Publisher's Synopsis
Mahonia bealei (Fort.) Carr. (M. bealei) gioca un ruolo importante nel trattamento di molte malattie. Nel presente studio, è stato sviluppato un metodo completo che combina le impronte digitali della cromatografia con fluido supercritico (SFC) e il riconoscimento dei modelli chimici (CPR) per la valutazione della qualità di M. bealei. L'analisi della somiglianza, l'analisi gerarchica dei cluster (HCA), l'analisi delle componenti principali (PCA) sono state applicate per classificare e valutare i campioni di M. bealei selvatico, M. bealei coltivato e i suoi sostituti secondo l'area del picco di 11 componenti, ma non è stato possibile ottenere una classificazione accurata. PLS-DA è stato quindi adottato per selezionare le variabili caratteristiche basate su valori di importanza variabile in proiezione (VIP) che sono responsabili di una classificazione accurata. Sei picchi caratteristici con valori VIP più alti (>=1) sono stati selezionati per costruire il modello CPR. Sulla base delle sei variabili, tre tipi di campioni sono stati accuratamente classificati in tre cluster correlati. Il modello è stato ulteriormente convalidato da un set di campioni di test e da campioni di predicazione. I risultati hanno indicato che il modello è stato stabilito con successo e la capacità predittiva è stata verificata in modo soddisfacente.
