《Food Research International》：Template-based compression and QR-code encoding of 1H NMR spectra for metabolite quantification and geographical origin authentication of
Lycium barbarum L.
编辑推荐：
•
该模板框架可将1H NMR光谱压缩成二维码，用于食品 authenticity（ authenticity：真实性）鉴定。
•
- •
该模板框架可将1H NMR光谱压缩成二维码，用于食品 authenticity（ authenticity：真实性）鉴定。
- •
数据压缩至原始大小的0.20%，同时保留了全部分析功能。
- •
重建后的光谱显示中位数MAPE为0.44%，优于传统积分方法。
- •
优化的MLP模型在地理来源鉴定中的准确率达到98.52%。
- •
通过智能手机扫描，二维码实现了以消费者为中心的质量控制。
引言
Lycium barbarum L.（L. barbarum）是一种高价值的食品和传统药材，其商业价值与地理来源密切相关，因此对产业相关方和消费者来说，来源鉴定具有重要意义（He等人，2024；Liu等人，2023）。先前的研究表明，可以利用稳定同位素、地球元素、氨基酸、糖类和其他成分指标来区分L. barbarum的地理来源（Gong等人，2022；Liu等人，2023）。
更广泛地说，食品的真伪性、可追溯性和质量控制变得越来越重要，因为食品的声明来源和成分直接影响消费者的信心、法规合规性和商业价值（Lolli & Caligiani，2024；Sobolev等人，2019）。因此，越来越需要能够提供全面化学信息的分析技术来进行掺假检测、来源验证和质量评估（Sobolev等人，2022）。核磁共振（NMR）光谱技术在这一领域尤其具有吸引力，因为它快速、无损、高度可重复，并且能够同时表征复杂食品基质中的多种代谢物（Musio等人，2024）。最近的综述强调了NMR作为食品鉴定的强大平台，尤其是当与化学计量学或机器学习工具结合使用时（Lolli & Caligiani，2024）。特别是基于NMR的代谢组学研究表明，来自不同生产区域的L. barbarum样本可以通过特征代谢谱型和地理标志（GI）标记进行区分（He等人，2024），这表明1H NMR非常适合这种商品的来源鉴定和质量评估。
同时，二维码作为一种低成本、易于阅读且与包装兼容的工具，已用于将实物产品与机器可读信息关联起来。在食品系统中，二维码被广泛用于可追溯性、防伪、消费者信息传递和智能包装应用（Kim & Woo，2016；Li等人，2024；Qian等人，2021；Sanz-Valero等人，2016；Tarjan等人，2014）。它们的实用性已在实际包装表面（包括弯曲表面）上的打印可读性和扫描性能上得到验证（Qian等人，2021；Tarjan等人，2014）。此外，消费者研究表明，当产品信息以易于访问的格式呈现时，基于二维码的信息和可追溯性系统会受到积极欢迎（Kim & Woo，2016；Rotsios等人，2022）。
然而，大多数现有的二维码应用仅存储标识符、序列号或指向外部托管记录的统一资源定位符，而不是直接在代码中嵌入具有分析意义的化学信息。对于光谱数据来说，这一限制尤为明显，因为原始光谱文件通常太大且结构复杂，难以在保持实际打印性、可扫描性和传输性的同时编码到面向消费者的二维码中。尽管受二维码启发的格式在分析和生物医学领域展现出更广泛的潜力，例如用于便携式橄榄油气味识别的“化学二维码”（Conrado等人，2021）以及用于医疗信息传输和图像相关鉴定的基于二维码的系统（Seenivasagam & Velumani，2013；Mao等人，2019；Mashat，2024），但从实验室基础的光谱鉴定到便携式、消费者端的产品验证之间仍存在很大差距。
在这种情况下，将1H NMR光谱与二维码相结合尤其具有吸引力。1H NMR能够提供快速、无损、可重复且信息丰富的代谢谱型，而二维码则作为一种低成本、广泛可用的信息传输载体。将1H NMR光谱中的关键化学信息转换为紧凑的、机器可读且兼容二维码的格式，可能为便携式光谱数据共享和未来以消费者为中心的质量信息传递提供一种方法论基础。然而，在实际包装、扫描和用户应用条件下，其用于产品鉴定或防伪的实际效果仍需进一步验证。
因此，在本研究中，我们开发了一个基于模板的框架，该框架整合了1H NMR数据的ROI（感兴趣区域）级特征提取、光谱压缩和二维码编码。1H NMR数据的感兴趣区域通过ROI级模板拟合被参数化为紧凑的特征矩阵，然后将这些矩阵序列化、压缩并编码为便携设备可解码的二维码。基于解码的数据，该工作进一步实现了光谱重建和代谢物定量，同时利用模板衍生的特征矩阵进行地理来源分类。通过将基于NMR的化学表征与兼容二维码的数字表示相结合，本研究为L. barbarum及其他食品产品的光谱存储、便携式信息共享和以消费者为中心的质量控制提供了一种紧凑策略。
章节摘录
样品收集和NMR数据采集
本研究中使用的L. barbarum果实的1H NMR光谱来自先前发表的数据集（He等人，2024）。样品收集、制备和NMR采集条件遵循原始研究中描述的协议。从完整数据集中，根据当前工作的光谱质量标准进一步筛选了光谱。排除了噪声过大、基线失真严重或峰值异常扩宽的光谱。
ROI定义和模板构建
基于这一文献指导和手动策划的ROI定义策略，使用完整的136个L. barbarum 1H NMR光谱集来确定边界，以确保样本间的信号变化得到充分体现。经过专家检查和使用边界细化后，共定义了129个ROI，用于后续的ROI级特征提取、基于模板的压缩和定量。这些ROI被分配给65种代谢物。
结论
在这项工作中，我们开发了一个基于模板的框架，该框架整合了1H NMR数据的ROI级特征提取、光谱压缩和二维码编码。通过将分配的ROI信号转换为紧凑的、机器可读的表示形式，所提出的方法实现了可逆解码、光谱重建、定量分析和地理来源分类，所有这些都在一个统一的工作流程中完成。结果表明，带有二维码的压缩表示形式……
CRediT作者贡献声明
Fengji Liu：撰写——初稿、可视化、软件开发、方法学、研究、正式分析。 Zesen Tian：撰写——审阅与编辑、验证、研究。 Chengcheng He：撰写——审阅与编辑、验证、研究。 Xin Shi：撰写——审阅与编辑、验证、资源获取。 Zizhen Zhao：撰写——审阅与编辑、研究。 Guiping Shen：撰写——审阅与编辑、监督、项目管理、数据管理。 Jianghua Feng：撰写——审阅与编辑，
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。
致谢
本工作得到了宁夏回族自治区农业科技自主创新基金支持的农业高质量发展与生态保护科技创新示范项目（NKYGZL-2026-05）的支持。
