應用通訊 | 利用直接電離質譜法和化學計量學鑒別刺五加中摻假物的解決方案

2025年03月14日

刺五加在中國、日本、韓國和俄羅斯廣泛種植，并且在世界范圍內得到了廣泛研究。由于其巨大的市場需求和高昂的價格，滋生了一些非法活動，尤其是摻假行為。本研究成功地利用華儀寧創直接電離質譜儀結合化學計量學方法，鑒別了真品和摻假的刺五加樣品。針對真品和摻假模型，評估了不同的數據處理和特征選擇方法，最終選擇標準正態變量變換 - 變量重要性投影（SNV-VIP）作為兩種模型的最優方法。使用正交偏最小二乘判別分析（OPLS-DA）、K 近鄰算法（KNN）、隨機森林（RF）和卷積神經網絡 - 長短期記憶網絡 - 注意力機制（CNN-LSTM-Attention）模型，均取得了優異的分類性能，真品模型驗證集的預測準確率分別為 1.00、1.00、1.00 和 1.00。摻假模型驗證集的預測準確率分別為 0.86、0.73、0.89 和 0.92。此外，這些模型還根據變量重要性確定了最重要的離子。直接電離質譜儀（PMS）與化學計量學的結合，為鑒別刺五加樣品中的摻假行為提供了一種簡單、快速且可靠的方法。本研究為直接電離質譜儀在食品領域摻假檢測中的應用提供了新的依據。

檢測食品中的摻假問題是質量控制中的關鍵問題，亟待解決。本研究以刺五加為研究對象，提出了以下策略。盡管直接電離質譜儀提供的質譜數據往往不如大型質譜儀穩定，但通過適當的數據預處理，仍然可以建立令人滿意的預測模型。通過比較不同的預處理方法和特征篩選技術（變量重要性投影（VIP）和最小絕對收縮和選擇算子（LASSO））對分類模型預測性能的影響，最終分別選擇標準正態變量變換 - 最小絕對收縮和選擇算子（SNV-LASSO）和標準正態變量變換 - 變量重要性投影（SNV-VIP）作為真品模型和摻假模型的最佳數據處理方法。與正交偏最小二乘判別分析（OPLS-DA）和 K 近鄰算法（KNN）相比，隨機森林（RF）和卷積神經網絡 - 長短期記憶網絡 - 注意力機制（CNN-LSTM-Attention）提供了更準確的分類結果。卷積神經網絡 - 長短期記憶網絡 - 注意力機制（CNN-LSTM-Attention）的性能略優于隨機森林（RF），尤其是在檢測不同摻假程度的樣品時，這表明卷積神經網絡 - 長短期記憶網絡 - 注意力機制（CNN-LSTM-Attention）是一種適用于檢測摻假刺五加的算法。

基于PMS數據的刺五加摻假預測模型的工作流程

真品樣品與贗品樣品的質譜圖比較

用于分類OPLS-DA圖

A. 用于判別正品刺五加和贗品刺五加的分析；B. 用于判別刺五加摻假分析。（注：在 A 圖中，綠色代表正品樣本，藍色代表贗品樣本；在 B 圖中，綠色代表正品樣本，藍色代表低程度摻假樣本，黃色代表高程度摻假樣本，紅色代表贗品樣本。）

最后，對兩種樣品的質譜數據進行分析，確定了它們之間的差異離子。通過查閱文獻，推斷出樣品中的不同化合物，極大地增強了數據的可解釋性。本實驗以刺五加為例，證明了使用直接電離質譜儀鑒別摻假行為的可行性，而摻假是食品行業中普遍存在的問題。這表明該技術具有廣闊的應用前景。

日韩成人-日韩成人高清在线免费-日韩成人国产精品视频-日韩成人激情影院-日韩成人精品-日韩成人精品二区

應用通訊 | 利用直接電離質譜法和化學計量學鑒別刺五加中摻假物的解決方案