刺五加在中國(guó)、日本、韓國(guó)和俄羅斯廣泛種植，并且在世界范圍內(nèi)得到了廣泛研究。由于其巨大的市場(chǎng)需求和高昂的價(jià)格，滋生了一些非法活動(dòng)，尤其是摻假行為。本研究成功地利用華儀寧創(chuàng)直接電離質(zhì)譜儀結(jié)合化學(xué)計(jì)量學(xué)方法，鑒別了真品和摻假的刺五加樣品。針對(duì)真品和摻假模型，評(píng)估了不同的數(shù)據(jù)處理和特征選擇方法，最終選擇標(biāo)準(zhǔn)正態(tài)變量變換 - 變量重要性投影（SNV-VIP）作為兩種模型的最優(yōu)方法。使用正交偏最小二乘判別分析（OPLS-DA）、K 近鄰算法（KNN）、隨機(jī)森林（RF）和卷積神經(jīng)網(wǎng)絡(luò) - 長(zhǎng)短期記憶網(wǎng)絡(luò) - 注意力機(jī)制（CNN-LSTM-Attention）模型，均取得了優(yōu)異的分類性能，真品模型驗(yàn)證集的預(yù)測(cè)準(zhǔn)確率分別為 1.00、1.00、1.00 和 1.00。摻假模型驗(yàn)證集的預(yù)測(cè)準(zhǔn)確率分別為 0.86、0.73、0.89 和 0.92。此外，這些模型還根據(jù)變量重要性確定了最重要的離子。直接電離質(zhì)譜儀（PMS）與化學(xué)計(jì)量學(xué)的結(jié)合，為鑒別刺五加樣品中的摻假行為提供了一種簡(jiǎn)單、快速且可靠的方法。本研究為直接電離質(zhì)譜儀在食品領(lǐng)域摻假檢測(cè)中的應(yīng)用提供了新的依據(jù)。

檢測(cè)食品中的摻假問(wèn)題是質(zhì)量控制中的關(guān)鍵問(wèn)題，亟待解決。本研究以刺五加為研究對(duì)象，提出了以下策略。盡管直接電離質(zhì)譜儀提供的質(zhì)譜數(shù)據(jù)往往不如大型質(zhì)譜儀穩(wěn)定，但通過(guò)適當(dāng)?shù)臄?shù)據(jù)預(yù)處理，仍然可以建立令人滿意的預(yù)測(cè)模型。通過(guò)比較不同的預(yù)處理方法和特征篩選技術(shù)（變量重要性投影（VIP）和最小絕對(duì)收縮和選擇算子（LASSO））對(duì)分類模型預(yù)測(cè)性能的影響，最終分別選擇標(biāo)準(zhǔn)正態(tài)變量變換 - 最小絕對(duì)收縮和選擇算子（SNV-LASSO）和標(biāo)準(zhǔn)正態(tài)變量變換 - 變量重要性投影（SNV-VIP）作為真品模型和摻假模型的最佳數(shù)據(jù)處理方法。與正交偏最小二乘判別分析（OPLS-DA）和 K 近鄰算法（KNN）相比，隨機(jī)森林（RF）和卷積神經(jīng)網(wǎng)絡(luò) - 長(zhǎng)短期記憶網(wǎng)絡(luò) - 注意力機(jī)制（CNN-LSTM-Attention）提供了更準(zhǔn)確的分類結(jié)果。卷積神經(jīng)網(wǎng)絡(luò) - 長(zhǎng)短期記憶網(wǎng)絡(luò) - 注意力機(jī)制（CNN-LSTM-Attention）的性能略優(yōu)于隨機(jī)森林（RF），尤其是在檢測(cè)不同摻假程度的樣品時(shí)，這表明卷積神經(jīng)網(wǎng)絡(luò) - 長(zhǎng)短期記憶網(wǎng)絡(luò) - 注意力機(jī)制（CNN-LSTM-Attention）是一種適用于檢測(cè)摻假刺五加的算法。

基于PMS數(shù)據(jù)的刺五加摻假預(yù)測(cè)模型的工作流程

真品樣品與贗品樣品的質(zhì)譜圖比較

用于分類OPLS-DA圖

A. 用于判別正品刺五加和贗品刺五加的分析；B. 用于判別刺五加摻假分析。（注：在 A 圖中，綠色代表正品樣本，藍(lán)色代表贗品樣本；在 B 圖中，綠色代表正品樣本，藍(lán)色代表低程度摻假樣本，黃色代表高程度摻假樣本，紅色代表贗品樣本。）

最后，對(duì)兩種樣品的質(zhì)譜數(shù)據(jù)進(jìn)行分析，確定了它們之間的差異離子。通過(guò)查閱文獻(xiàn)，推斷出樣品中的不同化合物，極大地增強(qiáng)了數(shù)據(jù)的可解釋性。本實(shí)驗(yàn)以刺五加為例，證明了使用直接電離質(zhì)譜儀鑒別摻假行為的可行性，而摻假是食品行業(yè)中普遍存在的問(wèn)題。這表明該技術(shù)具有廣闊的應(yīng)用前景。