HPLC:n sormenjäljet ja spektrin ja kasvainvastaisen vaikutuksen suhde syrjintään Mylabris Phalerata Pallasin ja Mylabris Cichorii Linnaeuksen välillä

Yhteystiedot: emily.li@wecistanche.com

Jian-Yong Zhang, Qi-Hong Chen, Xian Pei1, Rong Yan, Can-Can Duan, Yun Liu4, Xiao-Fei Li

1 Farmasian korkeakoulu, Zunyin lääketieteellinen yliopisto, Zunyi, Kiina,

2 Opetusministeriön farmakologian peruslaboratorio ja opetusministeriön yhteinen kansainvälinen etnomedikiinin tutkimuslaboratorio, Zunyin lääketieteellinen yliopisto, Zunyi, Zunyi, Guizhou, Kiina.

3 Lääketieteellisten perustieteiden korkeakoulu, Zunyin lääketieteellinen yliopisto, Zunyi, Kiina, 4Guizhou Provincial College -pohjainen avainlaboratorio kasvainten ehkäisemiseksi ja hoitamiseksi erottuvilla lääkkeillä, Zunyin lääketieteellinen yliopisto, Zunyi, Kiina.

Klikkaa tästä saadaksesi lisätietoja Cistanche-kasvainvastaisuudesta

Kohokohdat

Tämä tutkimus tarjoaa soveltuvan, uskottavan ja tehokkaamman HPLC-menetelmän kahden Mylabris-lajin syrjimiseen. Ja HPLC-sormenjäljet ja spektri-kasvainvastaiset vaikutuksetintegroitiin ja kolme tärkeää differentiaalimerkkiä löydettiin uudelle Mylabris-merkille.

Abstrakti

Tarkoitus: Kahden Mylabris-lajin välisen syrjinnän arviointi HPLC-sormenjälkien ja -taajuuksien perusteellakasvainvastainen vaikutussuhde. Menetelmät: Tässä tutkimuksessa yksinkertainen ja tehokas korkean suorituskyvyn nestekromatografiamenetelmä (HPLC), joka integroituu kemometriseen analyysiin ja spektriin-kasvainvastainen vaikutussuhde kehitettiin kahden Mylabris-lajin väliseen syrjintään: Mylabris phalerata Pallas (MP) ja Mylabris cichorii Linnaeus (MC). Tulokset: Sormenjälkianalyysissä valittiin 14 ominaisuushuippua mp: n ja MC: n välisten erojen arvioimiseksi käyttämällä samankaltaisuuden ja kuviontunnistusanalyysiä PCA: n ja OPLS-DA: n avulla. Kiinan 10 alueelta peräisin olevien näytteiden HPLC-kromatogrammit osoittivat eroja MP: n ja MC: n välillä, ja 7 tyypillistä kemiallista markkeria löydettiin. Spektrissä-kasvainvastainen vaikutussuhdeanalyysillä, 4 aktiivisuusmarkkerilla oli tärkeä rooli IC50: n vähentämisessä, ja ne saattavat olla Mylabrisin kasvainvastaisia komponentteja harmaan relaatioanalyysin ja monimuuttujaisen lineaarisen regressioanalyysin avulla. Kemometrinen analyysi yhdessä spektri-vaikutussuhdetulosten kanssa osoitti, että huiput 2 (sytosiini), 4 (tuntematon) ja 14 (tuntematon) olivat tärkeitä differentiaalimarkkereita kahden Mylabris-lajin erottamiseksi.

Johtopäätös: Menetelmä on sovellettavissa, uskottava ja tehokkaampi erottamaan MP: tä ja MC: tä, ja se tarjoaa uuden tavan helpottaa hyönteislääkkeiden laadunvalvontaa.

Avainsanat: HPLC, Sormenjäljet, Spectrum-kasvainvastainen vaikutus, Mylabris, Syrjintä

Tausta

Mylabrista, jota kutsutaan Kiinassa ban maoksi, on käytetty perinteisenä kiinalaisena lääkkeenä (TCM) furunclen, syvälle juurtuneiden haavaumien, vatsan massan hoitoon, ja se on tärkeäAntitumoragentti. Lisäksi sitä käytetään laajalti Euroopassa kansanlääketieteenä [1]. Mylabriksen tärkein aktiivinen ainesosa on kantaridiini, joka on tehokaskasvainvastainenyhdiste [2]. Nykyaikaiset farmakologiset tutkimukset ovat osoittaneet, että Mylabrisilla on useita toimintoja, ja sitä arvostetaan kasvainten hoidossa sen kaksoiskappaleen vuoksisyövän vastainenominaisuudet ja kyky lisätä leukosyyttien määrää [3-4]. Tällä hetkellä Mylabrista on käytetty laajalti joissakin kliinisissä antikarsinooman TCM-resepteissä Kiinassa, kuten Aidi-injektiossa ja Compound ban mao -kapselissa.

Kiinan kansantasavallan farmakopean (vuoden 2015 versio) mukaan Mylabris määritellään Mylabris phalerata Pallasin (MP) ja Mylabris cichorii Linnaeuksen (MC) kuivatuksi ruumiiksi, jotka eroavat kasvitieteellisistä ominaisuuksistaan, populaatiodynamiikastaan ja ekologiastaan [5-6]. Mylabris on myös erittäin myrkyllinen lääke. Koska Kiinassa saatavilla olevat lääkkeet ovat yleensä MP: n ja MC: n sekoitus, on tarpeen tunnistaa näiden kahden lajin väliset kemialliset ja aktiivisuuserot.

Koska TCM: t sisältävät lukuisia tunnettuja ja tuntemattomia ainesosia, niiden kemiallisten ainesosien kvantitatiivinen profiilianalyysi on merkittävä haaste. Korkean suorituskyvyn nestekromatografian (HPLC) sormenjälkien ottamisella on tärkeä rooli TCM: n laadunvalvonnassa,koska se on yleisesti profiiliominaisuuksiltaan useimmissa monimutkaisen järjestelmän yhdisteissä. Lisäksi TCM:ien sormenjälkianalyysillä on hyvä toistettavuus ja vakaus lajien todentamista ja laadun arviointia varten, ja Maailman terveysjärjestö, Kiinan valtion elintarvike- ja lääkevirasto (SFDA) ja Euroopan lääkearviointivirasto (EMEA) hyväksyvät sen. Äskettäin QC:lle on kehitetty kemometrinen analyysi, jossa yhdistyvät HPLC-sormenjäljet ja joka syrjii erilaisia monimutkaisia luonnollisia lähteitä [7]. On kuitenkin tehotonta erottaa TCM:ien eroja, koska se ei pysty heijastamaan aktiivisten ainesosien eroja, mikä on tärkeämpää kliinisessä käytössä. Toistaiseksi spektri-Antitumor vaikutussuhdemenetelmiä on käytetty TCM: ien bioaktiivisten ainesosien onnistuneeseen tunnistamiseen [8]. HPLC-sormenjäljet yhdistettynä kemometriseen analyysiin ja spektrin ja kasvainvastaisen vaikutuksen suhteeseen selventävät paremmin useiden TBM-lähteiden eroa.

Viime aikoina on raportoitu joitakin menetelmiä kantaridiinipitoisuuden määrittämiseksi, jota voidaan käyttää Mylabrisin laadun määrittämiseen [9]. Joitakin kromatografisia sormenpainatuksia sovellettiin myös QC: hen [10-11]. Vain yhdessä tutkimuksessa käytettiin menetelmää, johon sisältyi Mylabrisin vesiliukoisten yhdisteiden gradienttieluutio HPLC:n perusteella. Samaan aikaan käytettiin vain kymmentä näytettä, eikä MC-näytteitä [12]. Tietojemme mukaan MP: n ja MC: n erottamista kemiallisen koostumuksen ja aktiivisuuden perusteella ei ole aiemmin tutkittu.

Tämän tutkimuksen tarkoituksena oli kehittää yksinkertainen ja tehokas menetelmä kahden Mylabris-lajin erottamiseksi HPLC-sormenjälkien avulla yhdistettynä kemometriseen analyysiin ja spektriin.Antitumorvaikutussuhde, joka tarjoaa perustan Mylabrisin QC: lle. Tätä menetelmää voitaisiin soveltaa myös muiden TCM:ien QC-markkerin tunnistamiseen.

Materiaalit ja menetelmät

Yhteensä 20 erää Mylabris phalerata Pallasia (MP) ja Mylabris cichorii Linnaeusta (MC) kerättiin Kiinan eri maakunnista (taulukko 1) ja professorimme Xiao-Fei Li tunnisti sen. Kuponkinäytteet talletettiin laboratorioihimme.

Vertailustandardi sytosiini, uridiini, guanosiini ja adenosiini ostettiin ChengduPush Biotechnology Co., Ltd.:ltä (Chengdu, Kiina). HPLC-luokan asetonitriili ja metanoli ostettiin Thermofisher Scientificilta (Fairlawn, NJ, USA). Watsonin puhdasta vettä käytettiin koko tutkimuksen ajan. Muut kemikaalit ja liuottimet olivat analyyttisiä ja niitä saatiin Aladdin Reagenssista (Shanghai, Kiina), Chengdu Kelong Reagenssista (Chengdu, Kiina) ja Sinopharm Chemical Reagentista (Peking, Kiina)

Laitteet ja kromatografiset olosuhteet

HPLC-analyysi suoritettiin käyttäen Agilent 1260 Infinity HPLC -järjestelmää 30 °C:ssa Phenomenex Synergy Polar-RP80:ssa (4,6 mm ×250 mm, 5 μm) sormenjälkien ottamista varten. Erottamiseen käytettiin lineaarista gradienttieluutiota eluenteilla A (vesi/jääetikkahappo, 100:1, v/v) ja B (metanoli). Kaltevuusohjelma kehitettiin seuraavasti: 0-1 min, 3,0-4,6% B; 1-9 min, 4,6-6,8% B; 9-25 min, 6,8-51,0% B; 25-30 min, 51,0-100%. Liikkuvan vaiheen virtausnopeus oli 1,0 ml/min. Kromatogrammia seurattiin nopeudella 254 nm. 15 minuutin tasapainotusjakson jälkeen injektiona käytettiin 10 μl näytteitä.

Näytteen valmistelu

Kuivatut näytteet murskattiin jauheeksi, ja 2,5 g kutakin jauhettua näytettä uutetaan kahdesti 50 ml:lla 75-prosenttista etanolia refluksilla 1,5 tunnin ajan joka kerta. Uutettu näyte sekoitettiin ja konsentroidaan alennetussa paineessa 20 ml:aan. Tämän jälkeen seosta saostettiin 80 ml:lla vettä 24 tunnin ajan 4 °C:n lämpötilassa. Myöhemmin uutetta sentrifugoitiin 3000 g min-1: ssä 10 minuutin ajan supernatantin erottamiseksi. Supernatantti konsentroitiin alennetussa paineessa 25 ml: aan. Lopuksi supernatantti suodatettiin 0,22 μm Millipore -kalvon läpi ennen HPLC-analyysiä.

Menetelmien validointi

HPLC-menetelmän tarkkuus, toistettavuus ja stabiilisuus (0 h, 2 h, 4 h, 8 h, 12 h, 24 h) validoitiin. Validointi arvioitiin retentioajan (RT) ja huippualueen (PA) perusteella. Lopuksi perustettiin kemialliset sormenjäljet 20 Mylabris-erästä useiden yhdisteiden integroitujen kemiallisten ominaisuuksien tunnistamiseksi. Kemiallisessa sormenjäljessä otettiin käyttöön joitakin kemometrisiä tekniikoita analysointia varten.

Hahmontunnistuksen analyysi

Kahden huippualueen lajin väliset erot arvioitiin tilastollisen merkitsevyyden suhteen parittoman opiskelijan t-testin avulla. P-arvoa, joka oli alle 0,05, katsottiin tilastollisesti merkitseväksi. Klassisena valvomattomana menetelmänä pääkomponenttianalyysiä (PCA) käytetään laajalti tilastollisten tietojen analysointiin. Monien muuttujien käyttämisen sijaan PCA ottaa pienen määrän tietokoneita menettämättä paljon tietoa, ja pistekaaviot visualisoidaan sitten havaintojen vapaata erottamista varten. Tässä tutkimuksessa PCA tehtiin KUNKIN HPLC-sormenjälkien komponentin normalisoiduilla huippualueilla käyttäen SIMCA-P+14.0-ohjelmistoa (Umetrics, Umea, Ruotsi) kahden Mylabris-lajin välisen syrjinnän löytämiseksi.

Kahden Mylabris-lajin välisen edullisemman syrjinnän vuoksi sovellettiin valvottua ortogonaalisen osittaisen pienimmän neliösumman syrjivän analyysin menetelmää (OPLS-DA) analysoimaan eroja kunkin komponentin normalisoiduilla huippualueilla HPLC-sormenjäljissä. VIP-arvo on OPLS-painojen neliöiden painotettu summa, joka heijastaa kunkin X-muuttujan suhteellista vaikutusta malliin. MUUTTUJIA, joissa on VIP > 1, sekä S-tonttia pidettiin vaikuttavina näytteiden erottamiseen OPLS-DA-analyysistä tuotetuissa pistekaavioissa. Sitten saatiin tyypilliset kemialliset markkerit syrjinnälle.

Spektrin ja kasvainvastaisen vaikutuksen suhdeanalyysi

Voit tutustuakasvainvastainenvaikuttaa sormenjälkitietoihin integroitujen Mylabris-näytteiden huippupinta-alaan ja vertaa näiden kahden lajin välisiä eroja, sormenjäljen huipun jaanti-kasvainvaikutuksia tutkittiin. SPSS19.0 (IBM, USA) ja GM6.0 soft (Grey Systems Theory Institution, NUAA, Kiina) käyttivät kahta menetelmää, joissa yhdistettiin harmaa relaatioanalyysi ja monimuuttujainen lineaarinen regressioanalyysi (MLRA). Sitäanti-kasvaintesti suoritettiin julkaistuilla menetelmillämme [12], ihmisen hepatosellulaarisen karsinoomasolulinjan HepG2-solut säilyivät RPMI1640-väliaineessa, jota täydennettiin 10%: lla sikiön naudan seerumilla. Solut kasvatettiin kostutetussa ilmakehässä, joka sisälsi 5% CO2: ta 37  C: ssa. SRB-menetelmää käytettiin proliferaatioiden mittaamiseenanti-kasvainToimintaa, sitten laskettiin HepG2-solujen IC50, lopuksi IC50: tä ja normalisoituja huippualueita käytettiin kemometriseen analyysiin. Sitten saatiin Mylabrisin tyypilliset aktiivisuusmerkit.

Tulokset ja keskustelu

Uuteolosuhteiden optimointi

Vesiliukoisten yhdisteiden riittävää uuttamista varten Mylabrisista uuttojärjestelmä optimoitiin. Ultraääni- ja refluksitoiminta osoitti, että nämä yhdisteet voitaisiin poistaa optimaalisesti refluksilla.

HPLC-menetelmän optimointi

Maksimaalisten kromatografisten piikkien saamiseksi yrtin kokonaispiirteen kuvaamiseksi tutkittiin kromatografisen kolonnin, liikkuvan faasin ja detektioaaltopituuksien (200, 254, 265 ja 278 nm) koostumusta. Tulokset osoittivat, että Phenimenex Synergy Polar-RP80 -pylväs, vesi (joka sisältää 1% jääetikkaa) ja metanoli ja 254 nm olivat parhaat olosuhteet Mylabris HPLC -analyysille (kuva 1), 4 standardiaineen rakenne on esitetty kuvassa 2.

Menetelmän validointi

Tässä tutkimuksessa 14 huippua erotettiin hyvin ja niitä käytettiin "yleisinä huippuina". Tarkkuus, toistettavuus ja stabiilisuus perustuivat retentioaikaan (RT) ja huippualueeseen (PA). RT:n ja PA:n RSD-arvot tarkkuudelle (n=6) eivät ylittäneet 0,2 ja 4 %; RSD-arvot RSD-arvot RSD-arvot toistettavuudelle (n = 6) olivat alle 0,2 ja 4% ja rsd-arvot stabiilisuuden (0-24 h) osalta olivat alle 0,4 ja 5%, mikä osoitti, että näytteet olivat stabiileja 24 tunnin kuluessa. Nämä tulokset osoittivat, että tutkittujen näytteiden ja HPLC-menetelmän laatu olivat stabiileja ja hyvin kontrolloituja.

Sormenjälkien samankaltaisuuden arviointi

Sormenjälkien samankaltaisuusanalyysiä käytettiin HPLC-piikkien samankaltaisuuden arvioimiseen. MP: n ja MC: n samankaltaisuudet laskettiin HPLC-vertailusormennykkeellä. Kuten taulukosta 1 käy ilmi, lukuun ottamatta kahta MP-näytettä (Guizhou2: sta ja Guizhou5: stä), joilla oli pienemmät yhtäläisyydet (0,880 ja 0,920), muut MP -näytteet olivat >0,930. MC-näytteiden samankaltaisuudet olivat >0,921 lukuun ottamatta MC-näytteitä (Guizhou2: sta ja Guizhou4: sta), joiden samankaltaisuudet olivat 0,888 ja 0,887. Nämä tiedot osoittivat, että Mylabrisin laatu yhdessä lajissa oli vakaa. Kuitenkin vain kolmen MP-näytteen samankaltaisuudet verrattuna HPLC-viitesormeen olivat > 0,930; ja vain kahden MC-näytteen samankaltaisuudet verrattuna HPLC-viitesormeen olivat > 0,921. Nämä tulokset osoittivat, että nämä kaksi Mylabris-lajia vaihtelivat huomattavasti joillakin huippualueilla.

MP: n ja MC: n syrjintä hahmontunnistusanalyysin avulla

Eron globaalia analysointia varten PCA: ta käytettiin löytämään kahden Mylabris-lajin näytteiden laatuvaihtelu. Kuvasta 3 käy ilmi, että kaksiulotteista PCA-mallia rakensivat kaksi ensimmäistä tietokonetta, jotka sisälsivät noin 61,8 % alkuperäisistä tiedoista. Pistekaavio osoitti, että MP- ja MC-näytteitä ei voitu erottaa PCA: lla. MP: n ja MC: n välisten erojen ymmärtämiseksi perustettiin OPLS-DA-malli. Kuten kuvasta 4 käy ilmi, Mylabris-näytteet voitaisiin luokitella kahteen ryhmään R2X=0,502, R2Y=0,492 ja Q2=0,0769 verrattuna PCA-malliin. Nämä tulokset osoittivat, että OPLS-DA-malli oli PCA-mallia sopivampi testinäytteiden erottamiseen selvästi niiden eri komponenttien perusteella. OPLS-DA: n S-kaaviosta löytyi huippumerkkejä, mukaan lukien huiput 1, 2, 4, 7, 9, 12 ja 14 MP: n ja MC: n välillä (kuva 5). VIP>1:n perusteella huiput 1, 2, 4, 7, 9, 12 ja 14 saattavat olla merkittävimmät muuttujat näiden kahden lajin välisessä syrjinnässä (kuva 6). Huippuryhmällä (1, 2, 4, 7, 9, 12 ja 14) voi olla tärkeä rooli MP: n ja MC: n erottamisessa tyypillisinä kemiallisina markkereina.

Spektri-vaikutussuhde harmaalla relaatioanalyysillä

Normalisoidun huippualueen ja IC50: n vaihtelujen välisen suhteen arvioimiseksi edelleen suoritettiin harmaa relaatioanalyysi (GRA). Vaikutusarvo normalisoidun huippualueen mukaan oli P13>P14>P3>P2>P12>P4>P9>P1>P10>P7>P6>P8>P5> P11 taulukon 2 mukaisesti. Tulokset osoittivat, että top-6-huippu, mukaan lukien huiput 13, 14, 12, 2, 3 ja 4, olivat tärkeimmät vaikuttavat tekijät kasvainvastaiseen vaikutukseen suhteellisen harmaan korrelatiivisen asteen (RGCE) standardin perusteella >0,75.

MLRA:n spektri-vaikutussuhde

MLRA-malli on yleisin mallinnusmenetelmä kahden tai useamman muuttujan ja seuraavan kaavan rakentaman vastauksen välisen suhteen monimutkaisuuden päättelemiseksi

Missä Y on arvioitu arvo ja edustaa vastausta; Xn on itsenäinen muuttuja, b0 on leikkauspiste ja bn on Xn: n regressiokerroin. Tässä tutkimuksessa MLRA: ta käytettiin sormenjälkien ja tehokkuuden suhteen määrittämiseen HPLC-sormenjälkien huippualueiden arvojen ja anti-HepG2: n IC50: n välillä ja löytämään sitten mahdolliset kasvainvastaiset komponentit. Tietojen kollinointi havaittiin yhteisellä MLRA-mallilla, joka ei sovellu tutkimaan Y: n (IC50) ja X: n (PA) välistä korrelaatiota. PCA MLRA -mallia käytettiin sormenjälkien ja vaikutuksen suhteen tutkimiseen, ja kuusi ensimmäistä tietokonetta, joiden kumulatiivinen varianssivaikutusaste oli: 91,068%, valittiin analysoitavaksi. Lopuksi seuraava yhtälö määritettiin SPSS-lähdön ja tietokoneiden mukaan: IC50=1,115864 +( 1,87268PA1- 699,722PA2 + 25,7138PA3 - 24,1528PA4 + 7,22878PA5 - 40,2114PA6 + 2,95283PA7- 15,5305PA8 + 13,0297PA9 + 22,5683PA10 - 10,3462PA11 + 123,762PA12 + 31,0428PA13 - 10,702PA14) ×10-6. (R oli 0,682, P<>

Kahden Mylabris-lajin analyysin integrointi

Koe osoitti, että HPLC-sormenjälkiä voitaisiin käyttää Mylabrisin kemiallisten ominaisuuksien heijastamiseen. Samankaltaisuusalgoritmeja, PCA: ta ja OPLS-DA: ta käytettiin MC: n ja MP: n välisen eron löytämiseen. Huippuryhmä (1, 2, 4, 7, 9, 12 ja 14) määriteltiin tyypillisiksi kemiallisiksi markkereiksi.

Lisäksi sekä GRA että MLRA osoittautuivat tyydyttäviksi menetelmiksi syrjintää edelleen. GRA- ja MLRA-analyysitulosten integroiminen, huiput 2, 4 ja 14 Mylabrisin aktiivisuusmarkkereiksi, pitäisi olla vastuussa kasvainvastaisesta vaikutuksesta, joka voi olla Mylabrisin farmakodynaaminen materiaaliperusta.

Piikille määriteltiin tärkeät differentiaalimarkkerit, joilla oli tyypillisiä kemiallisia ja aktiivisuusmarkkeriominaisuuksia. Joten MC: n ja MP: n välillä HPLC-sormenjäljissä spektri-vaikutussuhdeanalyysin jälkeen huiput 2 (sytosiini), 4 (tuntematon) ja 14 (tuntematon) olivat tärkeitä differentiaalimarkkereita MP: n ja MC: n välisille eroille, kuten kuvassa 7 on esitetty.

Johtopäätös

Tässä tutkimuksessa ehdotettiin HPLC-menetelmää MP: n ja MC: n kemialliseen sormenjälkien ottamiseen. Yhdistämällä HPLC-sormenjäljet, PCA ja spektri-vaikutussuhdeanalyysi, kuten GAS ja MLRA, kahden läheisen Mylabris-lajin kemialliset ja farmakologiset ominaisuudet voitaisiin syrjiä. Tämä osoitti, että yhdisteillä huipuista 2 (sytosiini), 4 (tuntematon) ja 14 (tuntematon) tärkeinä differentiaalimarkkereina oli hallitseva rooli MP: n ja MC: n erottamisessa. Piikkien 4 ja 14 rakenne olisi tunnistettava muulla tekniikalla. HPLC-sormenjälkien ottamisen menetelmän yhdistettynä tilastolliseen, kemometriseen analyysiin ja spektri-vaikutussuhdeanalyysiin osoitettiin olevan tehokas markkerikomponenttien löytämisessä tai QC: n edistämisessäRohdosvalmisteet.

Viittaukset

1 Wang GS. Mylabrisin lääketieteellinen käyttö muinaisessa Kiinassa ja viimeaikaiset tutkimukset. J Ethnopharmacol 1989, 26(2): 147-162.

2. Lin YS, Lia YH, Peng ZP, ym. Kantaridiinipitoisuuden määritys ja sen estävä vaikutus ihmisen hepatooman HepG2-soluihin. Biomed Res-India 2016, 27(2): 533-536.

3. Xu MZ, Lee WS, Kim MJ, et ai. Asyyli-CoA: Kolesteroliasyylitransferaasi estää Mylabris-faleraatti Pallaksesta eristettyjen rasvahappoamidien inhiboivia vaikutuksia. Bioorg Med Chem Lett 2004, 14(16): 4277-4280.

4. Päivä RM, Harbord M, Forbes A, et ai. Kantaridiinirakkulat: tekniikka leukosyyttien kaupan ja sytokiinin tuotannon tutkimiseksi ihmisten tulehduspaikoissa. J Immunol-menetelmät 2001, 257(1-2): 213-220.

5. Mo RY, Sun NX, Peng R. Tutkimus aikuisten Mylabris phaleratan edullisesta ruoasta eri maantieteellisissä populaatioissa. Zhongguo Zhong Yao Za Zhi 2014, 39(22): 4293-4296.

6. Wang XM, Cheng XS, Li XF. Meloidaen ja sen keinotekoisen ruokinnan biologinen ominaisuus. Guizhoun maataloustieteet (Chin) 2007, 35(2): 140-142.

7. Yang Y, Zhang J, Jin H, et ai. Kvantitatiivinen analyysi yhdessä sormenjälkitekniikan ja kemometrisen analyysin kanssa, jota sovelletaan kuuden luonnonvaraisen Pariisin lajin arviointiin UHPLC-UV-MS: n avulla. J Anaalimenetelmät Chem 2016: e3182796.

8. Liu Y, Liu Z, Sun G, et ai. Compound Bismuth Aluminate -tablettien laadun johdonmukaisuuden seuranta ja arviointi yksinkertaisella kvantitatoidulla sormenjälkisuhteella yhdistettynä viiden yhdisteen samanaikaiseen määrittämiseen ja korreloi antioksidanttiaktiivisuuden kanssa. Plos One 2015; 10: e0118223.

9. Mehdinia A, Asiabi M, Jabbari A, ym. Kantraridiinin analyysi väärissä läpipainopakkauskuoriaisissa (Coleoptera: Oedemeridae) headspace-kiinteän faasin mikroekstraktiolla ja kaasukromatografia-massaspektrometrialla. J Chromatogr B Analyt Technol Biomed Life Sci 2011, 879(27): 2897-2901.

10. Li XM, Xiao JS. Tutkimus Mylabris phaleratan GC-sormenjäljistä. China Journal of Hospital Pharmacy (Chin) 2010; 30(2): 116-119.

11. Luo CX, Sun, GX ja Shi XF. HPCE:n digitoidut mylabris-sormenjäljet. Keski-Etelä-apteekki (Chin) 2008; 6(2): 230-235.

12. Sun GX, Luo CX ja Wang, Z. Tutkimus Mylabriksen digitoiduista HPLC-sormenjäljistä. Chinese Journal of Pharmaceutical Analysis (Chin) 2008;28(7): 1031-1036.

13. Guo K, Li XF, Yan R, et ai. Guizhoun maakunnasta ja sitä ympäröiviltä alueilta peräisin olevan kantaridinin ihmisen vastainen hepatosellulaarinen karsinooma HepG 2 -solujen aktiivisuus. Journal of Modern Medicine &Health (Chin) 2016; 32(5): 648-650.