ИСТИНА

Лекарственные препараты и продукты на основе растительных материалов представляют собой сложные образцы. Зачастую в составе таких продуктов присутствуют несколько типов растений, что делает процесс их распознавания довольно сложным. Метод масс-спектрометрического анализа считается очень информативным, а в сочетании с жидкостной хроматографией размерность полученных данных увеличивается еще на одно измерение. Каждый образец после анализа представляется в виде трехмерной матрицы (время удерживания – отношение массы к заряду – интенсивность). Основной целью нашей работы являлось создание метода, который позволяет идентифицировать различные растения в лекарственных препаратах и пищевых добавках по данным масс-спектрометрического анализа. Нами был выбран такой метод тензорного разложения, как параллельный факторный анализ (PARAFAC), который расценивается как экстраполяция метода главных компонент на данные более высокой размерности. Такой подход уменьшает число размерностей и позволяет применить к данным последующие инструменты кластеризации. PARAFAC-компоненты далее были подвергнуты разложению с помощью метода главных компонент для создания линейно независимых переменных. Затем, различные классы растений были распознаны методом k-ближайших соседей. Данный подход был разработан с использованием чистых экстрактов гербарийных образцов Glycyrrhiza glabra, Abrus precatorius, Panax ginseng. Кроме того, он был апробирован на коммерческих образцах корейского женьшеневого чая и женьшеневого улуна. Все образцы были подвергнуты ультразвуковой экстракции этанолом и проанализированы методом ВЭЖХ-МС в режиме сканирования с градиентной программой элюирования. Последовательные операции с массивами данных были выполнены с помощью языка программирования Python (при подключении специального модуля pymzML) и программы Matlab R2018b (с использованием модуля N-way toolbox). Также, были применены некоторые методы уменьшения числа переменных по каждой из осей и фильтрации шума. Дальнейшая разработка таких инструментов может быть применена для успешной оценки качества растительных продуктов, представленных на рынке. Исследование выполнено за счет гранта Российского научного фонда (проект № 17-13-01146) на Московский государственный университет.