Cette étude est basée sur la technologie UHPLC-Q-Orbitrap HRMS (chromatographie liquide ultra-efficace - quadrupôle - piège orbital à champ électrostatique haute résolution), combinée à plusieurs méthodes d'apprentissage automatique, pour construire une stratégie d'identification de l'origine des extraits de 赤芍 de Sichuan et d'autres régions du nord. Les informations sur les composants chimiques des échantillons ont été obtenues via UHPLC-Q-Orbitrap HRMS, et une analyse statistique multivariée a permis de sélectionner les composés différenciants. Sur cette base, des modèles de classification forêts aléatoires (RF), gradient boosté extrême (XGBoost) et boost adaptatif (AdaBoost) ont été établis. La performance des modèles a été évaluée par l'aire sous la courbe caractéristique opérateur récepteur (AUC), et la méthode SHAP (Shapley Additive Explanations) a été introduite pour quantifier et expliquer la contribution des composants endogènes au processus de classification. Au total, 95 composants chimiques ont été détectés, dont 40 présentent des différences significatives entre les régions d'origine. La comparaison des performances des modèles montre que le modèle RF surpasse XGBoost et AdaBoost en termes de précision et de stabilité. L'analyse SHAP révèle que l'acide linoléique, la rhénoside et la pyridoxine contribuent le plus à la distinction des origines, avec des teneurs nettement plus élevées dans 赤芍 de Sichuan, ce qui indique leur potentiel en tant que composés caractéristiques de la provenance. Cette méthodologie établie permet une identification précise des extraits de 赤芍 de Sichuan et offre de nouvelles perspectives et un soutien technologique pour l'évaluation de l'authenticité et le contrôle qualité des matières premières de la médecine traditionnelle chinoise.

赤芍;chimiométrie;composition chimique;apprentissage automatique;source géographique;chromatographie liquide ultra-efficace - quadrupôle - piège orbital à champ électrostatique haute résolution (UHPLC-Q-Orbitrap HRMS)