利用机器学习辅助的表面增强拉曼光谱技术鉴定冬虫夏草（Ophiocordyceps sinensis (Berk.)）的地理来源

《ANALYTICAL AND BIOANALYTICAL CHEMISTRY》：Identification of geographical origins of Ophiocordyceps sinensis (Berk.) via machine learning-assisted surface-enhanced Raman spectroscopy

冬虫夏草地理溯源研究采用表面增强拉曼光谱（SERS）结合六种机器学习算法，分析中国四大主产区样本，LC-MS验证成分差异，SVM模型最优，准确鉴定地理来源，为天然产物质量控制提供新方法。

　　

摘要

冬虫夏草（Ophiocordyceps sinensis）（Berk.）是一种具有保健功效的功能性食品。其品质因产地不同而有所差异，现有的鉴定方法较为复杂且耗时较长。本研究旨在开发一种快速、简便的方法来准确识别冬虫夏草的产地。本研究采用表面增强拉曼光谱（SERS）技术分析了来自中国四大主要产区的冬虫夏草样本，并以液相色谱-质谱（LC-MS）作为参考方法，用于分析样品之间的成分差异并验证这些样品的地理真实性。研究引入了六种机器学习（ML）算法来预测冬虫夏草的产地，并通过评估指标来衡量模型的性能。比较分析结果表明，支持向量机（SVM）模型的识别准确性最高。通过构建特征重要性图，进一步了解了模型如何做出预测决策，揭示了在区分不同产地冬虫夏草时具有显著差异的拉曼光谱特征。本研究开发的SERS-SVM方法有助于识别冬虫夏草的产地真实性，显示出其作为珍贵中药（TCM）有效质量控制方法的潜力。

图形摘要

冬虫夏草（Ophiocordyceps sinensis）（Berk.）是一种具有保健功效的功能性食品。其品质因产地不同而有所差异，现有的鉴定方法较为复杂且耗时较长。本研究旨在开发一种快速、简便的方法来准确识别冬虫夏草的产地。本研究采用表面增强拉曼光谱（SERS）技术分析了来自中国四大主要产区的冬虫夏草样本，并以液相色谱-质谱（LC-MS）作为参考方法，用于分析样品之间的成分差异并验证这些样品的地理真实性。研究引入了六种机器学习（ML）算法来预测冬虫夏草的产地，并通过评估指标来衡量模型的性能。比较分析结果表明，支持向量机（SVM）模型的识别准确性最高。通过构建特征重要性图，进一步了解了模型如何做出预测决策，揭示了在区分不同产地冬虫夏草时具有显著差异的拉曼光谱特征。本研究开发的SERS-SVM方法有助于识别冬虫夏草的产地真实性，显示出其作为珍贵中药（TCM）有效质量控制方法的潜力。

图形摘要