Nature子刊|加速中药现代化进程 质谱代谢组解析药用植物

中药作为中华传统医学的瑰宝，有着五千多年历史，在中国、韩国、日本等国的疾病预防和治疗相关医疗保健中广泛应用。基于串联质谱技术（MS/MS）的非靶向代谢组，适合于研究中药复杂成分及对其代谢物定性定量分析。

2022年8日27日，韩国首尔大学Sang Hee Shim教授在Nature子刊Scientific Data上发表了题为Mass spectrometry data on specialized metabolome of medicinal plants used in East Asian traditional medicine的文章，构建了韩国药典中收录的337种中药的原始液相色谱-串联质谱（LC-MS/MS）数据集，以及从中药中分离的223种化学物质的光谱参考库。可作为基于MS/MS的药用植物特殊代谢物非靶向代谢组学分析的参考数据集。

中药作为我国的传统医药，有着悠悠五千多年历史，是伟大祖先在长期实践中积累起来的宝贵经验和财富。现今，人们更加注重自然健康，加之对于一些疑难病症，西药显得无能为力，这加速了中药的研究与开发。公元6世纪，中药随着佛教和中国传统文化从中国传入韩国和日本。从那时起，中药便在漫长的历史中被广泛使用。现今，中药在中、日、韩三国及其他东亚国家的公共卫生保健中仍然发挥着重要作用。

中药的药效往往与几种中药成分有关，其中抗疟疾的青蒿素是最具代表性的例子。中药复杂成分进行高通量分析，对于中药研究和中药现代化至关重要。串联质谱 (MS/MS)，尤其是与液相色谱（LC）连用的LC-MS/MS，最常用于药用植物分析。基于串联质谱的非靶向代谢组学可用于评估药用植物和相关药膳的质量，可用于发现生物活性化合物。

尽管该技术应用越来越广，但公共数据库中仅保存了少数可靠质量可控的药用植物的串联质谱数据。随着非靶向代谢组学向多个领域扩展，公开可用数据库的重要性愈发凸显。

MASST和ReDU的相继推出，标志着基于串联质谱的非靶向代谢组学研究对公共数据集的需求日益增加。MASST（masst.ucsd.edu）是一个查询公共小分子串联质谱数据的搜索工具，类似于计算机本地对核酸、蛋白序列进行局部比对的算法工具BLAST和SRA。MASST可用所有主要公共质谱数据库搜索串联质谱分子：包括MassIVE、Metabolights和 Metabolomics Workbench。ReDU（https://redu.ucsd.edu/）是一个基于公共质谱的代谢组学数据元数据捕获系统。ReDU支持多种类型的分析，包括查找化学物质和相关的元数据，比较样品组之间共有和差异的化学物质及分子代谢网络。

本研究构建的数据库称为KP337数据集，因该数据集中的大多数药用植物都收录在韩国药典（KP）中。数据并未涵盖韩国药典中记录的全部药用植物，但涵盖了大部分常用药用植物。数据库记录了MassIVE原始数据存储库中337种药用植物的公开可用和可重新分析的原始LC-MS/MS数据集，与全球天然产物分子网络（GNPS, https://gnps.ucsd.edu）连接。GNPS是一个基于Web的质谱生态系统，旨在成为社区范围内组织和共享原始、处理或注释的碎片质谱数据（MS/MS）的开放访问知识库。GNPS有助于在数据的整个生命周期中进行识别和发现；从最初的数据采集/分析到发布后。GNPS提供了分析数据集并将其与所有公开可用数据进行比较的能力，GNPS-Community库已扩展至包含来自全球55个机构的1325种化合物的2224个MS/MS谱图。

中药中常用药用植物及分类覆盖范围

KP337数据集包括正离子和负离子模式采集的原始LC-MS/MS 数据，以及为与ReDU9兼容而格式化的元数据。因此，该数据集支持数据再次利用，例如基于光谱相似性的光谱注释比较分析。最近，利用黄酮C-糖苷类相关的数据集建立GNPS光谱库的案例展示了公共数据集对光谱注释的适用性。KP337数据集也可用于MS/MS的MASST搜索，查找药用植物中可能出现的活性分子物质。

天然产物发现中，已知化合物经常被忽略且未报告。然而，已知化学物质可对药用植物的药用或生物学特性提供新的见解，目前的数据集可以通过MASST获得此类发现。此外，已知或未知化合物的数据可以驱动参考数据的分析，可纳入基于MS/MS的非靶向代谢组学的工作流程。

研究者还报告了为建立从中药中获得生物活性化合物的MS/MS光谱库所做的工作。尽管前期从药用植物中发现了多种植物化学物质，但大多数天然化学物质收藏分布于不同的实验室，其MS/MS谱图尚未报道。对单萜吲哚生物碱二级质谱数据库（MIADB）和异喹啉生物碱和其他非甾体代谢物数据库 （IQAMDB）进行测试，这些数据库是用各种天然产物化学实验室历史收藏的化合物构建的光谱库，研究者从首尔大学天然产物研究所（SSK Legacy Library，以Sam Sik Kang命名，历时30年编译了该库）获得的223种纯植物化学物质，构建了一个MS/MS光谱库。以正离子（ESI+）和负离子（ESI-）模式采集所有电离分子的MS/MS光谱，得到184个正离子模式和152个负离子模式光谱，排除了在每种电离模式下电离效率低的化合物。该光谱库将加速未来药用植物代谢组学研究中植物化合物的注释。

正离子（左）和负离子（右）模式质谱解析产生的中药活性化合物

实验方法和技术如下：

样品制备

-337种药用植物的萃取物，以2mg/mL溶解于甲醇用于LC-MS/MS分析。

-收集了首尔大学Sam Sik Kang教授从各种药用植物中分离出的223种化合物，并结合NMR光谱进行结构鉴定。

LC-MS/MS数据采集

-Waters Acquity UPLC系统与配备电喷雾电离接口（ESI）的Xevo G2 Q-TOF质谱仪耦合进行数据采集。

-使用 Waters BEH C18色谱柱（50×2.1mm, 1.7μm）进行色谱分离。

数据依赖型串联质谱法（DDA）。

基于分子代谢网络的KP337数据集

-对正离子模式和负离子模式获得的药用植物数据集进行经典分子代谢网络分析。

-正离子模式数据产生了16533个光谱节点，而负离子模式数据产生了6570个光谱节点。

-注释的药物活性分子中，苯丙烷和聚酮类物质占比最多。可能是由于药用植物的多酚含量高。

-由于含氮化合物为碱性物质，有机氮化合物和生物碱及其衍生物仅在基于正离子数据模式中检测到。

-正离子和负离子模式下，81.6%（16533个中的13488个）和76.2%（6570个中的5005个）分别未注释。看似有些低，但研究者指出，每个分子家族的类别仅基于光谱匹配进行注释。可公开获得的参考光谱数量仍远低于已知植物化学物质的数量；因此，计算机光谱注释方法的应用将增加注释率。

药物活性成分的光谱验证

-纯化的化学物质的结构通过核磁共振（NMR）和MS光谱验证。