从体外到体内：人工智能驱动的中药质量标志物发现与质量控制研究进展

刘雪; 李遇伯; 刘雪珂; 王玉明; 杨珍

doi:10.12452/j.fxcsxb.26011904

您当前的位置：

首页 >

文章列表页 >

从体外到体内：人工智能驱动的中药质量标志物发现与质量控制研究进展

更新时间：2026-04-29

- 从体外到体内：人工智能驱动的中药质量标志物发现与质量控制研究进展
- From in vitro to in vivo ：Research Progress on Quality Marker Discovery and Quality Control of Traditional Chinese Medicine Driven by Artificial Intelligence
- 分析测试学报 2026年45卷页码：1-8
- 作者机构：
  
  天津中医药大学中药学院，天津 301600
- 作者简介：
  
  王玉明，博士，副教授，研究方向：中药质量评价、代谢组学，E-mail：wangyuming226@163.com
  杨珍，博士，高级实验师，研究方向：中药信息学，E-mail：yzwygb@126.com
- 基金信息：
  
  国家中医药管理局青年岐黄项目资助
- DOI：10.12452/j.fxcsxb.26011904
  中图分类号： O615.45;R28
- 收稿：2026-01-19，
  
  修回：2026-04-14，
  
  录用：2026-04-15，
  
  网络首发：2026-04-29，
  
  纸质出版：2026-06-15
- 稿件说明：
移动端阅览
刘雪,李遇伯,刘雪珂,王玉明,杨珍.从体外到体内：人工智能驱动的中药质量标志物发现与质量控制研究进展[J].分析测试学报,2026,45(06):1-8.

LIU Xue,LI Yu-bo,LIU Xue-ke,WANG Yu-ming,YANG Zhen.From in vitro to in vivo ：Research Progress on Quality Marker Discovery and Quality Control of Traditional Chinese Medicine Driven by Artificial Intelligence[J].Journal of Instrumental Analysis,2026,45(06):1-8.
刘雪,李遇伯,刘雪珂,王玉明,杨珍.从体外到体内：人工智能驱动的中药质量标志物发现与质量控制研究进展[J].分析测试学报,2026,45(06):1-8. DOI： 10.12452/j.fxcsxb.26011904.

LIU Xue,LI Yu-bo,LIU Xue-ke,WANG Yu-ming,YANG Zhen.From in vitro to in vivo ：Research Progress on Quality Marker Discovery and Quality Control of Traditional Chinese Medicine Driven by Artificial Intelligence[J].Journal of Instrumental Analysis,2026,45(06):1-8. DOI： 10.12452/j.fxcsxb.26011904.

摘要

中药质量控制体系的建立对于阐明其药效物质基础、保证用药安全及提升复方制剂质量水平具有重要意义。传统的中药质量控制方法多依赖于“辨状论质”的外观鉴别以及对外源性成分的定性与定量分析，难以全面反映中药在体内真实的作用过程。仅凭体外化学成分的表征，不足以真实、准确地评价中药的整体质量与疗效。近年来，随着大语言模型等人工智能技术的快速发展，其知识整合与语义表征的优势为中药成分体内过程的精准预测提供了关键技术支撑。该文系统综述人工智能在中药体内成分预测与中药质量标志物（Q-marker）筛选中的应用，涵盖规则模型、机器学习、深度学习及多组学数据整合策略，并对人工智能驱动下的中药质量控制研究进行展望，以期为推动该领域向智能化、精准化方向提供参考。

Abstract

The establishment of a quality control system for traditional Chinese medicine is of great importance for clarifying its pharmacodynamic material basis，ensuring medication safety，and improving the quality level of compound preparations. Conventional quality control approaches for traditional Chinese medicine mainly rely on appearance identification based on morphological features and qualitative or quantitative analysis of exogenous chemical components. These methods have limitations in reflecting the real action process of traditional Chinese medicine in vivo. Evaluation based only on in vitro chemical composition is insufficient to accurately and comprehensively assess the overall quality and therapeutic effects of traditional Chinese medicine.In recent years，with the rapid development of artificial intelligence technologies such as language models，their advantages in knowledge integration and semantic representation have provided important technical support for the precise prediction of in vivo processes of traditional Chinese medicine components. This review systematically summarizes the applications of artificial intelligence in the prediction of in vivo components of traditional Chinese medicine and the screening of quality marker（Q-marker）. The covered methods include rule based models，machine learning，deep learning，and multi omics data integration strategies. In addition，future research on artificial intelligence driven quality control of traditional Chinese medicine is discussed，aiming to provide references for promoting the development of this field toward intelligent and precise directions.

关键词

Keywords

references

Wang M R ， Bi Y Z . Contemp . Med. Symp . （王曼茹，毕钰桢. 当代医药论丛）， 2025 ， 23 （ 29 ）： 23 - 25 .

Li G Z ， Chen S Y ， Gao J P ， Du C H ， Sun D D . Drug Eval . Res. （李国沼，陈莘雨，高建平，杜晨晖，孙丹丹.药物评价研究）， 2025 ， 48 （ 8 ）： 2327 - 2338 .

Ratnasekhar CH ， Rai A K ， Rakwal P ， Khan S ， Verma A K ， Mukhopadhyay P ， Rathor P ， Hinghrani L ， Birse N ， Trivedi R ， Trivedi P K . Food Chem. ， 2025 ， 482 ： 144078 .

Xie W X ， Zhang Z X ， Liu Y ， Qiu F ， Ding L Q . Chin . Tradit. Herb. Drugs （解文欣，张紫萱，刘越，邱峰，丁丽琴.中草药）， 2025 ， 56 （ 15 ）： 5616 - 5631 .

Lv Y B ， Sun H W ， Ding Q L ， Chen B X ， Ye H W ， Xu N ， Chu C . J. Pharm. Anal. ， 2025 ： 101476 .

Li M Y ， Zhu J Q ， Liu X N ， Wu M Y ， Dong K ， Li X Y ， Gao P ， Jiang Z H . Front. Pharmacol. ， 2025 ， 16 ： 1687681 .

Xue R ， Dai Y P ， Wang B ， Zhang W ， Li L ， Ji D ， Su L L ， Zhang C ， Lu T L . China Food Drug Adm. Mag. （薛蓉，戴衍朋，王彬，张伟，李林，季德，苏联麟，张村，陆兔林 . 中国食品药品监管）， 2022 ，（ 11 ）： 32 - 41 .

Zuo X B . Inner Mongolia J . Tradit. Chin. Med. （左晓彬. 内蒙古中医药）， 2023 ， 42 （ 7 ）： 163 - 165 .

Leong F ， Hua X ， Wang M ， Chen T K ， Song Y L ， Tu P F ， Chen X J . Chin. Med. ， 2020 ， 15 ： 76 .

Du X L ， Cui Y H ， Zhang Z ， Sun A J ， Li H F ， Cui W L . Chin. Arch. Tradit. Chin. Med. （杜晓蕾，崔玉花，张喆，孙爱军，李慧芬，崔伟亮. 中华中医药学刊）， 2023 ， 41 （ 9 ）： 163 - 168 .

Liu C L ， Jiang Y ， Li H J . Crit. Rev. Anal. Chem. ， 2025 ， 55 （ 4 ）： 684 - 701 .

Qiu Q ， Qin C P ， Li P F ， Meng X Y ， Mo H Q ， Huang C Y ， Wei J C ， Zhen H S ， He Y ， Ouyang D ， Huang X D . J. Chem. ， 2024 ， 2024 （ 1 ）： 9150790 .

Liao G Q ， Tang H M ， Yu Y D ， Fu L Z ， Li S J ， Zhu M X . Chin. Med. ， 2025 ， 20 （ 1 ）： 62 .

Liu C X ， Chen S L ， Xiao X H ， Zhang T J ， Hou W B ， Liao M L . Chin . Tradit. Herb. Drugs （刘昌孝，陈士林，肖小河，张铁军，侯文彬，廖茂梁. 中草药）， 2016 ， 47 （ 9 ）： 1443 - 1457 .

Jing C F ， Ma X Q ， Xin Y L ， Yang J ， Li Q Q ， He W W ， Zhang J L . J Pharm Biomed Anal. ， 2025 ， 265 ： 117022 .

Wang L J ， Han X ， Zheng X ， Zhou Y Y ， Hou H L ， Chen W ， Li Xu ， Zhao L . J . South Med. Univ . （王莉洁，韩曦，郑霞，周园园，侯惠莲，陈葳，李旭，赵乐.南方医科大学学报）， 2021 ， 41 （ 1 ）： 100 - 106 .

Tian Y W ， Yao J ， Gao Q ， Zou L W ， Lu P X ， Guan T T ， Liu X F ， Zhou S Y ， Jin X J . Chin. Med. ， 2025 ， 20 （ 1 ）： 202 .

Ru J L ， Li P ， Wang J A ， Zhou W ， Li B H ， Huang C ， Li P D ， Guo Z H ， Tao W Y ， Yang Y F ， Xu X ， Li Y ， Wang Y H ， Yang L . J. Cheminform. ， 2014 ， 6 ： 13 .

Xu H Y ， Zhang Y Q ， Liu Z M ， Chen T ， Lv C Y ， Tang S H ， Zhang X B ， Zhang W ， Li Z Y ， Zhou R R ， Yang H J ， Wang X J ， Huang L Q . Nucleic Acids Res. ， 2019 ， 47 （ D1 ）： D976 - D982 .

Zhang Y Q ， Li X ， Shi Y L ， Chen T ， Xu Z J ， Wang P ， Yu M ， Chen W J ， Li B ， Jing Z W ， Jiang H ， Fu L ， Gao W J ， Jiang Y H ， Du X ， Gong Z P ， Zhu W L ， Yang H J ， Xu H Y . Acta Pharm . Sin. B ， 2023 ， 13 （ 6 ）： 2559 - 2571 .

Fang S S ， Dong L ， Liu L ， Guo J C ， Zhao L H ， Zhang J Y ， Bu D C ， Liu X K ， Huo P P ， Cao W C ， Dong Q Y ， Wu J R ， Zeng X X ， Wu Y ， Zhao Y . Nucleic Acids Res. ， 2021 ， 49 （ D1 ）： D1197 - D1206 .

Wishart D S ， Guo A C ， Oler E ， Wang F ， Anjum A ， Peters H ， Dizon R ， Sayeeda Z ， Tian S Y ， Lee B L ， Berjanskii M ， Mah R ， Yamamoto M ， Jovel J ， Torres-Calzada C ， Hiebert-Giesbrecht M ， Lui V W ， Varshavi D ， Varshavi D ， Allen D ， Arndt D ， Khetarpal N ， Sivakumaran A ， Harford K ， Sanford S ， Yee K ， Cao X ， Budinski Z ， Liigand J ， Zhang L ， Zheng J M ， Mandal R ， Karu N ， Dambrova M ， Schiöth H B ， Greiner R ， Gautam V . Nucleic Acids Res. ， 2022 ， 50 （ D1 ）： D622 - D631 .

Kanehisa M ， Furumichi M ， Sato Y ， Matsuura Y ， Ishiguro-Watanabe M . Nucleic Acids Res. ， 2025 ， 53 （ D1 ）： D672 - D677 .

Guijas C ， Montenegro-Burke J R ， Domingo-Almenara X ， Palermo A ， Warth B ， Hermann G ， Koellensperger G ， Huan T ， Uritboonthai W ， Aisporna A E ， Wolan D W ， Spilker M E ， Benton H P ， Siuzdak G . Anal. Chem. ， 2018 ， 90 （ 5 ）： 3156 - 3164 .

Duigou T ， Meyer P ， Faulon J L . Nucleic Acids Res. ， 2026 ， 54 （ D1 ）： D1799 - D1806 .

Moretti S ， Niknejad A ， Pagni M ， Mehl F . Nucleic Acids Res. ， 2026 ， 54 （ D1 ）： D617 - D622 .

Moretti S ， Tran V D T ， Mehl F ， Ibberson M ， Pagni M . Nucleic Acids Res. ， 2021 ， 49 （ D1 ）： D570 - D574 .

Troják M ， Šafránek D ， Pastva S ， Brim L . Biosystems ， 2023 ， 225 ： 104843 .

Chen Z K ， Yan D Y ， Zhang M ， Han W H ， Wang Y ， Xu S D ， Tang K L ， Gao J ， Cao Z W . Front. Chem. ， 2022 ， 10 ： 881975 .

Wishart D S ， Tian S Y ， Allen D ， Oler E ， Peters H ， Lui V W ， Gautam V ， Djoumbou-Feunang Y ， Greiner R ， Metz T O . Nucleic Acids Res. ， 2022 ， 50 （ W1 ）： W115 - W123 .

Scholz V A ， Stork C ， Frericks M ， Kirchmair J . Sci. Total Environ. ， 2023 ， 895 ： 165039 .

Pelletier R ， Nahle D ， Sarr M ， Bourdais A ， Morel I ， Le Daré B ， Gicquel T . Arch. Toxicol. ， 2025 ， 99 （ 7 ）： 2953 - 2973 .

Ma Y H ， Zhao Y X ， Luo M X ， Jiang Q ， Liu S ， Jia Q ， Bai Z X ， Wu F M ， Xie J . Front. Pharmacol. ， 2024 ， 15 ： 1393409 .

Ghosh T ， Zhang W M ， Ghosh D ， Kechris K . Methods Mol. Biol. ， 2020 ， 2104 ： 313 - 336 .

Hu X M ， Hou Y Y ， Teng X R ， Liu Y ， Li Y ， Li W ， Li Y ， Ai C Z . Arch. Toxicol. ， 2024 ， 98 （ 5 ）： 1457 - 1467 .

Litsa E E ， Das P ， Kavraki L E . Expert Opin . Drug Metab. Toxicol. ， 2021 ， 17 （ 11 ）： 1245 - 1247 .

Ryu J Y ， Lee J H ， Lee B H ， Song J S ， Ahn S ， Oh K S . Bioinformatics ， 2022 ， 38 （ 2 ）： 364 - 368 .

Jia C ， Li X F ， Hu S ， Liu G H ， Fang J S ， Zhou X X ， Yan X L ， Yan B . Anal. Chem. ， 2025 ， 97 （ 1 ）： 783 - 792 .

Lv J L ， Wei J ， Wang Z Y ， Cao J . Molecules ， 2019 ， 24 （ 24 ）： 4590 .

Anselmi M ， Slabaugh G ， Crespo-Otero R ， Tommaso D D . Digit. Discov. ， 2024 ， 3 （ 5 ）： 1048 - 1057 .

Flores-Hernandez H ， Martinez-Ledesma E . J. Cheminform. ， 2024 ， 16 （ 1 ）： 129 .

Liu C Y ， Sun Y ， Davis R ， Cardona S T ， Hu P Z . J. Cheminform. ， 2023 ， 15 （ 1 ）： 29 .

Gao S J Q ， Chau H Y K ， Wang K J ， Ao H Y ， Varghese R S ， Ressom H W . Metabolites ， 2022 ， 12 （ 7 ）： 605 .

Olsen L ， Montefiori M ， Tran K P ， Jørgensen F S . Bioinformatics ， 2019 ， 35 （ 17 ）： 3174 - 3175 .

Tyzack J D ， Kirchmair J . Chem . Biol. Drug Des. ， 2019 ， 93 （ 4 ）： 377 - 386 .

Boyce M ， Meyer B ， Grulke C ， Lizarraga L ， Patlewicz G . Comput. Toxicol. ， 2022 ， 21 ： 1 - 15 .

de Bruyn Kops C ， Šícho M ， Mazzolari A ， Kirchmair J . Chem. Res. Toxicol. ， 2021 ， 34 （ 2 ）： 286 - 299 .

Chen Q S ， Qian Y ， Feng M J ， Zhang H ， Xie H J . Eur. J. Med. Res. ， 2025 ， 30 （ 1 ）： 1103 .

Yang Z H ， Liu J ， Shah H A ， Feng J . BMC Bioinformatics ， 2022 ， 23 （ S5 ）： 329 .

Xue J ， Wang B Y ， Ji H C ， Li W H . Bioinformatics ， 2024 ， 40 （ 3 ）： btae084 .

Luo P Y ， Chen R ， Wu Z S ， Liu Y O ， Zhou T Y . CPT ： Pharmacom . Syst. Pharmacol. ， 2025 ， 14 （ 12 ）： 2210 - 2220 .

Tu Z K ， Coley C W . J. Chem. Inf. Model. ， 2022 ， 62 （ 15 ）： 3503 - 3513 .

Irwin R ， Dimitriadis S ， He J Z ， Bjerrum E J . Mach. Learn.：Sci. Technol. ， 2022 ， 3 （ 1 ）： 015022 .

Huang K X ， Xiao C ， Glass L M ， Sun J M . Bioinformatics ， 2021 ， 37 （ 6 ）： 830 - 836 .

Li X ， Kang M Q ， Ma N N ， Pang T ， Zhang Y J ， Jin H ， Yang Z ， Song L L . Evid . -Based Complement. Alternat. Med. ， 2019 ， 2019 ： 5165029 .

Litsa E E ， Das P ， Kavraki L E . Chem. Sci. ， 2020 ， 11 （ 47 ）： 12777 - 12788 .

Ganguly S ， Finkelstein D ， Shaw T I ， Michalek R D ， Zorn K M ， Ekins S ， Yasuda K ， Fukuda Y ， Schuetz J D ， Mukherjee K ， Schuetz E G . PLoS One ， 2021 ， 16 （ 7 ）： e0253852 .

Yang S ， Zhao N N ， Yang X ， Cheng Y Y . Guiding J . Tradit. Chin. Med. Pharm. （杨珊，赵暖暖，杨鑫，程引引. 中医药导报）， 2023 ， 29 （ 01 ）： 105 - 107，116 .

Ren J L ， Xiang B B ， Song L L ， René D J ， Luo Y F ， Wen G Y ， Gu H ， Yang Z ， Zhang Y J . Phytomedicine ， 2024 ， 135 ： 156170 .

Yang Z ， Shi X Y ， Ren J L ， Yin H Q ， Li D N ， Song L L ， Zhang Y J . J. Funct. Foods ， 2022 ， 91 ： 105010 .

Tan L F ， Chen C ， Fan X L ， Dong Y ， Ge Y W ， Wang S M . China J. Chin. Mater. Med. （谭兰芳，陈超，樊旭蕾，董玉，葛跃伟，王淑美. 中国中药杂志）， 2019 ， 44 （ 12 ）： 2588 - 2593 .

Ma J M ， Wei P ， Xu X ， Dong R J ， Deng X X ， Zhang F ， Sun M Y ， Li M X ， Liu W ， Yao J L ， Cao Y ， Ying L T ， Yang Y Q ， Yang Y Q ， Wu X P ， She G M . Chin. Med. ， 2025 ， 20 （ 1 ）： 48 .

Zhang D Y ， Cui W Q ， Hou L ， Yang J ， Lyu L Y ， Wang Z Y ， Linghu K G ， He W B ， Yu H ， Hu Y J . Chin. Med. ， 2023 ， 18 （ 1 ）： 64 .

Chen Y H ， Liu H M ， Han R ， Lin J Y ， Yang J Y ， Guo M J ， Yang Z ， Song L L . Phytomedicine ， 2024 ， 133 ： 155912 .

Zhang Z T ， Li Y ， Bai L ， Chen P ， Jiang Y ， Qi Y L ， Guan H H ， Liang Y X ， Yuan D P ， Lu T L ， Yan G J . Microchem. J. ， 2024 ， 199 ： 110126 .

Yu X ， Qi A H ， Li J H ， Quan Z H ， Li K ， Pei Y R . Lab. Med. （于雪，漆爱红，李锦辉，全智慧，李奎，裘宇容.检验医学）， 2025 ， 40 （ 3 ）： 264 - 270 .

Fu Y ， Fang Y Y ， Gong S ， Xue T ， Wang P ， She L ， Huang J P . Sci. Rep. ， 2023 ， 13 （ 1 ）： 5844 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

人工智能驱动的中药质量控制研究进展

中药大品种二次开发关键技术研究进展及相关思考：以血府逐瘀制剂为例

基于人工智能的质谱成像数据缺失值插补方法

基于人工智能的动物毛混纺纤维含量定量分析研究