《Analytical Chemistry》：Shedding Light on the Past: Temporal Classification of Zoological Specimens from Museum Collections with Portable NIR Sensors and Multivariate Error Modeling
编辑推荐：
为解决博物馆珍贵骨骼标本因年代信息缺失无法有效利用的问题，研究人员开发了一种结合便携式近红外光谱仪与最大似然主成分分析-逻辑回归模型的非破坏性快速分类方法。该研究以红松鼠骨骼为对象，成功实现了“历史”（1916-1923年）与“现代”（2005-2021年）标本的准确区分，为博物馆藏品的原位、高通量时序筛选提供了实用方案。
想象一下，在博物馆深处，尘封的库房中保存着数以百万计的动物骨骼标本，它们是记录地球生物多样性与环境变迁的“活化石”。然而，一个巨大的难题困扰着研究人员：其中约1.2亿件标本缺乏精确的采集年代信息。没有时间坐标，这些珍贵的生物档案就像断了线的珍珠，难以串联起历史的脉络，极大地限制了它们在生态演化、环境变化乃至法医学研究中的价值。传统的年代测定方法，如氨基酸外消旋法、放射性碳定年法或铅-210定年法，往往耗时、昂贵，且通常需要破坏性取样，这对于稀有或珍贵的标本而言是无法接受的。因此，开发一种快速、准确且非破坏性的技术，在博物馆现场直接为骨骼标本“验明正身”，确定其大致年代，成为一项迫切需求。
为了破解这一难题，一项发表在《Analytical Chemistry》上的研究为我们带来了曙光。研究人员将目光投向了近红外光谱技术。这是一种非破坏性的分析手段，其仪器正朝着小型化、便携化方向发展，非常适合在博物馆等场所进行原位检测。但直接获取的光谱数据复杂，混杂着仪器噪声、样本自身不均匀性等多种误差。为此，研究团队创新性地引入了一套先进的化学计量学框架，将最大似然主成分分析与逻辑回归模型相结合，旨在直接从光谱数据中提取出与年代相关的关键化学信息，实现历史与现代骨骼标本的快速、准确分类。他们选择了巴塞罗那自然科学博物馆馆藏的红松鼠骨骼作为研究对象，因其有大量采集年代明确的样本，为方法验证提供了理想数据集。研究旨在回答：能否仅凭便携式近红外光谱，无需破坏样本，就能可靠地区分一个世纪前与近二十年采集的骨骼？一套全新的、能够显式处理测量误差的数据分析方法，是否比传统方法更具优势？
研究人员为开展此项研究，主要应用了以下几项关键技术方法：首先，使用了两款覆盖不同波段（908-1676 nm 和 1350-2550 nm）的便携式近红外光谱仪对样本进行分析。样本源自巴塞罗那自然科学博物馆的59个红松鼠个体骨骼，分为“历史”和“现代”两组。分析前仅对骨表面进行简单清洁，测量时考虑了样本表面异质性和环境变量。其次，核心数据分析采用了创新的最大似然主成分分析-逻辑回归框架。该方法首先从重复测量中估计误差协方差矩阵，以量化测量误差的多变量结构；然后利用最大似然主成分分析进行降维，该分析能直接将误差信息纳入模型，从而更有效地从噪声中分离出相关的化学信息；最后，将得到的得分用于构建逻辑回归分类模型。模型的性能通过交叉验证、独立测试集预测和自助法分析进行了严格评估，并与广泛使用的偏最小二乘判别分析法进行了性能对比。
光谱数据采集与光谱解读
研究人员获取了所有样本的平均光谱。光谱反映了骨骼的主要化学成分：蛋白质基质（胶原蛋白）、矿物成分（羟基磷灰石）、水和脂质。通过对比历史与现代样本的光谱发现，历史头骨样本在几乎所有光谱范围，特别是在约1450 nm和1940 nm的主要水吸收波段，通常表现出更高的吸光度。这可能源于成岩作用变化，即骨骼死亡后降解导致孔隙度增加，从而能吸收并保留更多环境水分。在脂质相关区域也观察到类似模式，这与已知的骨骼骨髓中脂质的成岩转化一致。然而，这种模式在下颌骨样本中不太明显。
多变量误差研究
通过分析误差协方差矩阵和误差相关矩阵，研究人员发现测量误差不是恒定的，而是与波长相关。误差相关矩阵中显示的大块非对角线高相关性区域表明存在乘性误差和系统效应，例如由于样本质地或位置变化导致的光散射变化。样本类型（头骨与下颌骨）影响误差的大小和结构，因此在构建分类模型时，为每种样本类型和仪器分别建立了模型。
分类策略与获得的最佳分类模型
初步的主成分分析未能有效区分两类样本。因此，研究引入了能显式结合误差协方差矩阵信息的最大似然主成分分析。该分析能够更好地处理具有非独立同分布误差的数据，并常常消除了对复杂数据预处理的需求。随后，将最大似然主成分分析得到的得分作为逻辑回归分类模型的输入变量。这种最大似然主成分分析-逻辑回归的两步法结合了稳健的降维方法和强大的分类框架。
模型评估显示，对于头骨样本，无论是使用微型近红外光谱仪还是扫描仪，构建的两主成分最大似然主成分分析-逻辑回归模型在交叉验证中都实现了完美分类。对于下颌骨样本，微型近红外光谱仪模型表现依然出色，准确率达0.95，曲线下面积为0.99；而扫描仪模型性能有所下降，准确率为0.87，曲线下面积为0.83。这表明下颌骨因其更复杂的解剖结构和成分异质性，分类更具挑战性，且微型近红外光谱仪在此任务中更具鲁棒性。载荷图分析表明，第一主成分主要建模由样本覆盖不一致和光散射等引起的物理特征，而第二主成分则捕获了与骨骼成分相关的最重要化学信息，特征可归因于水和胶原蛋白。
在独立测试集上的外部验证进一步证实了模型的泛化能力。头骨模型（两种仪器）和微型近红外光谱仪下颌骨模型均实现了完美分类。而扫描仪下颌骨模型性能较弱，准确率仅为0.79，特异性为0.63。自助法验证提供了更稳健的性能估计，结果与交叉验证和测试集验证趋势一致，确认了头骨模型和微型近红外光谱仪下颌骨模型的高性能和高稳定性，而扫描仪下颌骨模型则表现较弱且不稳定。
从结果中获得的启示：与经典偏最小二乘判别分析的比较
作为对比，研究也构建了偏最小二乘判别分析模型。构建偏最小二乘判别分析模型的关键第一步是应用最优预处理，使数据误差结构尽可能接近独立同分布假设。通过视觉误差矩阵策略选定了预处理方法。预处理后，误差相关性得以降低。偏最小二乘判别分析模型虽然有效，但整体性能通常未达到最大似然主成分分析-逻辑回归模型的水平，且其性能在交叉验证和测试集之间更易波动。一个根本区别在于两者处理数据方差的方式。偏最小二乘判别分析的性能高度依赖于最优数据预处理策略的选择，而最大似然主成分分析-逻辑回-归框架则无需此类预处理，它专为在模型结构中直接建模误差而设计。这种将相关信息从误差结构中分离出来的固有能力，对此特定分类问题显示出显著优势。
结论与讨论
本研究成功证明，便携式近红外光谱结合最大似然主成分分析-逻辑回归框架，为区分历史与现代骨骼提供了一种快速、非破坏性且准确的方法。尽管下颌骨由于更大的解剖异质性和特殊形状而更具挑战性，但模型仍实现了近乎完美的分类。该方法并非旨在取代已建立的参考技术或领域专家进行的精确测年，而是为了辅助将大量样本快速分类到年代学类别中。通过在已知年龄的标本上校准模型，可以对本质上无限数量的类似样本进行分类。
与传统的偏最小二乘判别分析相比，最大似然主成分分析-逻辑回归的一个关键优势在于其能够直接纳入测量误差结构，减少了对复杂且主观的数据预处理的需求。同时，载荷图为解释分类的驱动因素提供了见解，反映了死后降解导致的水和胶原蛋白含量的化学变化。因此，该方法实用且稳健，特别适用于博物馆藏品，因为其结合了便携、低成本的近红外光谱仪和简化的操作流程，允许非专业人员快速筛查标本。
超越博物馆应用，近红外光谱在法医学和保护领域也拥有强大潜力，包括对《濒危野生动植物种国际贸易公约》标本的分类或对具有历史意义的生物材料的回收，从而释放大量尚未被充分开发的动物学收藏的研究潜力。总的来说，尽管目前开发的模型适用于所调查的特定地理背景，但所提出的方法似乎是普遍有效的，能够根据样本的年代归属进行区分，其更广泛的适用性主要取决于额外数据集的可用性。这项研究为 unlocking 博物馆“沉睡”藏品的科学价值，提供了一把高效、无损的“钥匙”。
