《Future Foods》：Seasonal prediction of chemical components in trans-regional silver carp (
Hypophthalmichthys molitrix) based on Random Forest and SHAP interpretation models
编辑推荐：
摘要：鲢鱼化学成分的变化被认为是鱼糜加工过程中品质波动的主要因素之一。本研究系统探讨了区域、月份和规格对鲢（Hypophthalmichthys molitrix）基本化学成分的影响。研究人员利用随机森林算法构建了化学成分预测模型，并集成SHapley Add
摘要：鲢鱼化学成分的变化被认为是鱼糜加工过程中品质波动的主要因素之一。本研究系统探讨了区域、月份和规格对鲢（Hypophthalmichthys molitrix）基本化学成分的影响。研究人员利用随机森林算法构建了化学成分预测模型，并集成SHapley Additive exPlanations（SHAP）模型以解释多因素交互作用机制。结果表明：（1）鲢鱼化学成分表现出显著的区域-季节-规格依赖性：三地中，泰州（江苏）小规格鲢鱼具有最高的粗蛋白含量（3月，90.52 g/100g，干基）和盐溶性蛋白含量（12月，62.72 g/100g，干基），而鞍山（辽宁）大规格个体在冬季具有显著高于其他区域的脂肪含量（1月，34.47 g/100g，干基）；（2）在10次重复分层随机划分中，随机森林模型对水分、脂肪和盐溶性蛋白含量的预测R2值分别为0.884±0.023、0.917±0.023和0.866±0.027；（3）SHAP分析揭示了区域、月份和体重依赖的贡献模式，包括1月至6月潜江样本对盐溶性蛋白预测的正向模型贡献，以及泰州样本中与体重相关的水分变化模式。
论文解读：基于随机森林与SHAP的跨区域鲢鱼化学成分季节性预测研究
**1. 研究背景与意义**
鲢鱼（Hypophthalmichthys molitrix）年产量超过510万吨，其中中国占比超过77.9%。凭借高产、低成本、高蛋白含量和良好的凝胶形成特性，鲢鱼被认为是淡水鱼糜制品的理想原料。然而，鲢鱼的基本化学成分（如脂肪、蛋白质和水分）在不同生长环境和生理阶段下表现出显著差异。鱼糜工厂常常忽视这些季节性和区域性差异，这已成为同批次鱼糜产品规格不一致的主要原因。此外，由于入厂鱼需在短时间内快速检验接收以保持新鲜度，工厂往往没有足够时间测定脂肪和蛋白质含量等关键原料指标。因此，迫切需要一种快速可靠的方法来识别鱼肉成分的变异性。近年来，食品科学中的预测建模越来越多地采用机器学习方法进行无损质量评估、成分预测和过程监控。本研究旨在整合预测建模与可解释性分析，在一个统一框架内实现定量预测和机理性理解，为水产原料选择和生产工艺调整提供理论指导，促进鲢鱼鱼糜加工产业向标准化和高质量发展。
**2. 研究主要技术与方法**
本研究从中国三个代表性鲢鱼产区（江苏泰州、湖北潜江、辽宁鞍山）于1月至12月期间采集样本，体重范围800-2500g，分为小（800-1400g）、中（1400-2000g）、大（2000-2500g）三个规格组。共构建包含751个有效数据点的分析数据集，输入属性包括生长季节、生长区域和体重三个变量，输出属性包括水分含量、脂肪含量和盐溶性蛋白含量三个变量。研究采用四种不同归纳偏置的机器学习模型进行预测性能比较：弹性网络作为线性基准模型，随机森林、极端梯度提升和轻量梯度提升机作为代表性非线性集成方法。超参数优化采用五折交叉验证，树模型使用贝叶斯优化。模型性能评估使用决定系数、均方根误差、平均绝对误差、相对均方根误差和性能偏差比等指标。此外，还进行了留一区域交叉验证评估模型区域迁移性。最后采用SHAP进行模型可解释性分析，量化各特征对模型输出的贡献。研究还进行了RF与XGBoost的跨模型SHAP一致性分析，使用Spearman秩相关和Top-3特征重叠进行量化。
**3. 研究结果**
**3.1. 鲢鱼化学成分的多维变异性**
水分含量方面，泰州鲢鱼在全年大部分月份表现出高于潜江和鞍山同规格个体的水分含量，其中泰州小规格鱼在3月达到峰值81.08 g/100g。小规格鱼在大多数月份表现出比中规格和大规格个体更高的水分含量，且具有相对较大的季节性稳定性。鞍山地区表现出最显著的规格相关差异，12月小规格与大规格鱼之间的差异达6.59 g/100g。脂肪含量方面，鞍山鲢鱼在大多数月份表现出高于其他两地同规格个体的脂肪含量，1月大规格个体达34.47 g/100g。大规格个体在全年大部分时间通常表现出高于中规格和小规格鱼的脂肪含量。潜江和泰州在9月的规格相关差异尤为显著，小规格与大规格鱼之间的差异在潜江达23.26 g/100g、泰州达15.88 g/100g。粗蛋白含量方面，泰州鲢鱼不仅表现出高于潜江和鞍山同规格个体的粗蛋白含量，而且全年季节性波动最小。泰州小规格鱼在3月达到90.52 g/100g的峰值。小规格个体在大多数月份显示出高于中规格和大规格鱼的粗蛋白含量。三地鲢鱼粗蛋白含量均在12月达到最低水平。盐溶性蛋白方面，泰州鲢鱼在大多数月份表现出高于其他两地的盐溶性蛋白含量，且季节性波动最小。12月泰州小规格鱼达到62.72 g/100g的峰值。潜江所有三个规格组在6月均表现出升高的盐溶性蛋白水平。
**3.2. 机器学习模型的预测性能与区域迁移性**
四种机器学习模型在三个预测目标上表现出不同的预测性能。整体而言，基于树的集成模型普遍优于弹性网络基线模型，表明生长月份、生产区域、体重与成分性状之间的关联未能被简单线性项完全捕捉。在所有测试模型中，随机森林在三个预测任务中表现出最佳或接近最佳的整体性能。对于脂肪和盐溶性蛋白预测，RF实现了最高的平均R2值，分别为0.917±0.023和0.866±0.027。对于水分预测，RF和XGBoost表现高度可比，R2值分别为0.884±0.023和0.885±0.030。特征工程改进的弹性网络模型虽然对三个目标的预测性能均有所提升，但仍低于基于树的集成模型，表明区域-月份-体重关系可能涉及交互依赖和非加性模式。留一区域交叉验证显示，当从训练集中排除整个生产区域时，性能显著下降，说明模型区域迁移性受限主要与区域分布偏移相关。
**3.3. 基于SHAP的多因素贡献模式解释**
SHAP解释分析前需注意SHAP值代表模型导出的统计贡献而非实验验证的生物学机制。RF与XGBoost的SHAP特征重要性排名在三个预测目标上均表现出高度一致性，Spearman秩相关系数分别为0.920±0.042、0.990±0.032和0.990±0.032，Top-3特征重叠均为3/3，支持了RF解释的稳健性。单变量依赖分析显示，沿规格维度，体重增加伴随对水分和盐溶性蛋白预测更负的SHAP贡献，而脂肪则呈现相反模式。沿月份维度，水分预测在6月至11月表现出更正贡献，而脂肪预测在11月至12月附近显示出更强的正贡献。区域特定交互模式分析表明：水分预测方面，潜江样本体重增加通常伴随更负的SHAP贡献，泰州样本的体重贡献模式在约1500g附近发生变化，鞍山样本在约1400-2300g范围内主要观察到负向体重相关贡献模式；脂肪预测方面，潜江体重大致产生逐渐增大的正向贡献，6月至10月为主要正贡献时段，泰州正贡献主要集中在3月至8月，鞍山在1月至3月和10月至12月出现两个相对较强的正贡献时期；盐溶性蛋白预测方面，潜江1月至6月收集的样本表现出更正贡献，泰州体重总体呈现正贡献模式，鞍山在约1700-2500g范围内主要观察到正向贡献。
**4. 讨论与结论**
本研究建立的区域-月份-体重框架为原料筛选、批次分级和过程风险意识提供了实用信息。模型导出的成分模式可能有助于识别鱼糜制造过程中需要不同关注程度的原料批次。例如，潜江小规格鲢鱼在特定月份（如6月和9月）表现出较高的水分水平，此类批次可能需要更密切监测脱水效率和最终水分标准化；冬季收获或特定区域样本中预测脂肪含量较高的批次，可能需要更加关注洗涤效率、脂质去除和氧化控制；而蛋白质或盐溶性蛋白含量较高且脂质负担较低的原料批次（如部分泰州批次），可考虑用于更高价值的鱼糜产品或与功能蛋白潜力较低的批次混合使用。本研究分析结果并非提供固定不变的工艺参数，而是为加工企业提供基于原料特性预测的工艺调整框架，可帮助加工商从原料接收后的被动调整转向加工前的早期评估和分级调控，从而支持鱼糜产品的质量标准化。研究结论：本研究系统描绘了区域、季节和规格类别共同塑造鲢鱼近似成分的总体模式。利用随机森林模型，研究实现了对水分、脂肪和盐溶性蛋白的高精度预测，平均R2值范围为0.866±0.027至0.917±0.023。基于SHAP的可解释性进一步解析了各因素及其交互作用的复杂影响路径，揭示了区域特异性生理响应模式。以较高且更稳定的水分和盐溶性蛋白为特征的小规格鱼成为高品质鱼糜制造的优选原料；区域方面，泰州鲢鱼的粗蛋白和盐溶性蛋白显著高于潜江和鞍山，且全年波动最小，表明其具有优异的原料一致性。潜江鲢鱼具有独特的营养特征，盐溶性蛋白呈现显著的季节性变化，1月至6月显著积累并在夏季达到年度峰值，在该季节性窗口内展现出高质鱼糜原料价值。脂肪含量呈现显著的地区特异性，鞍山冬季脂质积累与其低温越冬策略一致。总体而言，这些发现提供了一条人工智能驱动的实践路径，以减轻原料变异性引起的产品不一致性，推进优质标准化的淡水鲢鱼鱼糜加工。
