基于电感耦合等离子体质谱法分析36种元素的西红花产地鉴别.pdf

Food and Fermentation Science&Food and Fermentation Science&TechnologyTechnology收稿日期：2023-01-26基金项目：江苏省自然科学基金（BK20190238）；南通市科技局项目（JC2021072）作者简介：管彬彬（1989-），女，高级工程师。研究方向：食品、药品安全检验研究。*通信作者：李克庆（1966-），女，主任药师。研究方向：药品安全检验研究。引用格式：管彬彬，熊金恩，李克庆，等.基于电感耦合等离子体质谱法分析36种元素的西红花产地鉴别 J.食品与发酵科技，2023，59（5）：119-124.基于电感耦合等离子体质谱法分析36种元素的西红花产地鉴别管彬彬，熊金恩，李克庆*，肖蓓（南通市食品药品监督检验中心，江苏南通 226006）摘要：本研究建立了一种通过电感耦合等离子体质谱同时检测不同产地西红花样本中36种元素含量的方法，各元素的线性均大于0.999，精密度良好，回收率为92.1%103.0%。数据集由伊朗和我国上海、江苏、浙江、西藏四个地区的93个西红花样本组成，各产地均检出西红花样本中32种元素，其中平均含量从高到低主要为Mn、Cu、Rb、Sr、Co、Ba、Cr、V，利用方差分析、主成分分析、线性判别分析（LDA）对数据进行统计分析。结果表明：西红花样本中有31种元素含量在5个产地间存在显著差异，当主成分数为9时，LDA模型的训练集和预测集的识别率最佳，分别为100%和90.32%。研究证明，基于西红花元素含量构建的判别模型可以有效鉴别不同产地的西红花，为西红花的质量控制和产地溯源提供科学依据。关键词：西红花；产地；电感耦合等离子体质谱；元素；线性判别分析中图分类号：TS207.3文献标识码：A文章编号：1674-506X（2023）05-0119-0006Identification of Saffron Origin Based on Inductively Coupled PlasmaMass Spectrometry Analysis of 36 ElementsGUAN Binbin，XIONG Jinen，LI Keqing*，XIAO Bei（Nantong Food and Drug Supervision and Inspection Center，Nantong JiangSu 226006，China）Abstract：In this study，a method for simultaneous determination of 36 elements in saffron samples fromdifferent origin by inductively coupled plasma mass spectrometry was established.The linearity of each elementwas greater than 0.999，the precision was good，and the recovery was range from 92.1%to 103.0%.The dataset consists of 93 saffron samples from Iran and four places in China：Shanghai，Jiangsu，Zhejiang and Tibet.32 elements were detected in saffron samples from all producing areas，of which the average contents weremainly Mn，Cu，Rb，Sr，Co，Ba，Cr and V from high to low.The data were statistically analyzed usinganalysis of variance（ANOVA），principal component analysis and linear discriminant analysis（LDA）.Theresults showed that there were significant differences in the content of 31 kinds of elements in the saffronsamples among the five producing areas.When the principal component fraction was 9，the recognition rates ofthe training set and prediction set of LDA model were the best，which were 100%and 90.32%respectively.The research proved that the discrimination model based on the element content of saffron could effectivelyidentify the saffron from different producing areas，which could provide a scientific basis for the quality controland origin traceability of saffron.Keywords：saffron；origin；inductively coupled plasma mass spectrometry；elements；linear discriminant analysisdoi：10.3969/j.issn.1674-506X.2023.05-021管彬彬等：基于电感耦合等离子体质谱法分析36种元素的西红花产地鉴别2023年第5期西红花（Crocus sativus L.）是鸢尾科植物番红花的干燥柱头，作为珍贵的药食同源品种，既是天然的香辛料和调味品，又是名贵的中药材。研究表明至少需要采集10万株西红花，才能获得1kg西红花柱头1，其产量极低，因此价格昂贵。西红花由于其独特的色泽和芳香特性，在食品行业主要用作香料或食品染料；药理作用研究表明，西红花具有抗肿瘤、降血糖、调血脂及抗氧化等作用，较好的食用药用价值和极低的产量导致西红花成为最为名贵的植物之一2-5。目前伊朗是世界上最大的西红花生产国和出口国。自明朝时期传入我国，西红花目前在浙江、江苏、上海、西藏等地均有种植，且已形成了较大的产业规模。研究发现，西红花的生长与土壤、水质、气候、海拔等自然环境息息相关，不同产地西红花的品质和价格存在较大差异5。由于近年西红花市场需求量大，效益颇丰，致使冒充产地现象严重，其产品的地理真实性得不到确证，导致原产地难以得到保护。我国幅员辽阔、地理环境复杂，使得西红花的生长有一定地域性。正是由于产地的特异性，反映土壤类型和环境生长条件的矿物成分是食品溯源的有力工具，它们在确定地理来源、质量控制和食品可追溯性方面起着关键作用，同时也影响人类健康。目前，已经开发多种化学元素分析方法，例如基于光谱法的技术（包括原子发射光谱法、原子吸收光谱法、电感耦合等离子体发射光谱法和电感耦合等离子体质谱法等）6-7。在本文中我们将采用不同地区西红花产品的ICP-MS数据进行建模，以评估不同产地西红花样本中多种矿物元素及金属元素含量，从而实现西红花产地鉴别。1材料与方法1.1材料与试剂西红花样本分别购自于上海（SH）、江苏（JS）、浙江（ZJ）、伊朗（YL）、西藏（XZ）5个地区，共31批，每批样品取3份，共93份样品，其中伊朗15份，上海21份，江苏21份，浙江27份，西藏9份。锂（Li）、铍（Be）、钪（Sc）、钒（V）、铬（Cr）、锰（Mn）、钴（Co）、镍（Ni）、铜（Cu）、砷（As）、铷（Rb）、锶（Sr）、银（Ag）、镉（Cd）、铟（In）、铯（Cs）、钡（Ba）、铊（Tl）、铅（Pb）、铋（Bi）、钍（Th）、镧（La）、铈（Ce）、镨（Pr）、钕（Nd）、镝（Dy）、铒（Er）、铕（Eu）、钆（Gd）、钬（Ho）、镥（Lu）、钐（Sm）、铽（Tb）、铥（Tm）、钇（Y）、镱（Yb）混合标准储备液，美国Inorganic Ventures公司（批号 R2-MEB694161，含量为 10 g/mL）；调谐液（1g/L）、内标液（100g/mL），美国安捷伦公司；硝酸（色谱纯），成都市科隆化学品有限公司；过氧化氢，国药集团化学试剂有限公司。1.2仪器与设备Agilent 7800电感耦合等离子体质谱仪（ICP-MS），美国安捷伦公司；Multiwave 5000 微波消解仪、聚四氟乙烯消解罐，奥地利安东帕有限公司；Milli-Q Academic 超纯水机，德国默克有限公司；BHW-09A45赶酸仪，上海博通化学科技有限公司；Sartorius CPA225D电子分析天平，德国赛多利斯有限公司；TGL-16M离心机，上海卢湘仪离心机仪器有限公司。1.3方法1.3.1标准系列溶液的制备精密移取混合标准储备液1.00 mL置于10 mL容量瓶中，用3%硝酸稀释并定容至刻度，摇匀，配成浓度为1 000 ng/mL的混合标准使用液。分别精密移取混合标准使用液0.00、0.05、0.25、0.50、2.50、5.00mL于50mL容量瓶中，用3%硝酸稀释至刻度，摇匀，配制成浓度分别为0.00、1.00、5.00、10.0、50.0、100 ng/mL的混合标准系列溶液。采用20 ng/mL的铑（Rh）作为内标。1.3.2仪器操作条件射频功率：1550W；等离子气体：15.0L/min；辅助气体：1.0 L/min；雾化气：1.0 L/min；雾化室温度：2；蠕动泵：0.1rps；He模式。1.3.3样品处理称取0.5 g样品（精确到0.000 1 g），置于泡过酸的聚四氟乙烯消解罐内，加入5mL硝酸，静置过夜，使其充分作用。依次加入过氧化氢2.0mL，将消解罐晃动几次，使样品充分浸没。不加盖直接置于电加热板中90 加热30 min进行预消解，取下，待冷却后拧上消解罐盖，放进微波消解仪中，微波消解程序见表1。消解完毕后将罐取出冷却，待冷却后用超纯水冲洗消解罐罐盖于消解罐中，置于电加热板中100 赶酸至1 mL左右，转移并冲洗至15 mL塑料离心管，定容至10 mL，离心后取上清液待测。同时做空白试验。2结果与分析2.1方法的线性及最低检出浓度在“1.3.2”仪器条件下，引入在线内标溶液，以各元素标准溶液浓度为横坐标，各元素与相应内标120第59卷（总第237期）管彬彬等：基于电感耦合等离子体质谱法分析36种元素的西红花产地鉴别计数值的比值为纵坐标，绘制标准曲线，检出限由仪器自动计算，根据样品稀释倍数及理论称样量折算出方法最低检出浓度，方法的线性及最低检出浓度结果见表2。从表中可以看出测定元素的响应值在1100ng/mL的范围内线性关系良好，相关系数均大于0.999。2.2方法的重复性取西红花样品，按“1.3.3”项中方法平行制备供试品溶液6份，在“1.3.2”项下进行重复性分析，各元素相对标准偏差见表3，结果显示除Sc外，各元素的相对标准偏差（RSD）均小于5%，表明该试验条件方法的重复性良好。2.3方法的回收率在1号样品中加入50 ng/mL标准溶液，进行方法的加标回收率试验，结果见表4。样品加标回收率在92.1%103.0%之间，符合微量元素测定要求。2.4样品含量测定将ICP-MS测得的93份样本中的元素CPS（检测器上每秒撞击到的样品中离子数/检测器上每秒撞击到的内标中离子数）值代入标准曲线，得到样本中各元素的含量，不同产地西红花样本的元素含量分析结果见表5。结果表明，西红花中含有丰富的无机元素，其中In、Lu、Tb三种元素在5个产地的西红花样本中均未检出，仅浙江萧山的样本中检测出Bi元素，可能是这一产地存在Bi矿石或Bi游离金属，导致种植的西红花样本检出Bi元素。从表5中可以看出，各产地西红花样本中均测出的元素按平均含量从高到低主要为Mn、Cu、Rb、Sr、Co、Ba、Cr、V；Pb、Cd、Cu的含量均低于中国药典通则中重金属及有害元素限值标准（Pb5 mg/kg；Cd1 mg/kg；Cu20mg/kg）。Mn作为人体必需微量元素之一，参与体内多种酶的合成与激活，对加快蛋白质和维生素合成、催化造血机能等维持人体生命活动发挥了重要作用8，各产地的西红花中Mn含量均比较丰富，其中伊朗和我国西藏产西红花中Mn含量显著高于江浙沪产的西红花含量。Rb对中枢神经系统表1消解时温度时间程序Tab.1Time and temperature procedure ofmicrowave digestion温度/150180升温时间/min1010保持时间/min1020表2各元素的线性回归方程及相关系数Tab.2Linear regression equations and correlationcoefficients of each element元素LiBeScVCrMnNiCoCuAsRbSrYAgCdInCsBaLaCePrNdSmEuGdTbDyHoErTmYbLuTlPbBiTh回归方程y5.99010-3x1.01410-4y1.68010-3x3.46410-9y1.25310-3x7.89910-4y1.73310-2x8.83710-5y1.61910-2x7.28410-4y2.54910-3x1.64810-5y1.20910-2x4.96910-6y3.34510-3x1.88010-4y9.76910-3x7.61510-4y7.35610-4x3.23410-6y2.25910-3x9.77710-5y3.09510-3x2.50010-4y8.08010-3x1.70910-6y1.74710-2x2.37810-4y1.93010-3x9.63910-7y1.14310-2x7.95310-3y7.87810-3x1.07610-5y1.65010-3x6.48510-5y2.42610-2x1.90710-5y3.02910-2x5.53710-5y2.81010-2x5.83110-6y5.12210-3x8.02210-7y8.38210-3x8.59110-7y8.38210-3x8.59110-7y8.64810-3x8.42010-7y4.54110-2x2.84610-2y1.07510-2x2.47510-6y4.57210-2x8.38410-7y1.55510-2x3.34810-6y5.12510-2x2.46510-6y1.15410-2x8.19510-7y2.79910-2x1.56510-2y3.28810-2x9.94810-6y2.35510-2x6.58310-4y3.29010-2x2.36410-2y4.14310-2x3.72410-5R20.99981.00000.99971.00000.99980.99971.00000.99970.99970.99960.99940.99960.99990.99970.99940.99990.99950.99960.99960.99950.99950.99960.99940.99941.00000.99961.00000.99931.00000.99971.00000.99900.99970.99960.99790.9991最低检出浓度/（mg/kg）0.00050.00010.02860.00020.00060.00080.00010.00140.00040.00030.00010.00150.00010.00010.00030.03600.00010.00230.00010.00010.00010.00020.00010.00010.00010.03460.00010.00010.00010.00010.00010.03110.00010.00040.04020.0001表3各元素相对标准偏差Tab.3The relative standard deviation of each element元素LiCrCuYBaNdDyYbRSD/%2.441.811.171.821.851.702.112.27元素BeMnAsAgLaSmHoTlRSD/%2.191.852.511.601.903.062.301.98元素ScNiRbCdCeEuErPbRSD/%28.751.954.972.082.761.951.901.80元素VCoSrCsPrGdTmThRSD/%1.391.332.650.961.442.241.762.281212023年第5期表4各元素的加标回收率Tab.4Spike recovery of each element元素LiCrCuYCs回收率/%96.295.995.498.8102.8元素BeMnAsAgBa回收率/%100.297.193.794.696.5元素ScNiRbCdLa回收率/%96.192.1102.497.799.0元素VCoSrInCe回收率/%102.695.8101.7100.599.5元素PrGdErTl回收率/%103.093.999.3102.5元素NdTbTmPb回收率/%94.5101.3102.8101.4元素SmDyYbBi回收率/%98.098.298.5100.6元素EuHoLuTh回收率/%102.8103.0101.0101.9表5不同产地西红花样本的元素含量分析Tab.5Elemental content analysis of saffron samples from different origins元素LiBeScVCrMnNiCoCuAsRbSrYAgCdCsBaLaCePrNdSmEuGdDyHoErTmYbTlPbBiTh含量/（mg/kg）伊朗0.11730.0105a0.00380.0007a0.12270.0175a0.31320.0468a0.76830.1035a12.22200.4151a0.08700.0091a1.09930.2058b3.79820.0927c0.06670.0141a1.39770.0551d3.46690.1839b0.04530.0059a0.00460.0016b0.01050.0017d0.01420.0004ab1.17600.3496a0.06040.0083a0.11820.0163a0.01500.0020a0.05690.0076a0.01150.0015a0.00270.0002a0.01090.0014a0.00770.0010a0.00140.0002a0.00380.0006a0.00050.0001a0.00290.0005a0.00080.0001a0.10390.0472b-0.01540.0033a上海0.07770.0111c0.00380.0007a0.11030.0182ab0.14810.0164c0.42950.0637c8.63830.3572b0.04190.0084b2.32970.1172a4.09730.2225b0.03710.0108c5.57990.2526a0.95130.0733c0.03610.0036b0.00750.0056a0.24260.0119a0.01210.0035b1.00590.1030b0.06030.0123a0.11720.0274a0.01440.0033a0.05370.0127a0.01030.0023b0.00200.0003b0.00920.0014b0.00630.0006b0.00120.0001b0.00320.0003b0.00040.0000b0.00250.0003b0.00070.0001b0.13000.0269ab-0.01620.0021a江苏0.03440.0043d0.00090.0001c0.11040.0154ab0.05240.0135d0.30580.0826d5.35830.1946d0.03750.0053b0.23440.0133d4.36720.1399a0.01700.0013d2.43920.0748c0.29960.0462c0.01210.0046d0.00350.0036bc0.04640.0014b0.01120.0072b0.23860.0355d0.02060.0073c0.03950.0138c0.00470.0016c0.01690.0059d0.00340.0012e0.00070.0002d0.00310.0008e0.00210.0006e0.00040.0001e0.00110.0005e0.00010.0001d0.00080.0006e0.00020.0000d0.11110.0732b-0.00470.0015c浙江0.07970.0150c0.00270.0002b0.12300.0193a0.14800.0634c0.41170.2102c7.36612.4649c0.04940.0274b0.48260.4905c4.13720.2244b0.03590.0101c3.26530.9277b1.56671.2524c0.02730.0043c0.00400.0014bc0.01640.0037c0.01630.0050a0.76110.0942c0.03840.0068b0.07550.0142b0.00930.0018b0.03490.0068c0.00690.0015d0.00150.0003c0.00650.0012d0.00470.0008d0.00090.0001d0.00240.0004d0.00030.0000c0.00180.0003d0.00060.0000c0.17290.1003a0.17210.49620.01120.0024b西藏0.10710.0068b0.00300.0003b0.10380.0111b0.22870.0086b0.65740.1659b11.75970.4966a0.07930.0128a0.96350.2265b3.74680.2069c0.04930.0015b1.56230.1553d7.17395.5605a0.03360.0005b0.00200.0004c0.01090.0010d0.01260.0011b0.96150.0233b0.04360.0026b0.08590.0051b0.01060.0005b0.04060.0015b0.00840.0003c0.00190.0001b0.00800.0002c0.00570.0001c0.00110.0000c0.00290.0001c0.00040.0000b0.00220.0001c0.00070.0001b0.18010.0879a-0.01230.0024b122第59卷（总第237期）管彬彬等：基于电感耦合等离子体质谱法分析36种元素的西红花产地鉴别的结构和功能可能具有重要作用，与牙齿的生长发育有关9；检测结果表明上海产的西红花中Rb含量显著高于其他产地。Sr作为维持机体生命活动的必需微量元素之一，促进骨骼吸收、预防骨质疏松，在精液的形成及非酒精性脂肪肝的预防方面有着积极作用10；检测结果表明西藏产西红花中Sr含量远高于其他产地，这可能是由于雅拉香布雪山等融化的水源经地下岩层长期吸附、循环、渗透，水质富含锶等多种微量元素11。Co是人体必需的微量元素，但过量的Co可诱致心肌病12-13，检测结果表明各产地的西红花中Co含量均属于安全限值范围，小于4 mg/kg，其中上海产的西红花相比于其余产地含量偏高。此外，尽管伊朗和我国上海、江苏、浙江、西藏四个地区产西红花中 Sm、Gd、Dy、Ho、Er元素含量较低，但是五个产地中的含量均存在显著差异。2.5模式识别图1a是不同产地西红花样本中的主成分得分图。从图中可以直接将上海和江苏的样本与其他样本区分开，浙江的大部分样本聚类较好，但仍有少部分样本与我国西藏及伊朗的样本接近。根据西红花的样本来源，通过线性判别分析（Lineardiscriminant analysis，LDA）对西红花样本进行分类。LDA模型是通过寻找一种线性变换，将组间距离与组内距离的比值最大化，以获得最大的类别区分14-15。图1b是以不同产地的西红花样本元素的主成分得分向量作为LDA模型的输入，进行LDA分析的结果，结果表明当主成分因子数为9时，西红花产地鉴别的训练集和预测集的识别率均为最高，分别为 100%和 90.32%。对伊朗和我国上海、江苏、浙江、西藏四个地区的西红花样本中的32个变量进行分层聚类，利用热图可视化，呈现不同产地元素的分类情况，如图1c所示。按照分类距离不同，第一层将所有的样本的产地分为两类，一类是江苏所有西红花样本和浙江的21个样本，另一类是我国上海、伊朗的全部样本和浙江的6个样本，从热图可以看出，江苏的西红花样本中Be、Tl、Mn等元素含量显著低于其余产地西红花样本中的含量，上图1不同产地西红花样本的主成分得分图（a）；LDA模型识别率（b）；聚类热图（c）Fig.1（a）principal component score map of saffron samples from different origins；（b）LDA model recognition rate；（c）cluster heat map100100010020050050100PC214.37%PC185.60%4PC30.02%2024a伊朗上海江苏浙江西藏三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三三一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一三三三三三三三三三三三三训练集一一一一一一一一一一一一预测集0.00.10.20.3识别率/%0.40.50.60.70.80.91.0123456789 10 11 12 13 14 15主成分数bc420421232023年第5期海的西红花样本中的Co、Rb、Cd元素含量显著高于其余产地西红花样本中的含量，因此，在第二层分类中，江苏和上海的西红花样本能完全从其余三个产地中区分出来，其余产地的大部分样品也能较好聚类。3结论本研究采用ICP-MS法对伊朗和我国上海、江苏、浙江、西藏5个产地93份不同西红花样本中36种元素进行测定分析。该方法回归方程线性相关性好、检出限低、精密度高、回收率好、通量大。检出含量平均值高于0.5 mg/kg的元素有Mn、Cu、Rb、Sr、Co和Ba；各产地由于地域土壤环境及种植方式等因素影响，导致各元素间的含量存在差异，其中尽管Sm、Gd、Dy、Ho、Er元素含量较低，但是各个产地的含量均存在显著性差异；此外各产区样本有各自产地的特征，上海产的Rb和Cd元素含量明显高于其他产地，伊朗产的V元素含量明显高于其他产地，西藏产的平均Sr元素含量高于其他产地；LDA模型结果表明当主成分因子数为9时，产地鉴别模型有 100%的训练集样本被正确识别，预测集有90.32%的样本被正确识别。因此，通过ICP-MS测定不同产地西红花中元素含量从而对西红花产地鉴别是有效可行的，为西红花的质量控制和产地溯源提供基础，但要使模型更加准确可靠，还需收集更多产地、数量的西红花样本作为提高模型鲁棒性及普适性的前提，以建立更为准确实用的西红花道地药材鉴别模型。参考文献1 SRRANO-DAZ J，SNCHEZ A M，MARTNEZ-TOMM，etal.FlavonoiddeterminationinthequalitycontroloffloralbioresiduesfromCrocussativusL.J.JournalofAgriculturalandFoodChemistry，2014，62（14）：3125-3133.2COLAPIETRO A，MANCINI A，VITALE F，et al.Crocetinextractedfromsaffronshowsantitumoreffectsinmodelsofhumanglioblastoma J.International Journal of Molecular Sciences，2020，21（2）：423.3 COLAPIETRO A，MANCINI A，DALESSANDRO AM，et al.Crocetin and crocin from saffron in cancerchemotherapy and chemopreventionJ.Anti-CancerAgents in Medicinal Chemistry，2019，19（1）：38-47.4 TAHMASBI F，ARAJ-KHODAEI M，MAHMOODPOORA，et al.Effects of saffron（Crocus sativus L.）onanthropometric and cardiometabolic indices in overweightand obese patients：A systematic review and meta-analysis of randomized controlled trials J.PhytotherapyResearch，2022，36（9）：3394-3414.5 ASBAGHI O，SOLTANI S，NOROUZI N，et al.Theeffect of saffron supplementation on blood glucose andlipid profile：A systematic review and meta-analysisofrandomizedcontrolledtrials J.ComplementaryTherapies in Medicine，2019，47：102158.6 DRIVELOS A S，GEORGIOU A C.Multi-elementand multi-isotope-ratio analysis to determine thegeographical origin of foods in the European UnionJ.TrAC Trends in Analytical Chemistry，2012，40：38-51.7 GONZALVEZ A，ARMENTA S，DE LA GUARDIAM.Trace-element composition and stable-isotope ratiofor discrimination of foods with protected designationof originJ.TrAC Trends in Analytical Chemistry，2009，28（11）：1295-1311.8 黄维钱.海南特色中药及药对中微量元素猛（Mn）的形态分析及生物利用性评估 D.海口：海南大学，2012.9 余煜棉，申华，赵叔松.植物性中药中铷的原子吸收光谱法测定 J.广东工学院学报，1989（3）：69-77.10 BAKHIT A，KAWASHIMA N，HASHIMOTO K，etal.Strontiumranelatepromotesodonto-/osteogenicdifferentiation/mineralizationofdentalpapillaecellsinvitroandmineralizedtissueformationofthedental pulp in vivo J.Scientific Reports，2018，8（1）：9224.11杨继勇，张养东，郑楠，等.锶元素的生物学功能及其在人体内的代谢研究进展 J.中国食物与营养，2022，28（9）：50-56.12官检发，许鲁宁，夏丽珍，等.甘草中钴的测定及限量标准讨论 J.海峡