罗布麻(Apocynum L.)茶叶在中国新疆主要产区矿物质和微量元素组成的变化

《Journal of Food Composition and Analysis》:Variation in mineral and trace element composition of Luobuma (Apocynum L.) herbal tea leaves across key growing regions in Xinjiang, China

【字体: 大 中 小 】 时间:2026年06月29日 来源:Journal of Food Composition and Analysis 5.3

编辑推荐:

  摘要:罗布麻(A. pictum 和 A. venetum)茶叶是一种有营养价值的资源,新疆是罗布麻的主要种植产区。本研究采用电感耦合等离子体发射光谱法(ICP OES)结合化学计量学、机器学习(ML)和贝叶斯分析,量化了来自新疆内外产区的罗布麻叶片中16种矿

  
摘要:罗布麻(A. pictum 和 A. venetum)茶叶是一种有营养价值的资源,新疆是罗布麻的主要种植产区。本研究采用电感耦合等离子体发射光谱法(ICP OES)结合化学计量学、机器学习(ML)和贝叶斯分析,量化了来自新疆内外产区的罗布麻叶片中16种矿物质和微量元素。罗布麻叶片中Fe(铁门关:865.8 mg kg-1)和Zn(新疆轮南:148.06 mg kg-1)含量较高。所有样品中镉浓度均为零,表明其适合药用和食品应用。ML模型显示,基于元素组成对物种的区分能力有限。贝叶斯分析确定了显著的地区关联性,其中新疆样品中Al(β = 0.88)和K(β = 0.71)的系数为正,Cr(β = ?0.86)和Mg(β = ?0.58)的系数为负。地理起源对元素组成的影响强于物种身份。
**论文解读文章**

**研究背景、问题与意义**

罗布麻(Apocynum L.)是一种具有重要经济价值的野生草本植物,其叶片可用于制作保健茶饮,富含多种生物活性成分和必需矿物质。中国是全球罗布麻分布面积最大的国家,其中新疆是主要种植区和优质产区。然而,近年来新疆及邻近地区(如宁夏)的煤炭产量大幅攀升(自2023年分别增长228%和33%),采矿活动管理不当可能导致土壤退化及重金属在植物组织中积累,从而影响罗布麻的药用和营养品质。同时,不同地理区域的土壤条件和环境因素差异显著,可能导致罗布麻叶片中矿物质和微量元素组成存在地区性变异。现有研究对新疆不同产区罗布麻茶叶的元素组成缺乏系统量化,且缺乏基于元素指纹的地理溯源和高通量鉴别技术。因此,开展此项研究旨在:(1)测定新疆内外关键产区204份罗布麻叶片中16种主要及微量元素的浓度;(2)评估采自煤矿影响区域(潜在污染区)的罗布麻在营养益处与安全风险方面的特征;(3)利用多种机器学习(ML)模型和贝叶斯分析评估、预测和验证元素变异,为可靠结果解释提供依据。该研究发表于《Journal of Food Composition and Analysis》。

**主要关键技术方法**

研究人员采用了电感耦合等离子体发射光谱法(ICP OES)测定样品中Fe、Al、Zn、K等16种元素的质量分数。样本来源于新疆内外29个采样地点(包括A. venetum和A. pictum两个种,共204份样品,采集于2024年冬季至春季)。数据分析结合了五种监督式机器学习(ML)算法:支持向量机(SVM)、随机森林(RF)、极限梯度提升(XGBoost)、神经网络(NN)和弹性网广义线性模型(GLMNET),并通过网格搜索和10折交叉验证优化超参数。此外,采用贝叶斯回归分析(使用rstanarm和brms包,马尔可夫链蒙特卡洛MCMC采样)评估元素与地区起源的关联。

**研究结果**

**3.1. 罗布麻品种的分布特征**
通过对新疆内外204份样品进行形态学鉴定和地理多样性分析,研究人员确认了采样策略覆盖了不同生态区的自然变异品种,为后续元素分析和ML建模提供了代表性数据基础。

**3.2. 罗布麻矿物质组成谱**
**3.2.1. 新疆不同地点主要及微量元素含量**
利用ICP OES测定21个新疆采样点的元素浓度,发现Fe是含量最高的微量元素(范围347–894 mg kg-1),Zn和Sr亦呈现显著地理变异。所有样品中Cd浓度均低于检测限,表明总体重金属风险较低。种间比较显示,Cu、Li、Sr、Ni在A. venetum与A. pictum间存在显著差异(p < 0.05),而其他元素无显著种间差异。Pearson相关分析揭示Mg-Ca(r=0.818)、Mn-Ca(r=0.451)、P-K(r=0.561)等强正相关,以及Na-K(r=-0.255)、Zn-Mg(r=-0.311)等负相关。

**3.3. 种间与地区间元素积累变异**
通过脊线密度图可视化不同地区和种间的元素分布,发现Ca在A. venetum中分布偏向高值,而Cu在不同种间重叠较大,表明地理因素对Cu积累的影响可能强于物种身份。Fe和K呈现显著地区变异,Zn在A. pictum部分种群中呈现更宽或多峰分布。结果表明元素积累受物种和环境双重影响。

**3.4. 基于机器学习的罗布麻元素分布溯源**
以15种元素为预测变量、采样地区为响应变量,随机森林(RF)模型表现出最佳分类性能,整体准确率达92.1%,宏平均F1分数为0.89。变量重要性分析识别Fe、Al、K、Ca为最关键的地理判别因子。偏依赖图(PDP)显示这些元素浓度变化显著影响样品归属概率,证明元素指纹可用于产地认证和溯源。

**3.5. 机器学习模型对矿物质和微量元素分类的性能比较**
以元素组成为预测变量、物种身份为响应变量,五种ML模型中神经网络(NN)准确率最高(59.1%),RF和XGBoost均为54.5%,SVM和GLMNET接近随机(50%)。AUC值(0.503–0.665)和低特异性表明基于元素组成无法可靠区分两个物种。贝叶斯分析进一步揭示,新疆样品中Al(后验均值=0.879)、K(0.706)、Li(0.411)、Mn(0.466)呈显著正关联,Cr(-0.863)、Mg(-0.582)、Cu(-0.425)呈显著负关联,而Ni、Zn、Ca无明确地区效应。模型诊断显示优异的马尔可夫链收敛和采样效率(R?接近1.0)。

**总结与结论**

讨论部分指出,研究结果一致表明地理起源对罗布麻叶片元素组成的影响强于物种身份,这解释了ML模型在物种分类上的低性能。高浓度的Fe和Zn以及未检出的Cd凸显了罗布麻叶片作为安全营养资源的潜力。结合化学计量学、ML和贝叶斯分析的元素指纹技术为罗布麻资源的营养评价、质量控制和产地溯源提供了科学依据。研究人员总结的结论部分翻译如下(保留原文专业术语与格式):

“本研究评估了来自新疆内外主要产区的204份罗布麻叶片样品(A. venetum 和 A. pictum)的矿物质和微量元素组成,并评估了其进行地理起源认证的潜力。观察到了常量矿物和微量元素浓度的显著地理变异,表明区域环境条件在塑造罗布麻叶片元素组成中起重要作用。ML分析表明,元素组成可以有效区分罗布麻样品的地理起源。在评估的模型中,RF分类器在地区分类中取得了最高性能,凸显了元素指纹作为产地认证和质量控制可靠工具的潜力。相比之下,物种分类的预测性能较低,表明地理起源对元素组成的影响强于物种身份。贝叶斯分析进一步识别出显著的地区关联性,其中新疆样品中Al(β = 0.88)和K(β = 0.71)的系数为正,而Cr(β = ?0.86)和Mg(β = ?0.58)的系数为负。观察到高浓度的必需矿物质,特别是Fe和Zn,而在所用分析条件下Cd浓度未检出。总体而言,元素组成谱结合ML为罗布麻资源的地理认证提供了有效方法。然而,本研究局限于元素组成和特定采样时段,未来整合代谢组学、基因组学和跨年环境数据的研究将为罗布麻茶产品的地区变异提供更全面的理解。”
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号