【目的】开发一种基于气相色谱-质谱联用技术(gas chromatography-mass spectrometry, GC-MS)结合多元分辨与多元数据分析的综合方法,以实现对法庭科学中常见老化动植物油脂的快速、准确鉴别,特别是针对腐败降解后脂肪酸组成复杂、难以通过传统谱图比对区分的样品。【方法】首先,采用直观推导式演进投影法(heuristic evolving latent projection, HELP)对GC-MS采集的复杂重叠峰进行解析,分离并提取出动植物油脂中各化学组分的纯色谱图和纯质谱图。随后,运用层次聚类分析(hierarchical cluster analysis, HCA)和主成分分析(principal component analysis, PCA)两种无监督学习方法,对附着于5种不同载体上、经60℃老化36 d后的13种动植物油脂的GC-MS数据进行降维和聚类分析,以探索其种属间的差异。进一步地,采用正交偏最小二乘判别分析(orthogonal partial least squares-discriminant analysis, OPLS-DA)这一有监督学习方法,对油脂样品的地域来源及品牌进行快速鉴别。【结果】HCA和PCA分析结果显示,该方法能够有效区分出老化后动植物油脂的种属类别,但在进一步区分不同地区或品牌的油脂时存在局限性。而OPLS-DA模型则展现出更高的分类精度,成功实现了对不同地区或品牌老化动植物油脂的快速准确鉴别。【结论】通过GC-MS结合HELP多元分辨技术及HCA、PCA、OPLS-DA分析方法,为法庭科学中老化动植物油脂的鉴别提供了一种高效、准确的技术方案。该方法有效解决了油脂腐败降解复杂性问题,并实现了对不同地区或品牌油脂的快速准确鉴别。