基于机器学习整合脂肪酸特征实现野生与养殖金头鲷（Sparus aurata）溯源及营养品质评估

《Food Control》：Integrating Fatty Acid Signatures Through Machine Learning for Traceability and Nutritional Profiling of Wild and Farmed Gilthead Sea Bream ( Sparus aurata)

　　

全球海产品消费量在过去几十年中大幅增长，这得益于人口增长以及人们认识到海产品是优质蛋白质、必需脂肪酸、维生素和微量元素的营养来源（Neagu et al., 2025）。据联合国粮食及农业组织（FAO）统计，海产品约占全球总蛋白质摄入量的6%，约占人类消费的动物源性蛋白质的15%（FAO, 2024），且消费趋势预计在未来数年将持续上升（Guillen et al., 2019）。消费者需求的增长加剧了对稳定且价格合理的高品质营养海产品的需求（Costello et al., 2020; Teixeira & Silva, 2024）。 为满足市场需求，水产养殖已成为供人类食用海产品的主导来源，目前其总产量已超过野生捕捞量（Aich et al., 2020）。值得注意的是，2023年水产养殖产量超过9800万吨，占渔业和水产养殖总产量的52%，市场价值达3470亿美元（FAO, 2025）。尽管海产品市场日益包含野生捕捞和养殖产品，最终以具有竞争力的价格提高了海产品的可及性，但这种多样化也带来了与产品真实性、价格差异和消费者信任相关的诸多挑战（Lawrence et al., 2022）。在欧盟内部，强制性海产品标签包括生产方法（即野生捕捞或养殖）以及捕捞或生产区域；然而，在复杂的供应链中对标签信息进行独立验证仍然具有挑战性，这明确需要能够支持食品管控并保护消费者和环境的分析工具（Regulation (EU) No 1169/2011, 2011; Regulation (EU) No 1379/2013, 2013）。 在海产品行业中，野生和养殖产品在价格上往往存在显著差异，这反映了消费者对品质感知、感官属性和健康预期的差异（Claret et al., 2014; Hoque et al., 2022; Schrobback et al., 2025; Tomi? et al., 2017）。市场驱动的差异和全球化供应链为食品欺诈创造了强烈动机，包括海产品错误标签、物种替代和产地虚假陈述。除经济欺骗外，这些行为还削弱消费者信心，助长不公平竞争，并加剧与无管制捕捞相关的环境风险（Fox et al., 2018; Lawrence et al., 2022, 2024）。近期一项荟萃分析显示，美国商业市场中海产品错误标签率高达39.1%，这进一步印证了对可扩展验证方法的需求（Ahles et al., 2025）。 为加强海产品认证和溯源，协作性、多部门、跨学科的方法被越来越多地采用，整合了生物化学和高通量分析技术。这些方法包括鳃和肠道微生物组分析（Duarte et al., 2025; Feij?o et al., 2025; Meriggi et al., 2024）、基于DNA的方法和稳定同位素分析（Gopi et al., 2019），以及元素指纹分析（Duarte et al., 2022; Mamede et al., 2022）。尽管前景广阔，但这些方法的性能因具体目标、目标物种、环境条件和生产系统的不同而有所差异。特别是，同位素和元素指纹方法对地理上邻近的产地可能表现出有限的区分能力，而基于DNA的技术通常对物种认证比对产地或生产系统区分更有效（Yang et al., 2024）。尽管物种认证已较为成熟，但针对单一物种内生产系统（如池塘养殖与网箱养殖，或近岸与离岸生产）的可靠区分研究仍然较少。然而，这种区分对经济价值和标签完整性至关重要，尤其是对具有高商业价值的物种而言。 尽管被较新的技术所掩盖，脂质分析和脂肪酸分析仍然非常有效，在海产品溯源研究中分类准确率可达98%（Bell et al., 2007; Budge et al., 2002; Fonseca et al., 2022; Sciuto et al., 2019）。这使得脂肪酸分析成为一种经济有效且稳健的方法，用于评估主要由饮食摄入、饲料配方和营养输入驱动的成分差异，从而能够区分生产方法的影响，特别是在生产地点可能在地理上重叠的情况下（Fernandez-Jover et al., 2011; Iverson et al., 2004）。此外，脂肪酸分析还能直接揭示海产品的营养品质，为产品增加透明度和商业价值，契合注重健康的消费者的选择（López-Mas et al., 2021）。脂肪酸特征作为区分野生和养殖鱼类潜在标志物的一个主要驱动因素是水产饲料中海洋油脂逐渐被植物油替代，这导致鱼片中出现不同的脂肪酸模式（例如Izquierdo et al., 2005）。 长链多不饱和脂肪酸（LC-PUFAs），包括omega-3二十碳五烯酸（EPA）和二十二碳六烯酸（DHA），据报道有助于人类的神经、认知和心血管功能（Chen et al., 2022; Kris-Etherton et al., 2003; Wiktorowska-Owczarek et al., 2015）。利用脂肪酸丰度数据并将其纳入脂质品质指数（如致动脉粥样硬化指数（IA）、致血栓形成指数（IT）、低胆固醇/高胆固醇比值（h/H）和n?6/n?3脂肪酸比值），可为评估消费特定产品对人类健康的潜在影响提供综合性指标（Chen & Liu, 2020）。 金头鲷（Sparus aurata；鲷科），是地中海地区最具商业价值的海水鱼类之一，2023年全球产量约35.04万吨（活重），其中仅约3%来自野生捕捞（FAO, 2025; Mhalhel et al., 2023）。其对广泛温度和盐度的耐受能力使其能够栖息于河口和沿海水域，其饮食虽然主要由双壳类和腹足类组成，但会根据资源可用性而变化，使其成为一种机会主义摄食者，偶尔摄食海鞘类、藻类和苔藓虫（Pita et al., 2002; Wassef & Eisawy, 1985）。由于这种营养灵活性，S. aurata表现出高营养特征，含有高蛋白质含量和来自多样化猎物来源的显著长链omega-3积累（Grigorakis, 2007）。这些营养属性不仅从消费者角度日益相关，而且在产品差异化和溯源框架内也具有重要意义。 在此背景下，本研究旨在通过气相色谱法表征葡萄牙鱼市场上可购得的野生和养殖金头鲷（Sparus aurata）标本的脂肪酸组织组成。随后，还评估了脂肪酸特征作为生产方法和产地指标的应用潜力，最终为金头鲷溯源开发稳健的、具有生物学意义的工具，同时解决消费者关心的营养价值问题。

论文解读

一、研究背景与意义

全球海产品消费量持续增长，水产养殖已成为人类消费海产品的主导来源。然而，野生捕捞与养殖产品之间存在显著价格差异，加之全球化供应链的复杂性，海产品错误标签、物种替代和产地虚假陈述等食品欺诈行为频发。美国商业市场中海产品错误标签率高达39.1%，这一问题已引起广泛关注。欧盟虽已实施强制性海产品标签制度，要求标注生产方法和捕捞/生产区域，但独立验证仍然困难。现有技术中，同位素和元素指纹方法对地理邻近产地区分能力有限，DNA技术更适用于物种认证而非产地或生产系统区分。脂肪酸分析作为一种经济有效的方法，在以往海产品溯源研究中准确率可达98%，同时还能提供营养品质信息。金头鲷（Sparus aurata）是地中海地区最重要的商业鱼类之一，2023年全球产量约35.04万吨，但仅约3%来自野生捕捞。本研究旨在通过气相色谱法表征葡萄牙鱼市场上野生和养殖金头鲷的脂肪酸组成，评估脂肪酸特征作为生产方法和产地指标的潜力，为金头鲷溯源开发稳健工具，同时评估其营养品质。

二、研究结论与意义

研究人员从葡萄牙专属经济区东北大西洋区域的两个地点采集了120尾金头鲷标本，分为四组（每组30尾）：马德拉岛网箱养殖（MCage）、奥良网箱养殖（OCage）、奥良池塘养殖（OPond）和奥良野生捕捞（OWild）。通过气相色谱-氢火焰离子化检测（GC-FID）分析背部白色肌肉的脂肪酸组成，并计算多种营养品质指数。研究结果表明，脂肪酸特征能够有效区分野生和养殖金头鲷，随机森林（RF）模型对生产系统和产地的分类准确率达99.1%。该研究同时揭示了野生与养殖金头鲷在营养品质上的差异，为海产品溯源和营养评估提供了双重工具，对保障消费者权益、促进市场透明度和可持续水产养殖实践具有重要意义。

三、主要技术方法

研究人员采用气相色谱-氢火焰离子化检测（GC-FID）技术对120尾金头鲷背部白色肌肉样本进行脂肪酸甲酯（FAMEs）分析，样本来自葡萄牙专属经济区东北大西洋区域的两个地点，分为四组（马德拉岛网箱养殖、奥良网箱养殖、奥良池塘养殖和奥良野生捕捞，每组30尾）。基于14种脂肪酸相对丰度数据，采用随机森林（RF）机器学习分类算法进行产地和生产系统判别，通过5折交叉验证重复10次进行模型优化，并结合置换重要性分析和沙普利加性解释（SHAP）分析评估各脂肪酸对分类的贡献。同时计算了多种脂质品质指数，包括鱼脂质品质（FLQ）、健康促进指数（HPI）、低胆固醇/高胆固醇比值（h/H）、致动脉粥样硬化指数（IA）、致血栓形成指数（IT）、双键指数（DBI）和过氧化指数（PI）。

四、研究结果

4.1 脂肪酸组成

所有金头鲷样本中最丰富的脂肪酸为棕榈酸（C16:0）、硬脂酸（C18:0）、油酸（C18:1）、花生四烯酸（C20:4n?6，ARA）、二十碳五烯酸（C20:5n?3，EPA）和二十二碳六烯酸（C22:6n?3，DHA），这些脂肪酸合计占养殖个体总脂肪酸的72%以上、野生个体总脂肪酸的85%以上。网箱养殖标本的油酸水平最高，而棕榈酸、硬脂酸和花生四烯酸相对丰度最低。野生捕捞标本的棕榈酸（23.8%±0.4）、硬脂酸（9.2%±0.3）、EPA（8.2%±0.4）和DHA（19.6%±1.2）相对丰度最高，而亚油酸（C18:2，LA）最低（1.1%±0.2），花生四烯酸最高（6%±0.4）。养殖金头鲷的饱和脂肪酸（SFA）水平低于27.5%，而野生标本为35.8%±0.6；养殖组的不饱和脂肪酸（UFA）高于72.5%，野生个体为64.2%±0.6。养殖组呈现向omega-6脂肪酸（n?6 PUFAs>14.9%）的偏移和omega-3脂肪酸（n?3 PUFAs<25.6%）的降低。总脂肪酸（TFA）含量以马德拉岛网箱养殖（2.18 g±0.2）和沿海网箱养殖（1.42 g±0.2）最高，其次为池塘养殖（0.86 g±0.06）和野生捕捞（0.70 g±0.05）。

4.2 营养品质指数

养殖金头鲷表现出更高的健康促进指数（HPI>2.97）和更低的致动脉粥样硬化指数（IA<0.34）。沿海网箱养殖个体的致血栓形成指数最低（IT=0.22±0.00），低胆固醇/高胆固醇比值最高（h/H=4.04±0.05），表明其脂质组成与较低的心血管风险相关。野生捕捞鱼的h/H（2.29±0.06）和HPI（2.16±0.05）较低，IA（0.47±0.01）较高，但其n?3/n?6比值（4.71±0.23）和鱼脂质品质（FLQ=27.77±1.42）最高。野生金头鲷的双键指数（DBI=4.57±0.16）和过氧化指数（PI=252.71±11.89）最高。EPA+DHA含量以网箱养殖个体最高（0.28±0.01 g/100 g鲜重），池塘养殖和野生捕捞鱼较低（0.16±0.00 g/100 g鲜重）。所有组的EPA+DHA含量范围为157至283 mg/100 g鲜肌肉，100 g金头鲷可提供对EFSA推荐的成人每日250 mg EPA+DHA摄入量的显著贡献，其中仅网箱养殖鱼达到250 mg/100 g。

4.3 产地分析

随机森林模型在训练阶段达到100%的全局准确率，测试阶段（50次重采样迭代汇总）总体分类准确率为99.1%。沿海标本（OCage、OPond和OWild）的分类成功率最高（准确率>99.7%），池塘养殖和野生捕捞标本达到完美分类。沿海网箱养殖标本与池塘养殖组存在0.3%的少量误分类。马德拉岛网箱养殖标本分类准确率最低（>96.7%），与其他养殖组存在3.3%的误分类。测试阶段的误分类仅限于养殖组之间，野生与养殖标本之间无任何误分类。置换重要性分析显示，C16:0、C22:5n?3、C18:2n?6、C20:4n?6和C20:5n?3是最具影响力的变量。SHAP分析表明，亚油酸、C22:5n?3和棕榈酸分别对野生、池塘养殖和沿海网箱养殖组的区分贡献最大。

五、讨论与结论

研究表明，脂肪酸特征差异可能反映自然饮食与水产饲料配方之间的差异，以及养殖条件的影响。养殖金头鲷中较高的亚油酸和α-亚麻酸（ALA）以及较低的长链omega-3脂肪酸，与商业水产饲料中植物油含量高一致；而野生标本中较低的亚油酸、较高的SFA和omega-3多不饱和脂肪酸（PUFA）水平，与其更依赖海洋脂质来源一致。在心血管健康方面，养殖金头鲷的HPI更高，沿海网箱养殖鱼表现出最佳的IA、IT和h/H值；但营养指数对海洋食品存在固有偏差，会因饱和脂肪酸（尤其是棕榈酸）丰度高而惩罚野生鱼。野生金头鲷在FLQ和n?3/n?6比值方面更优，富含具有生物学价值的omega-3长链多不饱和脂肪酸（LC-PUFAs）。综合考虑所有脂质品质指数时，所有组均表现出高营养脂肪品质。基于较低的过氧化指数（PI），养殖产品可能具有较低的理论脂质氧化敏感性，有利于储存、运输和冷冻解冻过程。研究结论为：脂肪酸分析可同时提供金头鲷的营养品质和溯源信息；野生与养殖金头鲷的脂肪酸特征差异可能反映饮食和生产系统差异；将脂肪酸分析与机器学习分类相结合，实现了超过99%的全局分类准确率，能够高度准确地区分野生捕捞和养殖个体；SHAP分析增强了模型的可解释性，将模型结果与各组间脂肪酸组成的生物学差异联系起来；研究结果为葡萄牙金头鲷市场的溯源应用奠定了坚实基础，但需进一步独立验证以确立其更广泛的适用性。