華儀寧創便攜式質譜儀在中藥材地理溯源與摻偽識別技術方面取得突破

中藥材真偽優劣的判別對于保障安全、提升療效意義重大。近日，天津中醫藥大學李文龍研究員聯合華儀寧創智能科技有限公司聞路紅教授，在中藥質量溯源與摻偽識別領域取得了系列突破性進展。團隊成員天津中醫藥大學碩士研究生張怡婧同學開展了便攜式質譜儀（Portable Mass Spectrometer, PMS）的創新應用，成功解決了當歸藥材的道地性溯源和摻偽檢測的兩大難題。相關研究成果相繼發表于《Microchemical Journal》和《Journal of Food Composition and Analysis》，為中藥材質量控制提供了新思路與技術支撐。

便攜式質譜儀——推動當歸道地性溯源精準化

當歸作為傳統中藥中極具藥理價值的代表品種，不僅用于調和氣血、活血止痛，也被廣泛用于功能性食品和膳食補充劑。然而，不同產區的當歸在化學成分上存在顯著差異，其產地信息與質量效果也密切相關。傳統基于便攜式近紅外光譜（NIR）的方法雖具快速無損優勢，但因其光譜信息維度有限，且易受環境和樣本基線干擾，導致模型性能不穩定、準確率有限。為解決上述瓶頸問題，研究團隊首次引入便攜式質譜儀進行當歸道地性溯源研究（圖1）。該設備小巧輕便（約41.5×28.5×37 cm，重量<20 kg），內置脈沖直流電噴霧離子源，具備真正的現場快速檢測能力。團隊采用多層次數據融合策略，將PMS與NIR兩種互補性技術結合，構建穩健的融合模型，顯著提升了判別精度與模型泛化能力。研究結果表明，該高級融合模型（圖2）在多產區當歸樣品中的識別準確率達到96%以上，遠優于傳統單一近紅外光譜模型，具備極強的現場應用潛力和推廣價值。

圖1 當歸道地性溯源研究技術路線圖

圖2 數據融合策略流程圖

SHAP解釋分析，揭示模型“黑盒”背后的關鍵特征

為增強融合模型的可解釋性，團隊引入了基于博弈論的SHAP（Shapley additive explanations）方法，解析模型中各離子峰對分類結果的貢獻度（圖3）。結果表明，來自PMS的特征變量在區分不同產地樣品中占據主導作用，為模型提供關鍵判別依據。該方法有效揭示了質譜數據中對產地溯源最具判別力的m/z特征，為道地藥材的成分研究與可解釋性算法提供理論支撐。

圖3 基于PMS最優分類模型中關鍵m/z變量的SHAP貢獻圖

便攜式質譜儀摻偽識別的普適性：從刺五加到當歸的跨品種驗證

此前，研究團隊已在刺五加（Acanthopanax senticosus）摻偽檢測研究中取得重要成果，相關成果發表于《Food Chemistry》。該研究基于PMS采集非靶向質譜數據，并結合CNN-LSTM-Attention等深度學習算法，實現對刺五加及其形態相似摻偽品的高效識別，為中藥材現場摻偽篩查提供了成功示范。

為進一步提升便攜式質譜儀在中藥材摻偽檢測中的普適性和應用范圍，該研究團隊將研究重點拓展至當歸。由于考慮到當歸在市場上存在多種形態相似、質量低劣的摻假藥材，因此該團隊模擬了4種摻假手段，通過構建SO-SVM與LASSO優化算法對采集數據進行分析，成功識別出多種摻偽標志離子，實現對當歸及摻假樣品的準確分類。該模型準確率高達99%，大幅提升了摻偽檢測的靈敏度和實用性，有效支持中藥材市場的質量監管與安全保障。實驗流程如圖4所示。

圖4 便攜式質譜儀檢測當歸摻偽流程圖

未來，研究團隊將進一步擴展便攜式質譜數據庫與算法系統，融合更多維度的物理化學信息，推動便攜式智能檢測設備在中藥、食品、農業等行業的廣泛落地應用，為中醫藥產業現代化轉型提供強有力的技術支持。

相關論文題錄信息

1.        Yijing Zhang, Shamukaer Alimujiang, Changhao Jia, Zixuan Yan, Yuanjian Zhang, Wenlong Li^*. Improving accuracy and interpretability of portable near-infrared spectroscopy via portable mass spectrometry fusion: A case study on the geographical traceability of Angelica sinensis. Microchemical Journal, 2025 216, 114564. https://doi.org/10.1016/j.microc.2025.114564

2.        Yijing Zhang, Jianyu Zhang, Jiahe Qian, Zixuan Yan, Jincheng Zhang, Liang Zhao, Luhong Wen, Wenlong Li. Portable mass spectrometry and machine learning for detecting Angelica sinensis adulteration. Journal of Food Composition and Analysis, 2025, 147, 108115. https://doi.org/10.1016/j.jfca.2025.108115

3.        Jianyu Zhang, Yijing Zhang, Guoming Zhou, Cunhao Li, Luhong Wen, Wenlong Li. Adulteration identification strategy for Acanthopanax Senticosus based on data fusion of portable mass spectrometry and near-infrared spectroscopy. Food Chemistry, 2025, 491, 145239. https://doi.org/10.1016/j.foodchem.2025.145239

4.        Jianyu Zhang, Yijing Zhang, Jiahe Qian, Guoxiang Li, Shule Zhang, Luhong Wen, Wenlong Li. Strategies for identifying adulterated Acanthopanax senticosus using portable mass spectrometry and chemometrics. Journal of Food Composition and Analysis, 2024, 136, 106827. https://doi.org/10.1016/j.jfca.2024.106827

研究通訊人：李文龍  研究員

單位：天津中醫藥大學中藥制藥工程學院