《Foods》：GC-Derived Volatile Profiling of Commercial Thyme and Oregano Labeled Products and Evaluation of Portable NIR Screening
编辑推荐：
以百里香和牛至名称销售的商业芳香草本植物可能包含异质的植物材料，因此即使在植物学身份未知的情况下，化学谱筛查仍具有重要意义。本研究对土耳其市场上销售的110种商业产品进行了表征，并评估了便携式近红外（NIR）光谱是否能够预测由气相色谱-火焰离子化检测器/质
以百里香和牛至名称销售的商业芳香草本植物可能包含异质的植物材料，因此即使在植物学身份未知的情况下，化学谱筛查仍具有重要意义。本研究对土耳其市场上销售的110种商业产品进行了表征，并评估了便携式近红外（NIR）光谱是否能够预测由气相色谱-火焰离子化检测器/质谱（GC-FID/MS）数据独立推导出的化学谱类别。研究人员记录了商业标签，但未将其视为经过验证的物种身份。研究人员对23种挥发性化合物进行了技术重复的精油测量；对重复测量均值进行了成分数据处理、主成分分析和Ward聚类。通过轮廓系数（silhouette criterion，0.485）选择了两个聚类，且技术重复重采样下的聚类稳定性较高（调整兰德指数（adjusted Rand index，ARI）中位数为0.907）。聚类1（n=17）相对富集桧烯（sabinene）、石竹烯（caryophyllene）、香芹酚（carvacrol）和δ-3-蒈烯（delta-3-carene），而聚类2（n=93）显示较高的月桂烯（myrcene）、对伞花烃（p-cymene）、α-蒎烯（alpha-pinene）和β-蒎烯（beta-pinene）。每个样品采集两张NIR光谱。为防止重复数据泄漏，研究人员在重复嵌套交叉验证之前对光谱进行了平均；同时还进行了分组重复分析。多数类基线实现了84.55%的准确率，但平衡准确率仅为0.500。最佳主模型——收缩线性判别分析（shrinkage linear discriminant analysis）——的平均准确率为0.689，平衡准确率为0.565，宏F1为0.530，马修斯相关系数（Matthews correlation coefficient，MCC）为0.103。分组重复敏感性分析的平衡准确率为0.592。因此，GC-FID/MS揭示了稳定的化学谱结构，但便携式NIR未能可靠地识别少数化学类别。NIR在更广泛的校准后可能支持探索性分类筛查，但当前数据不支持独立的植物学鉴定或明确的化学类别归属。
## 论文解读
**研究背景与目的**
以"百里香"（thyme）和"牛至"（oregano）名称销售的商业芳香草本植物可能来自多个物种，植物材料具有高度异质性。在土耳其，百里香属（Thymus）、牛至属（Origanum）、风轮菜属（Satureja）、岩薄荷属（Thymbra）等唇形科（Lamiaceae）植物的多个物种均可能以"百里香"这一通用商品名销售，且精油组成因物种、产地和加工条件而异，故商业标签本身不能作为可靠的植物学鉴定依据。色谱分析虽能提供详细的挥发性成分信息，但相对丰度数据属于成分数据（compositional data），需在对数比空间中进行分析。便携式近红外（NIR）光谱技术具有快速、无损、可现场部署的优势，近年研究在牛至掺假检测等场景中显示良好效果，但针对异质商业标签样品的泛化能力尚不明确。此外，验证设计尤为关键：同一份样品的多条光谱若被拆分至训练集和测试集，模型可能识别样本特异性特征从而高估性能；类别不平衡时总体准确率具有误导性，需结合平衡准确率、宏F1和马修斯相关系数（MCC）等指标。基于上述问题，本研究旨在利用气相色谱-火焰离子化检测器/质谱（GC-FID/MS）结合成分化学计量学表征110种土耳其市售百里香和牛至标签产品的挥发物谱异质性，并在无泄漏的样本水平验证条件下检验便携式NIR光谱能否预测GC衍生的化学谱类别。
**关键技术与方法**
研究人员从土耳其阿勒（Agri）、锡瓦斯（Sivas）、萨姆松（Samsun）和安卡拉（Ankara）等城市的草药店和市场购买了110种产品（103种标签为百里香，7种标签为牛至），未进行植物学鉴定。采用Clevenger型蒸馏装置提取精油；使用Agilent 7890A GC-FID和5975C MSD系统，配备DB-624毛细管柱，通过Kováts保留指数（KI）及Wiley 10/NIST 14质谱库鉴定23种挥发性化合物。使用Si-Ware Systems公司的微NeoSpectra光谱仪（7400–3920 cm
?1，InGaAs探测器）采集NIR光谱，每样品重复2次。数据分析采用零值替换、闭合后中心对数比（CLR）变换、主成分分析（PCA）和Ward聚类；以轮廓系数（silhouette coefficient）选择聚类数，以调整兰德指数（ARI）评估聚类稳定性。NIR建模采用多数类基线、收缩线性判别分析（shrinkage LDA）、偏最小二乘判别分析（PLS-DA）和径向基函数支持向量机（RBF-SVM）四种分类器，在重复嵌套五折交叉验证下进行以防止技术重复泄漏，评价指标包括准确率、平衡准确率、宏F1和MCC。
**研究结果**
**3.1 挥发物谱异质性**：110个样品的挥发物谱化学异质性显著。样品间标准差最大的化合物为香芹酚（6.34个百分点）、月桂烯（5.44）、γ-萜品烯（4.08）、对伞花烃（3.83）、桧烯（2.02）和百里香酚（1.38）；香芹酚在样品K85中高达62.42%。该结果表明市售标签产品在化学组成上呈现大幅度的市场性变异。
**3.2 PCA、聚类选择与聚类稳定性**：CLR变换后，PC1、PC2和PC3分别解释47.36%、9.33%和7.39%的总方差。Ward聚类在k=2时获得最大平均轮廓系数（0.485），聚类1含17个样品，聚类2含93个样品。500次技术重复重采样的ARI中位数为0.907，表明该聚类结构高度稳定。
**3.3 区分两个聚类的挥发性化合物**：聚类1相对富集桧烯、石竹烯、δ-3-蒈烯及中等偏高的香芹酚；聚类2则显示较高的月桂烯、对伞花烃、α-蒎烯和β-蒎烯。值得注意的是，17个聚类1样品全部带有百里香标签，而聚类2中既包含86个百里香标签样品，也包含全部7个牛至标签样品，说明商业命名与GC化学类别之间不存在一一对应关系，聚类2不能被解读为牛至物种类别。
**3.4 NIR重复性与无监督光谱结构**：NIR技术重复一致性高（平均组内Pearson相关系数r=0.9967），排除测量不稳定性因素。光谱在4300–4400、5100–5200、5700–5900和6900 cm
?1附近呈现与C-H和O-H组合频带或倍频相关的宽谱带。经标准正态变量（SNV）预处理后，PC1和PC2分别解释63.9%和17.5%的方差，但两个GC类别在得分空间中高度重叠。
**3.5 GC衍生类别的无泄漏预测**：多数类基线准确率达84.55%，但平衡准确率仅0.500、宏F1为0.458、MCC为0，证明总体准确率不适宜作为首要评价指标。最优主模型收缩LDA的平均准确率为0.689、平衡准确率0.565、宏F1为0.530、MCC为0.103；PLS-DA和RBF-SVM均未改善平衡性能。
