Dans la réponse d'urgence aux incidents de sécurité publique liés à la ricine, il est urgent de mener un travail de traçabilité et de classification de l'origine géographique des graines de ricin. Cette étude a établi une méthode d'analyse des acides gras dans les graines de ricin basée sur la chromatographie en phase gazeuse couplée à la spectrométrie de masse, ainsi qu'une méthode quantitative de la ricine par immunoessai enzymatique. Cent échantillons provenant de 23 provinces différentes de Chine ont été quantifiés pour six acides gras et la ricine. En guidant sur les caractéristiques du métabolisme énergétique des plantes, trois paramètres caractéristiques de l'énergie (indice d'insaturation, rapport contenu en acide oléique/linoéique, rapport contenu en ricine/acides gras) ont été introduits, combinant efficacement trois algorithmes d'apprentissage automatique pour la discrimination de l'origine. L'évaluation du modèle a montré que le modèle de machines à vecteurs de support avec régularisation L1, après l'introduction des paramètres énergétiques et sous condition de jeu minimal de caractéristiques, avait des aires sous la courbe ROC de 73,63 % et 71,95 %, des précisions de test de 70,37 % et 68,52 %, et une précision de validation externe de 75,00 %, démontrant une bonne généralisation. Cette étude confirme le potentiel d'application des métabolites à haute abondance dans la traçabilité des graines de ricin, l'intégration des paramètres énergétiques par l'apprentissage automatique offrant une voie viable pour l'exploration de données basée sur les caractéristiques biologiques.

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