一种基于机器学习模型鉴定广陈皮陈化时长的方法

本发明属于中药材鉴定领域，涉及一种鉴定广陈皮陈化时长的方法。

背景技术：

1、陈皮为宽皮橘及其变种的干燥成熟果皮，其中由茶枝柑制得的为广陈皮[1-2]。广陈皮炮制工艺在新会区有着悠久的历史传承，在当地已认证“国家地理标志”产品。近年来，广陈皮产业处于稳步发展的上升阶段。据新会区当地政府数据，新会区广陈皮全产业链年产值2022年已超190亿元。

2、传统中药理论认为广陈皮“陈久者良”，即广陈皮陈化时间越长，其药用价值越高[3-5]。由此，广陈皮的价格随着其陈化时长的延长逐年攀升。然而，由于其基源材料完全相同，不同陈化时长广陈皮间的品质差异难以准确区分，使得以“新”充“陈”等现象难以杜绝，这对广陈皮市场交易的规范化和标准化带来了极其严峻的挑战，也是广陈皮相关产业亟待解决的重大难题。然而，目前尚无针对广陈皮真实陈化时长进行精准鉴定的相关方法或标准。键合态挥发性物质相比于其他物质缺乏相关的市售标准品，并且难以通过简单添加的方法进行样品年份造假，是鉴定广陈皮陈化时长的优质指标。

技术实现思路

1、本发明的目的是基于机器学习模型鉴定广陈皮陈化时长的方法。

2、为实现上述目的，本发明使用了以下技术方案：

3、一种基于机器学习模型鉴定广陈皮陈化时长的方法，包括以下步骤：

4、s1，将广陈皮用水进行超声萃取，获得含有键合态挥发性物质的上清液，然后将上清液转移到层析柱中，依次用水、二氯甲烷、甲醇进行洗脱，收集甲醇洗脱液，干燥后获得纯化的键合态挥发性物质；

5、s2，将纯化的键合态挥发性物质溶解，然后加入杏仁β-葡萄糖苷酶进行酶解，使键合态挥发性物质释放出挥发性苷元，用有机溶剂提取挥发性苷元用于进行gc-ms分析；

6、s3，使用gc-ms方法对挥发性苷元中的化合物种类和含量进行检测；

7、s4，构建广陈皮陈化时长与挥发性苷元含量的机器学习模型，结合线性回归建立广陈皮陈化时长的预测公式。

8、优选地，所述挥发性苷元的化合物种类包括α-松油烯、间苯酚、邻伞花烃、乙二醇单丁醚、2-甲氧基苯酚、吡喃酮、反式-松柏醇、2,5-二甲基苯甲醛、d-柠檬烯、对羟基苯乙醇和反式驱蛔脑二醇。

9、优选地，所述预测公式为sy＝24.45×x1-17.03×x2-12.37×x3+10.04×x4+3.69×x5-7.31×x6-1.82×x7+1.13×x8+0.23×x9+2.68×x10-0.83×x11+11.49，其中，

10、sy——广陈皮样品陈化时长，单位为“年”；

11、x1-x11——分别表示广陈皮样品中键合态挥发性物质苷元：α-松油烯、间苯酚、邻伞花烃、乙二醇单丁醚、2-甲氧基苯酚、吡喃酮、反式-松柏醇、2,5-二甲基苯甲醛、d-柠檬烯、对羟基苯乙醇和反式驱蛔脑二醇的含量，单位为“μg/g”。

12、优选地，所述机器学习模型为混合专家系统模型。

13、优选地，所述层析柱的填料为xad-2树脂。

14、优选地，所述有机溶剂为二氯甲烷。

15、优选地，所述gc-ms的检测条件为：trace tr-5质谱柱(30m×0.25mm×0.25μm)分析；氦气用作载气，分流比为50:1，流速为1ml/min；注入口、离子源和ms传输线的温度分别为250、260和280℃；烘箱温度程序如下：最初在40℃保持3min；然后以2℃/min的斜率升温到160℃，在160℃下保持1min；然后以5℃/min的速率升温到200℃，在200℃下保持1min；以8℃/min的速率升温到240℃；最后在240℃下保持3min；ms在70ev的正电子电离模式下运行，获得m/z范围为45-400的光谱。

16、本发明的有益效果是：

17、本发明为鉴别广陈皮陈化时长提供了有效的方法，也为市场监管提供了理论依据。利用本发明可以准确、高效地鉴定广陈皮真实陈化时长，整顿行业乱象，对陈皮产业的规范和稳定发展具有重要意义。

18、本发明首次使用键合态挥发性物质的含量建立机器学习模型，相比于其他物质，挥发性苷元缺乏相关的市售标准品，而且难以通过简单添加的方法进行样品年份造假，是鉴定广陈皮陈化时长的更优质指标。

技术特征：

1.一种基于机器学习模型鉴定广陈皮陈化时长的方法，其特征在于包括以下步骤：

2.如权利要求1所述的鉴定广陈皮陈化时长的方法，其特征在于：所述挥发性苷元的化合物种类包括α-松油烯、间苯酚、邻伞花烃、乙二醇单丁醚、2-甲氧基苯酚、吡喃酮、反式-松柏醇、2,5-二甲基苯甲醛、d-柠檬烯、对羟基苯乙醇和反式驱蛔脑二醇。

3.如权利要求2所述的鉴定广陈皮陈化时长的方法，其特征在于：所述预测公式为sy＝24.45×x1-17.03×x2-12.37×x3+10.04×x4+3.69×x5-7.31×x6-1.82×x7+1.13×x8+0.23×x9+2.68×x10-0.83×x11+11.49，其中，

4.如权利要求1所述的鉴定广陈皮陈化时长的方法，其特征在于：所述机器学习模型为混合专家系统模型。

5.如权利要求1所述的鉴定广陈皮陈化时长的方法，其特征在于：所述层析柱的填料为xad-2树脂。

6.如权利要求1所述的鉴定广陈皮陈化时长的方法，其特征在于：所述有机溶剂为二氯甲烷。

7.如权利要求1所述的鉴定广陈皮陈化时长的方法，其特征在于，所述gc-ms的检测条件为：trace tr-5质谱柱(30m×0.25mm×0.25μm)分析；氦气用作载气，分流比为50:1，流速为1ml/min；注入口、离子源和ms传输线的温度分别为250、260和280℃；烘箱温度程序如下：最初在40℃保持3min；然后以2℃/min的斜率升温到160℃，在160℃下保持1min；然后以5℃/min的速率升温到200℃，在200℃下保持1min；以8℃/min的速率升温到240℃；最后在240℃下保持3min；ms在70ev的正电子电离模式下运行，获得m/z范围为45-400的光谱。

技术总结本发明公开了一种基于机器学习模型鉴定广陈皮陈化时长的方法，包括以下步骤：先从广陈皮中提取含有键合态挥发性物质的上清液并进行纯化；然后对其进行酶解以释放出挥发性苷元；接着使用GC‑MS方法对挥发性苷元中的化合物种类和含量进行检测；最后构建陈化时长与挥发性苷元含量的机器学习模型，结合线性回归建立预测公式。本发明可以准确、高效地鉴定广陈皮真实陈化时长，对陈皮产业的规范和稳定发展具有重要意义。技术研发人员：徐娟,刘园,闫招杨,吴东轩,陈嘉景受保护的技术使用者：华中农业大学技术研发日：技术公布日：2024/11/18