تحسين عملية الاستخلاص لصيغة Sanhuang Qingre من خلال دمج منهجية سطح الاستجابة، وتحليل الارتباط الرمادي، والتعلّم الآلي

دواء أفضل من أعشاب قديمة

يعتمد الكثير من الناس على العلاجات العشبية التقليدية، لكن تظل هناك مسألة مستمرة: كيف نجعل هذه التركيبات القديمة ثابتة وفعّالة ومتسقة مثل الأدوية الحديثة؟ تتناول هذه الدراسة هذا السؤال بالنسبة لصيغة Sanhuang Qingre، وهي وصفة صينية تقليدية تُستخدم لعلاج التهاب الجيوب الأنفية المزمن والحساسي، من خلال استخدام أدوات بيانات متقدّمة والتعلّم الآلي لضبط طريقة استخلاص مكوّناتها الطبية.

علاج عشبي بمشكلات عصرية

تجمع صيغة Sanhuang Qingre عدة أعشاب، بما في ذلك القوطي (coptis)، وقاعدة الجمجمة (skullcap)، والأستراجالوس (astragalus)، والبوريا (poria)، وغيرها، لتقليل الالتهاب ومكافحة الميكروبات ودعم إصلاح الأنسجة لدى الأشخاص المصابين بمشاكل جيوب أنفية طويلة الأمد. لسنوات استُخدمت هذه الصيغة كقطرات أنفية معدّة في المستشفى، لكن هذا الشكل السائل لا يبقى طويلاً في الأنف وليس مستقرًّا جدًا، مما يقيّد استخدامه الأوسع. لتحسين الدواء وربما تطوير أشكال جرعية جديدة، ركّز الباحثون أولاً على خطوة حاسمة وغالبًا ما تُهمل: عملية الاستخلاص التي تسحب المواد الفعّالة من الأعشاب الخام. إن استخلاصًا أكثر كفاءة وتحكمًا يعني أن كل دفعة من الدواء يمكن أن تقدّم جرعة موثوقة من مكوّناتها المفيدة.

قياس العديد من المكوّنات دفعة واحدة

على عكس الأدوية البسيطة التي تحتوي على جزيء فعال واحد، تعمل هذه الصيغة عبر مجموعة من المركبات المتكاملة. اختار الفريق 11 مادة رئيسية معروفة بخصائصها المضادة للبكتيريا أو الفيروسات أو المؤكسدة أو المضادة للالتهابات، إلى جانب إجمالي محصول الاستخلاص. بدلًا من الحكم على النجاح بمركب واحد فقط، ابتكروا «درجة شاملة» واحدة تدمج جميع المؤشرات الاثني عشر. ولتحقيق ذلك بعدالة، جمعوا بين خبرة المتخصصين (ما هي المكونات الأكثر أهمية سريريًا) والإحصاءات الموضوعية (ما القياسات التي تتباين أكثر وتحمل معلومات أكثر). سمح لهم هذا النهج الهجين في الترجيح بتقييم كل اختبار استخلاص بشكل متوازن وشفاف علميًا.

اختبار الظروف بتصميم تجريبي ذكي

ثم استكشف الباحثون كيف أثّرت ثلاثة عوامل رئيسية — قوة الإيثانول، ومدة التسخين تحت الارتداد، ونسبة السائل إلى العشب — على الدرجة الشاملة. بدلًا من تغيير عامل واحد في كل مرة بشكل عشوائي، استخدموا تجربة منظّمة تُعرف بتصميم Box–Behnken، الذي يغيّر الثلاثة بشكل منهجي ويلتقط التفاعلات بينها. أظهرت النمذجة الإحصائية (منهجية سطح الاستجابة) أن تركيز الإيثانول ووقت الاستخلاص كان لهما التأثير الأكبر، في حين لعبت نسبة السائل إلى المواد الصلبة دورًا أدق. ومن هذا التحليل، تم التنبؤ بأفضل الشروط: استخلاص بتركيز 55% إيثانول، لمدة ساعتين لكل دورة، وبنسبة سائل إلى عشب 12 مل لكل غرام.

ترك الخوارزميات لصيد نقطة الامتلاء

للانتقال إلى ما وراء الإحصاءات التقليدية، طبّق الفريق أيضًا نموذجين من التعلّم الآلي — شبكة عصبية مُحسّنة بخوارزمية جينية وآلة المتجهات الداعمة — إلى جانب طريقة تسمى تحليل الارتباط الرمادي، التي تقارن مدى تقارب كل تجربة إلى نمط مثالي. اقترح الارتباط الرمادي أحد التركيبات الجيدة للمعايير، لكنه كان يمكنه الاختيار فقط من بين الظروف المختبرة مسبقًا. وبالمقابل، تعلّمت آلة المتجهات الداعمة العلاقات الأساسية بشكل كافٍ لتتنبّأ بتراكيب جديدة بدقة عالية، متفوقةً على الشبكة العصبية. ومن اللافت أن الشروط التي أوصت بها طابقت تقريبًا ما تنبّأت به نمذجة سطح الاستجابة: 55% إيثانول، ساعتان من الارتداد، ونسبة سائل إلى مادة صلبة 12 مل/غ.

مزيد من الدواء من نفس الأعشاب

عندما نفّذ العلماء الاستخلاص فعليًا تحت هذه الشروط المحسّنة وقاسوا التركيب الكيميائي، كانت النتائج واضحة. زادت كميات جميع المكونات المستهدفة الأحد عشر مقارنةً بعملية الاستخلاص المائية الأصلية، وزاد مجموعها المجتمَع بأكثر من الضعف. وأظهرت الأدوات الإحصائية التي تقارن الملفات الكيميائية الكلية (تحليل العنقود والتحليل بالمكوّنات الرئيسة) أن الدُفعات المحسّنة شكلت عنقودًا متميّزًا ومتقاربًا بشكل محكم، منفصلًا عن العملية الأصلية وعن المخطط القائم على الارتباط الرمادي. ببساطة، تسحب الطريقة الجديدة المزيد من المكونات المهمة، وتفعل ذلك باستمرار عبر الدُفعات.

ما يعنيه هذا لعلاجات الأعشاب المستقبلية

بالنسبة لغير المتخصصين، الخلاصة بسيطة: من خلال الدمج بين تصميم تجريبي ذكي والتعلّم الآلي الحديث، حوّل الباحثون علاجًا تقليديًا للجيوب الأنفية إلى مُستخلص أكثر قوة وموثوقية من دون تغيير الأعشاب نفسها. تستخدم عمليتهم المحسّنة 55% إيثانول، دورتين للاستخلاص مدة كل منهما ساعتان، ونسبة سائل إلى صلب محددة لالتقاط مستويات أعلى بكثير من المكونات الفعّالة المثبتة. وبخلاف هذه الصيغة الواحدة، توفّر الدراسة مخططًا لتحديث أدوية عشبية معقّدة أخرى بحيث يمكن تصنيعها بنفس الاهتمام بالجودة وقابلية التكرار المتوقعة من الأدوية التقليدية.

الاستشهاد: Chen, Q., Meng, P., Hu, X. et al. Optimization of the extraction process of Sanhuang Qingre Formula by integrating response surface methodology, grey correlation analysis, and machine learning. Sci Rep 16, 6767 (2026). https://doi.org/10.1038/s41598-026-37751-0

الكلمات المفتاحية: الطب التقليدي الصيني, استخلاص الأعشاب, التعلّم الآلي, علاج التهاب الجيوب الأنفية, تحسين العمليات