可解释的人工智能驱动的多维化学指纹用于Euryales精液的地理身份验证
Daixin Yu1, Cheng Qu2, Jing Nie3
1Jiangsu Collaborative Innovation Center of Chinese Medicinal Resources Industrialization, Nanjing University of Chinese Medicine, Nanjing, 210023, China.
NPJ science of food
|July 9, 2025
概括
验证Euryales精液 (ES) 的来源对于质量控制至关重要. 使用稳定同位素,元素和粉分析与机器学习的新策略准确地追踪ES的地理来源.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 计算生物学 计算生物学
背景情况:
- 欧莱雅精液 (ES) 是亚洲有价值的水生食物,其质量和价格受其地理来源的影响.
- 确保ES的真实性对于消费者和行业来说至关重要.
- 现有的可追溯性方法可能缺乏准确性或解释性.
研究的目的:
- 制定和验证一个强大的策略来追踪Euryales精液 (ES) 的地理来源.
- 识别关键的化学和组成标记,表明ES的来源.
- 使用可解释的机器学习算法进行准确的分类.
主要方法:
- 使用稳定的同位素比率,元素组成和粉特征 (粉/粉蛋白) 进行化学指纹.
- 应用基于树的智能算法,特别是LightGBM,用于ES样本的分类.
- 在解释分类模型的特征重要性时采用了夏普利添加式解释法 (SHAP).
主要成果:
- 对于来自不同地理区域的ES,观察到不同的化学指纹形状.
- 在地理来源追踪方面,LightGBM实现了97.67%的高分类准确度.
- 最重要的10个变量,包括元素 (Na,V,Ba,Sb,Cu,Ti,Mn),%N和粉比例,被确定为关键可追溯性因素.
- 在环境因素和这些关键变量之间发现了显著的相关性 (p < 0.05).
结论:
- 开发的战略提供了一种有效和可解释的方法,用于Euryales精液 (ES) 的地理来源可追溯性.
- 这种方法可以扩展到确保其他水产作物的真实性.
- 该研究强调了将多元组件分析与食品认证的先进机器学习相结合的潜力.
