2019年全球疟疾死亡率为40.9万人，其中38.4万人发生在非洲，其中大多数是儿童和孕妇[ 1］．非洲的这些死亡病例占全世界与疟疾有关死亡的93%以上。在全球87个疟疾流行地区中，28个非洲国家和印度占全球报告疟疾病例的95% [ 1］．多年来，担心正统抗疟药的有效性和安全性升高，同时加上耐药于治疗疟疾的药物的抗性[ 2］．介绍了青蒿素组合疗法以降低抗性的发展速度。然而，有关副作用和不良药物反应使某些患者的吸引力是没有吸引力[ 3.]以及治疗成本，治疗失败，以及可访问性。

在这种情况下，植物药物为治疗疟疾的正统药物提供了可行的替代品。在加纳，植物药物仍然是Antimalaria治疗的主要来源，因为观察到众多加纳人被认为光顾草药antimalaria补救措施。这种偏好源于产品的较低成本，感知更好的疗效和减少副作用，以及基于同行推荐的可接受性。使用这些草药补救措施的治疗结果在许多案例中呈阳性，因为药用植物已经是许多生物活性化合物的来源，包括用于促进药物如奎宁和蒿属的天然支架[ 4.那 5.］．这些植物药物可以通过几个组成次级代谢物的协同活性来规避寄生虫抗性和毒性的挑战[ 6.］．

由于内部缓冲效果，植物药物通常以早熟的pH和最小的毒性制定为草药产品（HMP）[ 5.]和相对较低浓度的成分植物化学物质。目前，加纳hmp的使用率约为76% [ 7.］．考虑到疟疾使人衰弱的性质以及在严重病例中发生器官和神经并发症的可能性，有必要对hmp进行监测和持续的质量监测，以保护产品的完整性，以保护公众。然而，hmp的有效质量监测仍然是一个重大挑战。在常规药物的情况下，可以进行分析，以确定可能存在的活性成分和其他杂质的水平。另一方面，hmp通常有几种植物化学成分，这使得几乎不可能识别所有的生物活性化合物，并相应地对它们进行量化，尤其是当产品是多草药时。尽管如此,植物材料收集的植物成份含量的变化从不同来源和不同时期的一个主要担忧的监测hmp含量均匀度,特别是在产品的情况下用于治疗疟疾等传染病。众所周知，植物次生代谢物的水平受生长条件、收获时间和方法、储存条件以及地理位置等因素的影响[ 8.- 11］．由于目前这些因素影响了药用植物中植物植物植物的水平，而且制造业的实践不标准化，因此对迅速，经济高效和高效的系统来说，这对HMP顾客的利益来说是重要的HMP的质量。

的困难与高熔点的测定方法的发展,因为无数的次生代谢物,食品和药品管理局的方法,加纳,批准并注册hmp主要集中在微生物负载、毒性、pH值,有些灰值、酸值等物化参数。然而，有必要有一种技术，其中的方案涉及测量hmp的某些植物化学成分。在资源受限的环境中，与这种理想方法相关的一些挑战是设备、附件和维护的成本。此外，该方法有望对多药HMPs或选定标记的几乎所有植物化学成分进行目标检测和定量[ 12］．这些方法通常涉及高效液相色谱（HPLC），气相色谱 - 质谱（GC-MS）和毛细管电泳（CE）的技术，这些方法在加纳常规化学质量监测的国家（如加纳）的HMPS中难以找到。除了仪器挑战之外，具有大量溶剂和溶剂浪费分离方法的繁琐样品制剂[ 12那 13］．

紫外线可见（UV-VIS）光谱是一种简单，经济效益和无损技术，在环境，制药和其他相关领域中发现了应用。例如，英国和美国药典均采用基于UV-VI基的方法来测定一些药物产品，以及用于鉴定某些活性药物成分的辅助方法。据报道，该技术对于液体HMPS的分析是有用的[ 14，其固有优点是这些方法易于使用，使实验室无需对技术人员进行广泛培训就能采用并有效实施这些方案。在紫外-可见光谱中，已经观察到从复杂混合物中获得的光谱，如液体hmp，通常是高度卷积的。这是因为复合样品中几个组分的吸收光谱是相互叠加的。然而，作者设想将化学计量学技术应用于复杂的UV-Vis数据可以导致有用的分析，并得出有关HMPs质量的相关结论。

化学计量学方法包括使用数学和统计工具从复杂数据中提取有用信息[ 15.］．这些方法已经存在一段时间，但由于易于使用的软件和统计包的可用性而最近变得流行[ 16.那 17.］．化学计量学方法一般用于机器学习和实验优化(即实验设计)[ 18.那 19.］．这项工作将专注于前者，因为后者超出了本文的范围。机器学习方法通​​常被称为监督或未监督的[ 20.］．无监督学习方法，如主成分分析(PCA)，可以说是最常用的化学计量学方法[ 20.那 21.］．PCA是一种降维技术，它揭示了数据中固有的隐藏模式。在PCA模型中，具有相似属性的同一类样本彼此聚类更接近。因此，围绕一组样本生成的置信椭圆将在得分空间中显示出高可变性。偏离标准产品的样品将会被看到在离群集中心更远的地方投影。在我们的研究背景下，这可以为不健康或过期的hmp的检测提供指导。监督学习方法，如支持向量机(SVM)，也可以用来分类液体hmp，以区别于其他产品。因此，两种不同的抗疟hmp有望被分为两个不同的组。此外，当产品的紫外-可见化学指纹改变时，也可以确定由于产品过期而导致的化学成分的变化。这种变化可以通过主成分分析(PCA)或支持向量机(SVM)检测出来，可以用来识别过期的hmp。

因此，在本研究中，我们提出了一种使用支持向量机和紫外-可见光谱对液体抗疟HMPs进行分类的方法。我们进一步演示了使用PCA和SVM模型来监测液体hmp的变化和识别过期产品。这种方法有可能扩展到检测液体抗疟hmp中的掺假物质，并进一步扩展到其他hmp。

加纳对hmp质量的评估主要基于一些感官和理化参数，包括但不限于颜色、pH值和微生物负荷。然而，在化学质量评价中，有必要开发先进而简单的针对HMPs的植物成分的评价策略。众所周知，这些次生代谢物对HMPs的生物活性起着重要作用，它们的变异是环境、收获、制造、储存和稳定性等因素的结果。由于多味草本产品中存在无数化合物，且缺乏足够可靠的分析方法来检查批次间植物成分水平的一致性，并识别可能没有明显物理变化的过期或分解hmp，不法分子可以将不合格、不卫生的产品重新装瓶出售给公众。因此，本研究探索了紫外可见光谱和化学计量分析在解决这一问题中的应用。由于抗疟hmp的高需求和非处方使用，它们被选为试验案例。

通常，从液体抗疟液HMP的分析中获得的所有UV-Vis光谱显示出大约230nm，280nm和375nm的最大吸光度（图 1（a）），这表明存在具有共轭系统或发色团的化合物以及我们选择的技术的适用性。这与其他研究结果同意，显示植物产品中发色酶的存在[ 12］．

由于数据集中的噪声，实现了移动窗口平滑算法（图 1（b）)，显示出与原始光谱相似的光谱特征。为了识别光谱中信息更丰富的区域，如前所述进行了判别变量分析[ 24.]来生成可变选择性比(SR)图(图 2）.在本分析中，小于10的SR值被认为是低分辨能力，因此从数据中剔除。阈值显示了超出设定限制的变量，并将变量数量从501个减少到324个。必须强调的是，更少的具有更好辨别能力的描述符是更可取的，因为它们会导致更简单的模型[ 25.那 26.］．

接下来，使用训练集数据（仅324个变量）执行主成分分析。结果显示了PC1与PC2与PC3的PCA分数图（图 3.）.PC1和PC2的解释差异分别为37.51％和26.38％，而第三个主要成分具有18.74％。因此，观察到总解释的82.63％的差异。在这个三维分数空间中可以看出，各种抗疟疾HMP都集群在单独的组中。在每个群集中产生的95％置信椭圆显示相当多的培训集样本误入群集。这证明了UV-VIS光谱和PCA模型可用于区分各种液体抗疟液HMP。随后，在模型中投影了每个HMP类的外部验证集（图 4.其中HMP1是红色圆圈，HMP2是紫色方块，HMP3是绿色钻石，HMP4是红色五角星，HMP5是蓝色三角形）。在图中 4.，用于训练集和验证集的样本分别用空心标记和填充标记表示。这里也很明显，那些没有在训练模型中使用的样本也被投影到正确的子组中。

还评估了为识别过期产品的PCA模型的能力。来自HMP4的已过期产品，标记为HMP4X，也投影到模型中，如图所示 4.。将这些过期的产品聚集成不同的分数空间（表示为黑色三角形）。这进一步证明，使用UV-VIS光谱和PCA，可以容易地检测到过期的产品。由于液体HMP可能会变坏而不表现出实际外观和味道的可察觉变化，这具有很高的重要性。

利用DIVA测试得到的324个特征生成SVM分类模型。该模型由径向基函数核生成，其代价值和gamma值分别为100和0.1。由于数据的结构，采用了百叶窗交叉验证，得到了一致的结果。模型由训练集数据生成，并使用外部验证集进行验证。所有5个产品(HMP1, HMP2, HMP3, HMP4, HMP5)的类预测概率图如图所示 5(一个)- 5（e），其中HMP1为红色圆形，HMP2为紫色方形，HMP3为绿色菱形，HMP4为红色五角形，HMP5为蓝色三角形，红色虚线为识别屏障，训练集和验证集分别由空心标记和填充标记表示。在图的支持向量机中 5.，较近零（黑色短划线）的课程预测概率表明属于所预测的类的样本的可能性较小。另一方面，接近1.00（绿色短划线）的类预测概率表示样本可以属于正在预测的类别。类别歧视边界由红色虚线表示。数字的数值结果 5.见表 1。没有假阴性或误报，导致分类灵敏度，特异性和准确性为1.00（表示100％），这证明了UV-VIS谱和SVM组合用于HMPS分类的功能。但是，在验证集中，从HMP4和HMP5识别出两个误报。对于分类模型来说是正常的，在训练集数据上比验证集更好地执行更好。

使用HMP4x的光谱评估SVM模型检测到期产品的能力。将HMP4x中的样本投影到模型中以检查，如果确实，该模型将预测为HMP4或其他模式。可以看出，HMP4x样本不预测在5个HMP组中的任何一个中（图 6.）.因此，所有五类hmp的类预测概率都低于0.5。这是因为这些产物已经发生了一些化学变化，尽管没有明显的物理变化改变了它们的紫外可见光谱。这表明，利用紫外可见光谱和支持向量机分类，可以检测到过期的草药产品。研究范围将扩大到包括批次间hmp的一致性和稳定性。

成功地开发了一种简单的光谱法（UV-Vis光谱）和化学计量模型，并应用于液体抗疟液HMP的评估。该方法展示了PCA区分不同HMP的能力。此外，我们将SVM模型应用于液体HMP的UV-Vis光谱，以分类不同的抗疟药。观察到预测敏感度，特异性和准确性为1.00（100％），用于培训所有产品的数据。关于HMP1，HMP2和HMP3的所有情况下，预测的验证集，敏感度，特异性和准确性为1.00。然而，HMP4和HMP5的敏感性和精度分别为0.90和0.98。SVM方法还证明了其区分有益健康和过期产品的能力。