成分表征结合机器学习的木瓜药材鉴定及化学标志物筛选

李震; 丁晨; 李玉; 赵妍

doi:10.13951/j.cnki.37-1213/n.231106

烟台大学学报（自然科学与工程版） ›› 2025, Vol. 38 ›› Issue (2) : 217 -223. DOI: 10.13951/j.cnki.37-1213/n.231106

成分表征结合机器学习的木瓜药材鉴定及化学标志物筛选

李震, 丁晨, 李玉, 赵妍

作者信息 +

Author information +

文章历史 +

摘要

运用成分表征方法结合机器学习模型建立中国和韩国两种常见木瓜药材—皱皮木瓜和光皮木瓜的识别区分途径。采用液相色谱质谱联用技术，获得两种木瓜代谢谱中14种指标成分的含量，并利用随机森林模型实现其准确分类。通过平均下降基尼和曲线下面积进行特征筛选及比对，确定区分两种木瓜药材的6种化学标志物分别为绿原酸、咖啡酸、芦丁、槲皮素、白桦脂酸和熊果酸。在此基础上，使用极限梯度提升算法，得出木瓜药材的简化鉴定标准为绿原酸的含量(低于50.28 mg/kg为光皮木瓜，其余为皱皮木瓜),并在测试集上显示出良好的预测性能。为易混淆中药的鉴定提供了一种简便量化的新颖策略。