摘要
تستند هذه الدراسة إلى تقنية الكروماتوغرافيا السائلة فائقة الكفاءة - رباعي القطبية - مصيدة المدار الكهربائي ذات الدقة العالية (UHPLC-Q-Orbitrap HRMS)، مع دمج عدة طرق تعلم آلي، لبناء استراتيجية تمييز مكان المنشأ لعينات 赤芍 من مقاطعة سيتشوان مقارنة بمناطق الإنتاج الأخرى في الشمال. تم الحصول على معلومات المكونات الكيميائية للعينات بواسطة UHPLC-Q-Orbitrap HRMS، وتم استخدام التحليل المتعدد المتغير لاختيار المركبات المتنوعة، ومن ثم إنشاء نماذج تصنيف عشوائية الغابة (RF)، والتعزيز التدريجي المتطرف (XGBoost) والتعزيز التكيفي (AdaBoost). تم تقييم أداء النماذج باستخدام مساحة تحت منحنى العمل التشغيلي للمستقبل (AUC)، وتم إدخال طريقة تفسيرات شابلي الإضافية (SHAP) لترتيب وتفسير المساهمة النسبية للمكونات الجزيئية أثناء التمييز. تم اكتشاف 95 مكونًا كيميائيًا، من بينها 40 تختلف بشكل ملحوظ بين المناطق الإنتاجية. أظهرت مقارنة أداء النماذج تفوق نموذج RF من حيث الدقة والاستقرار مقارنة بـ XGBoost و AdaBoost. كشفت تحليلات SHAP أن حمض اللينوليك، رينوزيد وفيتامين ب6 لديها أكبر مساهمة في تمييز مكان المنشأ، مع محتويات أعلى بشكل ملحوظ في 赤芍 بمقاطعة سيتشوان، مما يجعلها مكونات مميزة يمكن الاعتماد عليها لتحديد المصدر. يوفر الإطار المنهجي المبني في هذه الدراسة طريقة فعالة للتعرف الدقيق على عينات 赤芍 من سيتشوان، ويقدم فكرة ودعمًا تقنيًا جديدًا لتقييم الأصالة والسيطرة على جودة الأعشاب الصينية.
关键词
赤芍;الكيمياء المكانية;المكونات الكيميائية;التعلم الآلي;الأصل الجغرافي;الكروماتوغرافيا السائلة فائقة الكفاءة - رباعي القطبية - مصيدة المدار الكهربائي ذات الدقة العالية (UHPLC-Q-Orbitrap HRMS)
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website