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

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。其內部蘊含豐富的營養(yǎng)成分，具有如“免疫調節(jié)、抗輻射”等多種促進健康的功效。

與自然界的其他生物一樣，靈芝也有保護后代的本能，所以孢子外面有雙重的堅硬外殼。經科學研究，孢子壁殼由幾丁質、鈣、硅等物質構成，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難題。壽仙谷去壁靈芝孢子粉是在破壁孢子粉的基礎上通過靶向分離萃取濃縮去壁技術（提取和純化技術），將活性成分與“孢壁”有效分離，實現(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)至關重要。傳統(tǒng)的化學分析方法，如高效液相色譜法（HPLC）和液相色譜-質譜聯(lián)用技術（HPLC-MS），存在勞動強度大、耗時久等問題，難以實時、動態(tài)地監(jiān)測提取過程中的分析物變化。振動光譜技術，如近紅外光譜法和拉曼光譜法，雖然被廣泛應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，難以提供詳細的分子指紋信息。

為了解決這個問題，壽仙谷科研人員進行了大量的研究，發(fā)明了一項新的技術——將紫外-可見（UV-Vis）光譜法與卷積神經網絡（CNN）相結合，用于監(jiān)測破壁靈芝孢子（BGLS）的提取過程。相關的科研成果發(fā)表在《LWT-Food Science and Technology》雜志上。《LWT- 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、生物化學、微生物學、技術和營養(yǎng)等領域的創(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，它能夠捕捉到物質在紫外和可見光區(qū)域內的吸收特性。而卷積神經網絡，則是深度學習領域的一種重要模型，擅長處理和分析復雜的數據。通過將紫外光譜數據作為輸入，CNN模型能夠學習到光譜與靈芝酸等活性物質含量之間的復雜關系，從而實現(xiàn)對提取過程的實時監(jiān)測。

這項技術的優(yōu)勢在于，它不僅能夠快速、準確地預測靈芝孢子中各種活性物質的含量，還能夠避免傳統(tǒng)化學分析方法勞動強度大、耗時久的缺點。更重要的是，它實現(xiàn)了無損檢測，不會對提取樣品造成任何破壞，保證了產品質量的穩(wěn)定性和一致性。

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

結果表明，自行設計的CNN模型能夠準確地描述植物化學物質的變化情況，對所有分析物的預測決定系數（R²）均大于0.88，預測均方根誤差（RMSEP）值也相對較低。這意味著，該模型能夠很好地預測靈芝孢子粉中各種活性物質的含量，為提取過程的優(yōu)化和產品質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類激活映射（Grad-CAM）技術揭示了CNN模型的“黑箱”特性，大致確定了對不同分析物建模至關重要的一些化學基團。這為我們更深入地理解靈芝孢子的化學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網絡相結合，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品質量，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。