靈芝，自古以來就被譽(yù)為“仙草”，現(xiàn)代《中國藥典》中記載，靈芝味甘性平，適宜大多數(shù)體質(zhì)，是中國傳統(tǒng)的扶正固本、滋補(bǔ)強(qiáng)身的名貴藥材。

靈芝孢子是靈芝的種子，但又不同于其他種子類藥材，它是多孔菌類的種子，名為孢子，褐色，卵形，在靈芝生長成熟期從靈芝菌蓋底部菌管孔中彈射而出，是靈芝最精華的部分。它十分微小，集中起來后呈粉末狀，通常稱為靈芝孢子粉。其內(nèi)部蘊(yùn)含豐富的營養(yǎng)成分，具有如“免疫調(diào)節(jié)、抗輻射”等多種促進(jìn)健康的功效。

與自然界的其他生物一樣，靈芝也有保護(hù)后代的本能，所以孢子外面有雙重的堅硬外殼。經(jīng)科學(xué)研究，孢子壁殼由幾丁質(zhì)、鈣、硅等物質(zhì)構(gòu)成，堅硬，耐酸堿、極難氧化分解，所以未破壁的靈芝孢子粉是人體無法消化吸收的，破壁處理是必不可少的加工工序。

靈芝孢子粉經(jīng)破壁后，壁殼與有效成分混為一體，如何從靈芝孢子中高效、無損地提取這些寶貴的有效成分是一個技術(shù)難題。壽仙谷去壁靈芝孢子粉是在破壁孢子粉的基礎(chǔ)上通過靶向分離萃取濃縮去壁技術(shù)（提取和純化技術(shù)），將活性成分與“孢壁”有效分離，實(shí)現(xiàn)靈芝孢子粉活性成分富集，提高了靈芝孢子粉中活性成分的濃度及生物利用率。

因此，中間的提取環(huán)節(jié)至關(guān)重要。傳統(tǒng)的化學(xué)分析方法，如高效液相色譜法（HPLC）和液相色譜-質(zhì)譜聯(lián)用技術(shù)（HPLC-MS），存在勞動強(qiáng)度大、耗時久等問題，難以實(shí)時、動態(tài)地監(jiān)測提取過程中的分析物變化。振動光譜技術(shù)，如近紅外光譜法和拉曼光譜法，雖然被廣泛應(yīng)用于制藥過程的在線監(jiān)測，但對于監(jiān)測破壁靈芝孢子粉中靈芝酸等痕量有效成分，其檢測靈敏度不足，難以提供詳細(xì)的分子指紋信息。

為了解決這個問題，壽仙谷科研人員進(jìn)行了大量的研究，發(fā)明了一項(xiàng)新的技術(shù)——將紫外-可見（UV-Vis）光譜法與卷積神經(jīng)網(wǎng)絡(luò)（CNN）相結(jié)合，用于監(jiān)測破壁靈芝孢子（BGLS）的提取過程。相關(guān)的科研成果發(fā)表在《LWT-Food Science and Technology》雜志上?！禠WT- Food Science and Technology》是一本國際知名的頂級期刊，主要發(fā)表食品化學(xué)、生物化學(xué)、微生物學(xué)、技術(shù)和營養(yǎng)等領(lǐng)域的創(chuàng)新論文。

紫外-可見光譜法是一種高靈敏度、低檢測限的分析方法，它能夠捕捉到物質(zhì)在紫外和可見光區(qū)域內(nèi)的吸收特性。而卷積神經(jīng)網(wǎng)絡(luò)，則是深度學(xué)習(xí)領(lǐng)域的一種重要模型，擅長處理和分析復(fù)雜的數(shù)據(jù)。通過將紫外光譜數(shù)據(jù)作為輸入，CNN模型能夠?qū)W習(xí)到光譜與靈芝酸等活性物質(zhì)含量之間的復(fù)雜關(guān)系，從而實(shí)現(xiàn)對提取過程的實(shí)時監(jiān)測。

這項(xiàng)技術(shù)的優(yōu)勢在于，它不僅能夠快速、準(zhǔn)確地預(yù)測靈芝孢子中各種活性物質(zhì)的含量，還能夠避免傳統(tǒng)化學(xué)分析方法勞動強(qiáng)度大、耗時久的缺點(diǎn)。更重要的是，它實(shí)現(xiàn)了無損檢測，不會對提取樣品造成任何破壞，保證了產(chǎn)品質(zhì)量的穩(wěn)定性和一致性。

在這項(xiàng)研究中，壽仙谷科研人員首先利用紫外-可見光譜技術(shù)采集了破壁靈芝孢子提取樣品的光譜數(shù)據(jù)，并同時采用超高效液相色譜-三重四極桿質(zhì)譜聯(lián)用技術(shù)（UPLC-QqQ-MS）測定了9種關(guān)鍵靈芝酸的含量。然后，科研人員將光譜數(shù)據(jù)和分析物濃度分別作為CNN模型的輸入和輸出，進(jìn)行了模型的訓(xùn)練和驗(yàn)證。

結(jié)果表明，自行設(shè)計的CNN模型能夠準(zhǔn)確地描述植物化學(xué)物質(zhì)的變化情況，對所有分析物的預(yù)測決定系數(shù)（R²）均大于0.88，預(yù)測均方根誤差（RMSEP）值也相對較低。這意味著，該模型能夠很好地預(yù)測靈芝孢子粉中各種活性物質(zhì)的含量，為提取過程的優(yōu)化和產(chǎn)品質(zhì)量控制提供了有力的支持。

此外，壽仙谷科研人員還利用梯度加權(quán)類激活映射（Grad-CAM）技術(shù)揭示了CNN模型的“黑箱”特性，大致確定了對不同分析物建模至關(guān)重要的一些化學(xué)基團(tuán)。這為我們更深入地理解靈芝孢子的化學(xué)組成和提取過程提供了有益的線索。

紫外-可見光譜法與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合，為靈芝孢子有效成分的提取過程帶來了新的變化。它不僅提高了提取效率和產(chǎn)品質(zhì)量，還為中藥提取過程的智能化監(jiān)測提供了新的思路和方法。