一种基于混合预处理策略的近红外光谱方法，用于快速测定莎草（Cyperus esculentus）中的营养成分，并结合SHAP（Shapley Importance Values）进行解释

《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：A hybrid preprocessing strategy-based NIR spectroscopy method for rapid determination of nutritional components in Cyperus esculentus with SHAP interpretation

　　

艾伊本·文华|肖博·焦|冯玲·李|文磊|娟丽|静静·夏|月黄|李立雄

新疆大学药学院、药物研究所及生命科学技术学院，中国乌鲁木齐830017

摘要

Cyperus esculentus（香芋）是一种富含不饱和脂肪酸的植物，具有高产量、高营养价值和耐旱性。快速检测其营养成分对于确保粮食安全和生态恢复具有重要意义。本研究采用近红外（NIR）光谱技术结合化学计量学方法，分析了Cyperus esculentus的粗脂肪（CF）、总糖（TS）和粗蛋白（CP）的含量和特性。为了解决光谱变异性和样品异质性问题，提出了一种结合Savitzky-Golay平滑处理和标准正态变量的混合策略。通过网格搜索优化参数，并应用Shapley Additive Explanations（SHAP）分析来确定最具解释性的变量。研究结果表明，Cyperus esculentus的营养成分在不同地区存在显著差异，这表明可以根据这些特性开发出针对特定地区的产品。对于测试集，预测模型的决定系数（R²）分别为0.9847（CF）、0.9096（TS）和0.9876（CP）。这些发现表明所提出的方法能够快速准确地预测Cyperus esculentus的营养成分。值得注意的是，通过SHAP筛选出的化学变量与营养成分高度吻合，显著提高了模型的可解释性。该方法能够快速准确地预测Cyperus esculentus的这些成分，并具有较高的可解释性稳健性，从而为质量评估建立了一个创新的技术框架。

引言

Cyperus esculentus被誉为“油料作物之王”。其块茎富含多种营养成分，包括总糖（TS）26%–30%、粗脂肪（CF）21%–25%和粗蛋白（CP）8%–14%。其中单不饱和脂肪酸占比超过60%，不仅解决了大豆油、橄榄油等油类产品产量低和品质浑浊的问题，还有助于保护心血管健康，使其成为开发高质量食用油的理想选择。此外，近期研究还探讨了从香芋中提取的特定生物活性肽及其分子机制[1]，这突显了精确成分分析的必要性。另外，Cyperus esculentus能够在传统农业难以种植的边际土地上（如盐碱地和贫瘠土壤）茁壮成长[2]、[3]。这种适应性不仅显著提高了土地利用效率，还为盐碱地的改良和生态绿化带来了新的机会。

淀粉、蛋白质和油脂是衡量作物营养价值的关键指标。目前检测TS、CP和CF的方法主要采用比色法、滴定法或重量法，利用化学试剂与目标物质之间的颜色或定量反应。例如，CF的检测依赖于溶剂萃取（经典的Soxhlet方法）[4]；CP通常通过凯氏定氮法[5]进行分析；而TS的检测则使用水解法[6]。高精度色谱法也用于油脂、氨基酸等成分的分析[7]。现有的检测方法能够处理多种样品，具有标准化和结果可靠性。然而，这些方法的前处理过程复杂，耗时且劳动强度高，导致检测效率低，试剂和人力成本较高，从而影响了Cyperus esculentus的育种、生产和销售。

近红外（NIR）光谱位于紫外-可见光（UV–Vis）和中红外（MIR）之间，波长范围为700–2500 nm。结合化学计量学技术，NIR光谱广泛应用于食品[8]、农产品[9]、[10]、烟草[11]、[12]、石油[13]和制药[14]等行业。值得注意的是，近红外光谱技术在材料科学领域也取得了进展，例如开发了用于生物成像的新型NIR荧光粉[15]，进一步证明了这一光谱区域的广泛应用潜力。在谷物分析中，NIR光谱能够快速检测和定量分析水分、蛋白质、脂肪和淀粉等关键成分[16]、[17]、[18]。NIR光谱技术也被用于Cyperus esculentus的质量评估。方法学研究通常采用偏最小二乘回归（PLSR）来定量测定关键营养成分，如粗纤维（CF）和总糖（TS）。为了提高模型准确性，光谱预处理策略通常包括多变量散射校正、平滑处理和导数预处理。这些综合方法对于减少物理干扰和提升校准模型的预测能力至关重要[19]。山东省农业科学院开发了一种用于CF的NIR模型，通过变量选择算法-多层感知器-人工神经网络（MLP-ANN）改进了模型性能，R²为0.887，RMSEP为1.207。当与竞争性自适应加权采样结合使用时，CF的R²和RMSEP值分别为0.888和1.206[19]。现有研究表明，NIR结合化学计量学技术可以预测Cyperus esculentus的营养价值。然而，这些模型的“黑箱”特性往往掩盖了其背后的化学机制，因此需要先进的可解释AI工具（如SHAP）来应对这些挑战[20]。此外，当前使用的台式NIR光谱仪在收获和分级过程中的现场质量评估也存在局限性，部分原因是台式与便携式系统之间的仪器差异[21]。

此外，多学科分析方法的整合已成为相关科学领域的主要研究趋势，包括资源利用工程[22]、生物信息学中的计算建模[23]以及膳食添加剂的免疫学评估[24]、[25]。本研究旨在全面评估Cyperus esculentus的营养成分含量。从不同地区和生长周期收集了210个样品，使用标准化方法分析了CF、TS和CP的含量，并进行了统计评估，以了解不同地区和年份间的营养成分变化。样品的NIR光谱数据通过台式光谱仪获得。基于这些光谱数据，建立了化学计量模型，以建立三种关键营养成分与光谱信息之间的预测关系。这项研究不仅有助于快速检测Cyperus esculentus的关键营养成分，还能促进该作物的质量评估方法的发展。

章节摘录

Cyperus esculentus样品

共收集了210个Cyperus esculentus样品，经过清洗后放在室外风干一周至水分含量约为10%，然后存放在16°C下。样品用研磨机粉碎并通过30目筛子去除大颗粒，随后在4°C的冰箱中保存，直至进行光谱测量和化学分析。样品的面积和年份信息见表S1。

营养成分检测

营养成分

从不同省份收集了Cyperus esculentus样品，并分析了它们的营养成分（CF、CP、TS）的差异。在210个样品中，CF、CP和TS的含量范围分别为7.18至27.05、3.53至12.13和19.04至50.76。相应的平均值分别为18.41、7.20和35.28，标准差分别为3.89、2.05和7.61，变异系数分别为21.15%、28.49%和21.58%（图2A-C）。为了研究这些成分之间的相关性

讨论

Cyperus esculentus与大豆样品不同，因为它具有块茎结构，表皮厚且粗糙。这种结构复杂性导致了显著的物理异质性，直接挑战了标准光谱分析通常要求的样品均匀性假设。尽管NIR光谱结合化学计量学方法在分析CF、TS和CP含量方面非常有效，但Cyperus esculentus样品的固有异质性需要新的方法

结论

Cyperus esculentus因其丰富的营养成分而成为高质量油脂生产的理想作物。除了其营养价值外，这种作物还为利用边际土地提供了可持续的解决方案，从而满足了经济和生态需求。本研究收集并分析了来自不同地区和成熟度的210个Cyperus esculentus样品，结果显示样品间的CF、TS和CP含量存在显著差异。

作者声明他们没有已知的可能影响本文工作的财务利益或个人关系。

本工作得到了新疆维吾尔自治区重点研发项目（2022B02040-3）、新疆维吾尔自治区重点研发项目（2023B02030-1）和新疆维吾尔自治区重大专项（2024A02001）的支持。