DOI: https://doi.org/10.3389/fchem.2026.1721371
PMID: https://pubmed.ncbi.nlm.nih.gov/41940011
تاريخ النشر: 2026-03-20
المؤلف: Ranran Kou وآخرون
الموضوع الرئيسي: الطيفية والتحليلات الكيميائية
نظرة عامة
تبحث هذه الدراسة في إمكانية تتبع أصول التبغ باستخدام طيف الأشعة تحت الحمراء القريبة (NIR) وتحليل التركيب الكيميائي السريع. قامت الدراسة بتحليل 70 مكونًا كيميائيًا من عينات التبغ المستمدة من تسع مناطق رئيسية في الصين وأربع دول أخرى (الولايات المتحدة، البرازيل، زيمبابوي، وزامبيا). تم استخدام طرق إحصائية، بما في ذلك تحليل التباين الأحادي (ANOVA) وتحليل التجميع الهرمي (HCA)، لتقييم الفروقات الكيميائية الإقليمية. أظهرت النتائج تباينات كبيرة (p ≤ 0.001) بين المناطق، حيث كشفت HCA عن أنماط إقليمية مميزة.
لتصنيف أصول التبغ، طورت الدراسة نماذج تمييز باستخدام آلات الدعم الشعاعي (SVM)، والشبكات العصبية ذات الانتشار العكسي، والغابات العشوائية. أظهر نموذج SVM الهجين أعلى أداء، حيث حقق دقة اختبار تبلغ 97.96% ودرجات متوسط ماكرو لاسترجاع، ودقة، وF1 تبلغ 0.9836، 0.9806، و0.9821، على التوالي. حددت طريقة أهمية الميزات بالتبديل (PFI) أعلى 20 مكونًا كيميائيًا حاسمًا لتحديد الأصل، مع كون العشرة الأوائل هي Fru-Asn، وحمض السكسينيك، والروتين، وFru-Val، والكبريتات، والسيرين، والفوسفات، والنشا، والبوتاسيوم، وFru-Gly. تدمج هذه الدراسة بشكل فعال الكيمياء التحليلية وتعلم الآلة لتعزيز إمكانية تتبع الجغرافيا والتوصيف الكيميائي لمنتجات التبغ.
مقدمة
تسلط مقدمة ورقة البحث الضوء على أهمية التبغ كمحصول مزروع عالميًا، مع التأكيد على قيمته الاقتصادية والعلمية. تناقش التحديات التي تطرحها التزوير والتجارة غير المشروعة، والتي أدت إلى تصنيف التبغ منخفض الجودة كمنتجات فاخرة. لمعالجة هذه القضايا، تؤكد الورقة على ضرورة وجود طرق سريعة وموثوقة لتتبع الأصل الجغرافي للتبغ، موضحة فئتين رئيسيتين من طرق التتبع: الطرق المعتمدة على الإشارات الآلية والطرق المعتمدة على التركيب الكيميائي.
لقد اكتسبت الطرق الآلية، وخاصة طيف الأشعة تحت الحمراء القريبة (NIR)، زخمًا بسبب كفاءتها وطبيعتها غير التدميرية، حيث حققت الدراسات الحديثة دقة توقع عالية لتحديد أصل التبغ. على العكس من ذلك، غالبًا ما تتضمن طرق التركيب الكيميائي إجراءات معقدة وتغطية عينة محدودة. تقترح الورقة استخدام نماذج تعلم الآلة، بما في ذلك آلات الدعم الشعاعي (SVM)، والشبكات العصبية ذات الانتشار العكسي (BPNN)، والغابات العشوائية (RF)، لتعزيز دقة التصنيف وتفسير الخصائص الكيميائية للتبغ من مناطق متنوعة. تستخدم الدراسة طيف الأشعة تحت الحمراء القريبة جنبًا إلى جنب مع التحليل الكيميائي لـ 70 مكونًا من عينات من 13 منطقة، بهدف تقديم رؤى حول إمكانية التتبع والأصالة لمنتجات التبغ.
طرق
في هذه الدراسة، تم جمع ما مجموعه 1,717 عينة من أوراق التبغ المدخنة من تسع مقاطعات رئيسية منتجة للتبغ في الصين، بالإضافة إلى أربعة مصادر دولية (الولايات المتحدة، البرازيل، زيمبابوي، وزامبيا). تم اختيار العينات لتمثيل الأصناف الرئيسية لكل منطقة، مما يضمن مجموعة بيانات شاملة للتحليل. يتم تقديم معلومات مفصلة عن توزيع العينات وتصنيفها في الجدول 1.
لتصنيف أصل أوراق التبغ، تم استخدام ثلاثة خوارزميات تعلم آلي—آلة الدعم الشعاعي (SVM)، والشبكة العصبية ذات الانتشار العكسي (BPNN)، والغابة العشوائية (RF). تم استخدام تحسين سرب الجسيمات (PSO) لتحسين المعلمات الفائقة لهذه النماذج، مستفيدًا من قدراته الفعالة في البحث العالمي. تقوم خوارزمية PSO بتحديث مواقع وسرعات الجسيمات بشكل تكراري بناءً على تقييمات اللياقة، مع تعيين معلمات محددة لتحقيق توازن بين الاستكشاف والاستغلال خلال عملية التحسين. كانت الدقة المتوسطة من التحقق المتقاطع بخمسة أضعاف بمثابة دالة اللياقة لتحسين النماذج. من الجدير بالذكر أن أداء نموذج SVM تأثر بوظائف النواة المختلفة ومعلماتها، كما هو موضح في الجداول 3 و4.
نتائج
تكشف نتائج تحليل التباين الأحادي، المدعومة باختبار Tukey’s HSD، عن اختلافات كبيرة في التركيب الكيميائي لأوراق التبغ من خمس دول، باستثناء الجلايسين، والسيستين، وFru-Amb، وFru-Phe. من الجدير بالذكر أن التبغ البرازيلي أظهر أعلى محتوى إجمالي من القلويات (3.98%)، بينما كان أقل محتوى في التبغ الصيني (2.50%). بالإضافة إلى ذلك، كان محتوى السكر المخفض أعلى في الصين (20.96%) وأقل في الولايات المتحدة (11.69%)، وبلغ إجمالي محتوى النيتروجين ذروته في البرازيل (2.65%) وكان أقل في زيمبابوي (2.08%). تُعزى هذه التباينات إلى الخلفيات الجينية الفريدة والميول الأيضية للأصناف المزروعة في هذه المناطق.
أظهر تحليل إضافي لأوراق التبغ من تسع مناطق إنتاج رئيسية في الصين اختلافات كيميائية ذات دلالة كبيرة (p-value ≤ 0.001)، تأثرت بالظروف الجغرافية والمناخية الفريدة. على سبيل المثال، كانت هنان لديها أعلى محتوى إجمالي من القلويات (3.10%)، بينما كانت هيلونغجيانغ لديها أعلى محتوى من السكر المخفض (28.50%) ومحتوى السكر الإجمالي (33.23%). تؤكد النتائج على تأثير العوامل البيئية على كيمياء التبغ وتوفر أساسًا قويًا للدراسات المستقبلية حول تمييز الأصل والتصنيف بناءً على هذه الملفات الكيميائية. بشكل عام، تسلط الدراسة الضوء على التفاعل المعقد بين الظروف البيئية والخصائص الكيميائية لأوراق التبغ عبر مناطق مختلفة.
مناقشة
في هذه الدراسة، تم تطوير نموذج توقع التركيب الكيميائي باستخدام طيف الأشعة تحت الحمراء القريبة (NIR) وخوارزمية JIT-PLS لتحليل أوراق التبغ من أصول جغرافية متنوعة. نجح النموذج في توقع 70 مكونًا كيميائيًا، بما في ذلك الكاتيونات، والأنيونات، والبوليفينولات، والأحماض الأمينية، مع إظهار دقة عالية باستثناء بعض المكونات مثل الجلايسين والسيستين. تضمنت المنهجية إعداد عينات دقيقة والحصول على الطيف، مما يضمن جمع بيانات قوية تحت ظروف بيئية محكومة. كشفت التحليلات الإحصائية، بما في ذلك تحليل التباين الأحادي وتحليل التجميع الهرمي (HCA)، عن اختلافات كيميائية كبيرة بين عينات التبغ من 13 منطقة، مما يدعم موثوقية النموذج في عكس التباينات الكيميائية الحقيقية.
علاوة على ذلك، استخدمت الدراسة تقنيات تعلم الآلة، وتحديدًا آلة الدعم الشعاعي (SVM)، والشبكة العصبية ذات الانتشار العكسي (BPNN)، والغابة العشوائية (RF)، لبناء نماذج تمييز الأصل. حقق نموذج SVM مع وظيفة نواة هجينة أعلى دقة بلغت 97.96%، متفوقًا على النماذج الأخرى. تم تحديد العلامات الكيميائية الرئيسية التي تؤثر على تصنيف الأصل من خلال تحليل أهمية الميزات بالتبديل (PFI)، مما يبرز المركبات مثل Fru-Asn، وحمض السكسينيك، والروتين كعناصر حاسمة للتتبع الجغرافي. بشكل عام، تدمج هذه البحث طرق الكيمياء التحليلية المتقدمة وتعلم الآلة القابل للتفسير لتعزيز فهم الملفات الكيميائية للتبغ وتدعم مراقبة الجودة وتحديد الأصل في صناعة التبغ.
DOI: https://doi.org/10.3389/fchem.2026.1721371
PMID: https://pubmed.ncbi.nlm.nih.gov/41940011
Publication Date: 2026-03-20
Author(s): Ranran Kou et al.
Primary Topic: Spectroscopy and Chemometric Analyses
Overview
This research investigates the traceability of tobacco origins using near-infrared (NIR) spectroscopy and rapid chemical composition analysis. The study analyzed 70 chemical components from tobacco samples sourced from nine major regions in China and four other countries (the United States, Brazil, Zimbabwe, and Zambia). Statistical methods, including one-way analysis of variance (ANOVA) and hierarchical cluster analysis (HCA), were employed to assess regional chemical differences. The findings indicated significant variations (p ≤ 0.001) among the regions, with HCA revealing distinct regional patterns.
To classify the tobacco origins, the study developed discrimination models using support vector machines (SVM), backpropagation neural networks, and random forests. The SVM-hybrid kernel model demonstrated the highest performance, achieving a test accuracy of 97.96% and macro-average scores for recall, precision, and F1 of 0.9836, 0.9806, and 0.9821, respectively. The permutation feature importance (PFI) method identified the top 20 chemical components critical for origin discrimination, with the top ten being Fru-Asn, succinic acid, rutin, Fru-Val, sulfate, serine, phosphate, starch, potassium, and Fru-Gly. This study effectively integrates chemometrics and machine learning to enhance geographical traceability and chemical profiling of tobacco products.
Introduction
The introduction of the research paper highlights the significance of tobacco as a globally cultivated crop, emphasizing its economic and scientific value. It discusses the challenges posed by counterfeiting and illicit trade, which have led to the mislabeling of low-quality tobacco as premium products. To address these issues, the paper underscores the necessity for rapid and reliable methods to trace the geographic origin of tobacco, detailing two primary categories of traceability methods: instrumental signal-based and chemical composition-based approaches.
Instrumental methods, particularly near-infrared (NIR) spectroscopy, have gained traction due to their efficiency and non-destructive nature, with recent studies achieving high prediction accuracy for tobacco origin identification. Conversely, chemical composition methods, while informative, often involve complex procedures and limited sample coverage. The paper proposes the use of machine learning models, including support vector machines (SVM), backpropagation neural networks (BPNN), and random forests (RF), to enhance classification accuracy and interpret the chemical characteristics of tobacco from diverse regions. The study employs NIR spectroscopy alongside chemical analysis of 70 components from samples across 13 regions, aiming to provide insights into the traceability and authenticity of tobacco products.
Methods
In this study, a total of 1,717 flue-cured tobacco leaf samples were collected from nine major tobacco-producing provinces in China, as well as from four international sources (the United States, Brazil, Zimbabwe, and Zambia). The samples were selected to represent the mainstream cultivars of each region, ensuring a comprehensive dataset for analysis. Detailed sample distribution and classification information is provided in Table 1.
To classify the origin of the tobacco leaves, three machine learning algorithms—Support Vector Machine (SVM), Back Propagation Neural Network (BPNN), and Random Forest (RF)—were employed. Particle Swarm Optimization (PSO) was utilized to optimize the hyperparameters of these models, leveraging its effective global search capabilities. The PSO algorithm iteratively updates particle positions and velocities based on fitness evaluations, with specific parameters set to balance exploration and exploitation during the optimization process. The average accuracy from fivefold cross-validation served as the fitness function for optimizing the models. Notably, the SVM model’s performance was influenced by various kernel functions and their parameters, detailed in Tables 3 and 4.
Results
The results of the one-way ANOVA, complemented by Tukey’s HSD test, reveal significant differences in the chemical composition of tobacco leaves from five countries, with the exception of glycine, cystine, Fru-Amb, and Fru-Phe. Notably, Brazilian tobacco exhibited the highest total alkaloid content (3.98%), while Chinese tobacco had the lowest (2.50%). Additionally, reducing sugar content was highest in China (20.96%) and lowest in the United States (11.69%), and total nitrogen content peaked in Brazil (2.65%) and was lowest in Zimbabwe (2.08%). These variations are attributed to the distinct genetic backgrounds and metabolic tendencies of the tobacco cultivars cultivated in these regions.
Further analysis of tobacco leaves from nine major Chinese production regions indicated highly significant differences in chemical composition (p-value ≤ 0.001), influenced by unique geographical and climatic conditions. For instance, Hunan had the highest total alkaloid content (3.10%), while Heilongjiang had the highest reducing sugar (28.50%) and total sugar (33.23%) contents. The findings underscore the impact of ecological factors on tobacco chemistry and provide a robust basis for future studies on origin discrimination and classification based on these chemical profiles. Overall, the study highlights the complex interplay between environmental conditions and the chemical characteristics of tobacco leaves across different regions.
Discussion
In this study, a chemical composition prediction model utilizing Near-Infrared (NIR) spectroscopy and the JIT-PLS algorithm was developed to analyze tobacco leaves from various geographical origins. The model successfully predicted 70 chemical components, including cations, anions, polyphenols, and amino acids, demonstrating high accuracy except for a few components such as glycine and cystine. The methodology involved meticulous sample preparation and spectral acquisition, ensuring robust data collection under controlled environmental conditions. Statistical analyses, including one-way ANOVA and hierarchical cluster analysis (HCA), revealed significant chemical differences among tobacco samples from 13 regions, supporting the model’s reliability in reflecting true chemical variations.
The study further employed machine learning techniques, specifically Support Vector Machine (SVM), Back Propagation Neural Network (BPNN), and Random Forest (RF), to construct origin discrimination models. The SVM with a hybrid kernel function yielded the highest accuracy of 97.96%, outperforming the other models. Key chemical markers influencing origin classification were identified through Permutation Feature Importance (PFI) analysis, highlighting compounds such as Fru-Asn, succinic acid, and rutin as critical for geographical traceability. Overall, this research integrates advanced chemometric methods and interpretable machine learning to enhance the understanding of tobacco’s chemical profiles and supports quality control and origin identification in the tobacco industry.