基于脂质组学指纹图谱与深度学习的50种籽源药用植物快速鉴别：自动化鉴定平台的构建

这篇研究创新性地将高效液相色谱-蒸发光散射检测（HPLC-ELSD）与一维卷积神经网络（1D-CNN）相结合，建立了包含608批次50种籽源药用植物（SDMHs）的脂质指纹数据库，开发出准确率达98.4%的自动化鉴定平台。该研究解决了传统形态学鉴别和DNA条形码技术的局限性，为中药质量控制提供了可扩展的智能解决方案。

　　

Highlight
本研究亮点在于通过优化的Folch法（15分钟快速脂质提取）结合HPLC-ELSD分析，实现了脂肪酸（FAs）、磷脂（PLs）和三酰甘油（TAGs）的高效分离。独创的"脂质雷达图"可视化技术，配合1D-CNN模型，使鉴定准确率突破98.4%，较传统SVM（87.3%）提升显著。

Chemicals and reagents
实验选用上海标准技术有限公司提供的亚油酸（纯度>98%）、磷脂酰胆碱（PC）等标准品，采用分析纯氯仿（CHCl₃）作为溶剂，所有试剂均通过严格的质量验证。

Optimization of extraction procedures and HPLC-ELSD analytical method
如图S2A所示，通过系统比较四种提取方案，最终确定甲醇/氯仿（1:2, v/v）方案最优——不仅色谱图基线平稳（1.7分钟处干扰峰最少），且能同步提取三大类脂质。梯度洗脱程序优化后，60分钟内即可完成复杂脂质分离，RSD<3%证明方法稳定性卓越。

Conclusion
我们构建的智能平台首次整合了植物图像、特征脂质成分和色谱指纹数据，其"三步识别"流程（色谱上传→模型预测→结果可视化）即使非专业人员也能轻松操作。该技术为《中国药典》收录的56种SDMHs建立了标准化质控新范式。

CRediT authorship contribution statement
第一作者唐子君负责算法开发与论文撰写，通讯作者郭德安教授指导研究设计。团队创新性地将物联网（IoT）架构与深度学习结合，开发的交互式平台支持实时数据更新和模型迭代优化。

Declaration of competing interest
作者声明不存在任何可能影响研究客观性的经济利益冲突，所有实验数据均通过第三方验证。

Acknowledgements
感谢国家自然科学基金（82130111）和深圳"三名工程"（SZZYSM202106004）的资助，以及合作单位提供的标准品支持。