科研产出
UV-Vis结合HPLC FP对不同采收期傣药灯台叶的鉴别及品质研究
《光谱学与光谱分析 》 2016 EI SCI 北大核心 CSCD
摘要：建立不同采收期灯台叶紫外-可见光谱指纹图谱及HPLC指纹图谱,结合主成分分析、聚类分析对不同采收期灯台叶进行快速鉴别和品质评价,确定最佳采收期,推动傣药现代化发展进程。通过单因素实验确定灯台叶紫外-可见光谱的最佳提取条件,采集12个月份灯台叶紫外光谱数据,平行3次,扣除背景8点平滑后倒入SIMCA-P+11.5进行主成分分析,以前三个主成分三维得分图快速鉴别不同采收期。Agilent ZORBAX Eclipse XDB C18(250×4.6mm,5μm)色谱柱,以乙腈(B)-0.1%甲酸水(A)为流动相,梯度洗脱(0~5min,5%B;5~35min,5%B→26%B;35~40min,26%B→56%B),流速1mL·min~(-1),进样量7μL,柱温30℃,检测波长287nm。不同采收期灯台叶紫外-可见光谱根据吸收峰位置及变化的幅度可以将光谱分为三段,第一段为235~400nm,第二段为400~500nm,第三段为500~800nm。第一段中吸收峰数目最多,主要集中在270,287和325nm,吸光度及其变化幅度最大,体现出不同月份光谱图的指纹特征。第二段吸收峰较少主要分布在410nm和464nm附近,吸光度及其变化较第一段减小。第三段图谱在665nm处均有一个较大吸收峰,吸光度无明显差异。将UV-Vis光谱数据进行主成分分析,不同月份样品在主成分得分图中离散分布,同一月份样品相对集中,可以将不同月份样品鉴别开。HPLC指纹图谱结合聚类分析可将不同采收期样品分为Ⅲ类,第Ⅰ类为3,4,5和7月份,第Ⅱ类为6,8和9月份,第Ⅲ类为10,11,12,1及2月。结合共有峰面积可以看出同一类样品化学成分含量相近,不同类之间差异较明显,第Ⅲ类样品化学成分含量最高。UV-Vis FP,HPLC FP结合主成分分析和聚类分析能快速鉴别不同采收期灯台叶并对其进行品质评价。灯台叶最佳采收期为10月至次年2月,即傣历中的冷季。
关键词： 紫外-可见光谱 HPLC指纹图谱 傣药 灯台叶 采收期 鉴别 质量评价
全文链接
请求原文
不同年份和产地美味牛肝菌的红外光谱鉴别研究
《光谱学与光谱分析 》 2016 EI SCI 北大核心 CSCD
摘要：采用傅里叶变换红外光谱技术结合多元统计分析建立快速鉴别不同年份、不同产地美味牛肝菌的方法。采集2011年一2014年云南26个不同地区152个美味牛肝菌样品的红外光谱,使用正交信号校正(orthogonal signal correction,OSC)、微波压缩(wavelet compression)方法对原始光谱进行优化处理,OSCW校正前后的光谱数据进行偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA),比较光谱预处理前后PLS-DA的分类效果。将152个美味牛肝菌随机分为训练集(120个)和验证集(32个),建立OS--CW校正前后的PLS分类预测模型。结果显示,经OSCW处理后的PLS-DA分类效果明显优于处理前的结果,主成分得分图能准确区分不同年份、不同产地美味牛肝菌样品,表明OSCW处理能有效滤除光谱中的噪音及与因变量无关的干扰信息,提高光谱分析的准确性和计算速率。OSCW处理前PLS模型训练集的R~2和RMSEE分别为0.790 1和21.246 5,验证集的R~2和RMSEP分别为0.922 5和14.429 2;OSCW预处理后训练集的R~2和RMSEE分别为0.852 3和17.238 1,验证集的R~2和RMSEP分别为0.845 4和20.87,表明OSCW预处理提高了训练集的预测效果,但OSCW-PLS出现了过拟合现象降低验证集的预测能力,因此,OSCW不适宜与PLS结合建立模型。OSCW结合PLS-DA能滤除光谱中大量的干扰信息,准确区分不同年份、不同产地美味牛肝菌样品,为野生食用菌的鉴别分类提供可靠依据。
关键词： 红外光谱 正交信号校正-微波压缩 偏最小二乘判别分析 美味牛肝菌 鉴别
全文链接
请求原文
近红外光谱信息筛选在玛咖产地鉴别中的应用
《光谱学与光谱分析 》 2016 EI SCI 北大核心 CSCD
摘要：食药植物玛咖富含多种营养成分,极具药用价值。采用近红外漫反射光谱,对采自秘鲁及云南共139份玛咖样品进行产地鉴别。采用多元信号校正结合二阶导数和Norris平滑预处理光谱,利用光谱标准偏差初步选择光谱波段(7 500~4 061cm~(-1)),结合主成分-马氏距离(principal component analysis-mahalanobis distance,PCA-MD)筛选出适宜的主成分数为5。基于所筛选的光谱波段及主成分数,利用"模群迭代奇异样本诊断"方法剔除2个异常样品后,分别采用竞争自适应重加权法(competitive adaptive reweighted sampling,CARS)、蒙特卡洛-无信息变量消除法(monte carlo-uninformative variable elimination,MC-UVE)、遗传算法(genetic algorithm,GA)和子窗口重排(subwindow permutation analysis,SPA)四种方法筛选光谱变量信息,利用模型集群分析(model population analysis,MPA)思想对所筛选的光谱变量信息进行评价。结果显示,RMSECV(SPA)>RMSECV(CARS)>RMSECV(MC-UVE)>RMSECV(GA),分别为2.14,2.05,2.02,1.98,光谱变量数分别为250,240,250和70。采用偏最小二乘判别分析法(partial least squares discriminant analysis,PLS-DA)对四种方法筛选的光谱变量建立判别模型,随机选择97份样品作为建模集,其余40份样品作为验证集。通过R2,RMSEC和RMSEP分析可知,R2:GA>MC-UVE>CARS>SPA,RMSEC和RMSEP:GA
关键词： 玛咖 近红外光谱 鉴别 光谱信息筛选 模型集群分析
全文链接
请求原文
红外光谱结合判别分析对三七道地性及产地的鉴别研究
《光谱学与光谱分析 》 2015 EI SCI 北大核心 CSCD
摘要：利用傅里叶变换红外光谱结合判别分析对三七的道地性及产地进行鉴别研究。测试了11个县13个种植点的136株三七主根样品的红外光谱,利用Omnic8.0软件计算了每个样品红外光谱的二阶导数光谱。分别采用1 800~700cm-1光谱范围的红外光谱数据和二阶导数光谱数据,运用逐步判别分析法建立模型对三七的道地性进行判别研究,二阶导数光谱数据建立的模型对三七道地性的识别效果更好,回判正确率为100%,预测正确率为93.4%。采用交叉验证法检验了模型的稳定性,并对此方法进行了外推性验证。用二阶导数光谱数据结合相同的判别方法对三七的产地进行识别,比较了不同光谱范围和不同训练样本数建立的模型判别效果,每个种植点选择8个样本作为训练样本,采用1 500~1 200cm-1光谱范围的数据建立的模型判别效果较好,回判正确率为99.0%,预测正确率为76.5%。结果表明,红外光谱结合判别分析对三七道地性的识别效果好,有望成为实际中鉴别三七道地性的新方法;对三七产地的识别有一定的效果,可作为三七产地鉴别的一种新思路。
全文链接
请求原文
不同产地绒柄牛肝菌紫外指纹图谱鉴别分析
《食品工业科技 》 2015 北大核心 CSCD
摘要：应用紫外光谱技术建立了云南9个不同地区绒柄牛肝菌的紫外指纹图谱,采用欧氏距离和主成分分析法对230~450nm的紫外光谱数据进行分析。结果显示该方法的精密度、重现性及10h内稳定性的RSD分别在0~2.87%、0.03%~0.63%、0.04%~1.73%之间;不同产地样品间的欧氏距离值在0.26~6.52之间,样品间的欧氏距离明显;主成分分析的前三个主成分累积贡献率达到86.848%,能够表达样品主要信息,前两个主成分的二维投影图能够较好地区分不同产地绒柄牛肝菌样品。紫外光谱结合欧氏距离、主成分分析法能够快速鉴别不同产地绒柄牛肝菌。
全文链接
请求原文
红外光谱结合多元统计分析快速鉴别不同种类牛肝菌
《食品科学 》 2015 北大核心 CSCD
摘要：采用傅里叶变换红外光谱结合多元统计分析方法快速鉴别不同种类食用牛肝菌。采集10个不同种类93个牛肝菌子实体的红外光谱,分析食用牛肝菌的红外光谱特征;用多元散射校正(multiplicative signal correction,MSC)、标准正态变量(standard normal variate,SNV)、二阶导数(second derivative,SD)、Norris平滑(ND)、正交信号校正(orthogonal signal correction,OSC)、小波压缩等方法对光谱进行优化处理;经优化处理的光谱数据分别建立马氏距离分类模型及偏最小二乘判别分析(partial least squares discriminant analysis,PLSDA)。结果显示,牛肝菌在3 325、2 934、2 927、1 637、1 547、1 402、1 375、1 259、1 453、1 081、1 029 cm-1等附近有多个吸收峰,主要归属为蛋白质、多糖、氨基酸等的特征吸收峰。MSC+SD+ND(15∶5)和SNV+SD+ND(15∶5)两种预处理方式前10个主成分累积贡献率分别为95.58%、95.54%,基于两种预处理方法建立马氏距离分类模型,验证集预测准确率分别为90%和95%。PLS-DA结果显示经MSC+SD+ND(15∶5)和SNV+SD+ND(15∶5)预处理不易于区分牛肝菌种类;原始光谱经正交信号校正及小波压缩(orthogonal signal correction wavelet compression,OSCW)、优化处理并进行PLS-DA分析,能够很好地区分不同种类牛肝菌。马氏距离分类模型不仅能反映样品的分类情况,同时计算出与测试样品相似度最大的物种,可为食用菌种类鉴别和未知物种鉴定提供可靠依据;OSCW预处理后进行PLS-DA分析能有效鉴别不同种类牛肝菌,为野生食用菌的鉴别分类提供一种辅助方法。
关键词： 红外光谱 牛肝菌 鉴别 马氏距离 偏最小二乘判别分析
全文链接
请求原文
红外光谱结合光谱检索对石斛品种的鉴别研究
《光谱学与光谱分析 》 2014 EI SCI 北大核心 CSCD
摘要：用傅里叶变换红外光谱技术结合光谱检索的方法对石斛茎进行品种鉴别研究。测试了23个品种,165株石斛茎样品的红外光谱,光谱显示,各样品的红外光谱非常相似,石斛茎中的主要成分是纤维素等多糖物质。利用光谱软件Omnic8.0建立了三个光谱数据库Lib01、Lib02和Lib03,Lib01由每个品种前4株样品的平均光谱组成,Lib02由平均光谱的一阶导数光谱组成,Lib03由平均光谱的二阶导数光谱组成。各样品光谱分别与Lib01进行指定在1 800~500cm-1光谱范围的相关性、平方差和平方微分差检索,相关性检索的正确率达到92.7%,平方差检索的正确率达到74.5%,平方微分差检索的正确率达到92.7%。各样品光谱的一阶导数光谱和二阶导数光谱分别与Lib02和Lib03进行指定在1 800~500cm-1光谱范围的平方微分差检索,一阶导数光谱的检索正确率达到93.9%,二阶导数光谱的检索正确率达到90.3%。结果表明,平方微分差算法的一阶导数红外光谱检索更适合于石斛的品种鉴别。红外光谱结合光谱检索的方法能较好的鉴别不同品种的石斛,有望成为简便、易行的植物品种鉴别方法。
全文链接
请求原文
食用牛肝菌不同部位紫外指纹图谱鉴别分析
《菌物学报 》 2014 北大核心 CSCD
摘要：采用紫外光谱技术结合主成分分析法,建立快速鉴别牛肝菌的不同部位及不同种类、产地的方法。通过单因素实验确定提取牛肝菌特征成分的最佳条件,制备测试液并进行紫外光谱测定。结果表明,牛肝菌样品的重现性、精密度和10h内稳定性的RSD(%)分别在0.09–1.81、0.11–1.92、0.06–2.33之间;牛肝菌不同部位紫外指纹图谱具有明显的指纹特性;主成分分析(PCA)表明菌盖和菌柄前3个主成分累积贡献率分别为94.797%和92.961%,能够反映样品的主要信息;SIMCA软件分析显示牛肝菌菌盖和菌柄化学成分积累不同。根据牛肝菌不同部位紫外光谱信息和主成分分析能区分同一牛肝菌的不同部位,鉴别不同种类、不同产地的食用牛肝菌。
全文链接
请求原文
紫外光谱结合欧氏距离和主成分分析法快速鉴别牛肝菌
《食品科学 》 2014 北大核心 CSCD
摘要：采用紫外光谱技术建立快速鉴别不同产地、种类食用牛肝菌的方法。通过确定最佳提取试剂(0.5 mol/L NaOH溶液),最适称样量(0.1000 g)和最佳提取时间(40 min),制备牛肝菌样品测试液;采用夹角余弦、欧氏距离和主成分分析法对牛肝菌样品的指纹图谱进行相似度比较。结果表明,牛肝菌样品NaOH提取液在10 h内稳定性相对标准偏差(relative standard deviation,RSD)在0.06%~2.33%之间,重复性RSD在0.09%~1.81%之间,精密度RSD在0.11%~1.92%之间。样品间的夹角余弦值最大为0.999、最小为0.823,夹角余弦值相差较小,不适于鉴别牛肝菌。欧氏距离最大值为873.17,最小值为31.36,样品间距离差异明显;主成分分析的前3个主成分累积贡献率达到93.626%,能够反映样品的主要信息,说明欧氏距离和主成分分析法可用于不同产地、种类牛肝菌的快速鉴别和质量控制。
关键词： 紫外光谱 牛肝菌 夹角余弦 欧氏距离 主成分分析 鉴别
全文链接
请求原文
