编辑推荐：
为解决食品欺诈问题，研究人员开展了芦笋产地溯源的研究。他们融合电感耦合等离子体质谱（ICP-MS）和液相色谱 - 质谱（LC-MS）数据，利用随机森林法分类。结果显示融合数据使分类准确率从约 88% 提升至 92.3% ，该研究对改进食品认证有重要意义。
在美食的世界里，食品的品质和来源一直备受关注。以白芦笋为例，它作为德国的特色农产品，有着受保护的地理标志，价格因产地不同差异巨大。德国本土芦笋在季初价格可达约 20�/kg，而进口的仅约 4�/kg，巨大的价格差使得食品欺诈现象频发，将国外芦笋冒充德国芦笋的情况屡见不鲜。为了打击这种食品欺诈行为，众多分析方法应运而生，但单一的分析技术难以全面准确地对芦笋进行产地溯源和品质鉴定。在此背景下，研究人员开展了深入研究。
由 Florian G?rber 等人组成的研究团队开展了芦笋元素与代谢指纹数据融合用于产地溯源的研究。该研究成果发表在《Analytica Chimica Acta》上。研究表明，融合 ICP-MS 和 LC-MS 数据，借助随机森林（RF）模型，可将芦笋产地分类的准确率从约 88% 提升至 92.3%，特别是在区分小样本群体时效果显著，Cohen’s Kappa 值从约 0.7 提高到 0.8。同时，首次应用替代最小深度（SMD）分析相关特征，揭示了元素和代谢变量在融合模型中的相互作用，对提升食品认证性能意义重大。
研究人员为开展此项研究，采用了多种关键技术方法。首先是数据采集，使用 ICP-MS 获取芦笋的元素数据，通过多元素分析及标准物质浓度测定，确定了锂（
7Li）、铍（
9Be）等多种元素的含量；运用超高效液相色谱电喷雾电离四极杆飞行时间质谱（UPLC-ESI-qTOF-MS）获得 LC-MS 数据。数据预处理方面，对 LC-MS 数据进行校准、峰检测、去噪及缺失值填补等操作。最后利用 RF 和 SMD 等算法进行数据分析。样本来源于德国、西班牙、希腊、荷兰、秘鲁和波兰的 220 个白芦笋样本。
研究结果如下：
- ICP-MS 数据分析：
- 分类：基于 ICP-MS 数据对芦笋产地分类，总体准确率为 88.2%。秘鲁样本可清晰区分，但波兰样本常被误分类为德国样本，反映出仅依据元素轮廓区分波兰和德国样本存在困难。
- 相关元素分析：运用 SMD 筛选出 24 个相关元素，包括 14 个稀土元素（REEs）。这些元素被分为 5 个聚类，各聚类元素对区分不同产地芦笋有独特作用。如聚类 A 中的铝和钍，可分离荷兰和西班牙样本；聚类 B 中的 REEs，能区分荷兰和西班牙样本与其他国家样本。
- LC-MS 数据分析：
- 分类：LC-MS 数据分析的总体准确率约为 88%。该模型对德国和波兰样本分类表现更好，但对荷兰、西班牙和希腊样本分类效果较差，可能是受气候条件影响，相似气候使这些地区芦笋代谢组存在相似性。
- 相关代谢物分析：SMD 筛选出 141 个重要特征，这些特征被分为 3 个聚类。聚类 a 中的甘油三酯和葡萄糖衍生物可分离秘鲁样本；聚类 b 中的磷脂酰胆碱等对识别德国样本有帮助；聚类 c 中的多种代谢物可区分中欧样本与其他样本。
- 数据融合：
- 分类：融合 ICP-MS 和 LC-MS 数据后，分类准确率达 92.3% ，显著高于单一数据集模型。德国、西班牙和波兰样本分类效果明显改善，但荷兰样本分类准确率有所下降。数据融合能补偿单一数据集中的错误分类，提升小样本类别的分类效果，Cohen’s Kappa 值提高体现了融合数据分类的优越性。
- 融合数据相关特征分析：对融合数据集应用 SMD，筛选出 177 个特征，其中 25 个为元素特征。这些特征分为 4 个聚类，各聚类包含不同数据集中的特征，对不同产地芦笋分类发挥重要作用。如聚类 1 的 LC-MS 特征有助于德国样本分类；聚类 2 的 ICP-MS 特征利于荷兰样本分类；聚类 3 的混合特征对希腊和西班牙样本分类有重要意义；聚类 4 的特征可清晰识别秘鲁样本。
研究结论和讨论部分指出，该研究首次融合芦笋的 ICP-MS 和 LC-MS 数据用于产地溯源，利用 RF 模型优势分析不同规模和尺度的数据集。数据融合在区分相似群体芦笋样本时优势明显，但由于部分样本数量较少，分类结果需更多数据验证。SMD 方法的应用有助于深入理解 RF 模型的复杂决策过程，为后续研究提供了重要参考，对食品认证领域的发展具有推动作用，为打击食品欺诈提供了更有效的技术手段。
