FT-NIR和HPLC结合机器学习技术，用于高丽参（Gastrodia elata）的产地溯源及特征成分含量的预测

《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：FT-NIR and HPLC combined with machine learning for origin traceability and prediction of characteristic component content in Gastrodia elata

　　

韩朵|刘洪高|王元中

中国云南省昭通市昭通大学天麻与真菌共生生物学重点实验室，云南昭通657000

摘要

作为一种兼具药用和食用价值的植物，Gastrodia elata（天麻）需要通过产地追溯和成分预测来指导其产品质量评估。本研究利用高效液相色谱（HPLC）技术对来自不同产地的天麻样品中的主要成分进行了定量分析，并建立了指纹图谱。传统的机器学习模型（包括PCA、t-SNE、PLS-DA、PLSR、SVM、RF和GBM）以及深度学习模型（ResNet）被用于基于傅里叶变换近红外（FT-NIR）光谱数据进行产地追溯和成分预测。结果显示，不同产地天麻的主要成分存在显著差异，HPLC指纹图谱的相似度范围为0.726至0.979。PCA和t-SNE在分类天麻的地理来源方面效果不佳。然而，经过二次预处理后，传统机器学习模型的分类准确性显著提高，其中SVM模型的预测性能最高（测试集准确率为95.42%），其次是PLS-DA模型（测试集准确率为93.75%）。相比之下，RF和GBM模型的准确率未达到90%。基于同步2D校正光谱（2DCOS）图像构建的ResNet模型在产地追溯方面实现了100%的准确率，优于同步3D校正光谱模型，成为本研究的最佳模型。此外，将PLSR模型应用于二次预处理的FT-NIR光谱数据后，在预测天麻主要活性成分的含量方面表现优异，线性回归R2值大于0.8，相对偏差（RPD）大于2。本研究为天麻产品的质量追溯提供了新的参考。

引言

在中国，Gastrodia elata（天麻）既是传统中药中的药材，也是健康食品的原料，是一种具有双重价值的资源[1]。天麻在全球范围内广泛分布，主要分布在喜马拉雅山脉以南的地区、东亚和新西兰[2]；在中国，它主要分布于西北部、西南部和北部地区[3]。天麻含有芳香化合物、有机酸、甾醇、糖类和苷类，其中以天麻素（GAS）、对羟基苯甲醇（HBA）和帕里辛（Parishins）为主要活性成分[4]。天麻具有镇静催眠、抗抑郁、神经保护、抗氧化和胃肠道保护等药理作用[5]。此外，天麻还富含淀粉、多糖、蛋白质、脂肪、粗纤维和矿物质等营养成分，是一种受欢迎的保健品[6]。目前已有90种健康食品以天麻为原料，超过110种含天麻素的产品获得了临床应用批准[7]。

随着天麻作为药材和食品的受欢迎程度不断提高，市场需求增长导致了关于产品产地的利润驱动的混乱。由于独特的生态环境，中国昭通等地生产出高质量的天麻，并获得了国家地理标志产品的地位。然而，一些商家为了获取更高利润可能会虚假标注天麻的产地。此外，市场上还出售干燥切片或粉末形式的天麻，使得消费者难以辨别其真实产地。不同生长环境下的多种生态因素会显著影响天麻的质量，从而影响其作为药材和食品的双重价值[8]。因此，天麻的产地追溯和真实性鉴定对其质量追溯至关重要。目前识别天麻产地的方法主要依赖于色谱法、质谱法和分子技术。例如，过去的研究使用直接电离质谱法区分真假天麻[9]，采用伪目标LC-MS/MS代谢组学技术解析栽培天麻的特定化学指纹[10]，并利用ITS2序列鉴定天麻及其掺杂物[11]。天麻中主要成分的含量也会影响其质量，而目前对这些成分的定量分析主要依赖于色谱法或质谱法。然而，这些定性和定量方法复杂、耗时、成本高昂且会损坏样品，需要专业人员进行操作[12]。因此，开发快速、无损且经济的方法来辅助天麻的追溯和成分定量至关重要，这将有助于提高这种药材的质量评估和追溯能力。

傅里叶变换红外光谱（FTIR）具有广阔的发展前景，光谱数据结合化学计量学处理可以提高数据的可解释性[13]。机器学习作为人工智能的一个独立且重要的分支，能够自主学习并从数据中改进，包括监督学习、无监督学习和强化学习，广泛应用于预测分析、自动化系统和实时优化[14]。光谱图像处理与机器学习的结合提供了一种快速高效的分类方法，已被用于评估传统中药材料和食品[15][16][17]。现代光谱方法在天麻分析中得到广泛应用，例如FT-NIR光谱结合机器学习可以追溯地理来源，ResNet模型在训练集和测试集上的准确率超过97%[18]。基于2D校正光谱的ResNet模型在识别天麻产地方面也表现出稳定的性能，准确率达到100%[19]。k最近邻（KNN）方法能够快速识别天麻的地理来源，在训练集和测试集上的准确率均为100%[6]。近红外和FTIR变量可以预测天麻中的关键挥发性成分和风味强度，验证集的准确率分别为100%和83.33%[20]。近红外光谱结合机器学习可以快速识别天麻杂交品种[21][22]。然而，现有的天麻产地追溯研究样本量不足，采样地点有限，需要扩大样本量以验证方法的可靠性。此外，很少有研究将产地追溯与预测天麻主要成分含量结合起来。本研究采用了更大的样本量和额外的分析方法，系统地探索了更具代表性的天麻产地分类策略。

基于上述背景，本研究旨在利用HPLC定量分析来自不同产地的天麻主要成分，并建立指纹图谱。同时，利用傅里叶变换近红外光谱（FT-NIR）数据构建传统和深度学习模型进行天麻产地追溯，确定最合适的模型。此外，还结合FT-NIR和HPLC定量数据开发了偏最小二乘回归（PLSR）模型来预测天麻主要活性成分的含量，探讨其应用潜力。本研究为天麻产品的质量追溯提供了参考，并提出了新的产地追溯策略。

章节摘录

样品

本研究共收集了来自中国多个县市的800个天麻样品，每个地区采集了50个样品（见表S1）。收集到的天麻样品经过清洗和风干以去除水分后称重。随后在55°C的恒温烤箱中干燥至恒重，再使用研磨机研磨成细粉，通过100目筛子筛选，然后储存在标记好的密封袋中。

HPLC指纹图谱构建及主要成分的定量分析

HPLC方法从参考标准品中确定了六种主要成分，并绘制了标准曲线（见表S2）。回归方程的r2值均高于0.9990，表明线性良好。方法验证显示精度、重复性和稳定性的RSD值均低于0.2%。利用天麻素峰计算得到的理论板数至少为5000。HPLC分析显示天麻样品的特征峰分离良好，无杂质干扰（图1B）。

讨论

研究发现，天麻的化学组成因产地而异，但HPLC指纹图谱和色谱图相似性分析在分类和识别天麻的地理来源方面效果不佳。值得注意的是，本研究中的HPLC定量分析采用了“混合样品”策略，这会平滑同一产地内个体样品之间的自然生物变异，可能限制了对细微产地内变异的检测。因此，未来的研究

结论

本研究表明，不同产地的天麻HPLC指纹图谱具有高度相似性，化学组成相对一致，尽管成分含量存在差异。FT-NIR光谱结合深度学习模型能够快速可靠地追溯天麻的产地。虽然传统机器学习模型在经过二次预处理后分类准确性有所提高，但其性能仍低于深度学习模型。基于

CRediT作者贡献声明

韩朵：撰写初稿、数据整理、可视化；刘洪高：资金获取、监督；王元中：撰写、审稿和编辑、项目管理、方法学设计、资源准备。

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

国家自然科学基金（资助编号：82460746）；云南省教育厅天麻资源开发利用科技创新团队（资助编号：2024）；昭通“星照人才支持计划”团队项目（资助编号：2023-3）。