基于多维指纹并通过深度学习增强的亚洲甘的原产地可追溯性和质量评估
Wentao Cai1, Xinyi Li1, Yajie Ma1
1Jiangsu Provincial Key Laboratory for TCM Evaluation and Translational Development, School of Traditional Chinese Pharmacy, China Pharmaceutical University, Nanjing, Jiangsu Province 211198, PR China.
Food chemistry
|August 31, 2025
概括
这项研究引入了一种成本效益高的深度学习方法来评估甘的质量. 人工智能模型根据化学成分准确确定地理来源和质量,有助于草药产品的真实性.
科学领域:
- 植物医学
- 分析化学
- 人工智能
背景情况:
- 甘 (Glycyrrhizae Radix et Rhizoma) 的质量因环境因素而因地理来源而异.
- 传统的分析方法往往复杂,昂贵,并提供有限的信息.
- 需要有效且易于使用的植物产品认证方法.
研究的目的:
- 开发一个具有成本效益的AI增强方法来确定甘的地理来源和质量评估.
- 整合化学测量,机器学习和网络药理学来预测质量标记.
- 建立一种新的植物产品认证方法.
主要方法:
- 通过深度学习增强不同来源甘样本的多维指纹.
- 化学测量,机器学习和网络药理学的联合应用.
- 使用皮尔森相关性分析预测和完善七个关键质量标记.
主要成果:
- 成功开发了深度学习模型,用于准确地评估甘的地理来源和质量.
- 鉴定了与地理差异相关的主要化学成分差异.
- 在区分甘来源方面证明了人工智能增强方法的有效性.
结论:
- 人工智能增强的多维指纹为甘认证提供了强大且具有成本效益的解决方案.
- 该方法为评估草药产品的地理来源和质量提供了可靠的框架.
- 这种方法对于食品和草药行业的质量控制具有广泛的适用性.
更多相关视频
07:29HPLC Coupled with Chemical Fingerprinting for Multi-Pattern Recognition for Identifying the Authenticity of Clematidis Armandii Caulis
Published on: November 11, 2022
2.1K
07:50Author Spotlight: Integrating 2D-HPLC-MS and Molecular Networking in Natural Medicine Analysis
Published on: December 8, 2023
685
