西洋参(Panax quinquefolius L.)是一种公认的药用和食用植物,其主要活性成分是人参皂苷,因其显著的功能特性而受到重视,包括抗疲劳[1]、心脏保护[2]和抗氧化[3]作用。它也被广泛用于功能性食品、营养补充剂和药品[4]中。然而,由于其较高的药用价值以及较长的栽培周期,导致市场价格较高,这为掺假行为创造了经济动机[5]。经过加工成干燥切片或粉末形式后——这种形式更便于携带和调整剂量[6]——产品特别容易受到欺诈,因为形态相似的植物根或低成本的可食用粉末可能会被混入。这种掺假不仅会损害产品的真实性和治疗效果,还可能危及消费者安全并削弱公众信任。因此,食品行业迫切需要可靠、快速且无损的质量验证方法。
许多研究表明,中草药中的掺假涉及多种类型的掺假物。低价值的人参或其他植物部位常被用作高价值产品的替代品[7,8]。Huang等人在RSC Advances上发表的研究表明,对于西洋参与其近缘物种P. ginseng的混合物,只有当掺假程度达到20%时,模型才能稳定地区分样品,报告的最低可区分水平(LLOD)约为20%[9]。Choi等人使用FT-IR光谱和多变量分析来识别掺有30%其他根的人参粉。基于人参皂苷和芳香化合物的PLS回归模型获得了R2值分别为0.9650(Rb1)、0.9635(Rc)和0.9591(β-Panasinsene),从而实现了纯人参粉的快速鉴定[5]。据报道,其他常用的根和根茎类草药,如Angelica sinensis和Astragalus membranaceus(分别富含香豆素和挥发油以及黄芪苷和多糖),也是市场上掺假和鉴定的典型目标[10,11]。面粉由于其相对较高的蛋白质含量,常被用作粉末状中草药产品的廉价填充剂[12]。因此,本研究选择了五种掺假物,涵盖了廉价填充剂、密切相关的/低价值替代品以及常见的根/根茎类掺假物。
传统的分析技术,如高效液相色谱(HPLC)、气相色谱(GC)和液相色谱-质谱(LC-MS),被广泛用于定量生物活性成分以评估真实性和检测掺假[[13], [14], [15]]。虽然这些方法具有高准确性和灵敏度,但其应用受到劳动密集型工作流程、繁琐的样品制备和耗时程序的限制,限制了实时和高通量的应用[16]。
光谱技术,特别是近红外(NIR)光谱技术,已成为有效的替代方案。它可以探测分子键的振动态,并结合与关键营养成分和化学成分相关的带状信息,从而无需破坏性或大量试剂即可间接且快速地预测组成特性[17]。当与计算建模结合时,NIR可以实现高通量、无试剂的分析,并且样品制备量极少,已在食品质量评估和真实性筛查中得到广泛应用[18]。Castell等人使用FT-NIR光谱结合化学计量分析来鉴定辣椒粉并检测掺假,其中OPLS-DA模型有效地区分了来源和品种,并在0.1%–5%的掺假水平下检测到了苏丹红或刚果红的掺入[19]。Yu等人使用NIR光谱结合CARS-SPA波长选择和SVM/PLS-DA建模来检测Fagopyrum tataricum(L.)Gaertn与各种面粉的掺假,预测准确率为89.78%–94.22%[20]。Li等人使用NIR光谱结合化学计量模型来检测Arnebiae Radix中的掺假。PLS和SVM预测了掺假物的浓度,而DD-SIMCA和PLS-DA在校准阶段的准确率为100%,在预测阶段的准确率为96.7%–100%[21]。
原始NIR光谱具有高维度、多重共线性以及易受仪器噪声、基线漂移和散射效应的影响,这些都对数据解释带来了挑战。为了解决这些问题,机器学习(ML)和深度学习(DL)技术越来越多地应用于光谱分析,能够模拟光谱特征与掺假模式之间的复杂非线性关系。这种集成方法在检测食品中的掺假方面取得了有希望的结果。尽管深度学习模型在自动特征提取和处理复杂高维数据方面表现出色,并已被证明可以提高食品光谱分析任务的预测准确性[22],但它们仍然需要更大的数据集和更多的训练资源,并且仍存在可解释性和鲁棒性问题。传统的机器学习方法,如支持向量机(SVM)、偏最小二乘判别分析(PLS-DA)、决策树和随机森林,在样本量较小、可解释性强和计算开销较低的情况下具有明显优势[23]。
近年来,近红外光谱与机器学习的结合被广泛认为是食品和中草药产品鉴定的有效工具。然而,大多数先前的研究都集中在有限的预处理策略或单一模型框架上,对模型可解释性或细粒度掺假模式的关注较少。为了填补这些空白,本研究提出了一种集成的NIR-化学计量策略,结合了优化的光谱预处理和混合核极端学习机(KELM)模型,用于精细识别西洋参粉末中的掺假行为。通过系统评估81种预处理组合,并将基于SHAP的波长解释与HPLC验证相结合,这项工作不仅提高了检测准确性和鲁棒性,还建立了光谱特征与人参皂苷组成之间的化学相关性。
本研究的主要创新和贡献如下:(1)系统评估了81种光谱预处理组合,以确定最佳的数据处理流程;(2)引入了一种具有高计算效率的混合核KELM模型,能够捕捉非线性关系;(3)在50个分类类别中精细识别掺假物类型和掺假程度;(4)将基于SHAP的波长解释与HPLC验证相结合,建立了光谱特征与人参皂苷组成之间的化学相关性。这种集成方法弥合了算法性能和化学可解释性之间的差距,为快速可靠的质量控制提供了实际参考。