ИСТИНА

Цель работы состояла в разработке подхода по видовой идентификации сырья лекарственных растений с использованием высокоэффективной жидкостной хроматографии масс-спектрометрии низкого разрешения и методов машинного обучения. Несмотря на то, что на сегодняшний день известны тысячи видов высших растений, значительная доля которых обладает той или иной физиологической активностью, активно в производстве различных препаратов применяют не более нескольких сотен. Такая ситуация позволяет без особых ограничений использовать комбинацию высокоэффективной жидкостной хроматографии и массспектрометрии низкого разрешения для рутинной видовой идентификации растительного материала. Безусловно, для этого требуется соответствующая база данных проанализированных экстрактов. При этом неизвестные образцы, идентификацию которых необходимо провести, могут быть как в форме порошков, так и в виде экстрактов различными растворителями. Более того, высоко верятно, что можно использовать любую форму препарата растения, которая в достаточно полной мере сохранила основной набор характеристических соединений. В работе получены данные ВЭЖХ-МС анализа экстрактов лекарственных растений 74 видов лекарственных растений, составлена и опубликована в интернете соответствующая база данных (БД). БД включает данные о 654 образцах и 2263 хроматограммах; ионный ток регистрировали при значениях m/z 100–900, в режиме регистрации как положительных, так и отрицательных ионов. Разработан подход к видовой идентификации лекарственных растений на основе комбинации хроматомасс-спектрометрического анализа водно-спиртовых экстрактов растительного сырья и методов машинного обучения. Предложенный подход не требует применения индивидуальных стандартных соединений и использует данные масс-спектрометрии низкого разрешения. Изучены подходы к обработке первичных аналитических данных и предложен подход с отбрасыванием значений времен удерживания компонентов пробы, позволяющий сохранить высокую эффективность алгоритма идентификации при малом числе используемых переменных. Предложенный подход проверен на устойчивость к внесению искажений. Показано, что алгоритмы, разработанные на одном оборудовании и в одних условиях экстракции, способны показывать высокую правильность идентификации при использовании данных, полученных на другом приборном комплексе и/или с использованием других условий экстракции