《Journal of Agriculture and Food Research》：Machine learning-driven assessment of origin quality for the primary active ingredient in
Gastrodia elata: towards precision cultivation
编辑推荐：
天麻（*Gastrodia elata*）是一种传统且珍贵的药食同源中药材，其临床疗效显著受质量影响。然而，随着栽培的扩展，不同产地天麻的质量表现出显著变异性。因此，对来自不同产地的天麻进行系统评价对于培育高质量药材至关重要。本研究创新性地将多源活性成分数据与
天麻（*Gastrodia elata*）是一种传统且珍贵的药食同源中药材，其临床疗效显著受质量影响。然而，随着栽培的扩展，不同产地天麻的质量表现出显著变异性。因此，对来自不同产地的天麻进行系统评价对于培育高质量药材至关重要。本研究创新性地将多源活性成分数据与环境因子相结合，并采用机器学习-SHAP分析框架来探索上述科学问题，从而实现了因子贡献的精确量化和质量的空间预测。结果表明，野生天麻的质量优于栽培品种，天麻素（gastrodin）、4-羟基苯甲醇（4-Hydroxybenzyl alcohol）、派立辛A（parishin A）和派立辛B（parishin B）含量显著更高。值得注意的是，96%的栽培天麻符合《中国药典》规定的基本要求，但不同区域的有效成分含量差异显著。其中，4-羟基苯甲醇是区分不同产地天麻的最显著有效成分，其次为天麻素。空间分布图显示，天麻素和4-羟基苯甲醇的高含量区域主要位于传统上相互连接的川东、滇东北和黔西地区。此外，SHAP分析识别出最冷季度平均温度（mean temperature of the coldest quarter）是影响其质量的最关键决定因素。本研究不仅验证了传统知识，还揭示了新的模式，从而为天麻的规范化栽培和系统质量评价提供了重要的科学依据和数据支持。
**论文解读：基于机器学习与SHAP分析的天麻产地质量评估与精准栽培策略**
**研究背景、问题与目的**
天麻（*Gastrodia elata*）作为一种传统名贵药食同源中药材，其临床疗效高度依赖于药材质量。随着市场需求的急剧增长（从2015年的6.88万吨升至2023年的23.46万吨，增幅达240%），野生资源日益枯竭，大规模人工栽培已在多个省份开展，预计2025年全国栽培面积将超过52万亩。然而，不同产地的栽培天麻质量差异显著，部分药材有效成分含量不足，导致临床疗效不稳定。传统质量评价多依赖单一指标（如天麻素含量），忽视多成分协同作用；同时，环境因子（气候、土壤、地形）对品质形成的非线性影响尚不明确。因此，亟需建立科学的质量评价体系，筛选优质产区并优化栽培规划，以确保临床疗效、规范市场并推动天麻产业高质量发展。本研究旨在通过整合多源活性成分数据与环境因子，采用机器学习模型与SHAP分析框架，实现天麻活性成分含量的空间预测与关键环境因子的量化解析，为精准栽培提供理论依据。该论文发表于《Journal of Agriculture and Food Research》。
**主要关键技术方法**
研究人员从38篇中文和9篇英文文献中收集了629个天麻样本数据（包括51个野生样本和578个栽培样本，覆盖18个省份），并整合了39个环境变量（22个气候因子、1个地形因子、16个土壤因子，数据来源：WorldClim数据库、国家青藏高原数据中心/第三极环境数据中心）。采用最大熵模型（MaxEnt）模拟天麻的适宜生境与栽培区分布；运用Boruta算法进行变量筛选后，构建了多元线性模型（MLM）及三种机器学习模型——随机森林（RF）、XGBoost（XGB）和K近邻（KNN），以预测天麻中六种活性成分（天麻素、4-羟基苯甲醇、派立辛A/B/C/E）的含量。模型性能通过均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R2）评估，并利用SHAP值解释各环境因子的贡献。
**研究结果**
**3.1 天麻活性成分含量的地理分布特征**
通过比较629个样本（其中野生51个，栽培578个）的活性成分含量，发现野生天麻的天麻素、4-羟基苯甲醇、派立辛A和派立辛B含量显著高于栽培品种（*P*<0.05）。栽培天麻中，96%的样本符合《中国药典》规定的天麻素与4-羟基苯甲醇总含量≥0.25%的标准。不同产区间活性成分含量差异显著：云南、四川、贵州等传统道地产区内部变异大，而安徽产天麻的天麻素、派立辛A/B/C含量显著高于其他地区且稳定性高。PLS-DA和随机森林分类模型表明，产区和品种是导致质量差异的关键因素，其中4-羟基苯甲醇是区分不同产地的首要有效成分，天麻素次之；品种区分则以天麻素贡献最大，但各成分贡献接近。
**3.2 中国天麻质量预测与种植区划**
利用多元线性模型、随机森林和XGBoost三种模型预测栽培区活性成分含量，随机森林模型表现最优（所有活性成分的R2>0.5，天麻素+4-羟基苯甲醇的RMSE<0.22%）。基于该模型绘制的空间分布图显示，天麻素与4-羟基苯甲醇的高含量区域集中于川东、滇东北和黔西的连续地带，与传统道地产区高度吻合；派立辛的高含量区域则更广，延伸至陕南、重庆、鄂西、皖西和湘西。4-羟基苯甲醇的高含量区仍集中于川东、滇东北和黔西，而天麻素在重庆、鄂西和皖西也有高值分布，进一步表明4-羟基苯甲醇是区分道地产区与其他产区的关键标志物。
**3.3 影响天麻质量的主要环境因子**
SHAP分析表明，最冷季度平均温度（Bio11）是影响天麻素和派立辛积累的最关键因子，且呈负相关（即冬季温度越高越不利于积累）；年温度范围（Bio7）对4-羟基苯甲醇呈负影响，较小的年温差更有利于其积累。此外，降水（Bio12、Bio13、Bio16）、土壤性质（有机质SOM、全氮TN、有效磷AP、阳离子交换量CEC、黏粒含量CL）和太阳辐射（Srad）也发挥重要调控作用，且不同成分对环境因子的响应模式不同。
**讨论与结论**
讨论部分强调，野生天麻活性成分含量显著高于栽培品种，符合“野生优于栽培”的传统认知，可能得益于环境胁迫、较长生长周期和未受干扰的微生物群落。96%的栽培样本达标表明当前栽培产业能保证基本药效阈值，但优化栽培技术以缩小与野生品种的质量差距是产业升级的关键。产区和品种是质量变异的两个核心驱动因素，传统道地产区（川东、滇东北、黔西）内部存在微环境差异，而安徽大别山地区因高含量和高稳定性被识别为新的优质产区，挑战了优质天麻仅集中于西南的刻板印象。不同品种各具优势（如“红乌天麻”天麻素高，“天麻”和“红天麻”派立辛高，“乌天麻”和“乌红天麻”4-羟基苯甲醇高），支持根据目标成分选择品种。随机森林模型的预测精度优于传统线性模型，首次生成了全国天麻活性成分空间分布图，为栽培区划和产地溯源提供工具。SHAP分析揭示最冷季度平均温度是核心气候因子，适度的冬季低温胁迫有利于活性成分积累，这解释了道地产区的形成机制。
**结论（翻译）**
本研究分析了来自18个省份的629个天麻样本，发现野生品种的关键活性成分（天麻素、4-羟基苯甲醇、派立辛A/B）含量显著高于栽培材料，96%的栽培样本符合《中国药典》质量标准。不同栽培产地的活性成分含量差异很大；高含量区域聚集在川东-滇东北-黔西的连续地带，安徽大别山被识别为新的优质栽培区，打破了优质产区仅限西南的刻板印象。随机森林模型（所有活性成分的R2>0.5）生成了首个全国天麻活性成分空间分布图，支持栽培区划和产地溯源。SHAP分析揭示最冷季度平均温度是核心气候因子，适度的冬季低温胁迫有利于关键活性成分积累，解释了道地产区的形成。本研究为高质量天麻的地理区划、定向品种选择和精准栽培提供了坚实的科学基础，并为药用植物质量评价提供了可复制的分析方法框架。
