基于UHPLC-QqQ-MS结合化学计量学的胡芦巴芽苗萌发阶段化学动态变化与抗糖尿病潜力研究

本研究针对不同干燥方法对菊芋营养成分的影响，采用机器学习算法预测生化特性。结果表明三重效应太阳能干燥法最佳保留蛋白质(69379 mg/kg)和β-胡萝卜素(0.68 mg/kg)，随机森林和k近邻算法预测精度达R2>90%，为食品工业品质控制提供创新方案。

　　

菊芋作为一种兼具营养价值和健康效益的功能性作物，近年来在对抗肥胖、糖尿病和心血管疾病领域展现出巨大潜力。其叶片含33.3%的优质蛋白，块茎富含菊粉（inulin）和多种矿物质，但传统干燥工艺导致的营养流失问题长期制约着其产业化发展。针对这一瓶颈，研究人员开展了一项创新性研究，系统比较自然干燥、露天晒干、单/双/三重效应太阳能干燥对菊芋营养成分的影响，并首次将机器学习引入干燥食品品质预测领域。

研究采用原子吸收分光光度法精确测定矿物质含量，通过凯氏定氮法（Kjeldahl）分析蛋白质，结合化学分析法检测维生素和β-胡萝卜素。机器学习模型构建选用多层感知器（MLP）、随机森林（RF）、k近邻（kNN）、支持向量回归（SVR）等七种算法，通过相关系数（R2）和相对预测偏差（RPD）评估模型性能。

研究结果显示：

1. 干燥方法显著影响营养保留：三重效应太阳能干燥表现最优，蛋白质含量达69379 mg/kg，β-胡萝卜素保留率比自然干燥高32%，抗坏血酸（AA）含量达94.82 mg/kg（自然干燥仅57.41 mg/kg）。
2. 机器学习预测效果优异：随机森林和kNN对生化特性的预测精度R2>90%，其中维生素C预测相关系数达0.99，NIR光谱结合ANN模型对β-胡萝卜素的检测RPD>2.5。
3. 营养组分强相关性：总蛋白与AA、烟酸、磷含量呈显著正相关（p<0.01），为快速检测提供理论依据。

该研究发表于《Journal of Food Composition and Analysis》，其创新性体现在：首次证实三重效应太阳能干燥系统配合相变材料（PCM）可使热效率提升7.81%，为小规模农场提供经济高效的加工方案；建立的机器学习预测模型突破传统检测耗时长的局限，实现营养成分的实时评估。这些发现不仅为菊芋产品开发提供技术支撑，更为功能性食品的智能制造开创了"干燥工艺优化-营养预测-产品设计"的全链条研究范式。未来研究可进一步整合高光谱成像技术，推动农产品加工向数字化、智能化方向发展。