利用时间分辨高阶荧光数据提升模式识别：PARAFAC分解与DD-SIMCA用于藏红花地理产地鉴别

《Analytica Chimica Acta》：Exploiting temporal information in higher-order fluorescence data for enhanced pattern recognition: Application to saffron geographical authentication

　　

• 时间分辨激发–发射矩阵（excitation–emission matrix, EEM）数据分析用于藏红花认证。
• 平行因子分析（parallel factor analysis, PARAFAC）分解将荧光数据转化为分类变量。
• 三阶数据提高了单类分类（one-class classification）中的非目标拒绝能力。
• 数据排列方式决定了时间信息如何被利用。
• 增广三向数据（augmented three-way data）在数据驱动软独立类比建模（data-driven soft independent modelling of class analogy, DD-SIMCA）中最大化非目标拒绝。

论文主体解读：

研究背景：随着分析仪器发展，多变量与多向数据分析已成为现代分析化学的重要组成。多向分析在分析校准中广泛用于提高选择性和提取复杂体系化学信息，但在分类与模式识别中应用较少，三阶数据分类尤未充分探索；已报道的三阶应用多集中于校准和定量，样品判别潜力近期才受关注。高阶分类已有PARAFAC、N-way偏最小二乘判别分析和展开策略等。藏红花价值高，地理来源与质量、产地和商业价值相关；伊朗、西班牙、摩洛哥、印度、希腊和意大利为主要产区，西班牙“Azafrán de La Mancha”受保护原产地名称（Protected Designation of Origin, PDO）严格约束。但商业产品地理来源和认证状态不总明确，Castilla-La Mancha产品不一定以PDO销售，追溯不完整或不同来源混合使产地评估复杂。产区差异来自栽培、环境、采收、加工和储存，影响化学组成并反映在分析指纹中；已有NIR、NIR/MIR、色谱-UV–Vis等用于认证和产地判别。藏红花中核黄素、黄酮和酚类具荧光，EEM结合化学计量学已用于摩洛哥样品PCA/LDA判别和掺假检测。常规EEM是某一时间点静态指纹；通过受控光照射加入时间维可监测荧光演化，形成动态指纹，近期研究显示附加实验模式可区分成熟、灌溉和降解状态。关键问题在于额外信息在分类前如何提取和表示，这可能决定其判别价值。为此，Elena Gago Prieto等研究人员开发简单快速在线光降解策略，从藏红花提取物获得时间分辨EEM，比较二阶EEM、三阶四向和增广三向数组，经PARAFAC得分进行监督和单类分类，评估保留样品特异时间荧光演化是否增强模式识别。结论是时间维和三阶数据可改善判别，增广三向在非目标拒绝上最佳；重要意义在于高阶分类的关键不只是增加维度，而是降维表示需保留与类别判别相关的样品特异动态信息。

关键技术方法（≤250字）：样本队列为52个藏红花样本、18个商业品牌，购自西班牙、奥地利、印度、葡萄牙和摩洛哥零售商；厂家声明来源为西班牙、伊朗、印度、葡萄牙和摩洛哥，部分来源无法确定，Castilla-La Mancha部分样品带PDO。研究人员构建在线流动光降解系统（23.0 rpm蠕动泵、8 W Xe灯、PTFE管光反应器、三通阀和荧光流通池），2 mL体系连续UV照射27 min，每3 min采集1个EEM，共10个（激发230–400 nm、发射300–600 nm、5 nm间隔）。EEM去散射后构建二阶三向、三阶四向和增广三向数组；PARAFAC非负约束分解，按核心一致性分析（core consistency analysis, CORCONDIA）、模型失拟（lack-of-fit, LOF）和可解释性选组分；得分输入反向传播神经网络（backpropagation neural network, BPNN）和DD-SIMCA（目标Castilla-La Mancha，α=β=0.01，χ²接受区域）。

3.1 Optimisation of sample preparation and in-flow photoirradiation conditions：研究人员通过比较提取介质、样品-溶剂比、搅拌与超声辅助、提取温度、稀释倍数、灯功率、泵速和EEM采集时间，确定MeOH:H₂O:HFor（50:49:1, v/v/v）、50 mg/5 mL、约20 °C超声10 min、离心、1:50稀释、8 W灯、23 rpm及27 min内采集10个EEM的条件，以兼顾荧光响应、重现性和避免内滤效应。

3.2 Evaluation of data structures and PARAFAC decomposition：通过同一荧光测量构建二阶三向、三阶四向和增广三向数组并进行PARAFAC分解，研究人员发现二阶最佳为5组分、三阶需额外1组分；四向将时间作为共同维度，增广三向将时间纳入对象模式并保留样品特异演化，得分分别约为每样品5、6和60个变量，说明数据排列决定时间信息在分类变量中的表示方式。

3.3 Supervised classification of saffron geographical origin：通过PARAFAC得分结合BPNN进行西班牙、伊朗、印度、葡萄牙和摩洛哥五类监督分类，线性分类不满意而BPNN可行；三种结构均能判别，时间维提高类别概率分离，增广三向分离最大，交叉验证中西班牙和伊朗的灵敏度、特异性、精度和误差率改善，外部7个已知来源样品均正确分类，3个未声明来源样品均归入西班牙类。

3.4 One-class classification for the identification of Castilla-La Mancha saffron：通过DD-SIMCA以Castilla-La Mancha为目标类、其余产地及同国非La Mancha样品为非目标，研究人员发现三种结构SEN_train均为1.00且外部3个目标样品均被接受，但非目标拒绝特异性分别为0.68、0.86和1.00；增广三向因保留样品特异时间演化而目标域定义最一致，经典估计已完全拒绝非目标，稳健拟合未进一步改善且略损SEN_pred。

讨论总结：三种数据结构在监督分类中均可行，但单类分类更能体现表示差异；增广三向因保留样品特异时间荧光演化而提供更一致的目标域，支持“降维表示而非维度本身决定判别信息”的结论。

研究结论翻译：研究人员开发了一种简单、快速的在线流动光降解策略，用于生成时间分辨激发–发射荧光数据以进行藏红花认证。评估了由同一实验信息衍生的三种数据结构，分别涵盖未照射信号和演化信号的二阶与三阶数据；二阶数据排列为三向数组，三阶数据排列为四向数组和增广三向表示。三种数组经PARAFAC分解，所得得分用于监督分类和单类分类。结果确认高阶荧光数据在分类中的潜力，与先前报道在数据结构中加入额外实验维度可改善判别一致。然而，本研究结果表明，仅提高数据维度并不能保证分类模型有效利用全部额外信息；将原始多向数据转化为低维表示是关键步骤，因为它决定保留哪些系统特征并随后用于判别。四向和增广三向方法的比较尤为重要：二者包含相同实验光谱和时间信息，但数学表示不同；增广三向在个体样品水平保留PARAFAC贡献的时间演化，而四向分解将时间模式建模为整个数据集的共同维度。分类性能差异表明，用于降低高阶数据的表示可对最终分类所利用的信息产生决定性影响。监督分类结果显示三种数据结构均可良好判别藏红花地理类别，说明荧光数据信息足以实现可靠类别分离；但当用于单类分类时，不同数据表示的附加价值更明显。在单类方法中，目标类必须独立于非目标样品进行表征，时间信息表示对分类性能影响更大；增广三向表示在保留样品特异时间演化方面尤其有效，因而为目标类建模提供了更合适的潜在表示。这些结果表明，高阶分类的主要挑战不只是获取额外维度，而是开发能保留与判别相关系统特征的数据结构；在本案例中，保留样品特异时间荧光演化产生了更丰富、更具判别性的藏红花地理认证指纹。因此，在高阶数据模式识别中，降维不应仅视为简化复杂数据集的手段，而应视为保留负责类别判别的系统特异信息的关键步骤。