簇划归整合方法及产品 | |
| CN107727754A (zh) | 一种小金制剂的hplc指纹图谱检测方法 | |
| Chen et al. | A support vector machine based pharmacodynamic prediction model for searching active fraction and ingredients of herbal medicine: Naodesheng prescription as an example | |
| Yang et al. | UPLC-QTOF-MS with a chemical profiling approach for holistic quality evaluation between a material reference of Wen Dan decoction and its commercial preparations | |
| CN105203690B (zh) | 一种荷丹制剂的指纹图谱测定方法 | |
| CN112730655B (zh) | 葶苈大枣泻肺颗粒指纹图谱的建立方法 | |
| Wang et al. | Quality assessment of Traditional Chinese Medicine using HPLC-PAD combined with Tchebichef image moments | |
| CN103472148A (zh) | 一种中药组合物制剂的指纹图谱检测方法 | |
| CN102068553B (zh) | 一种治疗气滞血瘀所致乳癖制剂的hplc指纹图谱的构建方法 | |
| CN103604878B (zh) | 一种抗衰老片的指纹图谱获取方法、标准指纹图谱及应用 | |
| CN108918696B (zh) | 一种健脾益肺方指纹图谱的建立方法及质量控制方法 | |
| CN103837621B (zh) | 一种枳实药材指纹图谱、其建立方法及用途 | |
| CN113063872B (zh) | 三七姜乙酸乙酯部位的指纹图谱和质量分析方法 | |
| Tan et al. | Exploring the mechanisms and molecular targets of Taohong Siwu decoction for the treatment of androgenetic alopecia based on network analysis and molecular docking | |
| CN110441414B (zh) | 金水六君煎指纹图谱的建立方法 | |
| CN113506592A (zh) | 一种治疗慢性支气管炎中药的机理分析方法 | |
| CN113514576A (zh) | 柴胡药材、提取物及单味制剂的指纹图谱的建立方法 | |
| Sun et al. | A comparative analysis of Aconiti Lateralis Radix and processed products using UHPLC-Q-TOF-MS combined with multivariate chemometrics strategies |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240115 Address after: Building C1/B4, Optics Valley Biotech City, No. 666 Gaoxin Avenue, Donghu High tech Zone, Wuhan City, Hubei Province, 430205 Patentee after: Wuhan Hongren biomedical Co.,Ltd. Patentee after: Shanghai Hongren Biomedical Technology Co.,Ltd. Address before: Room A101, 1st Floor, Building B4, Wuhan National Bioindustry (Jiufeng Innovation) Base, No. 666, Gaoxin Avenue, Wuhan New Technology Development Zone, Hubei Province, 430205 Patentee before: Wuhan Hongren biomedical Co.,Ltd. |