基于非靶向代谢组学与机器学习的朝天椒产地鉴别

来源：中国食品学报杂志2025年第5期北京时间：

作者：王晓宇，王珍珍，胡梦雅，戴静，沙如意，毛建卫

单位：王晓宇浙江科技大学生物与化学工程学院 浙江省农产品化学与生物加工技术重点实验室浙江省农业生物资源生化制造协同中心 杭州 310023,王珍珍浙江科技大学生物与化学工程学院 浙江省农产品化学与生物加工技术重点实验室浙江省农业生物资源生化制造协同中心 杭州 310023,胡梦雅中国生物发酵产业协会 北京 100005,戴静浙江科技大学生物与化学工程学院 浙江省农产品化学与生物加工技术重点实验室浙江省农业生物资源生化制造协同中心 杭州 310023,沙如意浙江科技大学生物与化学工程学院 浙江省农产品化学与生物加工技术重点实验室浙江省农业生物资源生化制造协同中心 杭州 310023,

摘要：为了研究不同产地朝天椒品质差异，实现朝天椒产地溯源，将非靶向代谢组学与机器学习相结合，建立辣椒产地的分类模型。以四川、湖南和河北3个产地共计108个朝天椒样本为研究对象，采用正交偏最小二乘法(OPLS-DA)对不同产地辣椒进行差异分析，鉴定出糖类、醇类、有机酸类、氨基酸类等14种差异代谢物。将差异代谢物通过京都基因与基因组百科全书(KEGG)进行通路富集分析，发现柠檬酸循环、乙醛酸和二羧酸代谢、氨酰基tRNA生物合成等3条代谢通路在不同产地辣椒中差异显著。通过Lasso回归对14种差异代谢物进行筛选，筛选出D-果糖、柠檬酸、D-塔格糖、D-甘露糖、奎宁酸、苹果酸、天冬氨酸、L-苏氨酸8种重要差异代谢物，建立支持向量机(SVM)，随机森林(RF)2种分类模型，其测试集的准确度为97%。利用受试者工作特征曲线(ROC)验证随机森林模型与支持向量机模型的可靠性和有效性。研究结果为辣椒产地鉴别和辣椒相关产品开发提供了理论依据。

关键词：朝天椒; 不同产地; 代谢组学; 机器学习

基金资助：浙江省重点研发计划项目(2017C02009)