Diese Studie verwendete die Matrix-unterstützte Laser-Desorption-Flugzeit-Massenspektrometrie (MALDI-TOF MS) in Kombination mit zwei verbesserten Random-Forest-Fusionsalgorithmen zur Herkunftsanalyse von Baizhu. Zunächst wurden mittels MALDI-TOF MS Massenspektraldaten von Baizhu-Proben aus drei Provinzen gewonnen, wobei die Datenmenge jeder Probe 1×234 154 betrug. Aufgrund des großen Datenvolumens wurde eine Daten-Binning-Strategie zur vorläufigen Vereinfachung angewandt (1×6 600). Anschließend wurde eine Hauptkomponentenanalyse mit einem definierten kumulativen Varianzschwellenwert zur Dimensionsreduktion durchgeführt. Die reduzierten Daten dienten zum Aufbau eines adaptiv verstärkten extrem zufälligen Waldes (AERF) und eines adaptiv verstärkten ausgeglichenen zufälligen Waldes (ABRF). Schließlich wurde durch die Modell-Fusionsstrategie das AERF-ABRF-Modell zur Herkunftsanalyse von Baizhu erzeugt. Die Ergebnisse zeigten, dass das vorgeschlagene AERF-ABRF-Modell auf Basis der reduzierten Daten Baizhu-Proben aus drei Provinzen zuverlässig unterscheiden kann, wobei die Klassifikationsgenauigkeit sowohl im Test- als auch im Vorhersagesatz 100 % beträgt. Außerdem weist die Modellfusion im Vergleich zu einzelnen Diskriminierungsmodellen eine höhere Klassifikationsgenauigkeit auf.

Random Forest; Modelfusion; Baizhu; Herkunftsanalyse; MALDI-TOF MS