多源光谱融合与可变选择相结合,以快速区分Salvia miltiorrhiza的地理来源
Yue Jiao1,2, Xiaoming Wu1,2, Qi Wang1,2
1Department of Pharmacy, The First Affiliated Hospital of Henan University of Chinese Medicine, Zhengzhou, China.
Frontiers in chemistry
|December 25, 2025
概括
地理来源对Salvia miltiorrhiza的质量有很大的影响. 通过将近红外 (NIR) 和中红外 (MIR) 光谱与化学测量技术相结合,可以准确识别草本的来源,确保质量控制.
科学领域:
- 分析化学 分析化学
- 化学测量 化学测量 化学测量
- 频谱学是一种光谱学.
背景情况:
- 萨尔维亚·米尔蒂奥里萨 (Salvia miltiorrhiza) 是一种重要的中国草药,其品质因地理来源而有所不同.
- 准确的原产地识别对于Salvia miltiorrhiza的质量保证和标准化至关重要.
研究的目的:
- 开发和验证一种快速,可靠的方法来确定Salvia miltiorrhiza的地理来源.
- 为了比较近红外 (NIR) 和中红外 (MIR) 光谱学的有效性,单独和组合,原产地歧视.
主要方法:
- 在中国四个省份使用NIR和MIR光谱分析了67个Salvia miltiorrhiza样本.
- 应用六种光谱预处理技术和化学测量方法,包括部分最小平方差异分析 (PLS-DA).
- 使用非信息变量消除 (UVE),竞争性适应性重权取样 (CARS) 和随机森林 (RF) 来优化歧视模型的变量选择.
主要成果:
- 使用随机森林-PLS-DA模型,NIR光谱学实现了96.72%的准确性.
- 使用光谱梯度-无信息变量消除-PLS-DA模型,MIR光谱学实现了98.33%的准确性.
- 合并的NIR和MIR数据产生了100%准确的区分模型 (2nd-UVE-PLS-DA),表明性能优越.
结论:
- 将NIR和MIR光谱与优化的预处理和变量选择相结合,为Salvia miltiorrhiza原产地追踪提供了一个高度有效的方法.
- 这种综合光谱方法为Salvia miltiorrhiza的质量控制提供了快速,可靠和高效的工具.
- 该方法作为一种有价值的参考,用于其他传统中国草药的来源识别和质量评估.
