利用化学计量学和 Agilent 5975 GC/MSD 对洋甘菊花及其精油和商品进行类别鉴定

摘要

本文中，开发出了一种高精度统计学模型用于确定商品草药生产中所使用的洋甘菊的确切类型。该模型是根据Agilent 7890 GC 和Agilent 5975 GC/MSD 系统得到的精确GC/MS数据而开发。样品的质量控制采用主成分分析法(PCA)，而样品类别预测模型的建立是基于偏最小二乘判别分析法(PLS-DA)。该模型具有100% 的识别和预测准确性。此外还通过基于PLS-DA 的模型对据称含有洋甘菊的35 种商品和11 种精油进行了后续的预测。

前言

洋甘菊作为在全世界广泛使用的药用植物之一，具有缓解睡眠障碍、痢疾、疝气、伤口疼痛、黏膜炎和湿疹的功效。洋甘菊的其他药物属性还包括抗过敏、抗菌、抗炎和抗痉挛等。然而，也有报道称洋甘菊会引发过敏反应，包括皮疹、咽喉肿胀、呼吸短促和过敏症。

遗憾的是，目前并没有一种普遍接受的洋甘菊表征方法，因而对于含有这种性状不明确的天然产物的草药来说，确定和控制它们的质量、安全性和功效会变得相当困难。实际上，推广草药洋甘菊产品最大的障碍之一是产品掺假。

本文介绍了新近发表的一篇研究，该研究涉及商品中最常见的三类洋甘菊的化学组成： 德国洋甘菊(Matricaria chamomilla L.syn: M. recutita L.); 罗马洋甘菊(Chamaemelum nobile (L). All.syn: Anthemis nobilis L.) 和菊花(Chrysanthemum morifolium Ramat.)。我们开发出了一种气相色谱/质谱(GC/MS) 方法，并利用该方法将收集的洋甘菊样品（包括已验证的植物及其商品和精油）就其易挥发、非极性的化合物进行非目标分析。

该方法通过Agilent 7890 GC 和Agilent 5975 GC/MSD 系统采集数据。通过使用自动数据处理程序和采用不同标准的数据筛选工具实现控制输入变量、校准保留时间和简缩数据。PLS-DA 法用于建立对目标样品进行分类和辨别的模型。该模型用于评估声称含有洋甘菊的商品。同时也用于鉴定与每类洋甘菊相关的主要标志化合物。

结论

使用Agilent 7890 GC 和Agilent 5975C GC/MSD 进行GC/MS 非目标物筛查，可提供用于分类及鉴别如洋甘菊等天然产品所需的丰富数据信息。Agilent MSD Productivity ChemStation 和Agilent Mass Profiler Professional 软件可实现自动数据挖掘和处理，从而发现最具特征性的标志化合物，建立高准确度的预测模型，预测某种商品使用的是三种主要类型的洋甘菊中的哪一种。该工具能够对洋甘菊衍生的产品进行明确界定，从而提高产品质量、安全性、功效，以及利于检测掺假物和替代品。