一种整合工作流程：结合机器学习与基因组网络分析（GNPS），用于识别蜂蜜处理后的麻黄草（Ephedra sinica Stapf）中的关键抗炎成分

《Chemistry & Biodiversity》：An Integrative Workflow Combining Machine Learning and GNPS to Identify Key Anti-Inflammatory Constituents in Honey-Processed Ephedrae Herba (Ephedra sinica Stapf)

本研究通过生物活性评价、质谱及机器学习，从蜂蜜处理麻黄草（HEH）的Fr C中鉴定出150种化合物，筛选出14个潜在抗炎成分，实验验证4种黄酮类和生物碱显著抑制炎症介质释放，阐明HEH抗炎机制，提供中药活性成分分析新策略。

摘要

麻黄草（Ephedrae Herba，EH）是一种传统中药，长期以来被用于治疗哮喘。通常将其与蜂蜜一起加工，制成蜂蜜加工麻黄草（HEH），这种形式被认为可以增强治疗效果。本研究采用了一种综合方法，结合生物活性评估、质谱技术和机器学习，以识别HEH中的关键抗炎成分。通过柱色谱法将HEH提取物分离成五个组分。在脂多糖（LPS）诱导的RAW 264.7巨噬细胞中评估了其抗炎活性，结果发现C组分对一氧化氮（NO）、肿瘤坏死因子-α（TNF-α）、白细胞介素-1β（IL-1β）和IL-6的生成具有最强的抑制作用。使用UPLC-四极杆飞行时间质谱仪（Q-TOF-MS）和基于全球天然产物社会分子网络（GNPS）的分子网络技术，初步鉴定了C组分中的150种化合物。通过机器学习模型（InflamNat）和分子对接分析，预测有14种化合物具有抗炎潜力。根据对接得分并经过实验验证，选择了4种高优先级化合物。这些化合物均显著抑制了一氧化氮和促炎细胞因子的释放（p < 0.01）。结果表明，HEH增强的抗炎活性归因于其中的黄酮类和生物碱成分，这为其在哮喘等炎症性疾病中的传统应用提供了化学依据。我们的发现不仅阐明了HEH的化学基础，还展示了一种快速识别加工草药中生物活性化合物的强大分析策略。

图形摘要

本研究采用了一种综合方法，结合生物活性评估、质谱技术和机器学习，识别出蜂蜜加工麻黄草（HEH）中的关键抗炎成分。分离实验显示该提取物具有高度抗炎活性，能够抑制巨噬细胞中的炎症介质。随后的UPLC-Q-TOF-MS分析、分子网络分析和预测建模确定了150种化合物，其中14种化合物被认定为潜在的抗炎活性物质。实验验证证实，特定的黄酮类和生物碱能够显著抑制促炎细胞因子的释放，从而阐明了HEH的化学作用机制。

利益冲突

作者声明没有利益冲突。

数据可用性声明

由于本研究未生成或分析新的数据，因此不适用数据共享的规定。