利用近红外和中红外光谱技术结合DD-SIMCA建模方法，对云南产的Dendrobium officinale（金钗花）的来源可追溯性进行研究

《Journal of Food Composition and Analysis》：Origin traceability of Dendrobium officinale from Yunnan using near- and mid-infrared spectroscopy combined with DD-SIMCA modeling

地理标志产品溯源技术研究中，基于近红外与中红外光谱融合的DD-SIMCA模型能有效鉴别云南石斛地理来源，测试集准确率达99.41%，为中药数字化溯源提供新方法。

　　

李莎蓉|杨少兵|李莉|王远忠

湖南省生物资源与环境科学学院，吉首大学，吉首，416000，中国

摘要

高价值药用植物Dendrobium officinale（D. officinale）的产地真实性对于确保其市场价值和临床效果至关重要。因此，迫切需要建立高效准确的产地追溯和鉴定方法。本文开发了一种基于数据驱动的软独立类比建模（DD-SIMCA）的非破坏性鉴定技术，该技术结合了近红外（NIR）和中红外（MIR）光谱技术。通过调整关键参数（如显著性水平α和主成分（PCs）的数量），构建了一种用于鉴定云南产D. officinale的高性能模型。在最佳条件下（α = 0.001，未经处理，PCs = 22），基于NIR和MIR低级数据融合的模型表现出优异的性能。对于包含155个云南产D. officinale样本的训练集和测试集，该模型的灵敏度达到了100.00%，对于341个非云南样本的特异性达到了99.41%。其性能超过了单一光谱模型。这项研究提供了一种可靠的技术解决方案，可以直接应用于中国中药的地理标志认证和数字供应链溯源中，为从源头到终点的跟踪及其高质量发展提供了有力支持。

引言

Dendrobium officinale（D. officinale）Kimura & Migo）是一种属于兰科的多年生附生草本药用和食用植物。它具有益胃、生津、养阴和清热的功效。除了药用价值外，它还因其观赏性和经济价值而受到高度重视（Vendrame等人，2008年）。随着“大健康”概念的广泛普及，D. officinale现在被广泛用于各种产品形式，如鲜食、汤品、菜肴、果汁和传统酒类生产（Han等人，2025a）。

云南省位于东经97°31′-106°11′，北纬21°8′-29°15′之间。其独特的地理环境、复杂的地形和多样的气候条件提供了充足的降雨量和阳光（F. Wu等人，2025年）。这些条件使得云南的D. officinale能够长出粗壮的茎和丰富的汁液，从而具有显著的药用效果。由于气候、海拔和纬度等因素的影响，D. officinale的化学成分在不同地区存在差异（Luo等人，2023年；Yuan等人，2020年）。云南省广南县产的D. officinale已被认定为中国地理标志（GI）产品（https://nync.yn.gov.cn/html/2023/zhoushilianbonew_0816/399736.html?cid=3012）。一些不诚实的商家将非GID. officinale冒充GI认证产品以获取更高利润，这损害了消费者利益并扰乱了市场秩序。因此，快速准确的产地鉴定对于保护行业、维护市场诚信和保障消费者权益至关重要。

现代分析技术提供了多种追踪药用植物地理来源的选项。当前的研究提出了多种方法，如转录组学和代谢组学，用于鉴定D. officinale的地理来源（Liu等人，2025年；Yan等人，2015年）。然而，这些传统分析方法复杂、耗时且成本高昂，不适合快速准确地追踪D. officinale的地理来源。与传统方法相比，红外光谱技术被广泛应用于追踪中药材、食品和其他商品的来源。它为地理溯源提供了有效的解决方案和视角。近红外光谱主要提供分子键（如C-H、O-H和N-H）的振动态和组合振动信息。相比之下，中红外光谱提供了所有化学键的基本振动信息，产生更强的信号（Wang等人，2025年）。Li等人（2022a）通过将中红外光谱与化学计量学结合，实现了Poria cocos的地理溯源。Li等人（2025）的研究表明，近红外光谱结合残差网络是鉴定Gastrodia elata来源的最有利工具。随着现代分析技术的进步，多源数据融合分析在药用植物综合质量评估中显示出更大的优势。它已应用于Angelica dahurica（Fu等人，2019年）和Dioscorea opposite（Gao等人，2024年）的研究中。数据融合策略主要分为三个层次：低级融合直接整合原始数据；中级融合需要特征提取；高级融合涉及对每个数据集分别进行分类或回归分析，最终通过整合它们的输出做出决策（Zhang, Wang，2023年）。目前，关于D. officinale地理来源的研究仍缺乏数据整合。

当新样本超出预定义类别时，传统的判别分析可能不足以进行地理来源鉴定（Rodionova等人，2016b）。单类分类（OCC）模型可以有效地将目标对象与其他所有类别的样本区分开来。传统的多类模型（如PLS-DA）要求所有样本都属于预定义的类别。面对不符合这些类别的新样本时，它们可能无法满足地理来源鉴定的实际需求（L. Wu等人，2025年）。数据驱动的软独立类比建模（DD-SIMCA）模型是目前最流行的单类分类算法，可以方便地计算理论误分类误差（Zontov等人，2017年）。DD-SIMCA广泛应用于食品鉴定，例如检测奶粉（Mazivila等人，2020年）和橄榄油（Lozano等人，2025年）中的掺假行为，以及Polygonatum的物种鉴定（Wang等人，2025年）。然而，关于将光谱分析与DD-SIMCA结合用于产地鉴定的报道较少。因此，本研究将应用红外光谱和DD-SIMCA的组合方法，创建一种快速、非破坏性、准确且数字化的D. officinale溯源方法，旨在提高溯源能力并促进草药产业的发展。

实验部分

植物材料

本实验在2024年4月至6月期间，系统地调查并收集了来自云南和六个非云南生产地区（安徽、浙江、福建、广东、海南和贵州）的D. officinale样本。表1提供了有关样本的详细信息。收集新鲜样本后，首先清洗以去除表面杂质，然后将茎切成特定厚度的切片。样本被放置在干燥箱中（上海森鑫实验设备）

光谱分析

ATR-FTIR和NIR技术可以通过红外光谱中的吸收模式识别和表征D. officinale样本中的化学官能团，相应的吸收峰位置是特定的。这些信息可以进一步与化学计量方法（如DD-SIMCA）结合，以分析和分类样本。

尽管FT-NIR（10000–4000?cm?1）（1000-2500?nm）和ATR-FTIR（4000–400?cm?1）（2500-25000?nm）光谱之间存在相似性，但它们的吸收特征不同

结论

本研究报道了一种使用NIR和MIR光谱结合DD-SIMCA模型来鉴定GI产品D. officinale地理来源的新方法。结果表明，通过采用数据融合策略，该模型在云南D. officinale的训练集、测试集和验证集上的识别准确率分别为100%、100%和99.41%。这种方法提供了一种快速、非破坏性和环境友好的地理溯源解决方案

资助

本工作得到了云南省重大科技项目专项计划的资助（项目编号：202202AE090001）。

CRediT作者贡献声明

王远忠：资源管理、项目协调、资金争取。李莉：监督、资源支持、调查。杨少兵：可视化处理、验证、资源管理、资金争取、数据整理。李莎蓉：撰写——审稿与编辑、初稿撰写、软件应用、数据分析、概念构思。

利益冲突声明

作者声明他们没有已知的利益冲突或个人关系可能影响本文所述的工作。