En la respuesta de emergencia a incidentes de seguridad pública relacionados con la ricina, es urgente llevar a cabo el trabajo de clasificación y rastreo geográfico del origen 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 ensayo inmunoabsorbente enzimático. Se realizaron mediciones cuantitativas de seis ácidos grasos y ricina en 100 lotes de muestras de 23 provincias diferentes de China. Guiados por las características del metabolismo energético de las plantas, se introdujeron tres parámetros característicos de energía (índice de insaturación, proporción de contenido de ácido oleico/ácido linoleico, proporción de contenido de ricina/ácidos grasos) que se combinaron eficazmente con tres algoritmos de aprendizaje automático para la identificación del origen. La evaluación del modelo mostró que el modelo de máquinas de vectores de soporte con regularización L1, tras la introducción de parámetros de energía y bajo condiciones de conjunto mínimo de características, tuvo áreas bajo la curva ROC del 73,63 % y 71,95 %, con precisiones de prueba del 70,37 % y 68,52 %, y precisión de conjunto de validación externa del 75,00 %, mostrando un buen rendimiento de generalización. Este estudio confirma el potencial de aplicación de metabolitos de alta abundancia en el rastreo de semillas de ricino, y la introducción de parámetros de características energéticas mediante aprendizaje automático ofrece un camino viable para la minería de datos basada en características biológicas.

semillas de ricino; ricina; ácidos grasos; rastreo geográfico; aprendizaje automático; parámetros de características energéticas