的元素和代谢指纹的数据与随机森林方法的数据融合
Florian Gärber1, Bernadette Bockmayr1, Marina Creydt1
1Hamburg School of Food Science, University of Hamburg, Grindelallee 117, Hamburg, 20146, Germany.
Analytica chimica acta
|May 2, 2025
概括
结合ICP-MS和LC-MS的元素和代谢学数据,可以提高食品的真实性. 数据融合使的地理原产地分类准确度从88%提高到92.3%.
科学领域:
- 分析化学 分析化学
- 食品科学 食品科学 食品科学
- 化学测量 化学测量 化学测量
背景情况:
- 食品认证依赖于分析方法,如液态染色体质谱法 (LC-MS) 和感应合等离子体质谱法 (ICP-MS).
- 这些技术分析了不同的分子组件,这表明数据融合可以提高分析模型的性能.
研究的目的:
- 调查用于食品认证的LC-MS和ICP-MS数据融合的有效性.
- 为了提高山样本地理来源的分类准确性.
主要方法:
- 来自ICP-MS (元素) 和LC-MS (代谢) 的数据被合并.
- 采用随机森林算法对220个样品进行分类.
- 应用了替代最小深度 (SMD) 来分析特征的重要性和相互作用.
主要成果:
- 数据融合使地理来源分类的准确性从大约88%提高到92.3%.
- 较小样本组的分类显示出显著的改善,科恩的卡帕从0.7增加到0.8.
- 在合并模型中,SMD成功地确定了相关特征及其相互作用.
结论:
- 结合LC-MS和ICP-MS数据显著提高了食品认证的性能.
- SMD是分析单一和合并数据集特征影响的宝贵工具,有助于理解复杂的分析模型.
更多相关视频
08:43PTR-ToF-MS Coupled with an Automated Sampling System and Tailored Data Analysis for Food Studies: Bioprocess Monitoring, Screening and Nose-space Analysis
Published on: May 11, 2017
12.3K
05:35An Integrated Workflow of Identification and Quantification on FDR Control-Based Untargeted Metabolome
Published on: September 20, 2022
3.6K
