Dans la réponse d'urgence aux incidents de sécurité publique liés à la ricine, il est urgent de réaliser une classification de la traçabilité des graines de ricin selon leur origine géographique. Cette étude a établi une méthode d'analyse des acides gras dans les graines de ricin basée sur la chromatographie en phase gazeuse-spectrométrie de masse et une méthode quantitative de la ricine par un test immuno-enzymatique. 100 lots d'échantillons, issus de 23 provinces différentes de Chine, ont été quantifiés pour six acides gras et la ricine. Guidés par les caractéristiques du métabolisme énergétique des plantes, trois paramètres caractéristiques énergétiques (indice d'insaturation, ratio acide oléique/acide linoléique, ratio toxine/acides gras) ont été introduits, combinant efficacement trois algorithmes d'apprentissage automatique pour la discrimination des sources. L'évaluation du modèle a montré que le modèle de machine à vecteurs de support régularisé L1, avec l'introduction des paramètres énergétiques et sous la condition d'un ensemble minimal de caractéristiques, a obtenu des aires sous la courbe respectivement de 73,63% et 71,95%, avec des précisions de test de 70,37% et 68,52%, et une précision de validation externe de 75,00%, démontrant une bonne performance de généralisation. Cette étude confirme le potentiel d'application des métabolites à haute abondance dans la traçabilité des graines de ricin, et l'introduction de paramètres énergétiques dans l'apprentissage automatique offre une voie réalisable pour l'exploration des données basées sur des caractéristiques biologiques.

graines de ricin;ricine;acides gras;traçabilité géographique;apprentissage automatique;paramètres des caractéristiques énergétiques