本草物质科学研究方法与技术进展

doi:10.3724/SP.J.1123.2026.03008

色谱 ›› 2026, Vol. 44 ›› Issue (8): 847-863.DOI: 10.3724/SP.J.1123.2026.03008

本草物质科学研究方法与技术进展

刘艳芳¹, 周晗¹, 王纪霞¹, 沈爱金¹, 刘典¹, 韩阳¹, 余文怡¹, 袁斌², 王振³, 曾洁¹, 薛兴亚¹, 丰加涛¹, 郭志谋¹, 梁鑫淼¹^,^*()

^1.中国科学院大连化学物理研究所，植物化学与天然药物全国重点实验室，辽宁大连 116023
^2.赣江中药创新中心，江西南昌 330000
^3.中国科学院上海药物研究所，上海 201203

收稿日期:2026-03-23 出版日期:2026-08-08 发布日期:2026-07-30
通讯作者: *Tel：0411-84379519，E-mail：liangxm@dicp.ac.cn.
基金资助:
中国科学院基础与交叉前沿科研先导专项（B类先导专项）课题(XDB1230103);赣江新区多靶点中药新药创制基础数据集项目(2506-360000-04-04-511042)

Research methods and technological advancements in herbal material science

LIU Yanfang¹, ZHOU Han¹, WANG Jixia¹, SHEN Aijin¹, LIU Dian¹, HAN Yang¹, YU Wenyi¹, YUAN Bin², WANG Zhen³, ZENG Jie¹, XUE Xingya¹, FENG Jiatao¹, GUO Zhimou¹, LIANG Xinmiao¹^,^*()

^1.State Key Laboratory of Phytochemistry and Natural Medicines，Dalian Institute of Chemical Physics，Chinese Academy of Sciences，Dalian 116023，China
^2.Ganjiang Chinese Medicine Innovation Center，Nanchang 330000，China
^3.Shanghai Institute of Materia Medica，Chinese Academy of Sciences，Shanghai 201203，China

Received:2026-03-23 Online:2026-08-08 Published:2026-07-30
Supported by:
Strategic Priority Research Program of the Chinese Academy of Sciences, China(XDB1230103);Special Fund for Digital Economy on Budgetary Infrastructure Investment of Jiangxi Province(2506-360000-04-04-511042)

摘要/Abstract

摘要：

中药作为复杂的物质体系，长期面临“物质基础不明确、作用机理不清晰”的挑战，制约其现代化与国际化发展。为解决这一问题，“本草物质组计划”于2007年提出，旨在通过多学科技术整合，系统解析中药的物质组成、结构及其生物学功能，阐明多成分-多靶点协同作用机制。本文综述了本草物质科学研究的关键方法与技术进展：在本草物质组成与结构解析方面，液相色谱-质谱联用技术结合二维色谱、智能数据挖掘策略，实现了中药复杂化学成分的高通量表征与新化合物发现；多维高效制备色谱技术及自主研制的多维多通道分离纯化装置，突破了中药化合物规模化、系统化制备的瓶颈；核磁共振技术结合人工智能（如HSQC智能识别、深度学习模型），显著提升了结构鉴定的效率与精度。在本草物质的生物效应研究方面，靶点导向与表型导向的药理学技术（如无标记细胞整合药理学技术、热蛋白质组分析技术、亲和质谱技术）助力中药活性成分的靶点发现与机制解析；中药数据库与计算模拟技术（如虚拟筛选、分子动力学、人工智能预测模型）支撑了“多组分-多靶点”复杂互作网络的构建与模拟；结构生物学技术（尤其是冷冻电镜）为中药活性成分与靶点蛋白的相互作用提供了原子水平的结构洞察，推动了构效关系与多靶点机制的阐释。综上，分离分析、生物效应评价与计算模拟等多种技术的协同发展，正推动本草物质科学研究从“经验依赖”向“数据驱动”的范式转变。新技术的不断涌现与融合将持续揭示中药的未知领域，系统阐明其多成分多靶点的协同作用机制，深度发掘新结构、新靶点及新生物学效应，为中药传承创新和现代新药研发提供源头创新动力。

关键词: 本草物质组, 中药现代化, 多维制备色谱, 靶点发现, 人工智能, 结构生物学

Abstract:

Traditional Chinese medicine （TCM）， as a complex system of substances， has long faced the challenges of an unclear material basis and obscure mechanisms of action， which has hindered its modernization and internationalization. To address these challenges， the “Herbalome” project was launched in 2007. This initiative aims to systematically reveal the material composition， structure， and biological functions of TCM through the integration of multidisciplinary technologies， thereby elucidating the synergistic mechanisms of multi-component and multi-target interactions. This paper reviews key methodological and technological advancements in the field of herbal material science. Specifically， regarding the composition and structural identification of herbal compounds， the integration of liquid chromatography-mass spectrometry with two-dimensional chromatography and intelligent data mining strategies has enabled high-throughput characterization of the complex chemical constituents of TCMs， as well as the discovery of novel compounds. Furthermore， advancements in multidimensional high-performance preparative chromatography and the development of novel multidimensional multi-channel separation and purification devices have overcome bottlenecks in the large-scale systematic preparation of TCM compounds. Additionally， nuclear magnetic resonance technology， enhanced by artificial intelligence techniques， such as intelligent heteronuclear single quantum coherence （HSQC） recognition and deep learning models， has significantly improved the efficiency and accuracy of structural identification. In the study of the biological effects of herbal substances， target-oriented and phenotype-oriented pharmacological technologies， such as cellular label-free integrative pharmacology， thermal proteome profiling， and affinity mass spectrometry， have facilitated the discovery of targets and the elucidation of mechanisms for bioactive components in TCM. Moreover， TCM databases and computational simulation techniques， including virtual screening， molecular dynamics， and artificial intelligence prediction models， have supported the construction and simulation of complex “multi-component and multi-target” interaction networks. Structural biology techniques， particularly cryo-electron microscopy， have provided atomic-level insights into the interactions between TCM bioactive components and target proteins， advancing our understanding of structure-activity relationships and multi-target mechanisms. In conclusion， the synergistic advancement of various techniques， including separation analysis， bioeffect evaluation， and computational modelling， is driving a paradigm shift in herbal material science from “experience-dependent” to “data-driven” approaches. The ongoing emergence and integration of novel technologies will continue to reveal unexplored areas within traditional Chinese medicine， systematically elucidate its multi-component， multi-target synergistic mechanisms， and enable the in-depth discovery of novel structures， targets， and biological effects. This progress will provide innovation insights to support the inheritance and innovation of traditional Chinese medicine as well as modern drug discovery.

Key words: herbalome, modernization of traditional Chinese medicine, multidimensional preparative chromatography, target discovery, artificial intelligence, structural biology

中图分类号:

O658

刘艳芳, 周晗, 王纪霞, 沈爱金, 刘典, 韩阳, 余文怡, 袁斌, 王振, 曾洁, 薛兴亚, 丰加涛, 郭志谋, 梁鑫淼. 本草物质科学研究方法与技术进展[J]. 色谱, 2026, 44(8): 847-863.

LIU Yanfang, ZHOU Han, WANG Jixia, SHEN Aijin, LIU Dian, HAN Yang, YU Wenyi, YUAN Bin, WANG Zhen, ZENG Jie, XUE Xingya, FENG Jiatao, GUO Zhimou, LIANG Xinmiao. Research methods and technological advancements in herbal material science[J]. Chinese Journal of Chromatography, 2026, 44(8): 847-863.

图/表 7

图1 本草物质研究路线

Fig. 1 Research route of herbal materialsTCM： traditional Chinese medicine； ADMET： absorption， distribution， metabolism， excretion， toxicity.

图2 中药化合物液相色谱-高分辨串联质谱数据经典处理策略

Fig. 2 Typical strategies for LC-HRMS/MS-based identification of compounds in traditional Chinese medicine

图3 本草物质多维高效液相制备色谱技术

Fig. 3 Multi-dimensional preparative high-performance liquid chromatography technology for herbal substances 3M Prep-HPLC： multi-dimension multi-mode multi-column preparative HPLC； 1st-D： the first dimension； 2nd-D： the second dimension； 3rd-D： the third dimension； 4th-D： the fourth dimension； 5th-D： the fifth dimension； RPLC： reversed-phase liquid chromatography； HILIC： hydrophilic interaction liquid chromatography； IEC： ion exchange chromatography.

图4 核磁共振技术在结构解析中的发展

Fig. 4 Evolution of NMR techniques for structural elucidation HSQC： heteronuclear single quantum coherence； CNN： convolutional neural network； CMGNet： conditional molecular generation net； MMST： multi modal spectral transformer； AI： artificial intelligence； ACD： Advanced Chemistry Development， Inc.

表1 中药作用靶点发现技术的优势与不足

Table 1 Advantages and disadvantages of technologies for discovering targets of traditional Chinese medicine

Representative technology	Advantages	Disadvantages
Fluorescent imaging plate reader	high throughput， high sensitivity， suitable for large-scale compound library screening	requiring fluorescent dyes， potential dye toxicity or interference， limited applicability to certain targets （e.g.， non-calcium-dependent pathways）
Cellular label-free integrative pharmacology	label-free， real-time monitoring， integrated response of targets and pathways， high throughput	long detection time， complex signal analysis
Affinity mass spectrometry	high sensitivity， suitable for screening traditional Chinese medicine	inability to distinguish active properties， significant challenges in data analysis
Biotin-based target identification	enabling capture of low-abundance protein targets， precise localization	difficulty in probe design and synthesis， modifying groups may affect the binding of the compound to the target
Thermal proteome profiling	no modification required， thousands of proteins analyzed simultaneously in one experiment	limited protein types， complex data processing， difficulty in subsequent target validation

图5 中药大数据与AI驱动的数据技术体系

Fig. 5 Traditional Chinese medicine big data and AI-driven data technology system R&D： research and development； COCONUT： collection of open natural products.

图6 冷冻电镜用于中药活性成分靶点验证与结构优化研究

Fig. 6 Cryo-EM for target validation and structural optimization of TCM active componentsCryo-EM： cryogenic electron microscopy； SAR： structure-activity relationship.

参考文献

[1]	Liang X M， Qian X H， Hui Y Z. Modernization of Traditional Chinese Medicine and Materia Medica-World Science and Technology， 2007， 9（5）： 1
[1]	梁鑫淼，钱旭红，惠永正. 世界科学技术-中医药现代化， 2007， 9（5）： 1
[2]	Stone R. Science， 2008， 319（5864）： 709
[3]	Song C， Jin G， Guo Z， et al. J Chromatogr A， 2024， 1734： 465315
[4]	Song C， Yu D， Jin G， et al. Chromatographia， 2022， 85（5）： 447
[5]	Ding L， Yu D， Zhou Y， et al. J Chromatogr A， 2021， 1660： 462674
[6]	Liu D， Han Y， Chen Y， et al. Talanta， 2025， 293： 128054
[7]	Liu D， Wang J， Hou T， et al. J Adv Res， 2025， 74： 637
[8]	Xu F， Wang P， Zhang X， et al. Pharmacol Res， 2021， 163： 105173
[9]	Xu F， Hou T， Shen A， et al. J Ethnopharmacol， 2021， 280： 114488
[10]	Zhou H， Hou T， Shen A， et al. J Ethnopharmacol， 2024， 328： 118068
[11]	Sun D N， Wang Y J. Research tool， Source Gathering： Enhancing Original Innovation Capability via Sci-tech Innovation Platforms. （ 2024-10-28）［ 2026-05-15］.
[11]	孙丹宁，王永进. 科研利器，策源集聚：以科技创新平台提升原始创新能力. （ 2024-10-28）［ 2026-05-15］.
[12]	Yu Y， Yao C， Guo D. Acta Pharm Sin B， 2021， 11（6）： 1469
[13]	Shen A， Zhou W， Xiong L， et al. J Sep Sci， 2022， 45（6）： 1162
[14]	Zhang Z， Xu Y， Shen A， et al. J Chromatogr A， 2023， 1693： 463897
[15]	Qu B， Liu Y， Shen A， et al. Analyst， 2023， 148（1）： 61
[16]	Liu D， Liu Y， Shen A， et al. Talanta， 2022， 239： 123069
[17]	Yu W， Fu C， Zhou H， et al. J Chromatogr A， 2022， 1679： 463379
[18]	Zhang Z， Yu W， He X， et al. Talanta， 2025， 293： 128141
[19]	Yu W， Zheng X， Li X， et al. J Chromatogr A， 2024， 1734： 465288
[20]	Cai Y， Zhou Z， Zhu Z-J. TrAC-Trends Anal Chem， 2023， 158： 116903
[21]	Dührkop K， Nothias L， Fleischauer M， et al. Nat Biotechnol， 2021， 39（4）： 462
[22]	Carr P W， Wang X， Stoll D R. Anal Chem， 2009， 81（13）： 5342
[23]	Wei L， Zhang K， Fang Y X， et al. Guangdong Chemical Industry， 2005（11）： 11
[23]	魏莉，张焜，方岩雄，等. 广东化工， 2005（11）： 11
[24]	Wang X R， Qi J P， Wu X Q， et al. Chinese Journal of Analysis Laboratory， 2014， 33（12）： 1476
[24]	王欣然，齐建平，吴夏青，等. 分析试验室， 2014， 33（12）： 1476
[25]	Zhou X Y， Kong W H， Yu D X， et al. Chinese Journal of Chromatography， 2025， 43（7）： 830
[25]	周新颖，孔维恒，于徳秀，等. 色谱， 2025， 43（7）： 830
[26]	Sang M， Pan N， Wu J， et al. Mar Drugs， 2024， 22（6）： 285
[27]	Jiang S X， Liu X. Scientia Sinica （Chimica）， 2009， 39（8）： 687
[27]	蒋生祥，刘霞. 中国科学（B辑：化学）， 2009， 39（8）： 687
[28]	Vudatha K K， Sundararajan R， Nalla L V， et al. J Sep Sci， 2025， 48（4）： e70148
[29]	Šmídová B， Šatínský D， Dostálová K， et al. Talanta， 2017， 166： 249
[30]	Xu Y， Liu Y， Zhou H， et al. Talanta， 2023， 251： 123738
[31]	Wei H， Han Y， Wang J， et al. Bioorganic Chem， 2021， 107： 104517
[32]	Wei H-L， Zhao Y-P， Wang J-X， et al. Bioorganic Chem， 2022， 127： 106027
[33]	Wei H-L， Han Y， Zhou H， et al. Phytochemistry， 2022， 194： 113015
[34]	Yuan B， Zhang C， Ji C， et al. Anal Chem， 2025， 97（6）： 3227
[35]	Kim H W， Zhang C， Reher R， et al. J Cheminformatics， 2023， 15（1）： 71
[36]	Burns D C， Mazzola E P， Reynolds W F. Nat Prod Rep， 2019， 36（6）： 919
[37]	Wenk M， Nuzillard J-M， Steinbeck C. Molecules， 2023， 28（3）： 1448
[38]	Hu F， Chen M S， Rotskoff G M， et al. ACS Central Sci， 2024， 10（11）： 2162
[39]	Yao L， Yang M， Song J， et al. Anal Chem， 2023， 95（12）： 5393
[40]	Priessner M， Lewis R J， Lemurell I， et al. Angew Chem-Int Edit， 2026， 65（2）： e17611
[41]	Markossian S， Grossman A， Baskir H， et al. Assay Guidance Manual. Bethesda： Eli Lilly & Company and the National Center for Advancing Translational Sciences， 2004
[42]	Zhou H， Hou T， Gao Z， et al. J Ethnopharmacol， 2021， 278： 114335
[43]	Schröder R， Schmidt J， Blättermann S， et al. Nat Protoc， 2011， 6（11）： 1748
[44]	Fang Y. Assay Drug Dev Technol， 2006， 4（5）： 583
[45]	Muchiri R N， van Breemen R B. J Mass Spectrom， 2021， 56（5）： e4647
[46]	Zhang B， Zhao S， Yang D， et al. ACS Central Sci， 2020， 6（2）： 213
[47]	Liu Y， Patricelli M P， Cravatt B F. Proc Natl Acad Sci U S A， 1999， 96（26）： 14694
[48]	Ma T， Tian X， Zhang B， et al. Nature， 2022， 603（7899）： 159
[49]	Zhang X W， Feng N， Liu Y C， et al. Sci Adv， 2022， 8（32）： eabo0789
[50]	Savitski M M， Reinhard F B， Franken H， et al. Science， 2014， 346（6205）： 1255784
[51]	Han Q T， Yang W Q， Zang C， et al. Signal Transduct Target Ther， 2023， 8（1）： 101
[52]	Dziekan J M， Yu H， Chen D， et al. Sci Transl Med， 2019， 11（473）： eaau3174
[53]	Bilia A R， Frater-Schröder M， Krenn L， et al. Phytomedicine， 2010， 18（1）： 88
[54]	Afendi F M， Okada T， Yamazaki M， et al. Plant Cell Physiol， 2012， 53（2）： e1
[55]	Chandrasekhar V， Rajan K， Kanakam S R S， et al. Nucleic Acids Res， 2025， 53（D1）： D634
[56]	Ru J L， Li P， Wang J N， et al. J Cheminformatics， 2014， 6： 13
[57]	Wu Y， Zhang F L， Yang K， et al. Nucleic Acids Res， 2019， 47（D1）： D1110
[58]	Gao K， Liu L， Lei S， et al. Nucleic Acids Res， 2025， 53（D1）： D1404
[59]	Li X-l， Zhang J-q， Shen X-j， et al. Acta Pharmacol Sin， 2025， 46（2）： 235
[60]	Lv Q J， Chen G X， He H H， et al. Signal Transduct Tar， 2023， 8（1）： 127
[61]	Wang Y L， Shi X M， Li L， et al. Am J Chin Med， 2021， 49（6）： 1297
[62]	Pan D P， Guo Y L， Fan Y F， et al. Am J Chin Med， 2024， 52（3）： 605
[63]	Song Z， Chen G， Chen C Y-C. Chem Sci， 2024， 15（41）： 16844
[64]	Yu Q， Xie X， Tang H， et al. World J Microbiol Biotechnol， 2026， 42（6）： 264
[65]	Tang H， Hou T， Zhou H， et al. Bioorganic Chem， 2024， 147： 107387
[66]	Wang W， Liu Y， Liu D， et al. J Agric Food Chem， 2024， 72（28）： 15704
[67]	Zhao X， Hou T， Zhou H， et al. Fitoterapia， 2023， 171： 105712
[68]	Ma S， Liu J， Li W， et al. Chin Med， 2023， 18（1）： 43
[69]	Wang L X， Zhang Z Y Y， Lin M H， et al. Front Pharmacol， 2025， 16： 1596655
[70]	Gimeno A， Ojeda-Montes M J， Tomás-Hernández S， et al. Int J Mol Sci， 2019， 20（6）： 1375
[71]	Lin Y M， Zhang Y， Wang D Y， et al. Phytomedicine， 2022， 107： 154481
[72]	Stanzione F， Giangreco I， Cole J C. Prog Med Chem， 2021， 60： 273
[73]	De Vivo M， Masetti M， Bottegoni G， et al. J Med Chem， 2016， 59（9）： 4035
[74]	Ahmed M， Maldonado A M， Durrant J D. BMC Biol， 2023， 21（1）： 299
[75]	Swanson K， Walther P， Leitz J， et al. Bioinformatics， 2024， 40（7）： btae416
[76]	Xu H Y， Zhang Y Q， Wang P， et al. Acta Pharm Sin B， 2021， 11（6）： 1379
[77]	Ruchawapol C， Fu W W， Xu H X. Phytomedicine， 2022， 104： 154324
[78]	Zhou E， Shen Q， Hou Y. Front Pharmacol， 2024， 15： 1181183
[79]	Lin A X， Chan G， Hu Y J， et al. Chin Med， 2018， 13： 9
[80]	Atanasov A G， Zotchev S B， Dirsch V M， et al. Nat Rev Drug Discov， 2021， 20（3）： 200
[81]	Kühlbrandt W. Science， 2014， 343（6178）： 1443
[82]	Nogales E. Nat Methods， 2016， 13（1）： 24
[83]	Lyu Q， Xue W， Liu R， et al. Nature， 2024， 634（8035）： 936
[84]	Smyth M S， Martin J H. Molecular Pathology， 2000， 53（1）： 8
[85]	Kwan A H， Mobli M， Gooley P R， et al. FEBS J， 2011， 278（5）： 687

本草物质科学研究方法与技术进展

Research methods and technological advancements in herbal material science

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

扫码分享

图/表 7

参考文献

相关文章 3

编辑推荐

Metrics

[1]	丰静, 夏东海, 宋春颖, 漆义, 金高娃, 刘艳芳, 梁鑫淼, 俞冬萍, 郭志谋. 2020年以来高效色谱材料的开发及其在本草物质组中的应用[J]. 色谱, 2026, 44(8): 864-876.
[2]	梁恒, 罗元园. 从色谱分离到智慧医疗所涉及共同的数学物理本质:不可逆性[J]. 色谱, 2019, 37(4): 367-375.
[3]	梁鑫淼，丰加涛,金郁,郭志谋,徐青. 中药质量控制技术发展展望[J]. 色谱, 2008, 26(2): 130-135.