양고기의 출처 추적은 소비자에게 오랫동안 우려되어 온 문제입니다. 비표적 대사체학이 육류 출처 추적에 널리 적용되고 있음에도 불구하고 바이오마커의 신속하고 정확한 식별을 달성하는 데 여전히 어려움이 남아 있습니다. 본 연구는 비표적 대사체학을 활용하여 지리적 표시 양고기 5개 품종을 분석하였으며, 총 4139개의 대사물질 프로파일 데이터를 얻었습니다. 랜덤 포레스트 재귀 특징 제거를 사용하여 처음에 29개의 잠재적인 바이오마커를 식별하였으며, 이들은 품종 고유 및 생산 환경 관련 변화를 보여주었습니다. 추가 평가를 통해 정제된 14개의 대사 바이오마커 패널이 양고기 출처 추적에 최적의 정확도와 견고성을 나타냈습니다. Naive Bayes 알고리즘과 결합했을 때, 이러한 바이오마커는 평가된 모든 머신 러닝 방법 중에서 가장 높은 분류 정확도를 나타냈습니다. 랜덤 포레스트 재귀 특징 제거는 이전의 분석 방법들에 비해 고차원 대사체학 데이터셋을 처리하는 실용적인 접근법을 제공합니다. 이러한 발견은 또한 머신 러닝 기반 바이오마커 패널 개발에 대한 귀중한 통찰을 제공하여, 양고기의 품종 특정 출처 추적을 크게 향상시킵니다.
Liu et al. (Tue,)은 이 문제를 연구했습니다.