基于化学计量学分析与数据融合策略的淡水与海水养殖鲑科鱼类特征变量筛选研究

为解决鲑科鱼类养殖环境(淡水/海水)溯源难题，研究人员通过稳定同位素(δ2 H/δ18 O)、元素指纹和磷脂脂肪酸(PLFAs)多组学整合，结合SVM、RF等算法筛选出9个核心变量(如Sr、C22:6n3等)，实现100%判别准确率，为水产品真实性认证提供可靠技术方案。

　　

在全球水产养殖业中，鲑科鱼类如大西洋鲑(Salmo salar)和虹鳟(Oncorhynchus mykiss)占据重要地位，2022年产量达310万吨。然而市场乱象丛生——物种替换、产地混淆、养殖环境(淡水/海水)虚假标注等问题频发，严重损害消费者权益。更棘手的是，加工后的鱼片丢失了物种特征，而饲料中添加的虾青素(astaxanthin)进一步干扰鉴别。现有单一溯源技术(如稳定同位素或脂肪酸分析)易受水质、饲料等因素干扰，亟需开发更可靠的鉴别体系。

中国海洋大学等机构的研究人员设计了一项创新实验：将虹鳟幼鱼置于三种盐度变化模式(淡水恒定FFF、淡水转海水FSF、海水恒定FSS)中养殖94天，系统分析其δ²
H/δ¹⁸
O稳定同位素、17种元素和16种磷脂脂肪酸(PLFAs)的动态变化。通过单因素方差分析(ANOVA)、正交偏最小二乘判别分析(OPLS-DA)等化学计量学方法，结合低级、中级、高级数据融合策略，构建了5个特征数据集(含40至7个变量)。最终采用支持向量机(SVM)、随机森林(RF)等算法进行模式识别。

实验设计
研究团队从山东潍坊采购虹鳟幼鱼，在烟台海阳黄海水产公司开展养殖实验。实验设置直径2.30m的圆形养殖池，通过控制盐度梯度模拟不同养殖环境。

稳定同位素变化规律
δ²
H值范围-103.00‰至-90.83‰，δ¹⁸
O值8.43‰-12.33‰。第三采样阶段显示FSS组>FSF组>FFF组的显著梯度(P<0.05)，证实海水环境会显著提升同位素比值。这与太平洋白虾(Litopenaeus vannamei)的研究结论一致，表明同位素分馏效应具有跨物种普适性。

关键变量筛选
数据集IV包含的9个变量展现最强判别力：δ²
H/δ¹⁸
O(环境印记)、Sr(反映水体矿化度)、C18:0(硬脂酸)、ΣSFA(饱和脂肪酸总量)、C20:3n3/C22:6n3(DHA前体)、C18:2n6(亚油酸)和ΣPUFA(多不饱和脂肪酸总量)。这些指标分别响应渗透调节、膜流动性适应等生理机制。

模型性能验证
SVM耦合数据集IV实现100%的判别准确率，显著优于RF、LDA等算法。其中δ¹⁸
O的VIP值(变量重要性投影)最高，这与淡水/海水氢氧同位素组成差异的物理化学基础高度吻合。

这项研究首次系统论证了多组学数据融合在鲑科鱼类养殖环境溯源中的优势。相比传统单指标方法，筛选出的9个核心变量形成了稳定的"特征指纹"，能有效抵抗饲料成分波动等干扰因素。该成果为《欧盟反食品欺诈条例》的实施提供了技术支撑，同时建立的OPLS-DA-SVM分析框架可拓展应用于其他水产品的真实性认证。研究团队特别指出，未来需扩大样本量和养殖周期以验证变量的时空稳定性，这对构建全球水产溯源数据库具有重要指导意义。