摘 要：
目的
归纳总结中药质量标志物（
quality marker
，
Q-Marker
）研究现状及预测其发展趋势。
方法
利用中国知网（
CNKI
）和
Web of Science
核心集数据库，检索中药
Q-Marker
的相关文献，运用文献计量学及
CiteSpace 5.7.R5
软件对研究作者、研究机构及关键词等内容进行可视化展示。
结果
经过筛选最终入选中文文献
279
篇、英文文献
70
篇。中、英文文献作者合作网络分析显示，刘昌孝是
Q-Marker
研究领域发文量最多的作者，并能形成稳定的核心研究团队；发文机构分析显示，天津药物研究院和天津中医药大学是
Q-Marker
研究的重要科研机构，机构间合作较多；中、英文文献关键词分析显示，
Q-Marker
的研
究内容主要集中在质量标准、指纹图谱、质量控制、一测多评、网络药理学等相关领域。
结
论
通过网络药理学、代谢组学、化学物质组学结合现代分析技术辨识中药及复方、经典名方的
Q-Marker
，并用于质量控制是当前研究热点。中药
Q-Marker
的研究处于高速发展时期，未来在蛋白、基因和信号通路层面辨识和验证
Q-Marker
是发展趋势。
中药质量是中药发挥临床疗效的重要保障，是中药产业可持续高质量发展的生命线，是中医药界广大人员关注的焦点。如何精准控制中药质量，以确保中药安全性和有效性至关重要。
2016
年，刘昌孝院士首次提出中药质量标志物（
quality marker
，
Q-Marker
）的新概念
[1]
，经过多年研究，
Q-Marker
理论不断发展和完善，比如
Q-Marker
的“五要素”属性（即有效、特有、传递与溯源、可测和处方配伍）有效关联了“中药有效性
-
物质基础
-
质量控制标志性成分”
[2-3]
，开创中药质量研究新模式，在中药制药领域引起强烈的反响。中药
Q-Marker
从概念提出到理论深化再发展到实际应用，尝试从多维度揭示一些中药治疗疾病本质的科学内涵，成为近
5
年来中药质量评价、质量控制领域的热点。有关中药
Q-Marker
的研究越来越多，发文量逐年上升，但相关的文献计量学研究工作未见报道。
CiteSpace
是由美国德雷塞尔大学陈超美博士在
2003
年开发的一款基于
Java
程序的可视化知识图谱分析工具，可对某个领域已有文献进行分析，更直观地了解该领域趋势和现状，在信息分析领域已成为影响力较大的软件，被广泛应用于医药学领域
[4-7]
。
本研究以
Web of Science
（
WOS
）核心合集数据库和中国知网（
CNKI
）全文数据库为数据来源，收集了自
2016
年至
2021
年
3
月
10
日关于中药
Q-Marker
研究的相关文献，利用最新版本
CiteSpace 5.7.R5
（
https://citespace.podia.com/courses/ download
）
对文献的年发文量、作者、研究机构和关键词等进行文献计量分析，构建可视化图谱，展示近
5
年中药
Q-Marker
研究的现状、发展脉络及热点。
1
资料与方法
1.1
数据来源
本研究将国内论文收录数量最多、规模最大的
CNKI
中文数据库和全球最大、覆盖学科最多的
WOS
英文数据库，作为本研究的来源数据库。
CNKI
数据库检索中文文献，检索条件设定为：主题（
topical subject
，
SU
）＝质量标志物
or SU
＝
Q-marker or SU
＝
quality marker
，检索日期为
2016
年
1
月
1
日
—
2021
年
3
月
10
日，共得到相关中文文献
545
篇。对检索结果人工进行筛选，删除新闻、会
议征稿、通知等非学术性文献和与主题不相关的无效性文献，最后得到
279
篇有效文献。将相关文献题录以
Refwork
格式导出，并通过
CiteSpace 5.7.R5
完成数据转换。
WOS
平台选取
web of science core collection
数据库，检索策略：
SU
＝“
quality marker
”
or SU
“
Q-marker
”
not SU
“
marker
”，时间范围设置为
2016
年
5
月
1
日－
2021
年
3
月
10
日，对所得文献进行
整理，去除与“
quality marker
”或“
Q-marker
”无关的文献，获得
70
篇有效文献。每条数据下载记录内容为全记录与引用的参考文献，以纯文本格式导出。
1.2
文献分析方法
使用基于
Java
平台的文献计量分析软件
CiteSpace 5.7.R5
进行分析。首先，用该软件对原始数据进行去重复等转换，阈值参数设置：“
Node Types
”值分别设定为
author
、
institute
、
keyword
，“
Top N
”值设定为
50
，剪枝策略选择
PruningSlice Network
。然后，在相关研究中选择作者（
author
）、关键词（
keyword
）、机构（
institute
）等节点进行分析。
1.3
数据可视化
根据各设置参数，对纳入的
279
篇中药
Q-Marker
的中文文献和
70
篇英文文献进行发文趋势分析、作者合作网络分析、机构合作网络分析，对关键词进行共现分析、聚类分析及突现分析，并基于软件提示，结合人工文献阅读和信息整合对图谱信息进行深入分析。
2
结果
2.1
近
5
年发文趋势
对中药
Q-Marker
中英文文献的发文趋势进行分析，如图
1
可知，自
2016
年刘昌孝院士
[1]
首次提出中药
Q-Marker
的概念以来，
2016
至
2020
年期间中文发文量均呈逐年增长，
2019
、
2020
年能保持
80
篇以上。值得注意的是，与
2020
年
1
～
2
月发文量
4
篇相比，
2021
年
1
～
2
月发文量高达
16
篇，预测
2021
年发文保持持续增长势态。
此外，与中文文献相比，中药
Q-Marker
国外发文量较少，
2018
年发文数量最大，此后
2
年减少。
2.2
作者合作网络分析
研究作者共现图谱可以反映该研究领域的核心作者、合作强度及其互引关系，可为评价研究学者的学术影响力提供参考
[8]
。对发文作者的定量分析，可以在分析某一研究主题核心作者的同时，进一步分析研究共同体的研究状况
[9]
。本研究使用
CiteSpace5.7 R5
分别对
CNKI
和
WOS
数据库的相关文献进行分析，获得了中药
Q-Marker
研究作者的合作网络图谱。网络中，每个作者姓名的字体大小与相应的节点有关，节点代表论文数量，节点越大，表示发文量越多，也间接反映了该作者的影响力；弯曲的连接线代表作者之间的协作关系
[10-11]
。
如图
2
所示，中文文献作者合作网络包括
187
个节点、
447
条连线，英文文献作者合作网络包括
1
63
个节点、
417
条连线。中文文献作者合作网络中，可看到大约
6
个大团队及多个小团队，这些团队相对独立的团队，团队间未能展现合作关系，它们是刘昌孝、陆兔林、秦雪梅、王玉、冯利梅、刘良等团队。
其中，以刘昌孝（天津药物研究院、天津中医药大学）领衔的团队包括
53
个节点，连接线紧密，提示该团队是中药
Q-Marker
研究领域最具影响力、竞争力的团队，发文量高（见表
1
），不同的作者之间合作紧密。刘昌孝团队内部还可以形成几个子网络，比如彭代银（安徽中医药大学）团队、邓家刚（广西中医药大学）团队、肖小河（中国人民解放军第三〇二医院全军中药研究所）团队等，这些团队致力于中药生物属性、制造过程及配伍理论等中医药体系的研究，先后提出中药
Q-Marker
的概念，系统开展中药“有效性
-
物质基础
-
质量控制标志性成分”研究，
着眼于全过程物质基础的特有、差异、动态变化和质量的传递性、溯源性，使中药质量研究得到了长足的进步，是推动中药
Q-
M
arker
理论研究的中坚力量。其他几个团队虽没有相互协作，但依然是中药
Q-Marker
理论研究领域重要组成部分，不可或缺的力量。
在外文文献作者合作网络中，可分成
5
个团队，但是不难发现这些外文研究作者大部分还是来自中国，刘昌孝组成的团队依然是最核心、最庞大的网络。与中文文献作者合作网络相比，王喜军
/
张爱华（黑龙江中医药大学）、贺福元（湖南中医药大学）团队主要发表外文，而中文论文发文量相对较少。以上提示，国外尚未形成有影响力的
Q-Marker
研究团队，担负起对外交流任务的主要还是刘昌孝、王喜军、张爱华等中医药专家。
2.3
机构合作网络分析
利用软件
CiteSpace 5.7 R5
对纳入的
2016
年
—
2021
年
3
月的研究文献包含的机构进行统计，绘制机构合作共现图，了解关于中药
Q-Marker
研究的机
构分布情况及合作情况。
由图
3
可见，共有
164
家机构参与
Q-marker
的研究。中文论文发文超过
10
篇的有
5
个单位：甘肃中医药大学（
16
篇）、北京中医药大学中药学院（
11
篇）、广西中医药大学（
13
篇）、天津药物研究院（
13
篇）、天津中医药大学（
10
篇）。英文论文发文超过
10
篇的有
3
个单位：天津中医药大学（
18
篇）、天津药物研究院（
13
篇）、澳门科技大学（
11
篇）。以上提示，目前研究中药
Q-Marker
的最主要机构是天津中医药大学、天津药物研究院。
通过网络中介中性值分析发现，具有影响力的科研机构为天津药物研究院（中文
/
外文论文中介中性值分别为
0.19
、
0.50
）、天津中医药大学（中文
/
外文论文中介中性值分别为
0.16
、
0.23
）、澳门科技大学（外文论文中介中性值为
0.41
）、中国中医科学院（中文论文中介中性值为
0.19
）、广州中医药大学（中文论文中介中性值为
0.13
）、北京大学中医药学院（中文论文中介中性值为
0.13
）。
值得注意的是，甘肃中医药大学发文量靠前但中介中性值偏低，提示其影响力较低。与甘肃中医药大学相反的是，澳门科技大学在中文发论文量很少，但其在英文论文发文上占有绝对优势，且其与国
内天津中医药大学等主要机构均有协作，可见澳门科技大学在中药
Q-Marker
领域还是颇具有影响力。
此外，从中文
/
外文文献机构网络连接线可知，在中药
Q-Marker
研究领域，天津中医药大学、天津药物研究院与广西中医药大学、中国中医科学院中药研究所、北京中医药大学、中国食品药品检定研究院、中国人民解放军总医院第五医学中心、澳门科技大学、黑龙江中医药大学、广州中医药大学、
南开大学的中医药研究机构建立良好的合作关系。甘肃中医药大学、南京中医药大学是相对独立地开展
Q-Marker
研究。
2.4
关键词分析
2.4.1
关键词共现分析
关键词是对论文主题的高度概括，研究领域内广受关注的核心问题探索会形成高频次、高中心性的论文关键词，可以借此来确定
某研究领域的热点
[12]
。在
Citespace 5.7 R5
绘制的关键词共现图谱中，关键词之间的连线表示二者的共现关系，连线的粗细表示二者共现次数的多少。根据
T
值来划分高、低频词，公式为
T
＝
[
－
1
＋
(1
＋
8
I
)
1/2
]
/2
（
T
为高频词出现的最低次数，
Ⅰ
为关键词的个数）。
由图
4
可见，中文、英文关键词共现分析网络分别由
261
个节点、
746
条连线和
171
个节点、
568
条连线组成，
T
值分别为
22.35
、
18.00
，提示中文、外文关键词分别出现
22
次、
18
次以上的是高频关键词。
由表
2
可见，中文高频关键词为“中药质量标志物”（
246
次）、“质量控制”（
50
次）、“指纹图谱”（
49
次）、“化学成分”（
45
次）、“网络药理学”（
44
次）、“质量标准”（
42
次）、“一测多评”（
39
次）、“药理作用”（
33
次）、“质量评价”（
29
次）、“中药”（
25
次）；英文高频关键词只有“
quality marker
”（
45
次）。高中介中心性的中文关键词为：“质量控制”（
0.33
）、“指纹图谱”（
0.28
）、“中药质量标志物”（
0.22
）、“一测多评”（
0.22
）、“质量标准”（
0.21
）、“质量评价”（
0.17
）、“网络药理学”（
0.16
）、“中药”（
0.12
）、“含量测定”（
0.11
）；高中介中心性的英文关键词为“
quality marker
”（
0.38
）、“
identification
”（
0.24
）、“
fingerprint
”（
0.2
）、“
performance liquid chromatography
”（
0.18
）、“
mass spectrometry
”（
0.17
）、“
flavonoid
”（
0.16
）、“
quality control
”（
0.15
）、“
metabolomics
”（
0.12
）、“
constituent
”（
0.11
）、“
endometriosis
”（
0.10
）。
综合分析高频次、高中心性关键词分布，可以基本确定当前研究
Q-Marker
热点为：通过指纹图谱、一测多评、网络药理学等多技术应用，预测中药
Q-Marker
，为中药及其制剂建立质量标准、进行质量控制。
2.4.2
关键词聚类分析
在共现网络的基础上，采用对数似然比（
log-likelihood rate
，
LLR
）方法对文献中关系紧密的关键词进行聚类分析。一般认为，聚类模块值（
Q
）＞
0.3
，提示聚类结构显著；平均轮廓值（
S
）＞
0.7
意味着聚类是令人信服的
[13]
。如图
5
所示，中文文献纳入关键词
261
个，连线
746
条，共形成
7
个聚类，聚类模块值
Q
为
0.598 5
，经聚类分析得到的研究重点分别为化学成分、质量标准、
HPLC
、含量测定、饮片、桂枝、
5-
二咖啡酰奎宁酸；英文文献纳入关键词
171
个，连线
568
条，形成
8
个聚类，聚类模块值
Q
为
0.581 4
，经聚类分析得到的研究重点分别为
chinmedomics
（中医方证代谢组学）、
pharmacokinetics
（药动学）、
multicomponent determination
（多组分测定）、
in silico spectra
（仿真光谱）、
deep eutectic solvent
（深共熔溶剂）、
zebrafish thrombosis model
（斑马鱼血
栓模型）。中文、英文关键词的聚类
S
值分别为
0.8278
、
0.835 7
，表明聚类结果是可信的。导出聚类明细表，提取关键词并对其归纳，见表
3
、
4
。
通过对比中文、外文关键词聚类结果发现，中文、外文研究重点（体现在关键词上）差别较大，中文研究内容和方向更倾向于中药质量控制，而外文则集中在应用高通量分析技术（比如代谢组学、质谱、仿真光谱）检测成分，重点有所不同。
2.4.3
关键词突现分析
关键词是论文的核心概括，关键词突现则是指关键词在较短时间内使用频次显著增加，通过对关键词行突现分析可以明确某一时间段内的研究重点与热点，判断研究的发展动向与前沿研究
[14]
。突变的开始时间和结束时间分别用“
begin
”和“
end
”表示，“
strength
”是关键词突变强度，强度越高表示影响力越大。关键词突现（图
6
、
7
）中，浅蓝色部分代表本研究纳入文献的时间跨度，红色部分代表某关键词爆发的起止时间。
由图
6
可见，以时间跨度为
2
年进行统计时，每个阶段的研究重点和热点均不同。
2016
年关键词突现“药效”“中药资源”；
2017
—
2018
年关键词突现“一测多评”“多元统计”；
2018
—
2019
年关键词突现“代谢组学”；
2020
—
2021
年关键词突现“抗肿瘤”“抗炎”“挥发油”和“生物碱”。
由图
7
可见，英文文献关键词突现图中，
2016
年突现“
chemometrics
”（化学计量学）、“
identification
”（鉴别），
2017
年突现关键词“
acid
”（酸），
2018
年突现“
medicine
”（药物）“
component
”（成分），
2019
年突现“
chinmedomics
”（中医方证代谢组学）、“
metabolomics
”（代谢组学）、“
rat plasma
”（大鼠血浆）“
quality marker
”（
Q-marker
），
2020
年突现“
target
”（靶点）“
pathway
”（通路）。
由图
6
、
7
所示，以时间跨度为
1
年进行统计分析，每个阶段的研究重点和热点均不同。
2016
年，刘昌孝刚提出基于药效的
Q-marker
的理念，并希望应用在包括中药资源在内的质量控制领域，关键词突现“药效”“中药资源”“
chemometrics
”（化学计量学）“
identification
”（鉴别）；
2017
—
2018
年，重
点是中药化学成分检测方面，关键词突现“一测多评”“多元统计”“
component
”（成分）；
2018
—
2019
年，重点是利用组学技术测定入血成分及治病机制研究，建立成分
-
作用机制的关系，关键词突现“代谢组学”“
chinmedomics
”（中医方证代谢组学）、“
metabolomics
”（代谢组学）、“
rat plasma
”（大鼠血浆）；
2020
—
2021
年，
Q-Marker
理念已经初步应用到中药多种活性相关
Q-Marker
挖掘和
Q-Marker
作用机制方面，涉及中药大类成分抗肿瘤、抗炎活性，关键词突现“抗肿瘤”“抗炎”“挥发油”“生物碱”“
target
”（靶点）“
pathway
”（通路）。可见，短短几年，中药
Q-Marker
的研究从
2016
年概念提出，历经化学成分和入血成分研究（可测性）、
Q-Marker
的药效评价，到基因、蛋白、通路层面的研究，每阶段的研究重点和方向均不同，
Q-Marker
的研究无论是广度，还是深度，都得到极大发展。
此外，本研究绘制时区图谱来呈现研究主题随年份演化的脉络。由图
8
、
9
可见，
2016
年以后各
个阶段突现的关键词，均与
2016
年度热点关键词相关联，包括“指纹图谱”“质量控制”“质量标准”“一测多评”“化学成分”“网络药理学”“聚类分析”“主成分分析”“代谢组学”，提示
Q-Marker
的研究主方向不变。
2.4.4
关键词时间线视图
对关键词进行网格分
析，选择“
Timeline
”进行时间线视图可视化，呈现每个聚类的时间跨度以及不同聚类之间的关联，从而能清晰展示中药
Q-Marker
研究的演化进程，如
图
10
、
11
。聚类中包含的文献数量越多，代表该聚类在领域中越重要；时间跨度越长代表该聚类中的研究领域越早、持续性也越长
[15]
。时间线视图的横坐标（
x
）为文献发表年份，纵坐标（
y
）为聚类编号。
由图
10
可见，中文文献聚类中，质量标准（
#1
）、化学成分（
#4
）、阿魏酸（
#5
）、一测多评法（
#3
）
4
类中文文献较多，在中药
Q-Marker
的研究中占有重要的地位，每个聚类时间跨度皆从
2016
年延续至今，无明显差异，提示
Q-Marker
检测及应用到质量标准研究一直是重点的研究内容，形成稳定的研究方向。
由图
11
可见，英文文献聚类中，
chinmedomics
（
#0
）的文献较多，并且在
2018
—
2020
年，研究分布
较为集中，
pharmacodynamics
（
#1
）在
2018
年开始出现，该聚类包含的文献数量较少，提示从
2018
年起，药动学理论和方法开始应用在
Q-Marker
的研究。
3
讨论
近年，中药质量标准和质量控制研究和应用已经上升到中医药产业科学发展的国家战略地位。针对中药的质量控制，刘昌孝院士提出
Q-Marker
受到医药领域专家的广泛关注。根据
Q-Marker
理念、核心理论和研究方法，研究者们开展了大量研究。
本研究基于
CiteSpace
软件，对中药
Q-marker
中英文文献进行可视化分析，发现中、英文论文发
表量均位居前列的核心作者中有刘昌孝、张铁军、
许浚、白钢等，他们是近
5
年活跃在中药
Q-marker
研究的知名学者，他们是该领域的学术引领者，使中药质量研究得到了长足的进步。研究机构分析显示，中心性排名第一的均是天津药物研究院，而且合作网络图显示其与国内其他机构合作紧密，在中药
Q-Marker
研究领域发挥着关键作用。
3.1
中药
Q-Marker
研究的起始阶段
由关键词的共现关系图（图
4
）、聚类图谱（图
5
）、突现图谱（图
6
、
7
）以及时间线视图（图
10
、
11
）结合分析可知，在
2016
年
～
2017
年，大多数的研究是通过文献总结某中药材的化学成分和药理作用，并基于“五原则”预其
Q-Marker
。比如，姜程曦等
[16]
对黄精资源、化学成分、药理进行总结并基于原植物亲缘学及化学成分特有性、化学成分有效性开展黄精的
Q-Marker
研究；熊亮等
[17]
从药效物质基础研究、化学成分专属性研究、化学结构和生物活性研究、可测性研究、指纹图谱辨析了益母草和赶黄草的
Q-Marker
。正因为从文献得到的成分数量少，因此，一些学者利用现代仪器分析手段检测成分，弥补了上述缺点，然后结合
Q-Marker
的理念预测潜在的
Q-Marker
库。比如，周秀娟等
[18]
使用
UPLC/QExactive
四级杆
-
静电场轨道阱高分辨液质联用技术识别和鉴定清热灵颗粒主要化学成分并建立潜在
Q-Marker
；杨静等
[19]
采用定量核磁共振技术、
UPLC-UV
、火焰原子吸收分光光度法综合利用活性评价、稳定性研究含量、测定研究等构建了“蛛网模式”辨析丹红注射液的
Q-Marker
；王琼珺等
[20]
通过
UPLC-TOF-MS
鉴别双黄连制剂（胶囊、颗粒、口服液）的化学成分、分析化学物质生源途径、成分特异性及相关药理作用筛选该制剂的
Q-Marker
成分。
只有极少数团队依据
Q-Marker
的核心理论进行了系统高质量的研究，如张铁军等
[21]
从网络药理学、代谢组学和药动学等多个角度开展元胡止痛滴丸的药味（性）物质基础研究，基于“性
-
效
-
物”确定了元胡止痛滴丸的
Q-Marker
，并于
2018
年由武欣等
[22]
通过大鼠实验进行验证。
可见，这一阶段主要是基于中药
Q-Marker
的理念，
通过文献、中药指纹图谱、质谱等手段获得化学成分，并利用一测多评、多元统计分析等，预测中药
Q-Marker
，为建立质量标准和质量控制提供依据。
3.2
中药
Q-Marker
研究的发展阶段
Q-Marker
理念提出的第
2
年，掀起了研究的热潮，刊载了较多关于中药
Q-Marker
的论文，进一步丰富了
Q-Marker
的理论。尤其是张铁军等
[2]
提出基于“五原则”的复方中药
Q-Marker
研究路径，指出辨识
Q-Marker
的研究方法。但是，应用这些技术，仍然存在
Q-Marker
辨识能力低、效率低的难题。此后，部分学者将重点转移到借助网络药理学、代谢组学以及化学物质组学等多学科联合研究中药
Q-Marker
，并用于中药的质量评价，以及用于药材真伪、优劣的辨别。
该阶段预测中药
Q-Marker
有以下
2
种方法：一是通过总结中药的化学成分和药理作用并结合
Q-Marker
的概念，从植物亲缘学及化学成分特有性、化学成分可测性、传统功效和药性等几个方面进行分析，预测其中药
Q-Marker
。如
Sun
等
[23]
基于植物化学成分和抗炎筛选黄檀的
Q-Marker
并采用
UHPLC-Q-Orbitap HRMS
控制其质量；
Li
等
[24]
通过
HPLC
确定化学组分差异、用分子对接方法评估滇丹参抗血小板聚集的
Q-Marker
；
Wang
等
[25]
采用高效液相色谱和生物分析相结合的方法，测定郁金香药材的
Q-Marker
。
二是代谢组学、蛋白组学等快速、高灵敏度、高通量测定技术的组合应用。一测多评测定化学成分的含量并建立指纹图谱，进行聚类分析、主成分分析等多元统计分析，利用正交偏最小乘判别分析样品中的指纹信息的动态变化，并结合网络药理学、代谢组学分析，筛选作用的靶点和通路，构建“成分
-
靶点
-
代谢”，预测某中药潜在
Q-Marker
。如
Wang
等
[26]
采用多系统结合网络药理学
-
代谢组学
-PK/PD
模式筛选中药清燥救肺汤治疗急性肺损伤的
Q-Marker
；
Xu
等
[27]
基于茉莉花的止泻和消炎作用，采用作用靶标隶属关系
-
可追溯性
-
药动学策略选择茉莉花的
Q-Marker
；
Chang
等
[28]
结合网络药理学并通过超高效液相色谱
-
四极杆飞行时间质谱仪测定舒脑心安丸的成分，发现阿魏酸和藁本内酯起主要的抗氧化作用，可作为舒脑心安丸抗慢性脑缺血的抗氧化剂和
Q-Marker
。值得关注的是，在该阶段，中医方证代谢组学（
Chinmedomics
）的理论得到快速
发展。中医方证代谢组学是王喜军教授在
2010
年提出的解决中药有效性等问题的理论和策略，能有效建立“方剂（复方）”治疗“证候”的“证候诊断
-
方剂效应评价
-
药效物质基础发现”关系
[29]
，该策略与
Q-Marker
的内涵有相似之处。
3.3
中药
Q-Marker
的应用探索阶段
随着对
Q-Marker
研究的不断深入，理论日益丰富，张铁军、刘昌孝等
[30-31]
提出中药
Q-Marker
核心理论和研究方法，总结凝练研究思路、方法和研究模式，为
Q-Marker
与中药质量控制的融合提供有益的借鉴，此时，中药
Q-Marker
的研究进入到应用探索阶段。
一方面，在中药、中药复方的质量控制等方面的应用探索。研究人员从筛选单味中药的化学成分和药理作用出发，基于植物亲缘学及化学成分特有性、传统功效和药性、入血成分、化学成分可测性、不同加工炮制方法等几个方面预测分析其
Q-Marker
，用于药材真伪鉴别、优劣分辨等，用于复方的质量控制。如吴茱萸
[32]
、黄芪
[33]
、酸枣仁
[34]
、栀子
[35]
、大黄
[36]
、菊花
[37]
、瓜蒌
[38]
、白术
[39]
、泽泻
[40]
、葛根
[41]
、玄参
[42]
，等。图
10
展示的关键词中，包含中药复方化学成分群、当归四逆汤、萸连汤、丹荷颗粒等，是中药复方制剂
Q-Marker
研究的代表，研究成果均在
2020
—
2021
年发表
[43-45]
。此外，关键词中出现牡丹皮、桂枝、黄芩、白术、甘草、当归、白芍、肉桂等，
均是国家中医药管理局发布的《古代经典名方目录》中的药材，它们的
Q-Marker
方面的论文均有发表
[46-50]
。
根据关键词的共现关系以及突现图，化学成分、药理作用、质量标准、质量控制等关键词的词频、中心性均较高，表示这仍然是目前研究的热点和趋势。
另一方面，在指导中药新药研发中的应用探索。从药品全生命周期的角度看，包括中药新药的制备（中药基原植物
→
药材
→
饮片
→
提取物
→
制剂）、药物传输、体内过程直至发挥临床疗效多个递进过程，而中药
Q-Marker
与中药的有效性高度关联，并且具有整体、多元质控的特点，着眼于中药生产全过程的质量传递和溯源，遵循中医药理论，尊重中医药传统经验和特色。从国家药品监督管理局药品审评中心
2020
年
10
月发布的《中药新用药材质量控制研究技术指导原则（试用）》《中药新药质量标准研究技术指导原则（试行）》以及
20
21
年
1
月发布的《中药新药质量研究技术指导原则（试行）》来看，中药
Q-Marker
的理念、核心理论和研究方法与上述技术指导原则的一些思想相符。
4
结论
综合分析，利用网络药理学、代谢组学、化学物质组学结合现代分析技术辨识中药及复方、经典名方的
Q-Marker
，并用于质量控制，依然是中药
Q-Marker
研究主线，也是未来研究热点。在蛋白、基因和信号通路层面更深入辨识和验证
Q-Marker
是未来研究趋势。
利益冲突
所有作者均声明不存在利益冲突
参考文献（略）
来 源：朱素梅，覃仕娜，覃 淼，黄金梅，莫钧茹，李泊村，梁健钦，奉建芳．
基于
CiteSpace的2016—2021年国内外中药质量标志物研究文献的计量学分析 [
J]. 中草药, 2021, 52(8): 2575-2588 .
