摘要
引言
Anoectochilus roxburghii是一种具有护肝功效的珍贵药用植物。其品质会因产地不同而有所差异。该植物的主要生物活性成分包括芦丁、槲皮素-7-O-葡萄糖苷、山柰酚-3-O-芦丁苷、水仙苷、槲皮素以及皂苷。因此，一种能够同时测定该植物中活性成分含量及其生物活性的方法对于实现有效的质量控制至关重要。
研究目的
旨在利用高光谱相机成像技术结合深度学习模型，开发一种快速、无损的方法，用以同时预测Anoectochilus roxburghii中主要生物活性成分的含量及其护肝效果。
研究方法
使用便携式可见光-近红外高光谱相机系统（检测范围为389.81–1048.18?nm）获取了100批Anoectochilus roxburghii样本的高光谱图像。通过HPLC-UV和HPLC-ELSD方法测定其中六种活性成分的含量，而护肝活性则通过APAP诱导的L02细胞损伤模型进行评估。研究者们运用偏最小二乘回归法以及液体神经网络、Mamba状态空间模型和图卷积网络三种深度学习架构构建定量校准模型，并对这几种模型的预测性能进行了系统比较。此外，还使用谢瓦特控制图来直观展示不同批次之间的质量差异。
研究结果
Mamba模型在所有七项质量指标上的预测性能均最为出色，其决定系数最高（可达0.9972），预测误差也最小。该模型的表现显著优于PLSR、LNN和GCN模型。同时，借助谢瓦特控制图，可以有效地呈现不同批次产品之间的质量一致性。
结论
本研究提出了一种基于高光谱相机与Mamba模型的新框架，可用于快速、无损地同时对Anoectochilus roxburghii的多组分质量进行评估。这一方法不仅为该植物的质量控制提供了高效解决方案，也为其他复杂草药的质量控制提供了可借鉴的方法论框架。
数据可用性声明
本研究的相关数据可在合理请求下向通讯作者获取。
