Ученые из Сколтеха и МГУ показали, что с помощью машинного обучения можно проводить идентификацию лекарственных растений, основываясь на данных высокоэффективной жидкостной хроматографии и масс-спектрометрии (ВЭЖХ-МС).

photo credit: hkpuipui99

photo credit: hkpuipui99

В последние годы развивается рынок лекарственных растений и препаратов на их основе. Тем не менее, до сих пор не разработаны эффективные способы оценки качества растительного материала, применяемого при производстве таких лекарственных средств. Различные проверки подобных препаратов иногда демонстрируют отсутствие в них заявленного лекарственного растения.

Исследователи предлагают применять к данным ВЭЖХ-МС анализа экстрактов растений методы машинного обучения. ВЭЖХ-МС — распространенный в аналитической химии метод, позволяющий определять химический состав той или иной смеси. В данной работе ученые проанализировали образцы по 36-ти видам лекарственных растений и применили методы машинного обучения для их идентификации. Данные методы могут позволить автоматизировать процесс проверки качества растительных лекарственных препаратов. На данный момент перед учеными стоит множество сложностей, главная из которых — недостаток исходных данных. Получить эти данные не так просто, так как исходные образцы должны быть достаточно разнообразными для устойчивости подхода к особенностям отдельных представителей вида (например, климатические условия роста, особенности почв), и в то же время данные по растениям требуют стандартизации: способ получения экстрактов растений существенно влияет на результат ВЭЖХ-МС анализа, и поэтому экстракцию всех растений следует проводить строго одинаковым способом. Вместе с тем в перспективе подобный подход может использоваться организациями, контролирующими поступающие на рынок лекарственные препараты.

Результаты работы опубликованы в журнале Chemometrics and Intelligent Laboratory Systems.