华仪宁创便携式质谱仪在中药材地理溯源与掺伪识别技术方面取得突破

中药材真伪优劣的判别对于保障安全、提升疗效意义重大。近日，天津中医药大学李文龙研究员联合华仪宁创智能科技有限公司闻路红教授，在中药质量溯源与掺伪识别领域取得了系列突破性进展。团队成员天津中医药大学硕士研究生张怡婧同学开展了便携式质谱仪（Portable Mass Spectrometer, PMS）的创新应用，成功解决了当归药材的道地性溯源和掺伪检测的两大难题。相关研究成果相继发表于《Microchemical Journal》和《Journal of Food Composition and Analysis》，为中药材质量控制提供了新思路与技术支撑。

便携式质谱仪——推动当归道地性溯源精准化

当归作为传统中药中极具药理价值的代表品种，不仅用于调和气血、活血止痛，也被广泛用于功能性食品和膳食补充剂。然而，不同产区的当归在化学成分上存在显著差异，其产地信息与质量效果也密切相关。传统基于便携式近红外光谱（NIR）的方法虽具快速无损优势，但因其光谱信息维度有限，且易受环境和样本基线干扰，导致模型性能不稳定、准确率有限。为解决上述瓶颈问题，研究团队首次引入便携式质谱仪进行当归道地性溯源研究（图1）。该设备小巧轻便（约41.5×28.5×37 cm，重量<20 kg），内置脉冲直流电喷雾离子源，具备真正的现场快速检测能力。团队采用多层次数据融合策略，将PMS与NIR两种互补性技术结合，构建稳健的融合模型，显著提升了判别精度与模型泛化能力。研究结果表明，该高级融合模型（图2）在多产区当归样品中的识别准确率达到96%以上，远优于传统单一近红外光谱模型，具备极强的现场应用潜力和推广价值。

图1 当归道地性溯源研究技术路线图

图2 数据融合策略流程图

SHAP解释分析，揭示模型“黑盒”背后的关键特征

为增强融合模型的可解释性，团队引入了基于博弈论的SHAP（Shapley additive explanations）方法，解析模型中各离子峰对分类结果的贡献度（图3）。结果表明，来自PMS的特征变量在区分不同产地样品中占据主导作用，为模型提供关键判别依据。该方法有效揭示了质谱数据中对产地溯源最具判别力的m/z特征，为道地药材的成分研究与可解释性算法提供理论支撑。

图3 基于PMS最优分类模型中关键m/z变量的SHAP贡献图

便携式质谱仪掺伪识别的普适性：从刺五加到当归的跨品种验证

此前，研究团队已在刺五加（Acanthopanax senticosus）掺伪检测研究中取得重要成果，相关成果发表于《Food Chemistry》。该研究基于PMS采集非靶向质谱数据，并结合CNN-LSTM-Attention等深度学习算法，实现对刺五加及其形态相似掺伪品的高效识别，为中药材现场掺伪筛查提供了成功示范。

为进一步提升便携式质谱仪在中药材掺伪检测中的普适性和应用范围，该研究团队将研究重点拓展至当归。由于考虑到当归在市场上存在多种形态相似、质量低劣的掺假药材，因此该团队模拟了4种掺假手段，通过构建SO-SVM与LASSO优化算法对采集数据进行分析，成功识别出多种掺伪标志离子，实现对当归及掺假样品的准确分类。该模型准确率高达99%，大幅提升了掺伪检测的灵敏度和实用性，有效支持中药材市场的质量监管与安全保障。实验流程如图4所示。

图4 便携式质谱仪检测当归掺伪流程图

未来，研究团队将进一步扩展便携式质谱数据库与算法系统，融合更多维度的物理化学信息，推动便携式智能检测设备在中药、食品、农业等行业的广泛落地应用，为中医药产业现代化转型提供强有力的技术支持。

相关论文题录信息

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

研究通讯人：李文龙  研究员

单位：天津中医药大学中药制药工程学院