基于便携式质谱与近红外光谱数据融合的刺五加掺假鉴别策略研究

推荐：针对刺五加(Acanthopanax senticosus)市场掺假问题，研究人员创新性融合便携式近红外光谱(NIR)与质谱(PMS)技术，通过模糊算法实现高级数据融合。模型预测准确率达0.96，定量模型R2P为0.9664，为中药材质量监管提供快速、精准的双技术联用解决方案。

　　

刺五加作为传统药食两用植物，在东亚地区具有广泛的应用价值，但其高昂的市场价格催生了以Ilex pubescens为代表的掺假乱象。传统检测方法如高效液相色谱(HPLC)存在耗时长、成本高等缺陷，而单一快速检测技术又难以兼顾成分特异性和整体理化特性。河北省科研团队创新性地将便携式近红外光谱(NIR)与质谱(PMS)技术相结合，通过高级数据融合策略破解了这一行业难题。

研究团队采用多源样本队列（126份刺五加来自吉林、黑龙江等主产区，100份Ilex pubescens来自广东），通过特征变量筛选和加权平均算法构建模型。关键技术包括：1)便携NIR获取1100-1500nm区间羟基/甲基振动谱；2)PMS捕获m/z 50-500特征离子；3)模糊算法实现高级数据融合；4)化学计量学方法验证模型性能。

【Plant material】
建立包含不同地理来源和掺假比例(20%-100%)的样本库，将20%-40%掺假划分为低浓度组，60%-100%为高浓度组，为模型建立提供物质基础。

【Portable mass spectrometry and near-infrared spectroscopy analysis】
NIR在1150-1210nm（C-H键振动）、1400-1440nm（羟基吸收）等波段显示特征差异；PMS则通过m/z 185.12等特征离子实现化合物特异性识别。双技术互补克服了NIR非特异性干扰的局限。

【Conclusion】
高级融合模型的准确率(0.96)显著优于单技术模型，定量预测的RMSEP低至0.0535g/g。该研究首次实现振动光谱与离子信息的跨模态融合，为《中国药典》快速检测标准制定提供了新范式。

讨论部分强调，该策略的创新性体现在：1)通过NIR反映整体理化性质与PMS提供分子特异性信息的优势互补；2)模糊算法解决异构数据融合难题；3)便携设备组合满足现场检测需求。研究成果发表于《Food Chemistry》，为中药材全产业链质量监控树立了技术标杆，对保障大健康产业可持续发展具有重要实践意义。