Publisher's Synopsis
Mahonia bealei (Fort.) Carr. (M. bealei) spielt eine wichtige Rolle bei der Behandlung vieler Krankheiten. In der vorliegenden Studie wurde eine umfassende Methode entwickelt, die Fingerabdrücke der superkritischen Flüssigkeitschromatographie (SFC) und chemische Mustererkennung (CPR) zur Qualitätsbewertung von M. bealei kombiniert. Ähnlichkeitsanalyse, hierarchische Clusteranalyse (HCA) und Hauptkomponentenanalyse (PCA) wurden angewandt, um die Proben von wildem M. bealei, kultiviertem M. bealei und seinen Substituten anhand der Peakfläche von 11 Komponenten zu klassifizieren und zu bewerten, aber eine genaue Klassifizierung konnte nicht erreicht werden. Anschließend wurde PLS-DA eingesetzt, um die charakteristischen Variablen auf der Grundlage von VIP-Werten auszuwählen, die für eine genaue Klassifizierung verantwortlich sind. Sechs charakteristische Peaks mit höheren VIP-Werten (>=1) wurden für die Erstellung des CPR-Modells ausgewählt. Auf der Grundlage der sechs Variablen wurden drei Arten von Proben genau in drei verwandte Cluster klassifiziert. Das Modell wurde durch eine Testgruppe von Proben und eine Prädikationsgruppe von Proben weiter validiert. Die Ergebnisse zeigten, dass das Modell erfolgreich erstellt wurde und auch die Vorhersagefähigkeit wurde als zufriedenstellend bestätigt.
