中圖分類號 R932；R917 文獻標志碼 A 文章編號 1001-0408（2025）06-0661-07

DOI 10.6039/j.issn.1001-0408.2025.06.04

摘要 目的 為貫葉金絲桃的質(zhì)量控制提供參考。方法 采用高效液相色譜法建立20 批貫葉金絲桃的指紋圖譜并測定其主要成分綠原酸、蘆丁、金絲桃苷、異槲皮苷、萹蓄苷、槲皮苷、槲皮素的含量；采用SPSS 26.0 軟件進行聚類分析。采用電子眼測定貫葉金絲桃粉末的明度值（L*）、紅綠值（a*）和黃藍值（b*），采用機器學(xué)習(xí)算法建立基于外觀色度值的貫葉金絲桃上述7 種成分含量的預(yù)測模型，并采用均方根誤差（RMSE）評價預(yù)測模型的預(yù)測性能。結(jié)果 20 批貫葉金絲桃指紋圖譜共標定16 個共有峰，指認出9個色譜峰，分別為綠原酸、蘆丁、金絲桃苷、異槲皮苷、萹蓄苷、槲皮苷、槲皮素、貫葉金絲桃素和金絲桃素，20 批樣品與對照圖譜的相似度為0.889～0.987；綠原酸、蘆丁、金絲桃苷、異槲皮苷、萹蓄苷、槲皮苷、槲皮素含量分別為0.025％～0.166％、0.048％～0.339％、0.082％～0.419％、0.017％～0.209％、0.011％～0.134％、0.020％～0.135％、0.041％～0.235％；聚類分析結(jié)果顯示，當歐氏距離為1.4 時，18 批合格貫葉金絲桃可聚為3 類。20 批貫葉金絲桃的L*為62.814～75.668，a*為1.409～3.490，b*為25.249～30.759；XGBoost、LightGBM、AdaBoost 3 種預(yù)測模型的RMSE為0.008～0.070，擬合效果良好。除蘆丁外，XGBoost模型預(yù)測其余6 種成分的含量均具有較高的預(yù)測精度。結(jié)論 所建指紋圖譜及含量測定方法準確、重復(fù)性好、結(jié)果可靠；結(jié)合機器學(xué)習(xí)算法構(gòu)建的基于外觀色度值的含量預(yù)測模型可用于貫葉金絲桃的質(zhì)量控制。

關(guān)鍵詞 貫葉金絲桃；指紋圖譜；聚類分析；含量測定；色度值；質(zhì)量評價；機器學(xué)習(xí)；預(yù)測模型

貫葉金絲桃為藤黃科植物貫葉金絲桃Hypericumperforatum L. 的干燥地上部分，味辛，性寒，歸肝經(jīng)，具有疏肝解郁、清熱利濕、消腫通乳的功效[1]，主要分布在我國湖北、四川、陜西、甘肅、湖南、新疆等地[2]。貫葉金絲桃具有抗抑郁、抗炎、抗菌、抗氧化及保護神經(jīng)細胞等藥理作用[3]，其化學(xué)成分主要有黃酮類、間苯三酚類、萘駢二蒽酮類及多種揮發(fā)油類[4]，其中黃酮類化合物金絲桃苷、蘆丁、槲皮素、槲皮苷、異槲皮苷、萹蓄苷等，間苯三酚類化合物貫葉金絲桃素，萘駢二蒽酮類化合物金絲桃素，酚酸類化合物綠原酸是其主要活性成分[5―6]。2020年版《中國藥典》（一部）貫葉金絲桃標準項下僅收載了蘆丁、金絲桃苷的薄層鑒別和金絲桃苷的含量測定方法，尚不能全面、準確地評價其內(nèi)在質(zhì)量。

中藥指紋圖譜可全面反映中藥的內(nèi)在化學(xué)成分信息，且多成分含量測定已逐漸成為中藥常用的質(zhì)量評價模式[7]。性狀是中藥質(zhì)量評價的重要指標，與中藥內(nèi)在質(zhì)量密切相關(guān)，因此可通過中藥性狀判斷其質(zhì)量優(yōu)劣[8―9]。電子眼可將物體顏色進行客觀數(shù)據(jù)化，在中藥采收、基原鑒定、質(zhì)量評價、真?zhèn)闻袛嗟确矫婢袘?yīng)用[10]。機器學(xué)習(xí)是基于數(shù)據(jù)的計算模型，從數(shù)據(jù)中學(xué)習(xí)和提取有用的模式，可用于預(yù)測、分類、決策等領(lǐng)域，具有預(yù)測精度高、特征信息提取及非線性問題處理能力強等優(yōu)勢[11]。本研究通過建立貫葉金絲桃的高效液相色譜（HPLC）指紋圖譜測定了其中7 種成分（綠原酸、蘆丁、金絲桃苷、異槲皮苷、萹蓄苷、槲皮苷、槲皮素）的含量，并通過機器學(xué)習(xí)構(gòu)建了基于其外觀色度值的成分含量的預(yù)測模型，旨在為貫葉金絲桃的質(zhì)量控制提供參考。

1 材料

1.1 主要儀器

本研究所用主要儀器包括Waters 2695 型HPLC 儀（美國Waters 公司），IRIS VA400 型電子眼系統(tǒng)（法國Alpha Mos公司），XS-205DU型十萬分之一電子天平（瑞士Mettler Toledo 公司），BJ-150 型高速多功能粉碎機（上海頂帥電器有限公司），KQ5200-DE型超聲儀（昆山舒美超聲儀器有限公司），DK-S26 型電熱恒溫水浴鍋、DHG-9146A型電熱恒溫鼓風干燥箱（上海精宏實驗設(shè)備有限公司）。

1.2 藥品與試劑

15 批（編號S1～S15）貫葉金絲桃飲片和5 批（編號S16～S20）貫葉金絲桃藥材，經(jīng)山東省中醫(yī)藥研究院林慧彬研究員鑒定均為真品（見表1）。綠原酸（批號BP0345，純度≥98％）、金絲桃苷（批號BP0753，純度≥98％）、異槲皮苷（批號BP0793，純度≥98％）、槲皮素（批號BP1187，純度≥98％）、貫葉金絲桃素（批號BP0751，純度≥98％）對照品均購自成都普瑞法科技開發(fā)有限公司；金絲桃素對照品（批號BP0752，純度≥98.0％）購自成都普思生物科技股份有限公司；蘆?。ㄅ?00080-202012，純度≥91.6％）、槲皮苷對照品（批號111538-202007，純度≥93.5％）均購自中國食品藥品檢定研究院；萹蓄苷對照品（批號BBP00890，純度≥98.0％）購自云南西力生物技術(shù)股份有限公司；乙腈為色譜純，其余試劑均為分析純，水為純凈水。

2 方法與結(jié)果

2.1 指紋圖譜的建立

2.1.1 色譜條件

以Zafex JX-C18（4.6 mm×250 mm，5 μm）為色譜柱；以磷酸氫二鈉緩沖液（6 mmol/L，pH 6.5）-0.02％磷酸溶液-乙腈為流動相進行梯度洗脫（見表2）；檢測波長為354 nm（0～58 min，綠原酸、蘆丁、金絲桃苷、異槲皮苷、萹蓄苷、槲皮苷、槲皮素）、290 nm（58～60 min，貫葉金絲桃素）、590 nm（60～65 min，金絲桃素）；流速為1mL/min；柱溫為30 ℃；進樣量為5 μL。

2.1.2 供試品溶液的制備

取貫葉金絲桃粉末（過三號篩）約2 g，精密稱定，置于具塞錐形瓶中，精密加入60％乙醇50 mL，稱重，加熱回流1 h，放冷，再次稱重，用60％乙醇補足減失的質(zhì)量，搖勻，經(jīng)0.22 μm微孔濾膜濾過，取續(xù)濾液，即得供試品溶液。

2.1.3 對照品溶液的制備

取綠原酸、蘆丁、金絲桃苷、異槲皮苷、萹蓄苷、槲皮苷、槲皮素、貫葉金絲桃素對照品各適量，精密稱定，分別置于5 mL容量瓶中，加甲醇至刻度，即得各單一對照品儲備液。取金絲桃素對照品適量，精密稱定，置于5mL 容量瓶中，加二甲基亞砜（DMSO）1 mL 溶解，再加50％甲醇至刻度，即得金絲桃素對照品儲備液。精密量取上述各單一對照品儲備液，置于5 mL容量瓶中，加甲醇定容，即得綠原酸、蘆丁、金絲桃苷、異槲皮苷、萹蓄苷、槲皮苷、槲皮素、貫葉金絲桃素、金絲桃素質(zhì)量濃度分別為37.08、41.92、47.28、51.66、46.16、49.80、39.84、24.40、39.60 μg/mL的混合對照品溶液。

2.1.4 精密度試驗

取“2.1.2”項下供試品溶液（編號S11），按“2.1.1”項下色譜條件連續(xù)進樣6 次，以金絲桃苷為參照峰，得各共有峰相對保留時間的RSD均小于0.10％（n＝6），相對峰面積的RSD 均小于2.96％（n＝6），表明儀器的精密度良好。

2.1.5 穩(wěn)定性試驗

取“2.1.2”項下供試品溶液（編號S11），分別在制備后于室溫下放置0、2、4、8、12、24 h 時按“2.1.1”項下色譜條件進樣測定，以金絲桃苷為參照峰，得各共有峰相對保留時間的RSD 均小于0.09％（n＝6），相對峰面積的RSD均小于2.63％（n＝6），表明供試品溶液在室溫下放置24 h內(nèi)穩(wěn)定性良好。

2.1.6 重復(fù)性試驗

取樣品（編號S11），共6 份，按“2.1.2”項下方法制備供試品溶液，再按“2.1.1”項下色譜條件進樣測定，以金絲桃苷為參照峰，得各共有峰相對保留時間的RSD均小于0.10％（n＝6），相對峰面積的RSD均小于2.13％（n＝6），表明方法的重復(fù)性良好。

2.1.7 指紋圖譜建立與相似度評價

取20 批樣品，按“2.1.2”項下方法制備供試品溶液，再按“2.1.1”項下色譜條件進樣測定。將所得數(shù)據(jù)導(dǎo)入《中藥色譜指紋圖譜相似度評價系統(tǒng)（2012 版）》，以S11樣品為參照圖譜（各峰信號強、分離度好），設(shè)置時間窗為0.1 min，以平均數(shù)法生成對照圖譜，經(jīng)多點校正和Marker 峰匹配后，得到樣品的疊加指紋圖譜、對照指紋圖譜（R）及混合對照品圖譜（圖1）。最終確定16 個共有峰，共指認出9 個峰，分別為綠原酸、蘆丁、金絲桃苷、異槲皮苷、萹蓄苷、槲皮苷、槲皮素、貫葉金絲桃素和金絲桃素。對20 批樣品與對照圖譜進行相似度評價，結(jié)果顯示，各批樣品與對照圖譜的相似度為0.889～0.987，均大于0.850，表明貫葉金絲桃中各色譜峰組成相似，所建指紋圖譜可用于初步控制貫葉金絲桃的整體質(zhì)量。

2.2 多成分含量測定

2.2.1 混合對照品溶液的制備

分別精密稱取“2.1.3”項下綠原酸、蘆丁、金絲桃苷、異槲皮苷、萹蓄苷、槲皮苷、槲皮素對照品儲備液適量，置于5 mL容量瓶中，加甲醇定容，即得上述各成分質(zhì)量濃度分別為29.90、86.52、132.30、30.82、19.60、20.14、67.52 μg/mL的混合對照品溶液。

2.2.2 線性關(guān)系考察

取“2.2.1”項下混合對照品溶液，分別取1、2、4、8、10、12、14 μL，按“2.1.1”項下色譜條件進樣測定，以各成分進樣量為橫坐標（X）、峰面積為縱坐標（Y）進行線性回歸。結(jié)果見表3。

2.2.3 精密度試驗

取“2.1.2”項下供試品溶液（編號S11），按“2.1.1”項下色譜條件連續(xù)進樣6 次，記錄峰面積。結(jié)果顯示，綠原酸、蘆丁、金絲桃苷、異槲皮苷、扁蓄苷、槲皮苷、槲皮素峰面積的RSD 分別為0.39％、0.50％、0.41％、0.52％、0.53％、0.71％、0.94％（n＝6），表明儀器的精密度良好。

2.2.4 穩(wěn)定性試驗

取“2.1.2”項下供試品溶液（編號S11），分別于制備后室溫下放置0、2、4、8、12、24 h 時按“2.1.1”項下色譜條件進樣測定，記錄峰面積。結(jié)果顯示，綠原酸、蘆丁、金絲桃苷、異槲皮苷、扁蓄苷、槲皮苷、槲皮素峰面積的RSD 分別為0.75％ 、1.35％ 、0.89％ 、1.00％ 、0.93％ 、1.07％、1.27％（n＝6），表明供試品溶液在室溫下放置24 h內(nèi)穩(wěn)定性良好。

2.2.5 重復(fù)性試驗

取樣品（編號S11），共6 份，按“2.1.2”項下方法制備供試品溶液，再按“2.1.1”項下色譜條件進樣測定，記錄峰面積并根據(jù)外標法計算各成分的含量。結(jié)果顯示，綠原酸、蘆丁、金絲桃苷、異槲皮苷、萹蓄苷、槲皮苷、槲皮素含量的RSD 分別為1.39％、1.77％、0.64％、0.55％、1.32％ 、0.93％ 、1.41％（n＝6），表明該方法的重復(fù)性良好。

2.2.6 加樣回收率試驗

精密量取已知含量的貫葉金絲桃粉末（編號S11），共6 份，每份1 g，按各成分含量質(zhì)量比約1∶1 加入適量的各單一對照品溶液，精密加入60％乙醇至50 mL，然后按“2.1.2”項下方法制備供試品溶液，再按“2.1.1”項下色譜條件進樣測定，記錄峰面積并計算加樣回收率。結(jié)果顯示，綠原酸、蘆丁、金絲桃苷、異槲皮苷、萹蓄苷、槲皮苷、槲皮素的平均加樣回收率分別為93.85％ 、95.85％、94.53％、95.68％、93.86％、100.29％、96.48％，RSD 分別為2.81％ 、2.68％ 、2.71％ 、2.74％ 、2.31％ 、2.57％、2.50％（n＝6），表明方法的準確度良好。

2.2.7 樣品含量測定

取20 批樣品粉末各2 g，精密稱定，按“2.1.2”項下方法制備供試品溶液，再按“2.1.1”項下色譜條件進樣測定，按外標法計算樣品含量，每批樣品平行測定2 次。結(jié)果顯示，20 批樣品中綠原酸、蘆丁、金絲桃苷、異槲皮苷、萹蓄苷、槲皮苷、槲皮素的含量分別為0.025％～0.166％、0.048％～0.339％、0.082％～0.419％、0.017％～0.209％、0.011％～0.134％、0.020％～0.135％、0.041％～0.235％。表明不同批次貫葉金絲桃中各成分含量存在較大差異。進一步分析發(fā)現(xiàn)，S7 和S10 樣品中金絲桃苷含量低于《中國藥典》規(guī)定不得少于0.10％標準，故為不合格品，其余18 批樣品為合格品。結(jié)果見表4。

2.2.8 貫葉金絲桃中7種成分含量結(jié)果的聚類分析

以18 批合格貫葉金絲桃中綠原酸等7 種成分的含量為變量，采用SPSS 26.0 軟件進行聚類分析（圖2）。結(jié)果顯示，當歐氏距離為1.4 時，18 批樣品聚為3 類：S2、S4、S6、S15、S19 聚為第1 類，S1、S9、S14、S18、S20 聚為第2 類，S3、S5、S8、S11～S13、S16、S17 聚為第3 類。當歐氏距離為2.0 時，第2 類和第3 類可聚為一類。結(jié)合含量測定結(jié)果發(fā)現(xiàn)，第1 類樣品中所含的7 種成分的總含量明顯高于第2 類和第3 類樣品，而大部分第2 類樣品中所含的7 種成分的總含量高于第3 類樣品，但存在S3 和S11 樣品按總含量應(yīng)歸第2 類，實際卻歸為第3 類的特殊情況。對此結(jié)果進一步分析發(fā)現(xiàn)，原因可能與S3 樣品中槲皮苷和槲皮素含量、S11 樣品中蘆丁和槲皮苷含量均低于第2 類樣品，與第3 類樣品類似有關(guān)。綜上，基于聚類分析結(jié)合含量測定結(jié)果，可將18 批樣品中的第1 類劃為優(yōu)品，第2 類劃為良品，第3 類劃為合格品。

2.3 貫葉金絲桃的顏色測定

顏色空間基于人眼對顏色的感知，能夠精確捕捉和量化中藥顏色的細微變化，從而真實反映其顏色特性。明度值（L*）范圍為0～100，表示顏色從黑到白的變化；紅綠值（a*）表示顏色從紅到綠的變化，其中正值代表紅色，負值代表綠色；黃藍值（b*）表示顏色從黃到藍的變化，正值代表黃色，負值代表藍色[12]。

取20 批樣品，粉碎，過三號篩，均勻放置于表面皿中，使用電子眼系統(tǒng)采集圖像，平行采集3 次后取平均值。結(jié)果顯示，20 批貫葉金絲桃的L* 為62.814～75.668，a*為1.409～3.490，b*為25.249～30.759，表明貫葉金絲桃粉末整體偏白、偏紅、偏黃。結(jié)果見表5。

2.4 貫葉金絲桃外觀色度預(yù)測含量研究

為探尋貫葉金絲桃外觀色澤和內(nèi)在質(zhì)量的相關(guān)性，探索建立“辨色論質(zhì)”的方法，本研究利用機器學(xué)習(xí)方法構(gòu)建了基于外觀色度預(yù)測貫葉金絲桃主要成分含量的模型（見圖3）。

2.4.1 機器學(xué)習(xí)模型的建立

以20 批貫葉金絲桃中綠原酸等7 種成分含量、L*、a*、b*值為樣本特征，采用Min-Max 歸一化方法進行標準化或歸一化處理；再通過Python 繪制核密度估計圖（kernel density estimation，KDE）以識別異常值并進行填充；使用Python 中的“train_test_split”命令將數(shù)據(jù)集按8∶2 的比例隨機劃分為訓(xùn)練集和測試集。為減少過擬合風險，本研究結(jié)合網(wǎng)格搜索和三折交叉驗證提升模型精度，結(jié)果見圖4。由圖4 可見，訓(xùn)練集與測試集中各成分分布基本一致，表明模型能很好地應(yīng)用于測試集。

2.4.2 預(yù)測模型的篩選

以XGBoost、LightGBM、AdaBoost 等機器學(xué)習(xí)算法作為預(yù)測模型，使用均方根誤差（root-mean-squareerror，RMSE）評價機器學(xué)習(xí)模型效果，

模型評估結(jié)果見表6。由表6 可知，XGBoost、LightGBM、AdaBoost 3 種機器學(xué)習(xí)算法預(yù)測模型的RMSE為0.008～0.070，均較小，未見明顯差異。但是鑒于XGBoost 模型能以正則化方法規(guī)避過擬風險，保持模型穩(wěn)定性，精準評估特征和篩選關(guān)鍵項，可實現(xiàn)含量的精準預(yù)測，因此，本研究選擇XGBoost 模型用于預(yù)測貫葉金絲桃中綠原酸等7種成分的含量。

2.4.3 外觀色度值預(yù)測的貫葉金絲桃中7 種成分含量與實測結(jié)果分析

將樣本的L*、a*、b*特征值導(dǎo)入XGBoost 模型作為輸入項，貫葉金絲桃中7 種成分的含量結(jié)果作為輸出項，再將7 種基于色度值預(yù)測的成分含量與實測結(jié)果進行比較，結(jié)果見圖5。由圖5 可知，蘆丁成分的預(yù)測含量與實測結(jié)果偏差較大；其余6 種成分的24 組預(yù)測結(jié)果中，有21 組的預(yù)測值與實際值基本一致，僅3 組（綠原酸中的A組，異槲皮苷和萹蓄苷中的D組）的預(yù)測值與實際值存在一定偏差；模型對金絲桃苷成分含量預(yù)測的準確率為100％。可見，建立的模型基本能夠?qū)崿F(xiàn)根據(jù)外觀顏色預(yù)測貫葉金絲桃內(nèi)在成分的含量。

3 討論

3.1 色譜條件的選擇

貫葉金絲桃中的間苯三酚類（貫葉金絲桃素）、萘駢二蒽酮類（金絲桃素）、黃酮類（金絲桃苷、蘆丁、槲皮苷、槲皮素等）及有機酸類（綠原酸）等為其主要活性成分，這些成分復(fù)雜多樣，其中黃酮類成分和有機酸類成分在354 nm波長處響應(yīng)值較高，貫葉金絲桃素和金絲桃素的最大吸收波長分別為290、590 nm。為最大化獲取指紋圖譜信息，實現(xiàn)多種成分含量的同時測定，本研究在綜合考察峰形、峰數(shù)、基線、吸收差異等多項干擾因素后，最終選取290、354、590 nm作為檢測波長。此外，本研究對提取溶劑（不同比例甲醇溶液和乙醇溶液）和提取方式（超聲提取、加熱回流提?。┻M行了篩選，結(jié)果發(fā)現(xiàn)，以60％乙醇為提取溶劑，加熱回流提取1 h 時，各成分提取效果最佳，含量最高。

3.2 20批貫葉金絲桃的含量測定結(jié)果分析

本研究結(jié)果顯示，綠原酸、蘆丁、金絲桃苷、異槲皮苷、萹蓄苷、槲皮苷、槲皮素含量分別為0.025％ ～0.166％、0.048％～0.339％、0.082％～0.419％、0.017％～0.209％、0.011％～0.134％、0.020％～0.135％、0.041％～0.235％。聚類分析結(jié)果顯示，18 批合格的樣品聚為3類，其中第1 類樣品中7 種成分的總含量均相對較高，為優(yōu)品；第2 類樣品為良品；第3 類樣品的總含量相對較低，為合格品。這提示不同產(chǎn)地貫葉金絲桃的成分含量存在差異，可能與生長環(huán)境不同有關(guān)；同一產(chǎn)地不同批次貫葉金絲桃的成分含量也存在差異，可能與藥材的采收時間、農(nóng)戶種植水平等因素有關(guān)。

3.3 基于機器學(xué)習(xí)的貫葉金絲桃的含量預(yù)測研究

顏色是中藥外觀質(zhì)量評價的重要指標，其與內(nèi)在有效成分具有一定相關(guān)性[14]。張一凡等[12]基于機器學(xué)習(xí)算法將顏色特征值與測得的姜炭的5 種成分含量進行相關(guān)性分析，成功建立了顏色-成分的定量預(yù)測模型，為姜炭炮制程度控制和質(zhì)量評價提供了參考依據(jù)。本研究采用機器學(xué)習(xí)中的XGBoost、LightGBM和AdaBoost 算法，利用L*、a*、b*特征值與有效成分含量測定結(jié)果建立了貫葉金絲桃主要成分的含量預(yù)測模型。結(jié)果發(fā)現(xiàn)，綠原酸、金絲桃苷、異槲皮苷、萹蓄苷、槲皮苷、槲皮素6 種成分的含量預(yù)測模型均具有較高的預(yù)測精度。其中，2020年版《中國藥典》（一部）規(guī)定的指標成分金絲桃苷含量的預(yù)測準確率達到100％。上述結(jié)果提示可通過測定外觀色度值來辨識貫葉金絲桃的質(zhì)量。綜上所述，所建指紋圖譜及含量測定方法準確、重復(fù)性好、結(jié)果可靠；結(jié)合機器學(xué)習(xí)算法構(gòu)建的基于外觀色度值的含量預(yù)測模型可用于貫葉金絲桃的質(zhì)量控制。

參考文獻

[ 1 ] 國家藥典委員會. 中華人民共和國藥典：一部[M]. 2020

年版. 北京：中國醫(yī)藥出版社，2020：242.

National Pharmacopoeia Commission. Chinese pharmacopoeia：

part Ⅰ [M]. 2020 edition. Beijing：China Medical

Science Press，2020：242.

[ 2 ] 閆翠起，趙曼茜，王煒，等. HPLC 測定不同產(chǎn)地和不同

部位貫葉金絲桃中的金絲桃素[J]. 華西藥學(xué)雜志，2017，

32（2）：211-213.

YAN C Q，ZHAO M X，WANG W，et al. Determination

of hypericin in the different parts of Hypericum perforatum

from different habitats by HPLC[J]. West China J

Pharm Sci，2017，32（2）：211-213.

[ 3 ] 盛可心，王昊冉，徐凌川，等. 貫葉連翹藥理作用及其機

制研究新進展[J]. 中藥藥理與臨床，2023，39（3）：

117-122.

SHENG K X，WANG H R，XU L C，et al. Advances in the

pharmacological effects and mechanisms of Hypericum

perforatum L.[J]. Pharmacol Clin Chin Mater Med，2023，

39（3）：117-122.

[ 4 ] ALAHMAD A，ALGHORAIBI I，ZEIN R，et al. Identification

of major constituents of Hypericum perforatum L.

extracts in Syria by development of a rapid，simple，and

reproducible HPLC-ESI-Q-TOF MS analysis and their

antioxidant activities[J]. ACS Omega，2022，7（16）：

13475-13493.

[ 5 ] 周海琴，何雨晴，陳盛君. 基于UPLC指紋圖譜和多指標

成分定量的野生與栽培貫葉金絲桃的質(zhì)量評價[J]. 中南

藥學(xué)，2023，21（12）：3274-3280.

ZHOU H Q，HE Y Q，CHEN S J. Quality analysis of wild

and home hyperici perforati herba by UPLC fingerprint

and multi-component quantitation[J]. Cent South Pharm，

2023，21（12）：3274-3280.

[ 6 ] LI X X，YAN Y，ZHANG J，et al. Hyperforin：a natural

lead compound with multiple pharmacological activities

[J]. Phytochemistry，2023，206：113526.

[ 7 ] 李洋，陳健，張越，等. 基于指紋圖譜結(jié)合化學(xué)模式識別

及多成分含量測定的白芍藥材質(zhì)量評價研究[J]. 中草

藥，2022，53（1）：231-237.

LI Y，CHEN J，ZHANG Y，et al. Determination of multicomponents

of Paeoniae Alba Radix based on fingerprints

and chemical pattern recognition[J]. Chin Tradit Herb

Drugs，2022，53（1）：231-237.

[ 8 ] 郭換，劉飛，梅國榮，等. 色度分析花椒黃酮類成分含量

與顏色值的相關(guān)性[J]. 中國實驗方劑學(xué)雜志，2017，23

（6）：91-97.

GUO H，LIU F，MEI G R，et al. Correlation between flavonoids

and color values of Zanthoxyli Pericarpium based

on chromatometry[J]. Chin J Exp Tradit Med Formulae，

2017，23（6）：91-97.

[ 9 ] 薛淑娟，車奇濤，陳隨清. 基于“成分-顏色”關(guān)聯(lián)分析地

黃藥材的質(zhì)量及體外活性評價[J]. 時珍國醫(yī)國藥，2023，

34（11）：2791-2796.

XUE S J，CHE Q T，CHEN S Q. Analysis of quality and

activity evaluation in vitro of Radix Rehmanniae based on

component color correlation[J]. Lishizhen Med Mater

Med Res，2023，34（11）：2791-2796.

[10] 劉振東，蘭金旭，陳隨清.HPLC結(jié)合電子眼技術(shù)分析不

同采收期的枸橘藥材質(zhì)量[J]. 中國中藥雜志，2021，46

（20）：5253-5259.

LIU Z D，LAN J X，CHEN S Q. Quality analysis of Citri

Trifoliatae Fructus in different harvest time by HPLC combined

with electronic eye technology[J]. China J Chin Mater

Med，2021，46（20）：5253-5259.

[11] 周純祎，王思雪，袁越，等. 輕度認知障礙向阿爾茲海默

病進展風險預(yù)測模型的系統(tǒng)評價[J]. 護理學(xué)報，2024，31

（12）：47-53.

ZHOU C Y，WANG S X，YUAN Y，et al. Systematic

evaluation of the risk prediction model of the progression

of mild cognitive impairment to Alzheimer’s disease[J]. J

Nurs，2024，31（12）：47-53.

[12] 張一凡，周蘇娟，孟江，等. 基于機器視覺系統(tǒng)的姜炭炮

制程度判別及顏色-成分相關(guān)性分析[J]. 中國藥房，

2022，33（22）：2712-2718.

ZHANG Y F，ZHOU S J，MENG J，et al. Discrimination

of processing degree of Zingiber officinale charcoal and

analysis of the correlation between color and component

based on machine vision system[J]. China Pharm，2022，33

（22）：2712-2718.

[13] 李成舉，劉寅篤，秦天元，等. 基于機器學(xué)習(xí)的馬鈴薯葉

片葉綠素含量估算[J]. 光譜學(xué)與光譜分析，2024，44（4）：

1117-1127.

LI C J，LIU Y D，QIN T Y，et al. Estimation of chlorophyll

content in potato leaves based on machine learning

[J]. Spectrosc Spectr Anal，2024，44（4）：1117-1127.

[14] 尚超凡，周巧，朱娟娟，等. 電子感官技術(shù)在中藥質(zhì)量辨

識及炮制的應(yīng)用概況[J]. 中草藥，2024，55（24）：8654-

8663.

SHANG C F，ZHOU Q，ZHU J J，et al. An overview of

the application of electronic sensory technology in the

identification and processing of traditional Chinese medicine

quality[J]. China Tradit Herb Drugs，2024，55（24）：

8654-8663.

（收稿日期：2024-09-04 修回日期：2025-02-21）

（編輯：李勁）