换一批基于能量特征融合机器学习和高丰度代谢组分定量的蓖麻子溯源区分研究
Provenance Discrimination of Castor Beans Based on Energy Feature Fused Machine Learning and High-abundance Metabolites Quantification
摘要在蓖麻毒素相关公共安全事件的应急响应工作中,迫切需要开展蓖麻子地域来源的溯源分类工作.该研究建立了基于气相色谱-质谱的蓖麻子中脂肪酸分析方法和酶联免疫吸附分析的蓖麻毒素定量方法,对中国23个不同省份来源的100批样品进行了6种脂肪酸和蓖麻毒素的定量测定.以植物生理能量代谢特征为指导,引入3个能量特征参数(不饱和指数、油酸/亚油酸含量比值、蓖麻毒素/脂肪酸含量比值),有效地结合了3种机器学习算法进行来源判别.模型评估表明,L1-正则化支持向量机模型在引入能量特征参数后及明确最小特征簇条件下的受试者工作特征曲线下面积分别为73.63%和71.95%,两者的测试准确率分别为70.37%和68.52%,外部验证集准确率均为75.00%,显示出良好的泛化性能.该研究证实了高丰度代谢组分在蓖麻子溯源方面的应用潜力,引入能量特征参数的机器学习为基于生物学特征的数据挖掘提供了可行路径.
更多相关知识
关键词
蓖麻子蓖麻毒素脂肪酸地理溯源机器学习能量特征参数castor beansricinfatty acidsprovenance discriminationmachine learningen-ergy feature parameters
栏目名称
DOI
10.12452/j.fxcsxb.26020201
发布时间
2026-06-23（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2023YFC3303905）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
