《Smart Agricultural Technology》：Cysteine quantification in pea cultivars from SERS spectra using AI
编辑推荐：
摘要：含硫氨基酸（尤其是半胱氨酸）在豆类中的快速定量对于评估营养价值、支持育种计划筛选以及确保质量控制过程的一致性至关重要。然而，高效液相色谱（HPLC）等常规方法在高通量应用中耗时且资源密集。本研究评估了人工智能模型从豌豆提取物的表面增强拉曼光谱（SERS）
摘要：含硫氨基酸（尤其是半胱氨酸）在豆类中的快速定量对于评估营养价值、支持育种计划筛选以及确保质量控制过程的一致性至关重要。然而，高效液相色谱（HPLC）等常规方法在高通量应用中耗时且资源密集。本研究评估了人工智能模型从豌豆提取物的表面增强拉曼光谱（SERS）光谱预测品种水平平均半胱氨酸浓度的能力。研究人员从种植于三个田间地点的20个品种获取SERS光谱，并将三个地点的HPLC测量值取平均值作为品种水平平均半胱氨酸参照值。研究人员比较了线性回归、偏最小二乘回归、支持向量回归、随机森林回归和一维卷积神经网络（1D-CNN），采用品种内划分和留一品种交叉验证（LOCO）评估策略。1D-CNN对已代表品种取得了良好的预测性能，RMSE为0.005 g/100 g，MAE为0.004 g/100 g。在LOCO评估下，RMSE和MAE分别增至0.013和0.012 g/100 g。这些结果为SERS/AI预测多环境品种水平平均半胱氨酸浓度提供了概念验证，LOCO结果为向代表环境和分析条件下未见品种的转移性提供了令人鼓舞的证据。Shapley加性解释分析识别了基底相关和分子光谱特征的贡献。建立通用的分析适用性需要利用独立样本、地点、提取物、基底和参照测量进行更广泛的验证。模拟加性噪声敏感性分析进一步评估了模型在逐渐增加的光谱噪声下的性能。
基于SERS与人工智能的豌豆品种半胱氨酸定量预测研究解读
一、研究背景与意义
豆类作物是人类膳食中植物蛋白的重要来源，其种子干重蛋白质含量约为20%至45%，显著高于大多数常见植物性食品。然而，豆类蛋白质质量受限于含硫氨基酸（SCAAs）——半胱氨酸和甲硫氨酸水平偏低。豌豆、菜豆和小扁豆中半胱氨酸与甲硫氨酸总含量通常仅为每克蛋白质12至18毫克，低于联合国粮农组织（FAO）和世界卫生组织（WHO）推荐的每克蛋白质22至25毫克的优质膳食蛋白质氨基酸参考模式。SCAAs水平受品种遗传、环境条件（如土壤类型、气候和农艺措施）以及基因型与环境互作效应的影响。因此，高通量、品种稳健的定量方法对于可靠识别高SCAA基因型以及商业豆类蛋白配料的质量控制至关重要。
传统分析方法如高效液相色谱（HPLC）和气相色谱-质谱联用（GC-MS）虽能提供准确的SCAAs测量，但需要多步骤样品制备（包括蛋白质水解和复杂的衍生化处理），依赖专业设备、昂贵试剂和较长的分析时间，限制了其在大规模筛选和食品工业快速质量控制中的应用。这些局限性推动了光谱方法的发展，振动光谱技术如红外光谱、近红外光谱和拉曼光谱可提供分子结构、键合和组成的详细信息。其中拉曼光谱受水干扰小，可应用于含水提取物且样品处理简单。然而，传统拉曼散射强度弱，对低浓度分析物的灵敏度有限。表面增强拉曼光谱（SERS）通过等离激元纳米结构放大拉曼信号，可提高低丰度分析物的检测灵敏度。在受控实验条件下，SERS散射强度与分析物分子数量近似成正比，呈现近似单调的响应行为，类似可用于线性回归的Beer-Lambert型关系，且产生适合机器学习（ML）分析的稳定、可重复的谱图模式。
但在复杂食品和生物基质中，SERS测量受基底异质性、吸附效应、荧光背景和非线性基线漂移等因素干扰，传统单变量或线性化学计量学方法难以将目标分析物信号从复杂随机干扰中解耦。因此需要利用人工智能（AI）方法（包括ML和深度学习DL）学习SERS光谱到目标分析物浓度的定量映射关系。本研究以豌豆（Pisum sativum L.）品种为代表性豆类基质，开发并评估AI模型从SERS光谱预测多环境品种水平平均半胱氨酸浓度。
二、主要技术方法
研究人员从加拿大萨斯喀彻温大学CDC育种计划的20个豌豆品种（AAC Chrome、AAC Lacombe、AAC Liscard、CDC Amarillo、CDC Athabasca、CDC Canary、CDC Dakota、CDC Golden、CDC Greenwater、CDC Inca、CDC Jasper、CDC Striker、CDC Lewochko、CDC Meadow、CDC Patrick、CDC Saffron、CDC Spectrum、CDC Spruce、CDC Tetris和Redbat 88）取得样品，品种种植于三个田间地点（Limerick、Rosthern和Sutherland）。参照值采用甲酸氧化-酸水解HPLC法测定，试剂为AccQ-Tag Ultra C18（1.7 μm）反相色谱柱配合Shimadzu UPLC系统，将三个地点的HPLC半胱氨酸测量值平均后作为品种水平参照值。SERS光谱采集采用785 nm激发激光（样品表面功率100 mW）、1000 ms积分时间和两次累加，使用预制的纸基SERS（P-SERS）基底和光纤探头背散射收集模式，每个基底3个点位、每点位36张光谱、每样品108张光谱，共6480张原始光谱。数据处理采用Savitzky-Golay（SG）平滑、修正多项式基线校正（ModPoly）和最小-最大归一化组成的预处理流程。模型包括线性回归（LR）、偏最小二乘回归（PLSR）、支持向量回归（SVR）、随机森林回归（RFR）和1D-CNN。评估采用80/20品种内划分和留一品种交叉验证（LOCO）两种策略，以均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R2）为指标。可解释性采用Shapley加性解释（SHAP）分析，并进行了截断分析和模拟加性噪声敏感性分析。
三、研究结果
（一）品种内光谱变异下的模型性能
在品种内划分评估下（80%光谱用于开发、20%用于测试），五种模型在预处理前后的表现呈现模型依赖性差异。LR、SVR和RFR受益于预处理，PLSR在原始光谱上表现更好。1D-CNN在原始和预处理输入上均表现良好（预处理后RMSE=0.005 g/100 g、MAE=0.004 g/100 g、R2=0.903），表明CNN能从原始光谱提取有效特征，同时仍受益于预处理对基线和噪声的抑制。此评估中训练和测试光谱来自同一品种，反映的是技术性光谱变异而非独立生物学验证。
（二）品种间光谱变异下的模型性能
LOCO评估中每种模型对未见品种的性能均明显下降。R2显著降低，RMSE增至0.013至0.016 g/100 g。1D-CNN在LOCO下表现最优（RMSE=0.013 g/100 g、MAE=0.012 g/100 g、R2=0.451），但相比品种内评估仍有下降。限制因素包括：20个品种水平参照值仅覆盖0.3120至0.3732 g/100 g的窄浓度范围（总跨度仅0.0612 g/100 g），限制了模型学习跨品种预测能力；技术重复不能替代独立样品；1D-CNN相对于20个独立参照目标参数过多；品种相关基质特征可能降低向未见品种的迁移性。这是深度学习首次应用于豆类提取物中特定氨基酸（半胱氨酸）的SERS定量研究。
（三）1D-CNN的SHAP可解释性分析
品种内SHAP分析中，最重要特征分布在多个拉曼位移区域，排名最高的特征在651 cm?1附近，630-720 cm?1区域（632、648、653、656、661、664、710、720 cm?1）有多个影响特征，与C-S相关振动模式一致但不具有半胱氨酸特异性。其他影响特征出现在244、261、270、301、313、900、1302-1316和1551-1573 cm?1。
LOCO SHAP分析中，高排名特征集中于低波数区域（203、218、227、238、241、244、247、250、253、255、261、264、267、273 cm?1），与基底相关贡献一致（包括金属-吸附物相互作用、金属晶格或声子模式及电子散射），235 cm?1附近的Ag-Ag伸缩振动带位于该区域。此外715、717、720、723、731 cm?1特征落在含硫氨基酸残基C-S振动带的630-760 cm?1报告范围内，1328 cm?1特征也排名靠前。截断分析显示移除270 cm?1以下区域未改善性能（1D-CNN的RMSE从0.013增至0.014 g/100 g），表明该区域保留了对预测有用的信息，因此保留全谱范围。
（四）模拟加性噪声敏感性分析
基于信号平均理论（噪声标准差随1/√N缩放），以Nref=512为高信噪比参照水平，模拟64至1次有效扫描。结果显示扫描次数从64降至1时，RMSE从0.006增至0.010 g/100 g，MAE从0.005增至0.008 g/100 g，R2从0.868降至0.608。8次以上扫描性能改善幅度变小，64、32和16次扫描性能相似，4次和2次扫描RMSE增至0.009 g/100 g，1次扫描性能最低。1D-CNN在较低至中等模拟噪声水平下保持相对稳定性能。
四、讨论与结论
讨论部分指出，SHAP分析揭示了1D-CNN在品种内和品种间光谱变异下的行为差异。品种内特征重要性分布于多个区域；LOCO条件下高排名特征集中在200-275 cm?1低波数区域及715-731 cm?1，表明未见品种的预测依赖基底相关和分子光谱信息的组合，而非仅依赖半胱氨酸特异性拉曼特征。噪声敏感性分析表明模拟噪声水平未经实验校准，不应解释为特定扫描次数下性能的证据。
本研究结论为：基于AI的SERS建模实现了豌豆提取物中多环境品种水平平均半胱氨酸浓度的定量预测。品种内测试下模型取得中等到较高的预测性能；LOCO测试下性能明显下降，表明对开发中未代表品种的预测仍有挑战。LOCO结果为向当前数据集中环境和分析领域内未见品种的迁移提供了令人鼓舞的概念验证证据。SHAP分析表明未见品种预测依赖基底相关与分子光谱信息的结合。噪声敏感性分析显示模型在较低至中等模拟噪声水平下保持较稳定性能。本研究应视为SERS/DL预测多环境品种水平平均半胱氨酸浓度的概念验证而非完全验证的分析方法。未来工作应包括重复HPLC测量、质量控制样品、独立提取重复、同一样品在不同P-SERS基底上的重复测量、更多种植环境及完全独立的验证样本，并扩展独立参照样品的数量和浓度范围。未来研究可将该方法扩展至全氨基酸谱分析，并比较当前1D-CNN与其他深度学习架构在多样植物蛋白基质中的泛化性和稳健性。
