基于电子鼻-HPLC-机器学习联用的苍术"气味示质"化学物质基础研究

来自杭州的研究人员针对苍术(Atractylodis Macrocephalae Rhizoma, AMR)品质评价难题，创新性整合电子鼻、HPLC和机器学习技术，揭示"气味示质"的科学内涵。研究发现临安产AMR(AMY)油室密度最高，鉴定出芳香成分(贡献度0.46)和苍术酮(Atractylon,贡献度0.96)为关键标志物，构建的6种机器学习模型准确区分AMR/AMY，W2W传感器与苍术酮相关性达0.86，为中药材智能鉴别提供新范式。

　　

这项突破性研究解密了道地药材苍术(Atractylodis Macrocephalae Rhizoma, AMR)的品质密码。杭州临安产的"於术"(Atractylodes macrocephalacy Yuzhu, AMY)凭借最密集的油室结构和最大腔室尺寸，在传统"气味示质"评价中独占鳌头。研究团队巧妙运用电子鼻捕获挥发性指纹，结合高效液相色谱(HPLC)和人工智能算法，发现芳香族化合物与有机硫化物(联合贡献度0.46)构成特征气味图谱，而倍半萜类成分苍术酮(Atractylon)以0.96的贡献值成为区分AMR与AMY的黄金标准。

特别有趣的是，电子鼻的W2W硫化氢传感器与苍术酮含量呈现0.86的强相关性，这为"闻香识药"的古老智慧提供了分子层面的解释。六种机器学习模型在鉴别实验中均表现优异，其中随机森林算法准确率高达98%，如同给计算机装上了"电子嗅觉"。该研究不仅建立了中药材智能评价新标准，更开创了多模态技术解析传统医药理论的创新范式。