基于GC-MS、FTIR和NIR联合机器学习的天麻糖代谢物解析与含量预测

《Journal of Food Composition and Analysis》：Analysis and content prediction of sugar metabolites in G. elata using a combined approach of GC-MS, FTIR, NIR and machine learning

　　

采用气相色谱-质谱联用（GC-MS，gas chromatography-mass spectrometry）、傅里叶变换红外光谱（FTIR，Fourier-transform infrared spectroscopy）和近红外光谱（NIR，near-infrared spectroscopy）联合策略，对G. elata中的糖代谢物进行分析与含量预测。采用GC-MS、FTIR和NIR集成技术对G. elata进行质量评价。该研究揭示不同来源G. elata的糖类特征。准确预测G. elata中多种糖代谢物的含量。为G. elata质量的智能评价提供技术支持。

论文主体解读：G. elata（天麻）是兼具食用和药用价值的重要植物资源，含有酚类、有机酸、多糖等成分，主要活性成分包括gastrodin、4-hydroxybenzyl alcohol及parishin A、B、C、E等，但这些成分总含量通常低于2%，难以作为单一指标全面反映其整体质量。G. elata多糖具有抗癌、抗氧化和免疫调节等生物活性，长期食用可增强体力、促进健康。其质量受生长条件和地理来源影响，云南昭通彝良县所产G. elata品质优良并获地理标志产品认证。然而，既往研究多集中于主要活性成分、多酚代谢物和挥发性成分，对糖代谢物的探索有限。因此，研究人员开展不同来源G. elata糖代谢物分析，以完善其质量评价体系。研究目标是整合GC-MS、FTIR和NIR技术，系统分析不同地理区域G. elata糖代谢物组成特征，并基于机器学习和深度学习方法建立预测模型，实现糖代谢物含量的快速准确预测，为G. elata质量智能评价提供技术支持。

关键技术方法（不超过250字）：研究人员于2025年11月在云南、贵州、湖北10个G. elata产区各采集15份样品，共150份，并按产区合并为每产区5份、共50份复合样本。采用GC-MS（气相色谱-质谱联用）对糖代谢物进行定性和定量；采用FTIR（傅里叶变换红外光谱）和NIR（近红外光谱）采集光谱，并进行FTIR与NIR低层数据融合；以K-S算法按7:3划分训练集和测试集，采用FD、SD、MSC、SNV进行光谱预处理；构建PLSR（偏最小二乘回归）和LSTM（长短期记忆网络）模型，以R²、RMSE、RPD评价模型，并结合PCA、OPLS-DA和差异代谢物分析进行统计。

3.1 G. elata中的糖代谢（Sugar metabolism in G. elata）：研究人员采用基于GC-MS的代谢组学方法，比较W-YLX G. elata与其他地理来源G. elata的糖组成差异。结果显示，不同地理区域G. elata的糖类组成主要以单糖为主，共鉴定出28种糖化合物，包括24种单糖和4种二糖；主要成分为蔗糖、葡萄糖和D-fructose。葡萄糖和D-fructose在W-YLQ中最高、在W-JSX中最低；蔗糖在W-DFX中最高，在W-ZXX、W-JSX和W-BDX中最低；levoglucosan和maltose在W-YLX中显著高于其他样品。PCA结果显示PC1与PC2合计解释53.07%的总方差，三维PCA中PC3额外解释14.96%的方差，样本聚类较二维图更明显；OPLS-DA模型R²X=0.811、R²Y=0.951、Q²=0.902，置换检验n=200表明模型未过拟合，但得分图中仍存在一定重叠，尤其W-YLX与W-YSX分布较近。聚类热图显示Suc、Glu和Fru在所有样品中水平较高，构成主要糖组分；D-mannose和trehalose在特定地理来源样品中高表达，具有区分不同产区G. elata的潜在标志物价值。差异代谢物分析以P<0.05、VIP>1且|FC|至少为2为筛选标准，结果显示W-YSX与W-YLX之间未鉴定出差异代谢物，表明两地糖组成高度一致；W-YLQ与W-YLX比较的差异代谢物数量最多，共10个，包括7个上调、3个下调，原文指出这可能与两地区气候条件和土壤类型差异有关。综上，不同地理区域G. elata糖组成以单糖为主，蔗糖、葡萄糖和D-fructose可能在能量代谢和品质形成中发挥关键作用；该研究填补了糖组分与地理来源关系系统研究不足的空白。

3.2 糖含量的预测分析（Predictive analysis of sugars content）：以GC-MS测定的糖含量为参考值，基于原始和预处理的FTIR、NIR及FTIR+NIR融合光谱数据，研究人员构建PLSR和LSTM定量预测模型，并比较三种光谱策略的预测准确性、稳定性和泛化能力。结果表明，三种光谱策略均具有准确预测糖含量的潜力；NIR在多数情况下表现较好，FTIR+NIR融合对某些化合物表现更优。NIR对含氢基团（C-H、O-H、N-H）敏感，而糖代谢物含较多羟基（-OH），在NIR区域具有二级谐频和合频吸收特征，因此更适合糖含量预测。模型比较中，LSTM在多数情况下整体预测性能优于传统PLSR，尤其在处理非线性关系时具有更高拟合精度和泛化能力。研究人员成功建立基于LSTM的模型，对25种糖化合物（包括21种单糖和4种二糖）实现准确预测，最优模型RPD范围为2.72至14.758，均超过2.5；其中采用SD预处理的NIR光谱构建的LSTM模型对phenylglucoside含量预测最佳，RPD为14.758。L-fucose、L-rhamnose和2-deoxy-D-ribose三种糖组分的RPD均低于2，PLSR和LSTM均不能有效预测，原文指出其原因可能是这些糖组分的特征吸收峰与其他化学成分显著重叠，干扰模型捕获其浓度变化。与既往主要预测gastrodin、4-hydroxybenzyl alcohol及parishin A、B、C、E等标志物的研究相比，本研究将分析范围扩展至25种糖代谢物，为全面评价G. elata糖代谢和品质提供理论基础。

讨论与局限总结：原文讨论指出，G. elata挥发性芳香化合物与地理来源的关系已有较多研究，而作为主要代谢物且含量较高的糖组分与地理来源的关系尚未系统研究，本研究对此进行了系统分析并提供新视角。NIR对糖类预测更敏感稳定，LSTM更适合非线性关系；模型对多数糖组分预测能力良好，但少数糖组分因吸收峰重叠而预测受限。研究局限包括：样品来源尚未覆盖所有主要产区、不同采收年份或采收期，缺乏独立外部验证样品，模型泛化能力仍需验证；某些糖代谢物特征吸收峰与其他化学成分显著重叠，可能降低LSTM和PLSR对特定糖代谢物的预测准确性和稳定性；预测仅基于LSTM和PLSR，未系统比较RF、SVR、XGBoost等其他机器学习算法。未来应纳入更广泛地理来源和栽培年限的G. elata样品，并系统比较多种机器学习算法。

研究结论翻译：本研究采用GC-MS、FTIR和NIR光谱技术结合机器学习方法，对来源于不同产地的G. elata样品中的糖代谢物进行了系统分析。结果表明，G. elata中的糖代谢物以单糖为主，蔗糖、葡萄糖和D-fructose为主要成分；不同来源G. elata的糖类组成一致，但含量存在差异。基于FTIR和NIR光谱数据的LSTM模型对28种糖化合物进行了定量预测。其中25种化合物的RPD≥2，表明预测性能可接受；其余3种化合物（L-fucose、L-rhamnose和2-deoxy-D-ribose）的RPD<2，PLSR和LSTM均未能实现满意预测。但本研究存在以下局限：第一，G. elata样品来源存在一定局限，尚未覆盖所有主要产区、不同采收年份或采收期，且缺乏独立外部验证样品，因此模型泛化能力仍需进一步验证；第二，某些糖代谢物的特征吸收峰可能与其他化学成分显著重叠，可能降低LSTM和PLSR模型对特定糖代谢物的预测准确性和稳定性；第三，预测仅基于LSTM和PLSR模型，未系统比较不同机器学习算法（如RF、SVR和XGBoost）的预测性能。未来研究应通过纳入更广泛地理来源和栽培年限的G. elata样品来扩展样本集代表性，同时系统比较多种机器学习算法的预测性能。作者贡献署名为Guangyao Li、Lijun Cheng、Honggao Liu、Yuanzhong Wang。