본 연구는 초고성능 액체크로마토그래피-쿼드러플-정전기장 궤도틀 고분해능 질량분석기(UHPLC-Q-Orbitrap HRMS) 기술과 다양한 머신러닝 방법을 결합하여 쓰촨 적작과 북부 다른 산지 적작 음편의 산지 구별 전략을 구축하였다. UHPLC-Q-Orbitrap HRMS를 통해 샘플의 화학 성분 정보를 획득하고 다변량 통계분석을 활용하여 차별화된 화합물을 선별하였으며, 이를 기반으로 랜덤 포레스트(RF), 익스트림 그래디언트 부스팅(XGBoost) 및 어댑티브 부스팅(AdaBoost) 분류 모델을 각각 구축하였다. 수신자 조작 특성 곡선 아래 면적(AUC)을 통해 모델 성능을 평가하고, 셰이플리 가법 설명(SHAP) 방법을 도입하여 판별 과정에서 내생성분 기여도를 정량적으로 순위화하고 해석 가능성을 제공하였다. 총 95종의 화학 성분이 검출되었으며, 그 중 40종은 서로 다른 산지 간 유의한 차이를 보였다. 모델 성능 비교 결과 RF 모델이 정확도와 안정성 면에서 XGBoost 및 AdaBoost보다 우수하였다. SHAP 분석은 리놀레산, 레이노사이드 및 피리독솔이 산지 판별에서 가장 큰 기여를 하며, 쓰촨 적작에서 함량이 현저히 높아 산지 특성 화합물로서의 잠재력을 가짐을 밝혀냈다. 본 연구에서 구축한 방법론적 틀은 쓰촨 적작 음편의 정밀 식별을 효과적으로 구현할 수 있으며, 중약재의 도지성 평가 및 품질 관리에 새로운 아이디어와 기술적 지원을 제공한다.

적작;화학계량학;화학성분;머신러닝;지리적 출처;초고성능 액체크로마토그래피-쿼드러플-정전기장 궤도틀 고분해능 질량분석기(UHPLC-Q-Orbitrap HRMS)