挥发性指纹图谱与可解释机器学习用于不同栽培模式黄芪的质量区分

《Foods》:Volatile Fingerprinting and Interpretable Machine Learning for Quality Differentiation of Astragali Radix from Different Cultivation Patterns

【字体: 大 中 小 】 时间:2026年07月29日 来源:Foods 6.0

编辑推荐:

  挥发性指纹图谱(volatile fingerprints)为表征黄芪(Astragali Radix, AR)——一种药食同源植物材料——提供了有用信息,但野生、仿野生和栽培样品之间的差异仍不清楚。在本研究中,研究人员将顶空固相微萃取-气相色谱-质谱联用(H

  
挥发性指纹图谱(volatile fingerprints)为表征黄芪(Astragali Radix, AR)——一种药食同源植物材料——提供了有用信息,但野生、仿野生和栽培样品之间的差异仍不清楚。在本研究中,研究人员将顶空固相微萃取-气相色谱-质谱联用(HS-SPME-GC?MS)和顶空气相色谱-离子迁移谱(HS-GC?IMS)与多变量分析和可解释机器学习相结合,以表征来自不同栽培模式的117份AR样品的挥发性特征,并识别候选鉴别化合物。HS-SPME-GC?MS初步鉴定了野生、仿野生和栽培样品中分别有29、34和45种挥发性化合物。在所有组中,酯类(esters)是主要类别,尽管酯类的相对丰度以及总体化学类别组成在不同栽培模式间存在差异。HS-GC?IMS分别初步鉴定了57、50和55种化合物,主要包括低分子量醛类(aldehydes)、醇类(alcohols)和酮类(ketones),从而提供了互补的挥发性指纹信息。偏最小二乘判别分析(PLS-DA)显示,挥发性指纹捕捉到了与栽培模式相关的差异,其中HS-GC?IMS模型表现出更清晰的组间分离。基于HS-SPME-GC?MS分析结果,进一步构建了随机森林(Random Forest)、支持向量机(SVM)和CatBoost模型。通过整合变量投影重要性(VIP)和SHapley Additive exPlanations(SHAP)值,γ-己内酯(γ-hexalactone)、甲基丁香酚(methyl eugenol)、(9Z,11E)-9,11-十八碳二烯酸甲酯(methyl (9Z,11E)-octadeca-9,11-dienoate)、丁香酚(eugenol)和亚油酸乙酯(ethyl linoleate)被选为候选鉴别化合物。基于HS-GC?IMS结果,还鉴定出1-辛烯-3-酮(1-octen-3-one)、戊酸戊酯(pentyl acetate)、(Z)-2-戊烯-1-醇((Z)-2-penten-1-ol)、2-庚酮(2-heptanone)和2-乙基-6-甲基吡嗪(2-ethyl-6-methylpyrazine)的单体信号作为候选鉴别化合物。这些化合物可能与脂肪酸衍生的代谢、芳香族次级代谢和萜类相关过程有关。将两种互补的挥发性分析平台与基于VIP和SHAP的解释相结合,提供了更广泛的挥发性特征覆盖,并提高了候选化合物筛选的可解释性。这些发现提供了一个可解释的分析流程和候选鉴别化合物,可能支持未来对AR的快速筛查、栽培模式认证和基于挥发性特征的区分,但有待独立的外部验证。
论文解读文章

研究背景:黄芪(Astragali Radix, AR)是典型的药食同源植物材料,广泛应用于食品、化妆品和畜牧行业。其质量与栽培模式密切相关,主要分为野生、仿野生和栽培三种类型。已有研究表明,野生和仿野生黄芪在化学成分积累和药理活性上较为相似,而与栽培黄芪差异显著,且生长周期(野生>10年,仿野生>5年,栽培约2年)导致次级代谢产物积累不同。然而,目前对黄芪挥发性成分特征的研究较少,而气味是中药材传统评价的重要感官属性。不同栽培模式导致的生长环境、代谢活动和化学成分差异可能产生独特的挥发性指纹,但现有研究缺乏系统比较,且挥发性化合物对样品差异的个体贡献未被充分解释。因此,有必要建立一种结合互补挥发性分析与可解释机器学习的集成方法,以表征栽培模式相关的挥发性差异并识别关键鉴别化合物。

研究人员开展的研究:本研究收集了117份黄芪样品(野生n=24,仿野生n=32,栽培n=61),分别来自山西、甘肃和内蒙古,样品经自然干燥后粉碎。采用顶空固相微萃取-气相色谱-质谱联用(HS-SPME-GC?MS)和顶空气相色谱-离子迁移谱(HS-GC?IMS)两种互补技术分析挥发性化合物,并整合偏最小二乘判别分析(PLS-DA)和三种机器学习模型(随机森林、支持向量机SVM、CatBoost),结合变量投影重要性(VIP)和SHAP值进行特征解释,最终筛选出候选鉴别化合物。研究得出以下结论:两种平台提供了互补的挥发性信息,HS-GC?IMS在低分子量挥发性化合物区分上表现更优,而HS-SPME-GC?MS覆盖了更多复杂结构的中高沸点化合物;通过集成VIP和SHAP分析,分别从两个数据集鉴定出10个候选鉴别化合物,主要与脂肪酸代谢、苯丙烷代谢和萜类代谢相关。该研究提供了可解释的分析流程和候选化合物,为未来黄芪栽培模式认证和快速鉴别奠定了基础。论文发表在《Foods》。

主要关键的技术方法:研究人员采用HS-SPME-GC?MS和HS-GC?IMS两种互补的挥发性分析平台,对117份黄芪样品(野生24份、仿野生32份、栽培61份,来源包括山西、甘肃和内蒙古)进行挥发性化合物检测。通过PLS-DA进行多变量分析,识别组间差异趋势;随后构建随机森林、SVM和CatBoost三种机器学习模型,并利用SHAP计算每个特征对模型输出的贡献。将VIP值和SHAP值归一化后整合为复合评分,以筛选候选鉴别化合物。过程中未使用外部验证集,但通过训练、验证和测试集划分及交叉验证评估模型性能。

研究结果:
3.1 不同栽培模式黄芪的挥发性特征
3.1.1 HS-SPME-GC?MS分析:HS-SPME-GC?MS在野生、仿野生和栽培样品中分别初步鉴定出29、34和45种挥发性化合物,包括酯类、醇类、醛类、酮类、酸类、内酯、酚类、醚类和烃类。栽培组检测到的化合物数量最多,部分原因可能是其样本量较大。酯类是三类样品中含量最高的类别,但相对丰度存在差异:野生样品酯类比例最高(45.88%),仿野生和栽培样品约24%。野生样品中酮类和内酯含量较高,仿野生样品中烃类突出,栽培样品中酮类和烃类占重要比例。主要化合物如甲基(9Z,11E)-9,11-十八碳二烯酸甲酯、甲基亚麻酸酯、甲基丁香酚等在组间不同。
3.1.2 HS-GC?IMS分析:HS-GC?IMS在野生、仿野生和栽培样品中分别初步鉴定出57、50和55种化合物,主要为低分子量醛、醇和酮。醛类占各组总挥发物的28.79%–30.00%,醇类占25.28%–26.31%,酮类占18.11%–19.35%。次要化学类别差异更明显:酯类在野生(12.09%)和栽培(11.35%)样品中高于仿野生(6.00%),与HS-SPME-GC?MS结果一致。常见化合物如1-丁醇、2-庚酮等在所有组中均检出,但主要特征化合物不同:野生样品以萜品烯-4-醇、2-庚酮等为主,仿野生样品以2-甲基丁酸、苯甲醛等为主,栽培样品以2-甲基-2-戊烯醛、2-甲基-1-丁醇等为主。
3.2 挥发性特征的多变量分析
3.2.1 PLS-DA分离野生、仿野生和栽培样品:基于HS-SPME-GC?MS数据的PLS-DA模型(R2Y=0.7160,Q2=0.5910,R2X=0.5354)显示三组间存在分离趋势但部分重叠。基于HS-GC?IMS数据的模型(R2Y=0.9997,Q2=0.9997,R2X=0.8824)表现出更清晰的组内聚集和组间分离,表明小分子挥发性指纹提供了更稳定的鉴别信息。200次置换检验支持鉴别结果非随机。
3.2.2 基于VIP的差异挥发性化合物筛选:以VIP>1为阈值,从HS-SPME-GC?MS数据中筛选出24种候选化合物,前五位为丁香酚、5-乙酰基-2-甲氧基苯基乙酸酯、十四烷、苯甲醇和丁香酚乙酸酯。从HS-GC?IMS数据中,合并单体与二聚体信号后获得40种候选化合物,其中1-辛烯-3-酮的两种信号形式VIP均大于2,戊酸戊酯、(Z)-2-戊烯-1-醇、2-庚酮和2-乙基-6-甲基吡嗪(单体)的VIP均大于1.5。
3.3 HS-SPME-GC?MS数据的可解释机器学习分析
3.3.1 机器学习模型性能:基于117份样品数据,构建了随机森林、SVM和CatBoost三种模型。CatBoost在测试集上表现最优(准确率0.972,宏F1=0.970,加权F1=0.972,宏AUC=0.980),随机森林次之(准确率0.944),SVM较低(准确率0.930)。所有模型训练准确率均为1.000,但SVM的训练-验证差距较大(0.057),CatBoost和随机森林差距较小(0.014)。一对多ROC分析显示仿野生类AUC均为1.00,栽培和野生类AUC为0.95–0.98。
3.3.2 基于SHAP的挥发性化合物贡献解释:以CatBoost模型为例,甲基丁香酚和γ-己内酯贡献最大,其次是丁香酚、亚油酸乙酯和苯甲醇。随机森林的SHAP排名与CatBoost基本一致,SVM略有差异,但γ-己内酯和(9Z,11E)-9,11-十八碳二烯酸甲酯在三个模型中均保持高贡献。
3.3.3 集成VIP-SHAP筛选候选挥发性标记物:通过归一化三个模型的SHAP值并整合,结合VIP值得到复合评分。排名前十的化合物为γ-己内酯、甲基丁香酚、(9Z,11E)-9,11-十八碳二烯酸甲酯、丁香酚、亚油酸乙酯、2-苯乙醇、苯甲醇、丁香酚乙酸酯、甲基亚麻酸酯和5-乙酰基-2-甲氧基苯基乙酸酯,其中γ-己内酯复合评分最高(3.9354)。
3.4 与栽培模式分化相关的候选鉴别挥发性化合物及可能的代谢来源:整合VIP和SHAP分析后,从HS-SPME-GC?MS数据中选出的候选化合物包括γ-己内酯、甲基丁香酚、(9Z,11E)-9,11-十八碳二烯酸甲酯、丁香酚和亚油酸乙酯;从HS-GC?IMS数据中选出的包括1-辛烯-3-酮、戊酸戊酯、(Z)-2-戊烯-1-醇、2-庚酮和2-乙基-6-甲基吡嗪(单体)。这些化合物在野生、仿野生和栽培样品中的相对丰度呈现不同分布模式。HS-GC?IMS衍生的候选化合物主要为低分子量醛、醇、酮,提供了更清晰的组间分离;HS-SPME-GC?MS衍生的化合物覆盖了更复杂的中高沸点挥发物。候选化合物主要与脂肪酸衍生的挥发物和芳香族次级代谢物有关,部分涉及萜类化合物(如ar-姜黄酮、β-倍半水芹烯)。这些代谢途径与生长年龄、环境暴露、栽培管理等因素相关,但由于野生和仿野生样品仅来自山西且年龄较大,地理来源和植物年龄与栽培模式混杂,无法将观察到的差异完全归因于栽培模式。因此,这些化合物应视为候选鉴别特征,需独立外部验证。

总结讨论部分:研究人员在讨论中指出,候选化合物与脂肪酸氧化、脂氧合酶-氢过氧化物裂解酶途径、苯丙烷/苯类代谢以及甲羟戊酸和甲基赤藓醇磷酸途径相关。然而,由于未进行靶向代谢组学或转录组学验证,这些机制解释仍属假设。同时,研究存在局限性:野生样品数量较少,地理来源和植物年龄与栽培模式显著混杂,限制了因果归因和普遍性。未来需纳入更大且地理平衡的样本集,并对候选化合物和分析流程进行独立外部验证。

研究结论翻译:在本样品集内,栽培模式与黄芪挥发性指纹的差异相关。HS-SPME-GC?MS和HS-GC?IMS的联合使用为表征野生、仿野生和栽培样品间的挥发性差异提供了互补信息。HS-SPME-GC?MS更适用于检测结构相对复杂的中高沸点挥发物,而HS-GC?IMS在捕捉低分子量和易释放化合物方面具有优势。多变量分析和机器学习进一步支持了与栽培模式相关的分化,并帮助优先筛选候选挥发性贡献者。通过整合VIP和SHAP分析,从HS-SPME-GC?MS数据集中选出γ-己内酯、甲基丁香酚、(9Z,11E)-9,11-十八碳二烯酸甲酯、丁香酚和亚油酸乙酯作为候选鉴别化合物,从HS-GC?IMS数据集中选出1-辛烯-3-酮、戊酸戊酯、(Z)-2-戊烯-1-醇、2-庚酮和2-乙基-6-甲基吡嗪(单体)作为候选鉴别化合物。这些化合物可能与脂肪酸衍生的、苯丙烷类和萜类相关的代谢过程有关。总体而言,本研究提供了候选鉴别化合物和一种可解释的挥发性指纹策略,用于区分不同栽培模式的黄芪样品。该集成工作流程可为初步的栽培模式认证和候选化合物筛选提供一个实验室层面的分析框架,但在常规应用前仍需进一步标准化和外部验证。应承认若干局限性:野生样品数量相对较少,且地理来源和植物年龄与栽培模式存在显著混杂,限制了当前发现的因果归因和普遍性。因此,观察到的差异不应完全归因于栽培模式。未来研究应纳入更大且地理平衡的样本集,并对候选化合物和分析流程进行独立验证。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号