《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》:Advanced spectral modeling for bacterial strains: A MARS–PLS2 approach with Lasso regularization and baseline optimization
编辑推荐:
红外光谱数据的固有特征在于其基线易发生畸变,同时存在高维性以及非线性相关性,从而阻碍对生化性质的可靠预测。为克服这些障碍,本研究提出了一种集成的MARS–PLS2–Lasso框架,该框架融合了有效的基线校正、非线性回归、潜变量提取和稀疏变量选择,以提升化学计量
红外光谱数据的固有特征在于其基线易发生畸变,同时存在高维性以及非线性相关性,从而阻碍对生化性质的可靠预测。为克服这些障碍,本研究提出了一种集成的MARS–PLS2–Lasso框架,该框架融合了有效的基线校正、非线性回归、潜变量提取和稀疏变量选择,以提升化学计量学建模的准确性与可解释性。在四种基线校正方法中,即非对称最小二乘法(ALS)、自适应迭代重加权惩罚最小二乘法(AirPLS)、多项式拟合以及小波基线校正,小波方法(sym8,Level 5)表现最为成功,因为其能够在低频噪声条件下表征局部光谱变化。该技术获得了较高的预测精度,RMSE = 0.2846–0.6857,MAE = 0.2371–0.5445,MSE = 0.0810–0.4705,表明其在细菌光谱上的模型拟合度高且残差误差最小。经小波校正后的光谱揭示出六个对细菌区分贡献最显著的关键功能区:720 cm?1至750 cm?1(C–Cl伸缩,CH弯曲),1000 cm?1至1300 cm?1(C–O伸缩,酯类,羧酸),1500 cm?1至1650 cm?1(CC伸缩),1687 cm?1至1793 cm?1(CO伸缩,共轭羰基),2771 cm?1至3143 cm?1(CH伸缩,烷烃,烯烃),3290 cm?1至3595 cm?1(O–H和NH伸缩)。这些感兴趣的振动区域对应于脂质、蛋白质、酰胺和多糖等生化组分,而这些组分决定了细菌的结构完整性和代谢活性。所提出的MARS–PLS2–Lasso模型利用多元自适应回归样条(MARS)通过自适应基函数捕捉非线性关系,同时由偏最小二乘2(PLS2)提取潜在组分,以最大化光谱预测变量与多个细菌响应之间的协方差。Lasso正则化进一步为模型引入稀疏性并降低模型复杂度,同时对贡献较小、易导致过拟合的基函数进行惩罚。这种组合可在高维光谱数据中对参数提供合理逼近。总体而言,MARS–PLS2–Lasso为高维红外光谱建模提供了一种稳健、可解释且与化学结构一致的方法。该方法具有较高预测能力、较低噪声,并能够以更恰当的方式解释光谱–生化相互作用,因此为细菌建模、光谱诊断及其在生物分析光谱学中的进一步应用提供了有前景的途径。
该论文发表于《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》,围绕高维ATR-FTIR光谱数据的化学计量学建模问题展开,重点关注细菌相关抗菌活性预测中常见的基线漂移、高维共线性、非线性关联以及多响应变量联合建模等关键难题。研究背景在于,傅里叶变换红外光谱(FTIR)作为一种快速、无损的分析技术,已广泛用于化学组分的定性与定量分析,但实际采集的ATR-FTIR光谱常因仪器漂移、样品异质性和环境波动出现偏移、倾斜和低频漂移等基线伪影。这些失真会破坏比尔定律所预期的线性吸光关系,降低光谱解释性和定量预测精度,因此基线校正成为可靠光谱分析不可缺少的预处理环节。
与此同时,FTIR数据通常具有变量维度高、波数之间强共线、光谱强度与响应变量间存在复杂非线性关系等特征。传统建模方法难以同时应对非线性、高维性、变量筛选和多响应预测。多元自适应回归样条(MARS)虽能通过分段基函数刻画非线性,但经典MARS依赖贪婪式结点选择和反向剪枝,在高维光谱中容易形成复杂且不稳定的基函数结构,且其最终回归步骤依赖普通最小二乘法,天然局限于单响应问题。偏最小二乘法中的PLS2虽适合处理多重共线和多响应联合建模,但其本质仍是线性潜变量模型,难以充分表达局部非线性光谱效应,同时也缺乏直接变量筛选能力。基于此,研究人员提出了一个统一的MARS–PLS2–LASSO框架,试图在同一模型中整合非线性基函数构建、多响应潜变量建模以及稀疏波数选择,弥补现有方法学空缺。
研究人员以18个深共熔离子液体样本(deep eutectic ionic liquids, DILs)的ATR-FTIR光谱及其抗菌活性数据为研究对象,考察其对6种致病菌株的抑菌响应,包括E. coli、S. boydii、S. aureus、耐碳青霉烯A. baumanni、S. dysenteriae和K. pneumoniae。抗菌活性通过琼脂打孔扩散法测定,构成一个典型的小样本、高维度、多响应化学计量学数据集。研究设计的一项核心内容,是将四种常见基线校正方法——非对称最小二乘法(ALS)、自适应迭代重加权惩罚最小二乘法(AirPLS)、多项式拟合和小波基线校正——分别作用于原始ATR-FTIR光谱,再将提出的MARS–PLS2–LASSO模型独立拟合于各预处理后的数据集,以模型下游预测性能和解释能力作为评价标准,比较不同基线校正策略的效果,而非仅依据预处理阶段的表观质量作出判断。
从方法上看,研究的创新性主要体现在对经典MARS结构的系统改造。研究人员采用基于分位数的结点设置替代标准MARS中的贪婪式结点放置,以适应偏态、高维的光谱预测变量分布;取消反向剪枝,以避免潜在具有光谱意义的非线性结构被提前剔除;将普通最小二乘拟合替换为PLS2,使模型能够同时刻画多个相关细菌响应;并在PLS权重层面引入LASSO(最小绝对收缩与选择算子)正则化,以实现稀疏、可解释的波数选择。这样形成的混合框架既能保留MARS在非线性表达方面的优势,又能借助PLS2完成潜变量压缩与协方差最大化建模,同时通过LASSO抑制冗余特征和降低过拟合风险。
用于开展该研究的主要技术方法包括:以18个DIL样本为样本队列,采用琼脂打孔扩散法测定对6种致病菌的抗菌活性;采集ATR-FTIR光谱后,分别实施ALS、AirPLS、多项式拟合和小波基线校正四种预处理;在建模阶段综合应用MARS进行非线性基函数构建,利用PLS2提取多响应潜变量,并以LASSO执行稀疏变量选择;最终通过RMSE、MAE和MSE等指标比较不同基线校正数据下模型的预测表现与解释能力。
Results and discussion
基线校正与模型性能比较
研究结果表明,ATR-FTIR光谱在建模前确实存在基线漂移与背景干扰问题,因此基线校正对后续建模质量具有显著影响。研究人员将四种基线校正结果分别输入所提出的MARS–PLS2–LASSO框架后发现,不同预处理方法对模型预测精度和残差水平的影响明显不同。其中,小波基线校正方法表现最佳,尤其是sym8小波、Level 5分解条件下,可较好分离低频基线成分与局部光谱特征,兼顾背景去除与细节保留。由此建立的模型在多个细菌响应上的误差指标达到RMSE = 0.2846–0.6857、MAE = 0.2371–0.5445、MSE = 0.0810–0.4705,说明其具有较高拟合优度和较低残差误差。该结果支持以下判断:在高维红外光谱建模中,预处理方法不能脱离下游建模任务单独评价,而应结合预测性能与解释结果综合考察。
关键光谱区间识别
借助小波校正后的最优模型,研究人员进一步识别出对细菌区分和抗菌响应预测贡献最大的六个关键波数区间。第一区间为720 cm
?1至750 cm
?1,主要对应C–Cl伸缩和CH弯曲振动;第二区间为1000 cm
?1至1300 cm
?1,主要涉及C–O伸缩、酯类和羧酸相关振动;第三区间为1500 cm
?1至1650 cm
?1,对应CC伸缩;第四区间为1687 cm
?1至1793 cm
?1,对应CO伸缩和共轭羰基;第五区间为2771 cm
?1至3143 cm
?1,对应CH伸缩并涉及烷烃和烯烃;第六区间为3290 cm
?1至3595 cm
?1,对应O–H和NH伸缩。研究人员据此指出,这些振动域与脂质、蛋白质、酰胺和多糖等生化组分密切相关,而这些组分与细菌的结构完整性及代谢活性相关,因此这些波段具有明确的化学与生物学解释基础。
MARS–PLS2–LASSO框架的建模优势
结果还显示,所提出模型在机制上实现了三类互补优势的协同:MARS负责刻画高维光谱中局部且非线性的谱–效应关系;PLS2负责在多重共线背景下提取潜在组分,并最大化光谱预测矩阵与多重细菌响应之间的协方差;LASSO则通过稀疏约束压缩模型规模,惩罚贡献有限或可能诱发过拟合的基函数与波数变量。研究结果表明,这种集成策略能够在高维、小样本、多响应场景下形成更稳定且更具可解释性的参数逼近。与单纯线性潜变量模型或传统MARS相比,该方法更适合处理复杂红外光谱中的非线性与局部特征,同时保留对关键波数区间的识别能力。
化学一致性与应用潜力
研究人员认为,该模型不仅在统计预测上表现良好,也在化学解释层面保持了一致性。模型所筛选和强调的波数区域与细菌相关生化成分的振动特征相吻合,说明其不是单纯的数据拟合工具,而具备一定的结构—光谱—功能解释价值。基于这一点,研究结果支持将MARS–PLS2–LASSO作为一种适用于细菌建模、光谱诊断和生物分析光谱学的高维建模路径。其突出特点在于预测性较高、噪声敏感性较低,并可用更恰当的方式解释光谱—生化相互作用。
讨论部分总结
论文讨论部分主要围绕两个层面展开。其一,基线校正对下游化学计量学建模结果具有实质性影响,尤其在ATR-FTIR这类易受背景漂移干扰的数据中,预处理方法的优劣应通过最终模型的预测准确性、残差水平和化学可解释性综合判断。其二,单一方法难以同时解决高维FTIR数据中的非线性、多重共线、多响应相关和变量筛选问题,因此需要构建融合式建模框架。研究人员提出的MARS–PLS2–LASSO模型正是在这一背景下形成,通过分位数结点、PLS2潜变量和LASSO稀疏约束的组合,改善了传统方法在复杂光谱数据上的局限性。讨论内容整体强调,该框架在方法学上具有稳健性、可解释性和化学一致性。
研究结论翻译
本研究提出了一种新型MARS–PLS2–LASSO框架,用于分析具有多个相关抗菌响应的高维FTIR光谱,并特别考察基线校正对下游预测准确性的影响。与经典混合模型不同,所提出的方法在单一框架内整合了基于分位数的非线性基函数构建、多响应潜变量建模以及稀疏波数选择。该模型是有效的。就全文可确认的信息而言,研究结论明确支持:小波基线校正在所比较方法中表现最佳,MARS–PLS2–LASSO能够提供稳健、可解释且化学上一致的高维红外光谱建模方式,并在细菌建模、光谱诊断和生物分析光谱学应用方面显示出良好前景。