Sophorae Tonkinensis Radix et Rhizoma（山豆根）及其类似物的叶绿体结构、密码子使用偏好，以及基于DNA条形码的机器学习分子鉴定方法

《Fitoterapia》：Chloroplast structure, codon usage bias, and machine learning-based molecular identification using DNA barcoding of Sophorae Tonkinensis Radix et Rhizoma(Shan Dou gen) and its analogues

基于四个DNA条形码和机器学习算法对山豆根及其混淆种的叶绿体基因组分析，揭示其进化规律和密码子偏好特征，证实多标记联合检测的物种鉴别准确率超过85%，为药材安全性和资源保护提供理论支撑。

　　

郑梦迪|赵阳|高明辰|黄梅林|宋曦

西安医学院，中国陕西省西安市710021

摘要

本研究旨在分析“山豆根”（Sophorae Tonkinensis Radix et Rhizoma）及其六个易混淆物种的完整叶绿体基因组序列和密码子使用偏好，探讨它们的进化模式，并评估四种DNA条形码结合两种机器学习方法在这些七种植物中的鉴定效率。通过比对七种植物的叶绿体基因结构构建了系统发育树。使用CodonW和CUSP软件分析了密码子使用偏好，并基于Kimura-2参数模型计算遗传距离以评估条形码鉴定中的差异并重建系统发育树。比较了四种DNA条形码（ITS2、matK、psbA-trnH和rbcL）的物种区分能力。物种鉴定采用BLOG和WEKA机器学习算法完成。叶绿体基因组中以单核苷酸SSR序列为主，主要由A/T碱基组成。利用cpDNA实现了物种的完全区分。自然选择是影响密码子使用偏好的主要因素，其次是突变压力。在同义密码子中，A>T和G>C占主导地位，且在所有七种植物中第三位密码子的最优结尾为A/U。四种DNA条形码均能成功区分山豆根与其易混淆的物种。BLOG算法的鉴定准确率超过85%，优于WEKA算法。本研究为确保临床用药安全、阐明植物系统发育关系、促进物种鉴定以及指导山豆根及其类似物的资源保护和利用提供了理论基础。