基于机器学习的天麻产地溯源研究：整合元素-功能指纹与环境响应分析

《Journal of Agriculture and Food Research》：Machine learning-based geographical origin traceability of Gastrodia elata via integrated elemental-functional fingerprints and environmental response analysis

　　

天麻（GR）的块茎作为一种传统药食同源物质，其质量和市场价值因地理产地不同而存在显著差异，凸显了建立可靠鉴别方法的必要性。本研究通过整合多元素指纹与功能性化学成分，建立了一种针对主流栽培品种红天麻（Gastrodia elata f. elata）的高精度产地分类模型，同时考察了这些因素对生物气候因子的响应。研究人员对来自四大产区23个县市的270批天麻样品进行了无机元素和功能化合物分析。通过重复分层抽样结合嵌套交叉验证，系统比较了九种机器学习算法，并利用Mantel检验和冗余分析（RDA）进一步将关键判别变量与生物气候因子进行相关性分析。结果表明，天麻具有显著的区域化学特征模式，其中支持向量机（SVM）模型表现出最佳的综合性能，测试集准确率达92.53%，同时具有优越的泛化能力（Kappa = 0.88，F1 = 87.16%）。关键判别变量包括Cd和Ca等元素，以及对羟基苯甲醇和巴利森苷C等化合物。环境因子，特别是温度状况（如MTCO、AMT）和降水（AP），与化学特征显著相关，并促进了天麻品质的地理分化。这种综合数据策略为天麻产地溯源提供了可靠工具，阐明了环境驱动机制，并为其质量标准化、市场监管和可持续栽培提供了科学支持。

**基于综合元素-功能指纹与环境响应分析的机器学习天麻产地溯源研究论文解读**

**1. 研究背景与意义**

天麻（*Gastrodia elata* Blume）的块茎，英文称为Gastrodia Rhizoma（GR），在中国及东亚地区拥有悠久的药食两用历史，具有息风止痉、平抑肝阳、祛风通络的功效。其生物活性主要归因于天麻素（gastrodin）、对羟基苯甲醇（p-hydroxybenzyl alcohol）、多种巴利森苷类（parishins）、多糖及有机酸等活性成分。2023年，天麻被正式纳入"药食同源"物质目录，市场需求进一步扩大。然而，与许多农产品相似，天麻的品质和功效与其地理产地密切相关，不同产地的代谢谱和化学成分存在显著差异。传统优质产区如云南昭通、贵州大方出产的天麻价格通常是新兴引种产区的两倍以上，由此引发了产地标签虚假标注、以次充好等市场乱象。因此，建立可靠的产地溯源技术对于保障天麻质量、维护消费者权益和促进行业健康发展至关重要。

当前的天麻溯源研究多集中于中国西南地区，且主要聚焦于地理标志（GI）产品与非GI产品的鉴别，例如对云南昭通乌天麻的认证。然而，作为目前商业栽培和市场流通主流的红天麻，其溯源研究相对匮乏，尤其是针对新兴引种产区样本的研究更为不足。同时，现有的光谱、色谱及稳定同位素等技术各有适用范围和局限。无机元素指纹因其直接反映土壤地球化学特征而被视为稳定的溯源标记，但将多元素与功能化合物数据进行整合，并探索其与环境因子响应关系的研究，在更大地理尺度上的应用潜力尚未被充分挖掘。为此，本研究聚焦主流栽培品种红天麻，建立了一套整合元素-功能指纹与机器学习的产地鉴别方法，旨在填补这一研究空白。

**2. 主要技术方法**

研究人员从中国西南、东北、华北-华中及西北四大产区的23个县市采集了270批红天麻（*Gastrodia elata* f. *elata*）新鲜样品。采用电感耦合等离子体质谱法（ICP-MS）测定了40种无机元素，依据《中国药典》2020年版及相关研究测定了天麻素、对羟基苯甲醇、巴利森苷A（PA）、巴利森苷B（PB）、巴利森苷C（PC）和巴利森苷E（PE）六种功能成分的含量。从世界气候数据库（WorldClim）等平台提取了包括海拔、温度、降水在内的16项生物气候因子。数据分析方面，研究人员系统比较了九种机器学习算法，包括偏最小二乘判别分析（PLS-DA）、线性判别分析（LDA）、弹性网络（Elastic Net）、C5.0决策树、支持向量机（SVM）、随机森林（Random Forest）、极端梯度提升（XGBoost）、K近邻（KNN）和人工神经网络（ANN）。模型性能通过重复分层抽样结合嵌套交叉验证进行严格评估，并利用Mantel检验和冗余分析（RDA）探究环境因子与化学特征之间的关系。

**3. 研究结果**

**3.1 天麻的多元素特征**

研究人员对筛选出的30种无机元素进行分析，发现不同产区天麻样品中的元素含量存在显著差异（p < 0.05）。总体而言，B产区（东北）样品元素含量普遍较低。必需元素Ca和Mg含量最为丰富，均超过500 mg/kg。A产区（皖鄂）的Na含量最高，约为其他区域的两倍。D产区（西南）的Mn含量显著高于其他区域。此外，八个稀土元素（如La、Nd、Sm等）在A产区显著富集。Cr、Cd、As等重金属含量均处于低水平，远低于安全阈值，表明当前天麻产品健康风险较小。

**3.2 天麻的功能化学成分**

六种功能成分的测定结果显示，所有样品中天麻素与对羟基苯甲醇的总含量在0.562%至1.402%之间，均符合药典限量标准。天麻素和巴利森苷B在各产区间的含量无显著差异，表明它们是相对稳定的成分。对羟基苯甲醇则表现出最显著的区域差异，B、C产区含量是A产区两倍以上。巴利森苷类成分也呈现不同分布模式，PC在D产区含量最高，PE在A产区显著偏高，而PA在D产区最低。这些功能代谢物的差异为天麻产地溯源提供了化学基础。

**3.3 基于多元素和功能因子的天麻样品无监督PCA分析**

基于整合的无机元素和功能化合物数据集，对样品进行无监督主成分分析（PCA）。结果显示，相较于仅基于多元素数据的PCA，整合数据后不同产区样品的聚类更加清晰，特别是D产区与C产区样品在空间上的分离更为明显。载荷图表明，PC和对羟基苯甲醇在驱动这种分化中发挥了重要作用。尽管如此，不同产区样品间仍存在部分重叠，提示仅靠无监督PCA难以完全解决产地分类问题。

**3.4 基于机器学习算法的天麻产区预测**

研究人员构建并系统评估了九种化学计量学模型。以经典的PLS-DA模型为基线，其测试集准确率为85.98%。八种额外的机器学习算法均优于PLS-DA，其中SVM模型表现最佳，取得了最高的测试准确率（92.53% ± 1.97%）、最大的Kappa系数（0.88），且过拟合程度（Gap = 5.62%）控制在理想范围内，显示出良好的泛化能力。通过对SVM模型进行参数优化和变量重要性分析，研究确定了五个位列前茅的判别变量均为元素特征，以及PHA、PC和PA三个功能因子。混淆矩阵和ROC曲线进一步证实了该模型在四个产区中均具有稳健的分类性能和极高的AUC值。

**3.5 关键变量与生物气候因子的关系**

为探究环境因子对天麻关键变量的驱动效应，研究人员进行了Mantel检验和冗余分析。Mantel检验发现，16个环境因子中的10个与多元素/功能化学成分存在显著相关性（p < 0.01）。RDA分析中，前两个排序轴（RDA1和RDA2）累计解释了关键变量79.0%的总变异。分析表明，RDA1主要反映海拔、湿润指数（MI）、最冷月均温（MTCO）和年均温（AMT）的变化，而RDA2主要由最暖月均温（MTWA）、最湿月降水量（PWM）和年降水量（AP）驱动。特定元素和功能成分对环境因子表现出差异化响应，例如PC与高海拔和年降水量呈正相关，而PA和对羟基苯甲醇则与低温、低降水环境相关联，这与相应产区的环境特征相符。

**4. 讨论与结论**

在讨论部分，研究人员指出了本研究的局限性，包括整体样本量相对有限、产区样本分布不均、单一年度采集、缺乏位点特异性土壤数据、部分结果基于统计相关性而非因果推断，以及未纳入多糖等其他生物活性成分。针对这些问题，研究团队建议未来应扩大采样范围并多年连续采样，建立土壤-植物元素配对数据库，通过控制实验验证温度与水分对功能成分积累的生理机制，并探索迁移学习等策略来增强模型的实用性和泛化能力。

研究最终得出结论：本研究成功建立了一套高精度的天麻地理产地鉴别系统。通过整合30种无机元素和6种功能化合物，清晰揭示了天麻的区域化学特征。在九种机器学习算法中，具有多项式核的SVM模型是性能最优的分类器，测试集准确率达92.53%，且兼具良好的分类性能与泛化能力。变量重要性分析显示，多元素特征的贡献大于功能化学物质。环境响应分析进一步揭示，海拔、温度状况（MTCO和MTWA）及水分条件（MI和AP）是天麻质量形成的重要生态驱动因子。该研究为天麻的地理标志保护奠定了科学基础，为其质量一致性和市场流通可追溯性提供了理论支撑。