《Microchemical Journal》：AI-enhanced electrochemical sensing and multi-omics integration for raw lacquer paint authentication and stability assessment
编辑推荐：
•开发了增强型电化学传感和多组学框架，用于快速生漆原漆的鉴定与稳定性评估。
•整合了循环伏安法、差分脉冲伏安法、电化学阻抗谱、代谢组学、蛋白质组学和脂质组学，并结合可解释性人工智能进行多模态分析。
•实现了99.1%的鉴定准确率、98.8%的灵敏度、99.4%的特异性和0.
- •
开发了增强型电化学传感和多组学框架，用于快速生漆原漆的鉴定与稳定性评估。
- •
整合了循环伏安法、差分脉冲伏安法、电化学阻抗谱、代谢组学、蛋白质组学和脂质组学，并结合可解释性人工智能进行多模态分析。
- •
实现了99.1%的鉴定准确率、98.8%的灵敏度、99.4%的特异性和0.997的AUC-ROC。
- •
识别了关键预测生物标志物，并准确预测了加速老化条件下的降解轨迹。
- •
提供了一个快速、无损、高灵敏度和可解释的平台，用于质量保证、假冒伪劣检测、法医分析和文化遗产保护。
引言
东亚地区利用生漆进行装饰艺术、建筑饰面、高端家具、防护涂层和文化遗产保护，这得益于其独特的物理化学特性。漆酚衍生物、多糖、糖蛋白、漆酚酶、水和众多微量代谢物控制着生漆的聚合、固化和长期稳定性[1]。它在艺术和历史方面具有重要意义。商业和历史生漆制品的分子组成因植物来源、采收季节、环境条件、地理位置、储存时间和制造技术而异。质量控制、文物保护和商业掺假预防需要鉴定和稳定性评估。传统生漆鉴定方法使用色谱分析、傅里叶变换红外光谱、拉曼光谱、气相色谱-质谱联用、核磁共振光谱和显微表征[2]。这些方法提供了结构信息，但需要大量样品制备、昂贵设备、破坏性测试和高度的专业知识。由于生漆产品广泛存在假冒、配方掺和、合成树脂替代[3]以及加工条件各异，需要快速、准确和全面的分析策略来区分真正的生漆材料并预测其稳定性和降解潜力。电化学传感由于具有高灵敏度、便携性、快速响应、微量样品消耗以及直接监测氧化还原活性生物分子的能力，成为热门的分析平台[4]。循环伏安法、差分脉冲伏安法和电化学阻抗谱能够产生氧化还原行为、电荷转移电阻、界面电容、电子传输效率和复杂生物基质中分子相互作用的独特电化学指纹[5]、[6]。生物变异性、信号重叠和非线性相互作用使得多维电化学数据集的解读变得复杂[7]。机器学习可能发现统计分析无法发现的微小生化变化[8]。多组学方法通过同时分析影响生物功能和材料性能的代谢物、蛋白质、脂质和其他分子组分，彻底改变了复杂生物材料的系统水平表征[9]。代谢组学剖析参与氧化反应和生化转化的低分子量化合物，蛋白质组学提供聚合和固化酶活性的信息，脂质组学表征影响成膜性、机械强度和环境稳定性的疏水成分[10]。整合这些互补的组学数据集为发现提供了前所未有的机会……把高维组学数据转化为有用的鉴定工具，计算方法必须在保留生物可解释性的同时组合不同的数据集。多模态数据融合可以将电化学测量和分子剖析整合为天然材料的完整数字指纹[11]。多模态框架通过整合互补的分析模态，提高了分析的鲁棒性、不确定性、分类准确性和对材料行为的机制性认识。最近开发的网络生物学、特征融合方法和基于图的机器学习使得对生化途径、电化学属性和环境胁迫响应进行系统分析成为可能[12]。这些整合分析策略在生物医学诊断、食品真实性、药品质量评估和环境监测中已被证明是成功的，但其在生漆鉴定中的应用尚未被探索。
电化学传感、人工智能和多组学的整合可以彻底改变文化遗产科学中的分析方法，实现对文化重要材料的快速、无损、可解释和预测性表征[13]，这种智能分析系统还可以阐明降解途径、保护规划、环境风险评估以及工业生漆生产的优化。开发能够预测在不同储存和环境条件下长期稳定性的预测模型，将显著提高预防性保护策略并促进天然生漆资源的可持续利用。提出了一种基于人工智能的电化学传感和多组学平台，用于对生漆涂料进行全面鉴定和稳定性评估，其中采用高级电化学指纹、代谢组学、蛋白质组学和脂质组学剖析来构建真实、掺假和环境老化生漆样本的高维分子特征，使用机器学习和可解释人工智能算法通过多模态数据整合来分类生漆来源、检测掺假、识别关键生物标志物并预测氧化稳定性，以及使用系统水平途径分析来解码生漆固化和降解的分子机制。本研究将开发一个便捷、可解释和高通量的分析框架，可以开发智能材料鉴定策略，并为质量控制、工业制造、法医分析和具有文化重要性的生漆文物的长期保护创造新的机遇。
分段摘要
生漆样品采集与制备
从浙江、湖北、贵州和云南等省份的认证漆树种植园采集生漆样品，这些省份具有不同的气候和地理特征，会影响生漆成分。使用商业生漆产品和有意掺假配方（5–30%，质量分数）真实生漆与合成醇酸树脂和环氧树脂的混合物来鉴定性能[14]。为避免运输过程中的氧化降解，样品保存在...
生漆样品的理化特性
分析了来自四个允许生产地点的40个真实生漆样品和20个含合成树脂的受污染商业配方。物理化学分析显示存在区域来源特异性成分差异，但批次一致性良好。真实生漆的水分含量为24.8 ± 1.2%至27.6 ± 1.4%，而掺假材料的湿度水平显著较低（19.4 ± 1.6%，p < ...）。真实样品的动态粘度较高（4.82–5.46 Pa·s）...
讨论
人工智能、电化学传感和多组学剖析验证了生漆涂料的真实性并预测其寿命。色谱和光谱鉴定需要大量样品制备且仅能识别少数化合物。利用电化学行为、分子组成和预期计算特性来识别真实和掺假生漆并理解降解过程。如99.1%所示，几种替代分析模态可提高诊断能力...
结论
使用电化学传感、多组学剖析和人工智能对生漆涂料进行鉴定和评估。利用循环伏安法、差分脉冲伏安法、电化学阻抗谱、代谢组学、蛋白质组学、脂质组学和可解释机器学习，该平台创建了全面的分子和电化学指纹，能够以99.1%的鉴定准确率、0.997的...区分真实生漆与掺假配方。
作者贡献声明
陈硕：撰写–审阅与编辑，撰写–原稿，监督，软件，资源。 周燕玲：调查，形式分析，数据管理，概念化。
利益冲突声明
作者声明没有已知的竞争性经济利益或个人关系，这可能会影响本文报道的工作。
陈硕|周燕玲
