Purification engineering technology research center of Sichuan Province Natural Medicine
四川省天然藥物分離純化工程技術研究中心
公司要聞
突破傳統局限：GNPS驅動天然產物暗物質發現和靶向分離
本文來自： 發布時間：2026-06-12
天然產物因其結構多樣性、生物活性特異性，始終是新藥研發的核心資源，統計數據顯示近半數上市小分子藥物源自天然產物及其衍生物。植物、微生物等天然資源中蘊含海量次生代謝產物，其中絕大多數成分因含量低微、結構未知、無標準對照品，無法通過傳統色譜、質譜手段識別，被定義為天然產物暗物質，是新型活性先導化合物的重要潛在來源。
傳統天然產物研究依賴反復柱層析分離、逐一結構鑒定的“先分離后鑒定”模式，存在明顯技術短板：研發周期冗長、人力物力成本高昂，極易重復分離已知化合物，且微量新穎活性成分易在分離過程中丟失，無法實現對天然產物暗物質的有效挖掘。隨著質譜技術的迭代，超高效液相色譜-串聯質譜（UHPLC-QTOF）可實現復雜樣品的全景物質檢測，但海量質譜數據的解析難題成為制約天然產物挖掘的新瓶頸。
圖1 超高效液相色譜-串聯質譜（UHPLC-QTOF）
全球天然產物社交分子網絡（GNPS, Global Natural Products Social Molecular Networking）是基于開源質譜數據的在線分析平臺，核心原理是依托二級質譜碎片離子的相似性聚類，將結構相近的化合物聚合為分子網絡簇，實現已知化合物快速注釋、未知化合物快速篩查，徹底改變了傳統天然產物的研究邏輯。通過“先預測、后分離”的靶向研究模式，GNPS可精準鎖定天然產物中的暗物質與目標活性成分，極大提升天然產物分離純化的針對性與高效性，目前已廣泛應用于植物、微生物天然產物的新結構化合物挖掘、活性成分篩選和靶向分離研究。
圖2 分子網絡構建
GNPS技術的核心是MS/MS質譜相似性分子網絡聚類。天然產物粗提物經LC-MS/MS檢測后，可獲得所有成分的二級質譜碎片信息，平臺通過算法比對不同化合物的碎片離子圖譜、質荷比、碎片匹配度，計算余弦相似度，將結構相似、骨架同源的化合物聚類為同一網絡節點簇。同一聚類簇內的化合物具有相同或相似的母核結構，已知化合物可通過數據庫比對快速注釋，而簇中無匹配信息的獨立節點、新型分支節點，即為潛在的天然產物暗物質（新結構化合物）。
同時，GNPS可結合樣品分組信息，實現不同萃取部位、不同組分的化學成分差異分析，精準定位特異性代謝產物，為后續靶向分離提供明確目標，徹底解決傳統研究“盲目分離、隨機篩選”的痛點。
圖3 經典分子網絡聚類
圖4 相似母核的已知化合物與暗物質
破解暗物質挖掘難題。傳統質譜僅能依托標準品匹配鑒定已知化合物，無法識別未知代謝產物；GNPS無需標準品，通過結構相似性聚類即可預判未知新化合物，激活天然產物中未被開發的暗物質資源。
實現去重與高效篩選。可快速區分已知化合物與潛在新化合物，避免重復分離已知成分，大幅降低研發成本。
精準靶向分離。可鎖定目標活性聚類簇與特征節點，指導后續色譜分離純化，實現從“盲目分離”到“精準靶向”的轉變。
數據可共享、可溯源。開源數據庫可實現全球質譜數據比對，提升化合物注釋的準確性與全面性。
米槁含氧橋倍半萜的暗物質挖掘與靶向分離[1]
米槁（Cinnamomum migao H. W. li）是貴州特色苗藥，常用于心腦血管疾病的治療，倍半萜類是其主要活性成分，具有神經保護、抗炎等藥理活性。前期研究已發現米槁中存在青蒿素類倍半萜成分，但大量結構新穎的含氧橋倍半萜因含量低微、結構未知，屬于典型的天然產物暗物質，難以通過傳統方法挖掘。研究依托GNPS分子網絡技術，實現米槁中新型含氧橋倍半萜的快速篩查與靶向分離，完整展現了GNPS從暗物質發掘到靶向分離的應用流程。
以米槁果實為原料，經乙醇回流提取獲得粗提物，依次通過石油醚、乙酸乙酯萃取，得到活性富集的乙酸乙酯部位。對該部位進行硅膠柱層析梯度洗脫，分離得到4個亞組分（Fr.B1–Fr.B4）。為全面捕捉組分中的代謝產物信息，對所有亞組分進行UHPLC-ESI-QTOF-MS/MS全景檢測，采集正負離子模式下的二級質譜數據，覆蓋樣品中所有極性、分子量的次生代謝產物，為后續GNPS分析提供完整數據基礎。
圖5 B1 組分的總離子流圖
將采集的LC-MS/MS原始數據通過ProteoWizard軟件轉換為mzXML通用格式，上傳至GNPS平臺構建分子網絡。設置前體離子質量偏差2.0 Da、碎片離子偏差0.5 Da，篩選余弦相似度＞0.7、匹配峰數＞6的有效網絡邊，保證聚類結果的準確性，最終通過Cytoscape軟件實現分子網絡可視化分析。
研究以前期已鑒定的米槁倍半萜cinnamigones A–C為分子探針，靶向篩選結構相似的含氧橋倍半萜聚類簇。通過網絡聚類分析發現，質譜m/z 237.177、233.153、235.677處存在多個特征節點，與已知倍半萜骨架相似度高，但無數據庫匹配信息，判定為米槁中的天然產物暗物質，即為潛在的新型含氧橋倍半萜類似物。
圖6 B1 組分中質荷比 237.18 母離子的提取離子流圖
通過節點顏色、組分對應關系分析，明確了新型倍半萜的分布組分與質譜特征，快速鎖定5個未被報道的新型倍半萜候選靶點，解決了傳統方法無法識別微量新型同系物的難題，完成了從海量復雜成分中挖掘暗物質的核心步驟。
圖7 利用 GNPS 平臺構建貴州木姜子粗提物的分子網絡，具有不同質荷比特征的節點代表對應母離子質量，節點顏色區分不同餾分。
傳統分離模式需對所有組分逐一純化、鑒定，工作量極大且易遺漏微量新化合物。基于GNPS分子網絡的靶向定位結果，研究摒棄盲目分離思路，針對暗物質節點對應的特征組分、質譜參數，制定精準的分離方案，實現目標化合物的定向富集與純化。
根據GNPS聚類結果，對含新型倍半萜的關鍵亞組分進行細分純化：Fr.B1、Fr.B2、Fr.B4等核心活性組分采用半制備HPLC梯度洗脫，結合GNPS預判的保留時間、質譜特征，精準篩選目標色譜峰。最終成功分離得到5個未報道的新型含氧橋倍半萜（cinnamigones D–H）與3個已知倍半萜類似物，極大提升了分離效率與新化合物發現率。
對靶向分離得到的新型化合物，通過HRESIMS、單晶X射線衍射、ECD計算、1D/2D NMR等光譜技術完成結構解析。結果顯示，所有新化合物均具有獨特的含氧橋結構單元與三環骨架，其中cinnamigone E擁有罕見的6/7/6三環苯環體系，為天然產物中少見的特殊骨架結構，充分印證了GNPS對稀有暗物質成分的挖掘價值。
圖9 化合物 1-5 的主要 NOESY 相關信號（紫色箭頭）
采用NMDA誘導的PC12細胞神經損傷模型評價化合物活性，結果顯示cinnamigone E、cinnamigone F具有顯著的神經保護活性。分子對接實驗進一步證實，兩種活性化合物可通過氫鍵、疏水作用結合NMDA受體活性位點，明確了其作用機制，實現了“暗物質挖掘—靶向分離—活性驗證”的完整研究閉環。
天然產物中90%以上的次生代謝產物屬于未被鑒定的暗物質，是新藥先導化合物的核心儲備資源。GNPS依托質譜相似性聚類，突破標準品依賴的鑒定局限，可高效篩查復雜提取物中的未知新骨架、新同系物、微量活性成分，極大拓展了天然產物的挖掘范圍，激活了長期被忽視的暗物質資源。
傳統天然產物研究為“分離→鑒定→篩選”的被動模式，存在嚴重的盲目性。GNPS構建了“質譜全景檢測→分子網絡聚類→暗物質預判→靶向分離→活性驗證”的主動研究新模式，從根源上規避已知化合物重復分離，大幅縮短研發周期、降低實驗成本，實現天然產物研究的高效化、精準化。
GNPS可結合樣品活性差異、組分特征，靶向關聯化學結構與生物活性，精準定位具有藥理活性的未知代謝產物。在抗菌、抗炎、神經保護、抗腫瘤等天然活性成分篩選中，可快速鎖定目標活性簇，為創新藥物研發提供高質量先導化合物，提升天然產物新藥轉化效率。
GNPS分子網絡技術徹底打破了傳統天然產物研究的技術壁壘，成功解決了天然產物暗物質難以挖掘、活性成分分離盲目性強的行業痛點。大量實踐證明，GNPS可高效實現復雜天然產物體系中未知成分的篩查、目標活性成分的靶向定位與精準分離，極大提升了新結構、高活性天然產物的發現效率。作為天然產物研究的核心新技術，GNPS為天然產物資源的深度開發、創新藥物先導化合物的精準發掘提供了全新思路與技術路徑。
成都普思生物擁有涵蓋數千種天然產物單體的特色化合物庫和安捷倫公司共建的天然產物質譜數據庫，整合SIRIUS、GNPS、MS-DIAL等工具，實現多維數據挖掘與精準結構鑒定，深度融合多組學技術、人工智能預測、分子對接虛擬篩選；應用GNPS將實現“結構預判-活性預測-靶向分離-機制驗證”的全流程智能化研究。公司可提供從復雜樣品結構預判、基于分子網絡活性預測、到靶向分離的全鏈條服務，為天然產物新藥研發、中藥物質基礎研究、特色藥用資源開發利用提供更高效的技術支撐。
理化數據來源：普思生物官網、PubChem、HMDB
參考文獻：
1.Lang Zhou, Xiong Pan, Fa-ju Chen et al; Targeted discovery of oxygen-bridged sesquiterpenes from Cinnamomum migao by MS/MS-based molecular networking and their neuroprotective activities [J]. Phytochemistry, 2025, 236, 114519
關注官方微信