羊羔的地理来源认证:通过4D-DIA定量蛋白质组学和可解释的机器学习方法进行先进的标签控制
Chongxin Liu1, Simona Grasso2, Nigel Patrick Brunton2
1Institute of Food Science and Technology, Chinese Academy of Agriculture Sciences, Key Laboratory of Agro-Products Quality and Safety Control in Storage and Transport Process, Ministry of Agriculture and Rural Affairs, Beijing 100193, China; School of Agriculture and Food Science, University College Dublin, Belfield, Dublin 4, Ireland.
Food chemistry
|November 22, 2025
概括
这项研究使用蛋白质组学来识别Tan羔羊中的蛋白质标记物,从而能够准确地验证羔羊的蛋白质.
科学领域:
- 蛋白质组学是指蛋白质组学.
- 食品科学 食品科学 食品科学
- 动物科学动物科学
背景情况:
- 消费者对食品原产地标签的信任至关重要.
- 棕色羊羔是一种有价值的农产品,具有区域差异.
- 准确的原产地验证对于市场的完整性至关重要.
研究的目的:
- 识别蛋白质标记物,以区分来自不同地区的Tan羊羔.
- 开发一个用于验证羔羊起源的预测模型.
- 为了提高羊肉产品的食品可追溯性.
主要方法:
- 使用4D-DIA定量蛋白质组学来分析Tan羔羊蛋白质配置文件.
- 最小绝对收缩和选择运营商 (LASSO) 确定了潜在的蛋白质标记物.
- 六个机器学习算法被训练并验证用于预测建模.
主要成果:
- 在羔羊蛋白成分中发现了显著的区域差异.
- 使用λmin选择的14种蛋白质标记物显示出高预测准确度.
- 后勤回归成为起源预测的最佳模型.
- 特定的蛋白质 (W5PF65,W5PQE5,W5Q501) 被突出显示为关键的来源标记.
结论:
- 蛋白质组分析与机器学习相结合,可以准确地验证丹羊羔的起源.
- 鉴定的蛋白质标记物和预测模型提高了食品的可追溯性.
- 这种方法支持真实的食品原产地标签和消费者信心.


