تعیین سریع همزمان شش مولفه موثر در سیستانچ توبولوزا توسط طیف‌سنجی مادون قرمز نزدیک

تماس: Audrey Hu Whatsapp/hp: 0086 13880143964 ایمیل:audrey.hu@wecistanche.com

Xinhong Wang، Xiaoguang Wang و Yuhai Guo

خلاصه:

تعیین کمی اجزای مؤثر متعدد در یک گیاه معین معمولاً به مقدار بسیار زیادی از محصولات طبیعی اصیل نیاز دارد. در این مطالعه، ما یک روش سریع و غیر مخرب برای تعیین همزمان اکیناکوزید، ورباسکوزید، مانیتول، ساکارز، گلوکز و فروکتوز درCistanche tubulosaتوسط طیف‌سنجی مادون قرمز نزدیک (NIRS). طیف‌سنجی بازتابش منتشر مادون قرمز نزدیک (DRS) و کروماتوگرافی مایع با کارایی بالا (HPLC) بر روی 116 دسته از نمونه‌های Cistanche tubulosa انجام شد. داده‌های DRS با استفاده از روش‌های استاندارد تنوع نرمال (SNV) و تصحیح پراکندگی ضربی (MSC) پردازش شدند. رگرسیون حداقل مربعات جزئی (PLSR) برای ساخت مدل‌های کالیبراسیون برای اجزای مورد علاقه در Cistanche tubulosa استفاده شد. سپس همه مدل‌ها با محاسبه ریشه میانگین مربعات خطای کالیبراسیون (RMSEC)، ضریب همبستگی کالیبراسیون (r) ارزیابی شدند. مقادیر r هر شش مدل کالیبراسیون بیشتر از 0.94 تعیین شد که نشان می‌دهد هر مدل قابل اعتماد است. بنابراین، مدل‌های کمی NIR گزارش‌شده در این مطالعه می‌توانند برای تعیین کمیت دقیق محتوای شش جزء دارویی درCistanche tubulosa.

کلیدواژه ها: سیستانچ توبولوزا; کروماتوگرافی مایع با کارایی بالا؛ طیف سنجی نزدیک به مادون قرمز؛ حداقل مربعات جزئی

مقدمه

سیستانچ(Hoffmg. Et Link) یک سرده فانروگامیک چند ساله از خانواده گیاهان Orobanchaceae است. بسیاری از گونه های متعلق به جنس Cistanche به عنوان یک گیاه دارویی برای هزاران سال در چین استفاده شده است. به عنوان یک تونیک برتر شهرت داشته باشد. و به «جنسینگ صحراها» معروف هستند [1،2].Cistanche tubulosaانگل اجباری ریشه گیاه چند ساله تاماریکس چیننسیس است. در فارماکوپه چینی به عنوان منبع معتبر Cistanches Herba (نام چینی: Roucongrong) از نسخه 2005 ثبت شده است [3]. تحقیقات فارماکولوژیک مدرن روی گونه های سیستانچ در دهه 1980 آغاز شد [4]. بررسی های فارماکولوژیک نشان داد که عصاره گیاه سیستانچ دارای طیف وسیعی از فعالیت ها مانند درمان کمبود کلیه و یبوست پیری، تقویت توانایی یادگیری و به خاطر سپردن، ضد بیماری آلزایمر، تقویت ایمنی، ضد پیری، ضد خستگی و غیره است. [1،5-7]. در سه دهه اخیر، مطالعات فارماکولوژیک جامع و سیستماتیک با تحقیقات فیتوشیمیایی ترکیب شده است تا اساس مادی اثرات مفید ریشه گیاه سیستانچ را روشن کند. این بررسی ها نشان می دهد که گلیکوزیدهای فنیل اتانوئید (PhGs) اجزای مؤثر اصلی در گیاهان سیستانچ هستند که نقش کلیدی در درمان کمبود کلیه، ناتوانی جنسی [8]، ضد پیری [9] و ضد بیماری آلزایمر دارند [10]. محتویات دو PhG (اکیناکوزید و ورباسکوزید) در فارماکوپه چینی مورد نیاز بود. در این میان کربوهیدرات هایی مانند مانیتول، ساکارز، گلوکز و فروکتوز در گیاهان سیستانچی دارای عملکرد ملین هستند و از خوشه های کربوهیدراتی گیاهان سیستانچ برای درمان یبوست استفاده شده است [11].

منابع وحشی ازCistanche tubulosaعمدتاً در منطقه اطراف صحرای Taklamakan در جنوب منطقه خودمختار سین کیانگ در چین توزیع شده اند. مشابه بسیاری از گونه های دیگر که به عنوان داروهای سنتی چینی (TCMs) استفاده می شوند، C. tubulosa ارزش اقتصادی زیادی دارد و به دلیل جمع آوری بیش از حد در زیستگاه وحشی خود تقریباً منقرض شده است. کشت C. tubulosa در دهه 1990 در چین برای اطمینان از تامین مواد خام برای Cistanches Herba و همچنین حفاظت از منابع گیاهی وحشی آغاز شد. تا سال 2017، نزدیک به 13 هزار هکتار C. tubulosa کشت شده در استان هوتان در سین کیانگ وجود دارد [12،13]. پیشرفت در فناوری کاشت برای گسترش کشت و همچنین بهبود کیفیت مورد نیاز استCistanche tubulosa.

هدف اولیه از کشتCistanche tubulosaتولید Cistanches Herba است که سرشار از آن اجزای موثر است. با این حال، محتویات اجزای موثر در گیاه گیاه Cistanches، مانند PhGs و الیگوساکاریدها، می تواند به طور قابل توجهی تحت تأثیر عوامل زیادی در طول تولید قرار گیرد [12،13]. یک سیستم تشخیص بلادرنگ کیفیت C. tubulosa باید مورد بررسی قرار گیرد. بنابراین، توسعه یک روش توان عملیاتی بالا برای پر کردن کامل نیاز به تجزیه و تحلیل تعداد زیادی از نمونه ها در مدت زمان کوتاه ضروری است. به طور سنتی، تعیین آن اجزای مؤثر اولیه، مانند PhGs و کربوهیدرات‌ها، در C. tubulosa معمولاً با استفاده از کروماتوگرافی مایع با کارایی بالا (HPLC) به دست می‌آمد [14،15]. اگرچه دقیق و قابل اعتماد است، اما برای جمع آوری و پردازش داده ها زمان بر و پر زحمت است. علاوه بر این، زمان و تلاش زیادی نیز برای آماده‌سازی نمونه مورد نیاز است که معمولاً شامل پودر کردن، استخراج و فیلتر کردن آزمایش‌های HPLC است. بنابراین، برای به دست آوردن حجم نسبتاً زیادی از داده ها، به یک اصل روشن و ابزاری با کارکرد آسان نیاز است. خوشبختانه، طیف‌سنجی فروسرخ نزدیک (NIRS) به طور گسترده برای ارزیابی محصولات کشاورزی [16]، مواد غذایی [17]، نمونه‌های پزشکی [18] و محصولات دارویی [19] استفاده شده است، زیرا سریع و همچنین غیر مخرب است. بنابراین، NIRS می‌تواند دقیقاً با الزامات برای اندازه‌گیری کارآمد TCM مطابقت داشته باشد، و جای تعجب نیست که NIRS برای شناسایی کیفی [20،21] و کمی‌سازی ترکیبات [22] در TCMs استفاده شده است.

در این مطالعه، محتویات شش جزء موثر شامل اکیناکوزید، ورباسکوزید، مانیتول، ساکارز، گلوکز و فروکتوز در 116 دسته از نمونه‌های C. tubulosa که از استان هوتان در سین‌کیانگ بین سال‌های 2013 تا 2015 جمع‌آوری شده بود، ابتدا با HPLC تعیین شد. سپس مدل‌های کالیبراسیون این شش مؤلفه با روش رگرسیون حداقل مربعات جزئی (PLSR) ایجاد شد. سپس این مدل‌ها با ضریب همبستگی و خطاهای پیش‌بینی در مجموعه‌های کالیبراسیون اعتبارسنجی شدند. نتایج نشان داد که روش توسعه یافته می تواند به عنوان یک روش قابل اعتماد برای تجزیه و تحلیل کمی C. tubulosa استفاده شود.

نتیجه

آنالیز HPLC

محتویات اکیناکوزید و ورباسکوزید با استفاده از روش HPLC-UV به خوبی تعریف شده در مقالات [3،23] و چهار کربوهیدرات (مانیتول، ساکارز، گلوکز و فروکتوز) با روش HPLC-ELSD به خوبی تعریف شده تعیین شد. ادبیات [24] برای تمام 116 نمونه. روش های آماده سازی و تعیین نمونه در بخش های 3.1 و 3.3 توضیح داده شد. شکل 1 کروماتوگرام های مشخصه استانداردهای مخلوط را نشان می دهد. مشاهده می‌شود که هر شش مؤلفه مؤثر در پایه از هم جدا شده‌اند و بنابراین می‌توان آنها را کمی‌سازی کرد. روش HPLC قبل از آزمایش نمونه تایید شد. نتایج اصلی روش HPLC در جدول 1 آمده است. یک رابطه خطی مطلوب (r=0.9998) و بازیابی (98.5 درصد) روش تعیین اکیناکوزید در نتایج نشان داده شده است، نتیجه مشابه همه پنج جزء بنابراین، محتویات شش مؤلفه مؤثر را می توان به طور دقیق تعیین کرد. تمام محدوده های محتوای تعیین شده در جدول 1 خلاصه شده است.

تجزیه و تحلیل NIRS

شکل 2 طیف NIR (4{3}}-10،000 cm-1) نمونه های C. tubulosa را نشان می دهد. پیک های جذب قابل توجهی از 4000 سانتی متر-1 تا 7500 سانتی متر-1 در همه نمونه ها ظاهر شد، در حالی که نوسانات ملایم از 7500 سانتی متر-1 تا 10000 سانتی متر-1 ظاهر شد. رانش خط پایه طیف های NIR به این دلیل رخ داد که نمونه به راحتی تحت تأثیر عواملی مانند اندازه ذرات و رنگ قرار گرفت (شکل 2A). پیش تیمارهای ریاضی طیف ها برای کاهش تأثیر اطلاعات غیر ضروری تا حدی مورد استفاده قرار گرفت. پیش تیمارهای ریاضی شامل مشتق اول (اشتقاق اول)، مشتق دوم (اشتقاق دوم)، رقم نرمال استاندارد (SNV) و تصحیح پراکندگی ضربی (MSC) بود. شکل 2B دومین مشتق از طیف NIR از C. tubulosa را نشان می دهد و تغییرات قابل توجهی که از سه منطقه رخ داده است، 4000-4500 cm-1، 5000-5500 cm-1، و 7000-7500 cm-1، به وضوح مشاهده شده است. .

ایجاد مدلهای کالیبراسیون کمی

رگرسیون حداقل مربعات جزئی (PLSR) یک روش مدل‌سازی کلاسیک است و به دلیل کیفیت بالای نتایج، به طور گسترده در مدل‌های کمی استفاده شده است. از مزایای PLSR می توان به توانایی پیش بینی خوب و سادگی نسبی آن اشاره کرد. PLSR همچنین به طور گسترده ای در ایجاد مدل های کالیبراسیون کمی TCM ها استفاده شده است [25]. بر اساس طیف NIR از قبل تیمار شده، و مدل تجزیه و تحلیل کمی NIR برای شش جزء موثر در C. tubulosa با استفاده از روش PLSR با داده‌های تجزیه و تحلیل HPLC به عنوان مقادیر واقعی ایجاد شد. 116 نمونه به طور تصادفی به مجموعه های کالیبراسیون و اعتبارسنجی با نسبت 3:1 تقسیم شدند. مناسب ترین شرایط برای کالیبراسیون با RMSEC پایین و ضریب همبستگی بالا انتخاب شد.

انتخاب باند موج برای مدل های کالیبراسیون

انتخاب یک باند موج مناسب گام مهمی برای ساخت مدل های کالیبراسیون بود. در این مطالعه، طیف بازه NIR 4000-7500 سانتی متر{2}} (توصیه شده توسط نرم افزار تحلیلگر TQ) و 4{14}}-10000 سانتی متر{6}} مقایسه شد. مشاهده شد که این محدوده برای کالیبراسیون در فاصله بین 4000 سانتی متر-1 و 7500 سانتی متر{10}} از جدول 2 نامناسب است. بنابراین، در مطالعه فعلی، فواصل طیفی برای شش ترکیب شیمیایی همه با مقایسه عملکرد RMSEC و ضریب همبستگی از فاصله 4000 تا 10000 سانتی‌متر{15}} انتخاب شدند.

انتخاب تعداد بهینه فاکتورها برای مدل های کالیبراسیون

PLSR حداکثر میزان تغییرپذیری در داده ها را با کاهش ابعاد داده های طیفی با محاسبه عوامل توضیح می دهد. مشکل "کمبود" به دلیل اطلاعات ناکافی که ناشی از تعداد محدودی از عوامل بود ظاهر شد. با این حال، انتخاب عوامل بزرگتر از مقادیر بهینه معرفی شده در مدل، مشکل «بیش از حد» را به همراه خواهد داشت. "کمبود" یا "بیش از حد" قدرت پیش بینی مدل های ایجاد شده را کاهش می دهد [22]. شکل 3 رابطه بین RMSECV و فاکتورها را برای هر شش ترکیب نشان می دهد. بنابراین، ما آن عوامل مربوط به پایین ترین مقادیر RMSECV را انتخاب کردیم. انتخاب بهینه عوامل برای مدل های کالیبراسیون در جدول 3 فهرست شده است.

انتخاب پیش تصفیه طیفی برای مدل های کالیبراسیون

یکی دیگر از مهمترین عوامل تأثیرگذار برای مدل های کالیبراسیون، پیش تصفیه طیفی است که با هدف کاهش تأثیر پراکندگی و رانش خط پایه، افزایش نسبت سیگنال به نویز، و حذف تغییرات نامنظم انجام می شود. روش‌های تصحیح پراکندگی ضربی (MSC) و متغیر نرمال استاندارد (SNV) برای از بین بردن تأثیر متداول پراکندگی تشعشع استفاده شد. برای حل اثرات رانش خط پایه، طیف های مشتق 1 و 2 مقایسه شدند و مشتق دوم انتخاب شد [26]. برای اثر مطلوب، ما طیف ها را با الگوریتم فیلتر Savitzky-Golay (SG) قبل از استخراج برای جلوگیری از بزرگنمایی نویز صاف کردیم. جدول 3 اطلاعات مربوط به پیش تصفیه طیفی و نتایج آن را برای مدل های کالیبراسیون نشان می دهد.

ارزیابی مدل های تثبیت شده

یک مدل کالیبراسیون NIRS خوب باید مقادیر RMSEC و RMSEP پایین، و همچنین ضریب همبستگی بالا (r) و تفاوت های کوچک بین RMSEC و RMSEP داشته باشد [27-29]. مدل‌های کالیبراسیون شش ترکیب انتخابی طبق رویه‌های ذکر شده در بالا ایجاد شد (جدول 3). مقادیر RMSEC و r برای مجموعه کالیبراسیون اکیناکوزید به ترتیب 27.6 و 0.9808 بود. پارامترهای عملکرد سایر مدل‌های ترکیب شیمیایی در جدول 3 فهرست شده‌اند که از آن می‌توان نتیجه گرفت که مدل‌های ایجاد شده نتایج پیش‌بینی رضایت‌بخشی را نشان می‌دهند و می‌توانند برای تجزیه و تحلیل کمی سریع C. tubulosa استفاده شوند. نمودارهای پراکندگی شش ترکیب شیمیایی در شکل 4 نشان داده شده است تا مدل های کالیبراسیون را توصیفی تر و به صورت بصری مشاهده کنند. همانطور که در شکل 4 نشان داده شده است، تفاوت‌های جزئی بین مقادیر پیش‌بینی‌کننده و اندازه‌گیری شده رخ داده است، زیرا بیشتر نقاط در اطراف منحنی رگرسیون با معادله y=x توزیع شده‌اند. بنابراین، عملکردهای پیش بینی عالی در شکل 4 مشاهده شد.

مواد و روش ها

آماده سازی نمونه

یکصد و شانزده نمونه C. tubulosa از استان هوتان در منطقه خودمختار سین کیانگ از سال 2013 تا 2015 جمع‌آوری شد. همه نمونه‌ها کشت شدند، اما در مراحل مختلف رشد جمع‌آوری شدند. وزن تازه نمونه ها از 20 گرم تا 1000 گرم متغیر بود. پس از خشک شدن در آفتاب، نمونه های خشک شده خرد شده و از طریق یک الک مش 60-الک شدند [3،23].

مجموعه داده های طیف سنجی NIR

طیف NIR نمونه‌ها در فاصله 8 سانتی‌متری در ناحیه طیفی 4{4}}-10000 سانتی‌متر{5}} با سیستم Antaris MXFT-NIR (Thermo Scientific, Madison, WI، ایالات متحده) مجهز به یک آداپتور بازتابی فیبر نوری دستی. هر طیف با میانگین 64 اسکن به دست آمد. تمام نمونه‌ها قبل از اسکن طیف NIR در دمای اتاق (25 درجه سانتیگراد) به تعادل می‌رسند تا اطمینان حاصل شود که نمونه‌ها در همان دما آنالیز شده‌اند. رطوبت در آزمایشگاه در سطح محیطی نگه داشته شد.

جمع آوری داده های HPLC

آماده سازی استخراج

یک گرم پودر C. tubulosa با 50 میلی لیتر متانول 50 درصد در یک فلاسک مخروطی با فراصوت (500 وات، 40 کیلوهرتز) به مدت 30 دقیقه استخراج شد. عصاره در دمای 4◦C نگهداری شد. مایع رویی عصاره برای به دست آوردن نمونه ای برای آنالیز HPLC فیلتر شد [3،23].

تعیین همزمان Echinacoside و Verbascoside با HPLC-UV

تجزیه و تحلیل کروماتوگرافی مایع بر روی یک سیستم UHPLC Shimadzu (Shimadzu، کیوتو، ژاپن) انجام شد که شامل دو واحد حلال LC{0}}ADXR، یک پمپ LC-20، یک نمونه‌بر SIL-20ACXRauto بود. ، یک کوره ستونی CTO-20AC، یک آشکارساز SPD-M20A DAD، یک دستگاه گاززدایی DGU-20A3R، و یک کنترلر ICBM-20.

یک ستون ES کربوهیدرات Grace Prevail (150 × 2.1 میلی‌متر، 2.7 میلی‌متر) که برای جداسازی‌های کروماتوگرافی استفاده شد در دمای 35 درجه سانتیگراد نگهداری شد. فاز متحرک شامل استونیتریل (A) و 0.1 درصد اسید فرمیک آبی (B) بود و به دنبال برنامه گرادیان به شرح زیر تحویل داده شد: 0-7 دقیقه، گرادیان خطی 10-20 درصد A; 7-15 دقیقه، 20 درصد A; و 15-20 دقیقه، یک گرادیان خطی 20-10 درصد A. نرخ همراه فاز متحرک 0.4 میلی لیتر در دقیقه بود. مانیتورینگ UV در 330 نانومتر انجام شد.

تعیین همزمان مانیتول، ساکارز، گلوکز و فروکتوز با HPLC-ELSD

HPLC بر روی یک سیستم LC سری Agilent 1100 (پالو آلتو، کالیفرنیا، ایالات متحده آمریکا) متشکل از یک گاززدا aG1322A، یک پمپ چهارتایی G1311A، یک نمونه گیری خودکار G1311A، یک کنترل کننده دمای ستون G1316A و یک آشکارساز DAD G1315B انجام شد.

یک ستون ES کربوهیدرات Sigma Prevail (4.6 × 250 میلی متر، 5 میکرومتر) برای جداسازی کروماتوگرافی استفاده شد و در دمای ستون 25 ◦C نگهداری شد. فاز متحرک از استونیتریل و آب (77:23، حجم / حجم) و متحد ایزوکراتیک با سرعت 0.7 میلی لیتر در دقیقه تشکیل شده است. پساب با استفاده از یک آشکارساز پراکندگی نور تبخیری (ELSD) با پارامترهای پیش فرض کنترل شد [23،24].

پردازش داده ها

TQ Analyst (نسخه 8.{1}}، Thermo Scientific، Madison، WI، USA) برای انجام تقسیم مجموعه‌های کالیبراسیون و اعتبارسنجی، پیش تصفیه ریاضی طیف‌ها، ایجاد مدل‌های کالیبراسیون و سایر محاسبات استفاده شد. برای ساخت فیگورها از Origin (نسخه 9.1) استفاده شده است.

نتیجه گیری

قدردانی: این کار توسط پروژه ملی برنامه ریزی علم و فناوری چین (2015BAD29B00-04) پشتیبانی شد.

مشارکت نویسنده: Xinhong Wang این آزمایش ها را تصور و طراحی کرد. Xinhong Wang و Xiaoguang Wang این آزمایش ها را انجام دادند. شینهونگ وانگ و یوهای گوئو مقاله را نوشتند.

تضاد منافع: نویسندگان اعلام می کنند که هیچ تضاد منافع وجود ندارد.

منابع

1. جیانگ، ی. Tu، PF تجزیه و تحلیل ترکیبات شیمیایی در گونه های cistanche. J. کروماتوگر. 2009، 1216، 1970-1979. [CrossRef] [PubMed]

2. خو، آر. چن، جی. چن، اس.-ال. لیو، تی.-ن. زو، دبلیو.-سی. Xu, J. Cistanche deserticola Ma به عنوان یک محصول جدید در چین کشت شد. ژنت. منبع. Crop Evol. 2008، 56، 137-142. [CrossRef]

3. ویرایش کمیته فارماکوپه چینی. فارماکوپه چینی، ویرایش 2005. مطبوعات صنعتی شیمیایی: پکن، چین، 2005; جلد 1، ص. 90.

4. کوبایاشی، ح. Komatsu, J. اجزای تشکیل دهنده cistanchE herba (1). Yakugaku Zasshi 1983, 103, 508–511. [CrossRef] [PubMed]

5. آهنگ، ZH; لی، ال. Tu, PF پیشرفت در تحقیق فعالیت دارویی در گیاهان سیستانچ هافینگ. لینک Et. چانه. سنت. گیاه دارویی. مواد مخدر 2003، 34، 473-476.

6. Xiong، Q. کادوتا، اس. تانی، تی. Namba, T. اثرات آنتی اکسیدانی فنیل اتانوئیدها از Cistanche deserticola. Biol. فارم. گاو نر 1996، 19، 1580-1585. [CrossRef] [PubMed]

7. ژوان، جی دی. Liu, CQ تحقیق در مورد تأثیر گلیکوزیدهای فنیل اتانوئید (PEG) گیاه سیستانچ کویر بر ضد پیری در موش های مسن القا شده توسط D-گالاکتوز. جی. چین. پزشکی ماتر 2008، 31، 1385–1388.

8. ساتو، تی. کوزیما، اس. کوبایاشی، ک. Kobayashi, H. مطالعات فارماکولوژیک در Cistanchis Herba. I. تأثیر ترکیبات گیاه Cistanchis Herba بر جنسیت و رفتار یادگیری در موش‌های تحت استرس مزمن. Yakugaku Zasshi 1986، 105، 1131-1144. [CrossRef]

9. شن، سی. جیانگ، جی جی. یانگ، ال. وانگ، DW; Zhu, W. مواد فعال ضد پیری از گیاهان و مواد مغذی مورد استفاده در طب سنتی چینی: مکانیسم‌های دارویی و پیامدهای کشف دارو. برادر J. Pharmacol. 2016، 11، 1395–1425. [CrossRef] [PubMed]

10. لی، ن. وانگ، جی. ما، جی. گو، ز. جیانگ، سی. یو، ال. فو، ایکس. اثرات محافظتی عصبی گیاه درمانی سیستانچ بر بیماران مبتلا به بیماری آلزایمر متوسط. اوید. مکمل مبتنی بر. جایگزین. پزشکی 2015، 2015. [CrossRef] [PubMed]

11. گائو، جی. جیانگ، ی. دای، اف. هان، ZL; لیو، هی؛ بائو، ز. ژانگ، TM؛ Tu، PF مطالعه بر روی ترکیبات ملین در Cistanche deserticola YC Ma. مد. چانه. پزشکی 2015، 17، 307-310.

12. Tu، PF; چن، QL; جیانگ، ی. Guo، YH; یانگ، تگزاس؛ وانگ، XY; آیرکان، م. لی، ایکس بی؛ دو، ی. نان، زد. و همکاران تکنیک های کشت Cistanche tubulosa و میزبان آن Tamarix spp. مد. چانه. پزشکی 2015، 17، 349-358.

13. Tu، PF; جیانگ، ی. Guo، YH; تیان، YZ; لی، ایکس بی؛ وانگ، XY; وی، جی. چن، QL; Aierkan, M. توسعه صنعت اکولوژیکی گیاه سیستانچ برای ترویج تمدن اکولوژیکی منطقه بیابانی غربی. مد. چانه. پزشکی 2015، 17، 297-301.

14. لو، دی. ژانگ، جی. یانگ، زی؛ لیو، اچ ام. لی، اس. وو، بی جی؛ Ma، ZG تجزیه و تحلیل کمی cistanches herba با استفاده از کروماتوگرافی مایع با عملکرد بالا همراه با تشخیص آرایه دیود و طیف‌سنجی جرمی با وضوح بالا همراه با روش‌های کمومتری. J. Sep. Sci. 2013، 36، 1945-1952. [CrossRef] [PubMed]Molecules 2017, 22, 843 9 از 9

15. جیانگ، ی. لی، اس پی; وانگ، YT; چن، XJ; Tu، PF تمایز سیستانچ های گیاهی با اثر انگشت با کروماتوگرافی مایع با عملکرد بالا - تشخیص آرایه دیود - طیف سنجی جرمی. J. کروماتوگر. 2009، 1216، 2156-2162. [CrossRef] [PubMed]

    ---