用于识别在淡水和海水中培养的鱼类的特征变量选择,基于化学分析和数据融合策略

科学领域:

• 水产养殖科学 水产养殖科学
• 分析化学 分析化学
• 生物标志物发现发现

背景情况:

• 养殖鱼类的可靠可追溯性对于市场完整性和消费者信任至关重要.
• 区分淡水和海水养殖环境是鱼类可追溯性的关键挑战.
• 了解度等环境因素如何影响生物标记对开发准确的识别方法至关重要.

研究的目的:

• 确定关键特征变量,以区分淡水和海水养殖的鱼类.
• 评估不同数据融合策略和机器学习算法对鱼类可追溯性的有效性.
• 确定变量的最佳组合,以实现高的歧视率.

主要方法:

• 鱼在不同的盐度条件下培养了94天.
• 分析了稳定的同位素,元素组成和脂脂肪酸.
• 采用数据融合技术创建多个数据集,然后使用支持向量机 (SVM),随机森林 (RF),线性差异分析 (LDA) 和直角部分最小平方-差异分析 (OPLS-DA) 进行分析.

主要成果:

• 不同的变量对盐度变化表现出不同的敏感性.
• 使用SVM实现了100%的歧视率,数据集包括九个特定变量 (数据集IV).
• 这些9个变量,包括稳定的同位素 (δ2H, δ18O),元素 (Sr) 和脂肪酸 (C18:0, ΣSFA, C20:3n3, C22:6n3, C18:2n6, ΣPUFA),证明是有效的指标.

结论:

• 稳定同位素,元素分析和脂肪酸分析的组合可以根据它们的养殖环境可靠地区分鱼类.
• 这九个已识别的变量为在淡水和海水生产系统之间追踪鱼提供了一个有希望和准确的方法.
• 这项研究提供了一个强大的分析框架,以提高水产养殖行业的可追溯性.