En la respuesta de emergencia a incidentes de seguridad pública relacionados con la ricina, existe una urgente necesidad de llevar a cabo una clasificación y rastreo de la procedencia regional de las semillas de ricino. Este estudio estableció un método de análisis de ácidos grasos en semillas de ricino basado en cromatografía de gases-espectrometría de masas y un método cuantitativo de ricina mediante análisis inmunoabsorbente ligado a enzimas. Se realizaron determinaciones cuantitativas de 6 ácidos grasos y ricina en 100 lotes de muestras provenientes de 23 provincias diferentes de China. Guiados por las características del metabolismo energético vegetal, se introdujeron 3 parámetros característicos de energía (índice de insaturación, relación contenido de ácido oleico/ácido linoleico, relación contenido toxina/ácidos grasos), combinando eficazmente 3 algoritmos de aprendizaje automático para la discriminación de origen. La evaluación del modelo mostró que el modelo de máquina de vectores de soporte con regularización L1, tras la introducción de parámetros característicos energéticos y bajo la condición de un conjunto mínimo de características, obtuvo áreas bajo la curva del 73.63% y 71.95%, con precisiones de prueba del 70.37% y 68.52%, y una precisión en el conjunto de validación externa del 75.00%, demostrando un buen rendimiento de generalización. Este estudio confirma el potencial de aplicación de metabolitos de alta abundancia en el rastreo de semillas de ricino, e introducir parámetros energéticos en el aprendizaje automático proporciona una vía viable para la minería de datos basada en características biológicas.

semillas de ricino;ricina;ácidos grasos;rastreabilidad geográfica;aprendizaje automático;parámetros de características energéticas