Na resposta de emergência a incidentes de segurança pública relacionados à ricina, há uma necessidade urgente de realizar o trabalho de classificação e rastreamento da origem geográfica das sementes de mamona. Este estudo estabeleceu um método de análise de ácidos graxos em sementes de mamona baseado em cromatografia gasosa-espectrometria de massas e um método quantitativo de ricina por ensaio imunoenzimático. Foram feitas medições quantitativas de seis ácidos graxos e ricina em 100 lotes de amostras provenientes de 23 províncias diferentes da China. Guiados pelas características do metabolismo energético das plantas, foram introduzidos 3 parâmetros característicos de energia (índice de insaturação, razão de conteúdo de ácido oleico/ácido linoleico, razão de conteúdo de ricina/ácidos graxos), combinando efetivamente três algoritmos de aprendizado de máquina para a determinação da origem. A avaliação do modelo mostrou que o modelo de máquina de vetor de suporte com regularização L1, após a introdução dos parâmetros energéticos e sob condições claras de conjunto mínimo de características, apresentou áreas sob a curva ROC de 73,63% e 71,95%, precisões de teste de 70,37% e 68,52%, e precisão do conjunto de validação externa de 75,00%, demonstrando bom desempenho de generalização. O estudo confirmou o potencial de aplicação dos metabólitos de alta abundância na rastreabilidade das sementes de mamona, introduzindo parâmetros característicos de energia para o aprendizado de máquina como um caminho viável para mineração de dados baseada em características biológicas.

sementes de mamona; ricina; ácidos graxos; rastreamento geográfico; aprendizado de máquina; parâmetros de características energéticas