《Talanta》：Shared-private multimodal fusion of near-infrared diffuse-reflectance and UV–Vis chromogenic spectra for geographical authentication of Meconopsis integrifolia
编辑推荐：
•通过对配对的红外线（NIR）和紫外线（UV）光谱进行融合，实现了M. integrifolia的地理鉴定。•在多模态融合比较之前，首先建立了优化的单模态基线。•共享-私有学习方法分别对通用和模态特定的光谱信息进行了建模。•所提出的框架性能显著优于最好的传统融合基线。引言地理鉴定
- •
通过对配对的红外线（NIR）和紫外线（UV）光谱进行融合，实现了M. integrifolia的地理鉴定。
- •
在多模态融合比较之前，首先建立了优化的单模态基线。
- •
共享-私有学习方法分别对通用和模态特定的光谱信息进行了建模。
- •
所提出的框架性能显著优于最好的传统融合基线。
引言
地理鉴定是药用植物质量控制和可持续利用中的一个重要分析任务，因为当地的生态条件会影响植物的化学成分、生物活性和商业价值。这一问题对于高原药用植物尤为重要，因为它们的生长和代谢产物的积累受到海拔、温度、降水、土壤背景和生态压力的强烈影响。Meconopsis integrifolia (M. integrifolia)，通常被称为全叶罂粟，是一种主要分布在青藏高原及其周边地区的高海拔药用和观赏植物[[1], [2], [3], [4]]。先前的研究已经报道了它的遗传多样性、肝保护和抗氧化活性、活性成分以及根际微生物特征，表明这种植物具有重要的生态和药用价值[[1], [2], [3], [4]]。由于地理起源与草药的质量和安全性密切相关，因此可靠的来源鉴定对于资源保护、质量保证和合理利用至关重要[5]。
然而，M. integrifolia的地理鉴别仍然存在分析上的挑战。来自不同地区的样本可能具有非常相似的外部形态，而且地理位置相邻的地区可能具有相似的生态条件，从而导致化学成分的微妙差异和光谱轮廓的重叠。互补的天然产物研究使用了定向分离和高分辨率质谱分析来分离或表征活性植物成分[[6], [7]]。定制的提取和纯化程序也使得植物多糖的结构和生物活性特征得以表征[[8], [9]]。作为草药分析的补充方法，近红外（NIR）光谱技术被广泛用于物种鉴定和地理来源鉴别，因为它快速、无损且适合做指纹分析[[10], [11]]。最近的研究还证明了NIR光谱结合化学计量学技术在评估和鉴别药用植物（如Dendrobium officinale）的质量方面的可行性[12]。紫外线-可见光（UV–Vis）光谱通过捕获含有色素的化合物的吸收响应提供了补充信息，并已成功应用于食品和农产品的地理来源鉴定[13]。因此，结合NIR和UV–Vis光谱可能比单一光谱模式提供更全面的化学描述。
NIR和UV–Vis光谱在化学信息结构上有所不同。NIR光谱主要反映含氢基团（如O–H、C–H和N–H）的 overtone和组合吸收，从而描述了植物材料的整体有机结构。然而，NIR光谱也容易受到颗粒大小、样品堆积和湿度的散射影响。因此，通常需要光谱预处理，包括Savitzky–Golay平滑处理、导数变换、标准正态变量变换和乘法散射校正，以减少无信息变化并改进化学计量建模[[14], [15]]。此外，高维光谱变量可能包含冗余或不相关的信息，因此需要进行特征选择。最小绝对收缩选择器（LASSO）和竞争性自适应加权采样（CARS）等方法已被广泛用于降维和选择有信息量的光谱变量[[16], [17]]。在建模之前，异常值筛选也很重要，因为样品制备、提取或仪器不稳定引起的异常光谱可能会扭曲类别边界；Isolation Forest为此提供了一种有效的异常检测策略[18]。
机器学习为从复杂的光谱数据中提取区分性信息提供了有用的工具。随机森林（RF）、支持向量机（SVM）、Light Gradient Boosting Machine（LightGBM）和人工神经网络（ANN）模型因能够建模非线性关系和处理高维变量而被广泛应用于分类任务[[19], [20], [21], [22]]。然而，对于小样本和多类别来源鉴定，分类性能可能对预处理策略、特征选择和数据划分敏感。相关的信号处理研究表明，特定任务的训练可以提高对严重斑点噪声的鲁棒性[23]。在医学光谱学中，分组和层次学习也被用来解决多类别样本不平衡问题[24]。因此，在评估多模态融合方法之前，建立优化的单模态基线是必要的，而不仅仅是将提出的融合模型与原始或弱基线模型进行比较。
数据融合已成为整合异构分析信号的重要策略。根据融合的层次，常见的融合策略包括低级别、中级别和高级别融合[[25], [26]]。低级别融合直接连接光谱变量，中级别融合整合选定的或提取的特征，高级别融合结合独立训练模型的输出。这些策略已成功应用于食品真实性分析、陈皮来源鉴别和药用植物识别[[27], [28], [29]]。然而，传统的融合方法仍存在局限性。低级别融合可能会放大冗余变量和噪声，特别是当不同光谱块的维度和信噪比特性不同时。中级别融合严重依赖于特征选择的质量，而高级别融合虽然提高了决策的鲁棒性，但没有明确模拟配对NIR和UV–Vis光谱之间的相互作用。
这些局限性对于当前的M. integrifolia鉴定任务尤为重要。来自同一样本的NIR和UV–Vis光谱是配对观测值，它们既包含跨模态的通用信息，也包含特定于模态的化学响应。一般的多模态学习研究表明，有效的融合不仅应考虑不同模态的最终整合，还应考虑模态之间的表示、对齐和相互作用[30]。在化学计量学和数据融合中，区分通用成分和独特成分也被认为对于理解多个数据块之间的关系很重要[31]。共享-私有表示学习为这一问题提供了一个合适的框架：共享表示旨在捕获不同模态之间的通用信息，而私有表示则保留了特定于模态的特征[[32], [36]]。因此，将共享-私有框架应用于NIR/UV–Vis光谱融合有助于区分与来源相关的通用信息和特定于模态的光谱特征，从而减少冗余并提高可解释性。
因此，本研究开发了一个共享-私有多模态融合（SPMF）框架，使用配对的红外线漫反射和UV–Vis光谱对M. integrifolia进行地理鉴定。具体目标包括：(i) 使用Isolation Forest异常值去除方法建立质量控制过的配对NIR/UV–Vis光谱数据集；(ii) 评估十六种预处理策略与四种分类器的组合，以确定NIR和UV–Vis光谱的最佳单模态建模流程；(iii) 在相同的分层数据划分下，比较仅使用NIR、仅使用UV–Vis、低级别融合、中级别融合、高级别融合以及提出的共享-私有多模态融合模型；(iv) 通过消融分析比较所提出的模型与传统融合策略，并评估其模型组件的贡献。除了准确率和宏观F1分数外，还使用了Cohen’s kappa和Brier分数来评估校正后的一致性和概率校准[[27], [28], [29]]。因此，本研究将共享-私有表示学习评估为一种用于M. integrifolia>地理鉴定的结构化策略。
部分摘录
Meconopsis integrifolia样品采集和制备
样品采集和制备的工作流程保留自原始手稿。2019年，在青藏高原不同生态梯度上的典型生产区域采集了完整的M. integrifolia样品。样品存储在中国科学院西北高原生物学研究所的青藏高原特殊生物资源重点实验室（样品ID：2019-002）。为了确保区域代表性，
光谱特征和质量控制配对数据集
使用NIR和UV光谱分析了来自不同地理来源的M. integrifolia样品的光谱特征。12个来源的平均光谱曲线显示在图3中。尽管不同来源的样品在同一模态内的整体光谱轮廓通常相似，但在几个光谱区域观察到了明显的吸收强度差异。这些差异表明M. integrifolia的地理来源可能会影响
结论
本研究开发了一个共享-私有多模态融合框架，使用配对的红外线（NIR）和紫外线（UV–Vis）光谱对M. integrifolia》进行地理鉴定。在一对一的光谱匹配后，223个配对样品被分为初始训练集和保留的测试集，然后进行异常值检测。Isolation Forest异常检测仅限于初始训练集。随后，预先指定的类别合格性标准排除了
CRediT作者贡献声明
Jing Sun: 写作 - 审稿与编辑、方法论、调查、正式分析。XuYang Hu: 方法论、调查。Jiamin Li: 方法论、调查。XiaoMing Song: 调查、数据管理。Lu Wang: 写作 - 审稿与编辑、方法论、调查、概念化。Dong Li: 方法论、调查。Xiandong Sun: 初始草稿写作、方法论、调查、正式分析、数据管理、概念化
数据可用性
数据将在合理请求时提供。实现所提出的SPMF模型的核心源代码作为补充代码提供。它包括共享和模态特定的编码器、重建解码器、融合分类器、复合损失函数和最终模型配置。光谱预处理、特征选择、交叉验证、超参数优化和评估程序在“材料与方法”部分中有详细描述。
利益冲突声明
? 作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。
致谢
作者感谢国家自然科学基金普通项目（32270402）的支持。
Xiandong Sun|Dong Li|Xiaoming Song|Jiamin Li|Xuyang Hu|Jing Sun|Lu Wang
