检索历史 清除

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：<br>　　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。<br>　　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。<br>　　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。<br>　　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。<br>　　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。