Fusion von spektroskopischen und spektrometrischen Daten mit maschinellen Lernverfahren

• Antragsteller: Professor Dr. Stephan Seifert
• Fachliche Zuordnung: Analytische Chemie
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 561375600

Es gibt verschiedene Techniken zur Erzeugung analytischer Fingerabdrücke, die zur Klassifizierung und Charakterisierung von biologischen Proben, z. B. hinsichtlich ihrer Herkunft oder biologischen Identität, verwendet werden können. Diese Techniken basieren häufig entweder auf Kernspinresonanz- (nuclear magnetic resonance, NMR) und Fourier-Transformations-Nahinfrarotspektroskopie (Fourier-transform near infrared, FT-NIR) oder Massenspektrometrie, z. B. Flüssigchromatographie mit Massenspektrometrie-Kopplung (liquid chromatography mass spectrometry, LC-MS) oder Massenspektrometrie mit induktiv gekoppeltem Plasma (inductively coupled plasma mass spectrometry, ICP-MS). Die Daten, die mit jeder dieser Methoden gewonnen werden, stellen jedoch nur einen kleinen Teil der komplexen Zusammensetzung der Proben dar, so dass auch die chemometrischen Modelle, die aus den jeweiligen Datensätzen erstellt werden, nur auf einem sehr begrenzten Teil der vorhandenen Unterschiede beruhen. Um robustere und leistungsfähigere Klassifikationsmodelle zu erstellen, werden wir verschiedene Datenfusionsansätze entwickeln und vergleichen, die komplementäre Informationen aus den verschiedenen Techniken kombinieren. Ein wesentlicher Bestandteil ist dabei die umfassende Charakterisierung der Klassenunterschiede durch die Anwendung von Multiblock-Methoden und neuartigen Verfahren des maschinellen Lernens. Letztere werden für die Selektion relevanter Variablen und für die Analyse ihres gemeinsamen Einflusses auf die Forschungsfrage innerhalb und zwischen den Datensätzen verschiedener Analyseverfahren verwendet. Als Modelldatensätze werden wir Datensätze mit spezifischen Eigenschaften simulieren und bereits vorliegende Datensätze verschiedener Lebensmittel verwenden. Daher wird dieses Projekt nicht nur entscheidende methodische Erkenntnisse über die Kombination verschiedener molekularer und elementarer Fingerabdrücke liefern, sondern auch einen wichtigen Schritt zur Verbesserung der Lebensmittelauthentifizierung für die Aufdeckung von Lebensmittelbetrug darstellen.

• DFG-Verfahren: Sachbeihilfen