Plant Phenomics | 上海理工大學莊松林院士團隊開發(fā)了一種基于西洋參標志物F11的無損快速分析方法

西洋參是一種名貴的藥用草本植物，具有諸多的藥理學價值。傳統的西洋參鑒定方法存在費時、費力、消耗大等問題，而太赫茲光譜技術在定性和定量鑒定藥草的關鍵物質方面具有巨大潛力。而今，特異性標志物標記分析法已變成物質分析的最重要手段。

近日，Plant Phenomics在線發(fā)表了上海理工大學莊松林院士團隊題為Terahertz Spectroscopy for Accurate Identification of Panax quinquefolium Basing on Nonconjugated 24(R)-Pseudoginsenoside F11的研究論文。

本研究開發(fā)了一種基于西洋參的特異性物質擬人參皂苷F11為標志物的分析方法，詳細研究了太赫茲光譜技術在藥草西洋參定性和定量上的相關工作，分析對比了太赫茲和多種方法對西洋參的測試結果以及不同產地西洋參的光譜差異。本研究證明了以擬人參皂苷F11為出發(fā)點檢測西洋參的高效性，也為后續(xù)太赫茲技術在藥草鑒定領域的應用做出總結和展望。

首先，相較于其他光譜法展示物質分子的躍遷方式、官能團信息，太赫茲光譜法可以表征分子整體的信息，更快速精準的展示西洋參特異性標志物F11的信息。

第二，與《中國藥典》的權威方法高效液相色譜法分析對比，兩種方法的歸一化誤差小于5%，線性擬合度高達0.975。但太赫茲光譜法速度更快，經濟實惠，提高了西洋參的檢測效率，降低了檢測成本。

第三，基于主成分分析法，通過分析不同樣本的主成分得分的差異，不但實現了西洋參與同屬于五加科人參屬的其它藥草、其它非草藥物質的鑒別，而且可以鑒別西洋參的產地。這種通過光譜信息與算法程序的結合手段，使得西洋參檢測更加智能化。

在本研究中，我們開發(fā)了一種擬人參皂苷F11準確、快速和經濟有效的鑒別和定量分析新方法。研究中的理論模擬和實驗數據證明了F11可以作為西洋參的生物標志物，其吸收峰面積可以準確地定量西洋參樣品中F11的含量。

結合PCA算法證明西洋參和其他草藥或藥用植物可以被清晰地區(qū)分，而且適用于區(qū)分不同產地的西洋參。在未來，該方法結合太赫茲能量增強或系統信噪比改善，結合軟件分析，將為多種植物的識別鋪平道路，具有潛在的商業(yè)應用。

Figure 1: Different testing methods. Comparison for 24(R)-pseudoginsenoside F11.

Figure 3: Quantitative analysis of Panax quinquefolim.

Figure 4: Principal component analysis based on terahertz spectra.

作者簡介

莊松林，中國工程院院士，現任上海理工大學光學與電子信息工程學院院長、博士生導師，上海光學儀器研究所所長，國際光學工程學會和美國光學學會fellow、中國儀器儀表學會名譽理事長、中國光學工程學會副理事長、探月計劃專家組成員、教育部儀器科學和技術教指委副主任。莊松林院士長期從事應用光學、光學工程和光電子學的研究。

彭滟，上海理工大學博士生導師，教授，科研方面主要圍繞太赫茲波在生物醫(yī)學方面的應用研究展開。個人榮獲“國家優(yōu)秀青年自然科學基金”，上海市“東方學者”，“曙光學者”、“青年拔尖人才計劃”和“啟明星”人才稱號，以及上海市“五四青年獎章”和上海市“巾幗建功標兵”榮譽稱號等。

朱亦鳴，上海理工大學博士生導師，教授，國家萬人計劃“中青年科技創(chuàng)新領軍人才”，國家百千萬人才，青年長江學者，國家基金委優(yōu)秀青年科學基金、國務院特殊津貼獲得者。

李慧梁，海軍軍醫(yī)大學藥學系副教授，長期從事中藥藥效物質基礎及新藥研發(fā)研究。上海市科技啟明星，曙光學者。

寇天一，上海理工大學碩士研究生，專業(yè)為光學工程，導師彭滟教授。研究方向為太赫茲生物檢測和太赫茲光譜分析。

葉霽，海軍軍醫(yī)大學藥學系高級實驗師，主要從事中藥藥效物質基礎的發(fā)現和質量評價方面的研究工作，精通各類大型質譜儀器在中藥的應用，如超高效液相色譜-串聯質譜、氣相色譜-串聯質譜等。

論文鏈接

https://spj.sciencemag.org/journals/plantphenomics/2021/6793457/ 

——推薦閱讀——

Machine Learning-Based Presymptomatic Detection of Rice Sheath Blight Using Spectral Profiles

https://spj.sciencemag.org/journals/plantphenomics/2020/8954085/

Plant Phenomics | 使用光譜特征和機器學習檢測水稻紋枯病的發(fā)病先兆

Global Wheat Head Detection (GWHD) Dataset: A Large and Diverse Dataset of High-Resolution RGB-Labelled Images to Develop and Benchmark Wheat Head Detection Methods

https://spj.sciencemag.org/journals/plantphenomics/2020/3521852/

Plant Phenomics | 小麥麥穗自動檢測大規(guī)模圖像數據庫：為可用于農業(yè)生產和研究現場的AI算法測試奠基

AboutPlant Phenomics

《植物表型組學》（Plant Phenomics）是由南京農業(yè)大學和美國科學促進會（AAAS）合作創(chuàng)辦的英文學術期刊，于2019年1月正式上線發(fā)行，是Science合作出版的第二本期刊。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業(yè)實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被CABI、CNKI、DOAJ和PMC數據庫收錄。

說明：本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
編輯：周燦彧（實習）、鞠笑、孔敏
審核：尹歡