绒柄牛肝菌(Boletus tomentipes Earle)是一种健康食品, 受广大消费者的青睐, 其子实体营养物质积累量受生长环境(海拔、 气候等)影响, 不同产地间营养物质含量差异显著, 为去劣存优, 急需建立一种准确、 快速、 廉价的产地鉴别技术。 采用数据融合策略结合随机森林算法(RF)对绒柄牛肝菌的产地进行鉴别, 比较了多种特征值提取方法对RF模型分类效果的影响。 扫描来自4个产地(北亚热带、 北温带、 南亚热带、 中亚热带)87个样品不同部位的傅里叶变换近红外光谱和傅里叶变换中红外光谱, 分析其光谱特征。 通过Kennard-Stone算法将所有样品划分为2/3的训练集(58)和1/3的验证集(29), 基于4种红外光谱(近红外的菌柄(N-b)、 近红外的菌盖(N-g)、 中红外的菌柄(M-b)、 中红外的菌盖(M-g))与三种数据融合策略(低级融合、 中级融合、 高级融合)的数据, 结合RF建立产地鉴别模型, 比较了不同方法提取的特征值(投影重要性指标值、 Boruta、 潜在变量)对模型分类效果的影响。 其中, 根据袋外错误率(oob)选择最优ntree和mtry; 以特异性、 灵敏度、 训练集正确率和验证集正确率评价模型分类性能, 综合多种评价指标, 找出绒柄牛肝菌产地鉴别的最佳方法。 结果表明: (1)近红外和中红外光谱均能反映不同产地绒柄牛肝菌间存在的细微差异。 (2)单一光谱结合RF建立判别模型效果不理想。 (3)三种融合策略均可提高绒柄牛肝菌的产地鉴定效果, 产地鉴别效果优劣依次为高级融合、 中级融合、 低级融合。 通过扫描绒柄牛肝菌近红外和中红外光谱, 采用基于特征值LV的高级融合策略, 结合RF建立不同产地绒柄牛肝菌鉴别模型, 有高验证集正确率(99.6%), 高灵敏度(0.969), 高特异性(0.986), 实现了绒柄牛肝菌产地的准确、 快速、 廉价鉴别, 可以作为绒柄牛肝菌产地溯源的一种可靠方法。

由于国内外食品市场准入制度和溯源体系不完善， 销售商乱用虚假标签等现象的发生， 使得食品安全形势愈发严峻。 为了保障野生食用菌的安全性， 保护云南高原特色农业品牌战略， 亟需建立快速准确的产地溯源方法。 通过采集云南及其周边8个产地、 79个绒柄牛肝菌子实体的紫外-可见吸收光谱（UV-Vis）与傅里叶变换红外光谱（FTIR）， 采用多元散射校正（MSC）、 标准正态变换（SNV）、 二阶导数（2D）、 平滑（SG）等算法对原始光谱进行预处理。 基于低级与中级数据融合策略， 将预处理后的UV-Vis与FTIR光谱信息进行融合， 结合偏最小二乘判别分析（PLS-DA）与支持向量机（SVM）， 建立牛肝菌产地鉴别模型， 确定最佳产地溯源方法。 对光谱融合数据进行系统聚类分析（HCA）， 探讨不同产地样品整体化学信息的差异性与相关性。 结果显示： （1）采用MSC+2D和SNV+2D对UV-Vis与FTIR光谱进行预处理， R2Y与Q2最大， 分别为61.58%， 95.09%和50.85%， 82.16%， 表明MSC+2D与SNV+2D为UV-Vis与FTIR光谱的最佳预处理方法； （2）基于UV-Vis， FTIR， 低级与中级数据融合建立的PLS-DA与SVM模型， 样品分类错误总数分别为24， 6， 2， 2和6， 1， 1， 0， 表明数据融合模型分类效果优于单一UV-Vis与FTIR模型； （3）中级数据融合模型中， SVM对所有样品的分类全部正确， PLS-DA的分类错误总数为2， 表明基于SVM的中级数据融合策略分类效果优于PLS-DA； （4）低级和中级数据融合HCA模型， 分别有4和1个样品不能与同一类区域样品聚为一类， 表明中级数据融合优于低级数据融合； 由中级数据融合HCA图可知， 同一产地样品聚类距离小于不同产地之间聚类距离， 表明同一产地样品整体化学成分类较相似， 且同一产地不同采集地点的差异小于不同产地之间的差异。 采用UV-Vis与FTIR光谱中级数据融合策略结合SVM， 能够对不同产地来源牛肝菌样品进行准确鉴别， 为野生食用菌产地溯源研究提供一种新方法。

采用傅里叶变换红外光谱结合主成分分析和聚类分析建立快速鉴别不同产地绒柄牛肝菌的方法。 采集15个产地绒柄牛肝菌样品的红外光谱信息, 用多元散射校正(multiplicative signal correction, MSC)、 二阶求导(Second derivative, SD)、 Norris平滑的组合方法对原始光谱进行优化处理, MSC+SD+ND(15, 5)预处理后的光谱数据进行主成分分析和聚类分析, 并通过主成分载荷图分析不同产地绒柄牛肝菌样品差异的原因。 结果显示, 该方法的重现性, 精密度及稳定性的RSD值分别为0.17%, 0.08%, 0.27%, 表明方法稳定、 可靠。 主成分分析的前3个主成分累积贡献率达到87.24%, 能表达红外光谱的主要信息, 主成分得分散点图中同一产地样品成簇聚集, 不同产地样品分布于相对独立的空间, 能有效区分不同产地样品。 主成分载荷图显示, 随主成分贡献率降低, 主成分所捕获的样品信息减少, 其中PC1在3 571, 2 958, 1 625, 1 456, 1 405, 1 340, 1 191, 1 143, 1 084, 935, 840, 727 cm-1波数捕获大量样品信息, 归属为糖类、 蛋白质、 氨基酸、 脂肪、 纤维素等化学物质的吸收峰, 表明这些化学物质含量的差异是区分不同产地绒柄牛肝菌样品的主要依据。 基于离差平方和法(Ward method)及欧氏距离(Euclidean distance)进行聚类分析, 能直观显示不同产地样品的分类情况及样品之间的相关性, 15个产地样品基本能够按照产地来源正确聚类, 正确率为93.33%。 傅里叶变换红外光谱结合主成分分析和聚类分析, 可以有效鉴别绒柄牛肝菌产地来源, 并且能够分析不同产地样品具有差异的原因, 为野生食用菌的鉴别分类和应用研究提供可靠依据。

采用ICP-AES法测定了绒柄牛肝菌中11种微量元素含量。 结果显示, Mg和Fe含量最高(>100 mg·kg-1), Mn, Zn, Cu含量较高(>10 mg·kg-1), Cr, Pb, Ni, Cd, As含量较低(>0.1 mg·kg-1), Hg含量最低(<0.1 mg·kg-1)。 所测定的元素中, Zn和Cu存在显著正相关(P<0.05), 相关系数为0.659。 而Hg与As, Ni与Fe, Zn与Mg分别存在显著负相关(P<0.05), 相关系数为－0.672, －0.610, －0.617。 本研究为绒柄牛肝菌的开发利用与质量评价提供一定的理论依据。