来源：期刊VIP网 时间：
作者：韩浩;胡梦雅;王珍珍;沙如意;黄俊;毛建卫;崔艳丽;
单位：浙江科技大学生物与化学工程学院;中国生物发酵产业协会;浙江大学化学系;
摘要：以云南、山东、河南、安徽和江苏5个产地的200份紫皮大蒜为原料，基于气相色谱-质谱联用（gas chromatography-mass spectrometry,GC-MS）代谢物数据，使用主成分分析（PCA）和偏最小二乘判别分析（partial least squares-discriminant analysis,PLS-DA）进行代谢组学分析，采用最大最小归一化（min-max scaler,MMS）、标准差标准化（standard scaler,SS）和标准正态变量变换（standard normalized variate,SNV）三种预处理方法分别建立了随机森林（random forest,RF）、支持向量机（support vector machine,SVM）、XGBoost以及卷积神经网络（convolutional neural network,CNN）、长短期记忆神经网络（long short term memory,LSTM）对大蒜产地进行分类判别。结果表明，不同产地的大蒜中共筛分到66种代谢物，基于PLS-DA筛选出12种差异代谢物，涉及到6条代谢通路：分别是缬氨酸、亮氨酸和异亮氨酸生物合成、半乳糖代谢、氰氨基酸代谢、乙醛酸和二羧酸代谢、甘氨酸、丝氨酸和苏氨酸代谢、D-氨基酸代谢。在5种机器学习模型中，LSTM表现最佳，其在三种预处理方法下的测试集准确率均为100%。本研究基于代谢组学和机器学习LSTM相结合，在识别大蒜产地方面具有很高的准确性和可靠性，为大蒜产品的溯源提供了可靠的技术手段。
关键词：大蒜;;色谱-质谱联用(GC-MS);;产地溯源;;代谢组学;;机器学习
基金资助：浙江省基础公益研究计划项目（LGN22C200034）
