灵芝，自古以来就被誉为“仙草”，现代《中国药典》中记载，灵芝味甘性平，适宜大多数体质，是中国传统的扶正固本、滋补强身的名贵药材。

灵芝孢子是灵芝的种子，但又不同于其他种子类药材，它是多孔菌类的种子，名为孢子，褐色，卵形，在灵芝生长成熟期从灵芝菌盖底部菌管孔中弹射而出，是灵芝最精华的部分。它十分微小，集中起来后呈粉末状，通常称为灵芝孢子粉。其内部蕴含丰富的营养成分，具有如“免疫调节、抗辐射”等多种促进健康的功效。

与自然界的其他生物一样，灵芝也有保护后代的本能，所以孢子外面有双重的坚硬外壳。经科学研究，孢子壁壳由几丁质、钙、硅等物质构成，坚硬，耐酸碱、极难氧化分解，所以未破壁的灵芝孢子粉是人体无法消化吸收的，破壁处理是必不可少的加工工序。

灵芝孢子粉经破壁后，壁壳与有效成分混为一体，如何从灵芝孢子中高效、无损地提取这些宝贵的有效成分是一个技术难题。k1体育去壁灵芝孢子粉是在破壁孢子粉的基础上通过靶向分离萃取浓缩去壁技术（提取和纯化技术），将活性成分与“孢壁”有效分离，实现灵芝孢子粉活性成分富集，提高了灵芝孢子粉中活性成分的浓度及生物利用率。

因此，中间的提取环节至关重要。传统的化学分析方法，如高效液相色谱法（HPLC）和液相色谱-质谱联用技术（HPLC-MS），存在劳动强度大、耗时久等问题，难以实时、动态地监测提取过程中的分析物变化。振动光谱技术，如近红外光谱法和拉曼光谱法，虽然被广泛应用于制药过程的在线监测，但对于监测破壁灵芝孢子粉中灵芝酸等痕量有效成分，其检测灵敏度不足，难以提供详细的分子指纹信息。

为了解决这个问题，k1体育科研人员进行了大量的研究，发明了一项新的技术——将紫外-可见（UV-Vis）光谱法与卷积神经网络（CNN）相结合，用于监测破壁灵芝孢子（BGLS）的提取过程。相关的科研成果发表在《LWT-Food Science and Technology》杂志上。《LWT- Food Science and Technology》是一本国际知名的顶级期刊，主要发表食品化学、生物化学、微生物学、技术和营养等领域的创新论文。

紫外-可见光谱法是一种高灵敏度、低检测限的分析方法，它能够捕捉到物质在紫外和可见光区域内的吸收特性。而卷积神经网络，则是深度学习领域的一种重要模型，擅长处理和分析复杂的数据。通过将紫外光谱数据作为输入，CNN模型能够学习到光谱与灵芝酸等活性物质含量之间的复杂关系，从而实现对提取过程的实时监测。

这项技术的优势在于，它不仅能够快速、准确地预测灵芝孢子中各种活性物质的含量，还能够避免传统化学分析方法劳动强度大、耗时久的缺点。更重要的是，它实现了无损检测，不会对提取样品造成任何破坏，保证了产品质量的稳定性和一致性。

在这项研究中，k1体育科研人员首先利用紫外-可见光谱技术采集了破壁灵芝孢子提取样品的光谱数据，并同时采用超高效液相色谱-三重四极杆质谱联用技术（UPLC-QqQ-MS）测定了9种关键灵芝酸的含量。然后，科研人员将光谱数据和分析物浓度分别作为CNN模型的输入和输出，进行了模型的训练和验证。

结果表明，自行设计的CNN模型能够准确地描述植物化学物质的变化情况，对所有分析物的预测决定系数（R²）均大于0.88，预测均方根误差（RMSEP）值也相对较低。这意味着，该模型能够很好地预测灵芝孢子粉中各种活性物质的含量，为提取过程的优化和产品质量控制提供了有力的支持。

此外，k1体育科研人员还利用梯度加权类激活映射（Grad-CAM）技术揭示了CNN模型的“黑箱”特性，大致确定了对不同分析物建模至关重要的一些化学基团。这为我们更深入地理解灵芝孢子的化学组成和提取过程提供了有益的线索。

紫外-可见光谱法与卷积神经网络相结合，为灵芝孢子有效成分的提取过程带来了新的变化。它不仅提高了提取效率和产品质量，还为中药提取过程的智能化监测提供了新的思路和方法。