利用ATR-FTIR光谱学与机器学习技术结合靶向代谢组学分析对野生和栽培霍山石斛的化学鉴别

《Talanta》：Chemical Discrimination of Wild and Cultivated Dendrobium devonianum by ATR-FTIR Spectroscopy and Machine Learning with Targeted Metabolomic Analysis

　　

• FTIR-机器学习方法成功区分了外观相似的野生和栽培德氏石斛（D. devonianum）。• 预处理提高了FTIR模型的泛化能力和鲁棒性。• MSC-PLS-DA、SNV-PLS-DA和MSC-PCA-Logistic在测试集上均达到了100%的准确率。• SHAP分析确定1058–1066 cm?1为关键的FTIR判别区域。• 代谢组学将FTIR特征与糖类、氨基酸和黄酮类化合物联系起来。

引言
药用食用植物资源的农业质量评价涉及原料真实性鉴定、化学成分和质量一致性。这些特性受遗传背景、生长环境、栽培方式和采收后加工的影响，可能导致形态相似的材料之间存在化学差异。由于这些资源的质量与多种初级和次级代谢物相关，而非单一化学指标，传统的鉴定方法和单一成分评估可能不足以进行全面评价。因此，将快速光谱检测与化学计量建模以及互补化学分析相结合，为提高高价值农业资源的产地鉴别、原料分级和标准化质量控制提供了有前景的方法。

石斛属植物是重要的药用和食用植物资源，广泛用于传统食品、保健补充剂和功能性产品中[1]。它们含有多种生物活性成分，包括多糖、苷类、黄酮类、酚类和氨基酸，这些成分赋予其营养特征、功能特性以及采收后品质[2]，[3]。其中，多糖通常被认为是重要的质量相关成分，而黄酮类化合物和氨基酸相关代谢物也对它们的化学和功能多样性有贡献。德氏石斛（Dendrobium devonianum Paxt.）是兰科兰属的一种多年生附生兰花，是一种分布在 southwestern China，特别是云南地区的高价值石斛物种。其茎中含有多种化学成分，特别是多糖和黄酮类化合物，为原料表征和质量评价提供了重要的化学基础[4]。生长环境和栽培条件的差异可能会影响这些代谢物的积累，凸显了研究野生和栽培德氏石斛化学变异性的的重要性。

随着市场需求增加和野生资源保护压力增大，栽培已成为石斛原料的主要来源。然而，野生和栽培石斛物种暴露于不同的光照、水分和营养条件、生长周期、附生环境和环境胁迫中；这些差异可能导致碳水化合物、氨基酸、黄酮类和其他代谢物的系统性变化[5]。早期研究还表明，物种、生长环境和附生习性可以显著影响石斛属植物的代谢积累[6]，[7]，[8]。德氏石斛是一种具有开发潜力的独特石斛资源。虽然野生和栽培标本通常难以通过目视检查区分，但化学成分差异可能影响原料质量、后续加工利用和产品一致性。因此，适用于野生和栽培德氏石斛的快速鉴定和质量评价方法对于真实性验证、标准化生产和特色农业资源的高值化利用具有重要价值。FTIR光谱包含与C=O、C–O、C–O–C、芳环振动、糖苷键和多糖相关的吸收信号，可以反映植物样品中糖类、苷类、黄酮类、酚类和氨基酸相关成分的差异。

红外光谱结合化学计量学已被广泛用于石斛属植物的真实性鉴定、地理溯源和质量评估（表S1）。Chen等（2015）采用FTIR光谱评价野生和组培石斛材料的化学相似性和差异性，展示了红外指纹区分不同繁殖来源的潜力[9]。Wang等（2019）随后将中红外和近红外光谱与多元分类模型相结合，用于石斛属植物的植物学鉴定[10]。Lv等（2020）利用近红外光谱结合卟啉基传感和化学计量建模研究了石斛的地理溯源[11]。Li等（2022）应用FT-NIR和ATR-FTIR光谱结合化学计量方法评价铁皮石斛（Dendrobium officinale）原料[1]，而Yang等（2022）使用近红外光谱和多元分析进行铁皮石斛的地理鉴别和质量评价[12]。最近，Han等（2025）开发了基于FT-NIR/ATR-FTIR的模型，结合光谱数据融合和深度学习进行铁皮石斛的产地鉴别[13]，而Li等（2025）研究了红外光谱结合化学计量学和深度学习的石斛属植物鉴定[14]。此外，Yang等（2026）将红外指纹、化学计量建模和基于GC-MS的糖类分析相结合，研究了铁皮石斛的地理溯源和糖组成[15]。总体而言，这些研究表明光谱和化学计量方法在石斛鉴定和质量评价方面已被证明有效。

然而，本研究的具体鉴别任务和化学解释与以往研究不同。早期的光谱研究主要关注植物学身份、地理来源或光谱分类性能。此外，栽培相关的化学差异已在霍山石斛（D. huoshanense）中有记载[5]，而德氏石斛的代谢组学研究已探讨种间鉴别[16]以及与茎特征和发育阶段相关的黄酮类化合物变异[4]。这些研究提供了重要的方法和化学基础，但没有直接解决ATR-FTIR判别特征、模型可解释性和野生与栽培德氏石斛多类目标代谢物之间的关系。

机器学习可以从复杂的光谱数据中提取隐含模式。PCA-Logistic、PLS-DA、SVM、随机森林、XGBoost和ElasticNet等算法可以利用高维光谱中多个波段的协调差异，从而增强产地鉴别和质量评估[17]。光谱预处理对模型性能同样重要。Savitzky-Golay平滑、标准正态变量、乘法散射校正和导数处理可以在不同程度上减少随机噪声、校正散射效应、减轻基线漂移或增强局部光谱差异[18]。然而，在农业原料检测中，高分类准确率本身并不能保证模型可靠或具有泛化性。没有进一步解释，光谱鉴别模型可能仍然是黑箱经验分类器，这限制了其在生产和质量控制中的应用。

SHapley可加性解释（SHAP）可以量化不同光谱变量对模型预测的贡献，从而识别驱动分类的关键波数区域[19]。与简单比较模型准确率相比，SHAP分析可以进一步揭示模型鉴别所依赖的光谱特征是否具有合理的化学意义。最近在化学和材料研究中的应用说明了特征级解释的价值。例如，Alzahrani等（2023）使用SHAP评估了分子描述符在有机太阳能电池聚合物筛选和设计过程中对预测功率转换效率的影响[20]。Saqqib等（2025）报道的分子性质预测相关进展包括机器学习辅助预测重组能和钙钛矿太阳能电池空穴传输材料的筛选[21]。这些应用为将机器学习预测与化学意义特征联系起来提供了方法学背景。另一方面，代谢组学可以定量评估样品中小分子代谢物的变化，为解释光谱差异提供分子基础[22]。靶向代谢组学是一种分析学方法，专注于使用已建立的分析方法对预定代谢物进行检测和定量测定，通常基于气相色谱-质谱联用（GC-MS）和液相色谱-串联质谱（LC-MS/MS）。与非靶向代谢组学相比，靶向方法能够对选定的代谢物组进行更聚焦的定量表征，特别适用于研究样品来源或栽培条件相关的特定化学差异。例如，Lin等（2025）将UHPLC-MS/MS对22种化合物的定量分析结合化学计量和机器学习方法，用于鉴别铁皮石斛的地理来源，展示了靶向化学剖析在石斛产地鉴别中的价值[23]。然而，靶向代谢组学测量和红外光谱提供了不同类型但互补的化学信息。FTIR捕获来自多个官能团的重叠振动信号，而靶向代谢组学可以定量与这些信号相关选定的化合物。将这些方法与可解释机器学习相结合，为研究光谱鉴别背后的化学关联提供了机会。

与以往主要关注石斛属植物鉴定或地理产地鉴别的研究不同，本研究专门针对野生和栽培德氏石斛的区分。其主要贡献在于将基于ATR-FTIR的分类、SHAP引导的判别性光谱特征识别和靶向代谢组学分析相结合，建立分类结果背后的化学关联（图1）。首先，表征了野生和栽培样品之间的FTIR指纹差异，并在独立测试集上评估了不同预处理策略和机器学习模型的判别稳定性；然后使用SHAP方法识别驱动模型分类的关键波数区域；最后，通过整合碳水化合物、氨基酸和黄酮类的靶向代谢组学结果，阐明了关键红外信号背后的差异代谢物基础。本研究旨在提供一种具有广泛应用潜力的智能质量评价策略，以促进野生和栽培德氏石斛的快速产地鉴别、质量分级和标准化利用。

样本收集和处理
本研究共收集了145份德氏石斛样品，包括74份野生样品和71份栽培样品。所有样品均采集自中国云南省德宏地区（表S2）。由于未记录确切的茎年龄，且两组样品的采集月份和采样地点并不完全一致，这些采样特征在解释分类结果时被考虑为潜在的变异来源。

野生样品
FTIR表征
图2展示了两种样品类型的原始光谱和五种预处理方法的平均光谱。在原始光谱中，野生（W）和栽培（C）样品在3710–2990 cm?1区域均表现出宽吸收带。该区域通常与O–H和N–H伸缩振动相关，可能反映了多糖、酚类、氨基酸和结合水等含羟基或含氮化合物的综合信号[25]。W样品在该区域的平均吸收强度

结论
本研究建立了一个整合ATR-FTIR光谱、机器学习、SHAP解释和靶向代谢组学的综合分析框架，用于区分野生和栽培德氏石斛。尽管它们的整体红外光谱轮廓存在大量重叠，但有监督模型主要在1800–900 cm?1指纹区域内捕获了判别信息。三种预处理-模型组合在初始43样本测试集上达到了100%的准确率。

作者贡献声明
郑传茂：撰写-审阅与编辑，撰写-初稿，数据整理，概念化。王元忠：可视化，软件，资源，调查

利益冲突声明
作者声明不存在利益冲突。

致谢
本研究得到国家自然科学基金资助[项目编号：32460099]。

郑传茂 | 王元忠