文摘
Dendrobe (石斛兰spp)是一种传统的药用和食用食物,这是含有丰富的营养物质和生物活性代谢物。dendrobe的质量和价格是与其地理来源、相关和高品质dendrobe通常是低质量dendrobe模仿的市场。在这个工作中,近红外(NIR)光谱传感器结合卟啉和化学计量学用于区分360 dendrobe样本十二个不同的地理起源。偏最小二乘判别分析(PLSDA)被用来研究传统的近红外光谱和垓的传感性能(4-methoxyphenyl)卟啉(左右)近红外光谱的识别dendrobe来源。PLSDA模型中,识别率的训练和预测集TMPP-NIR可能达到100%,这是高于传统近红外光谱的91.85%和91.34%。和准确性、敏感性和特异性的TMPP-NIR传感器都是1.00。左右提高近红外光谱的特异性的机制应该是相关的π- - - - - -π共轭系统和甲氧基组左右与dendrobe的化学成分。这项研究反映了近红外光谱与左右传感器是一种有效的方法确定dendrobe的地理起源。
1。介绍
Dendrobe是通用名称的药用植物兰科的家庭,石斛兰属,主要包括d .高贵的采用。,d . candidum墙。d . fimbriatum钩,d . chrysotoxum采用。(1),被认为是在中国高端药用和食用草药(2,3]。Dendrobe首次被记录在“神农草本经典”(4),它也记录在“著名的医生,”“本草纲目”,“中医历史”和“中华人民共和国药典》2000多年(1,5]。这些古代文献记录约76种dendrobe和超过50种可以加工成有价值的食用药用材料,如茶、饮料,补充食物和中药6]。现代研究发现,它包含许多活性成分多糖、黄酮、生物碱,具有抗氧化、抗肿瘤、免疫调节、抗疲劳、治疗糖尿病和其他药理作用7,8]。dendrobe霍山,中国安徽省,尤其是有最好的质量和价格也远远高于dendrobe从浙江、云南、广西、广东和中国其他地方的9,10]。与此同时,由于巨大的市场需求和dendrobe混淆的品种和产地,商人经常使用低质量dendrobe高质量dendrobe寻求利润,如dendrobe云南和浙江冒充dendrobe安徽。因此,它是非常重要的物种和栖息地dendrobe迅速和准确。
到目前为止,已报告各种方法来区分dendrobe的物种和栖息地。最直接的方法来识别dendrobe根据其形状、颜色、质地、气味、和其他特征通过观察、触摸、闻、品尝(11,12]。该方法简单、快速、直观,但它太依赖个人经验。微观识别也可以用来区分dendrobe物种不同的微观特征但相似的外观12]。这种方法的缺点是,它是更复杂的处理样品,它只能识别品种和明显的微观结构上的差异。为了准确区分dendrobe, DNA分子标记技术是用来识别dendrobe不明显的微观特性(13,14]。近年来,随着色谱技术的发展,它也被应用于识别dendrobe [15,16),如高效液相色谱法(HPLC)和HPLC-mass光谱(HPLC-MS),它可以提供大量的化学成分信息的识别dendrobe起源(17- - - - - -21]。DNA分子标记和色谱法有再现性的优点,分离效率高,灵敏度高,但他们有很高的技术要求,昂贵的成本分析,分析时间长。此外,紫外光谱和红外光谱法通常用来识别dendrobe从不同的起源,为了降低检测成本,提高检测速度(22,23),但这些光谱方法的特异性差。其中,近红外(NIR)光谱法是一种常用的分析方法来研究定性或定量信息的内部分子结构的物质。这是一个成熟的食品和药物分析方法由于其用量少的优点,是快速、无损,灵敏度高(24- - - - - -26]。它被用来区分d .高贵的采用。从云南和浙江两省27),不同种类的dendrobe从7产地28]。然而,近红外光谱的准确性还不够,所以有必要增加了近红外光谱的识别的准确性。
克服传统方法的主观错误和解决问题的长时间,昂贵的成本,和高技术要求的DNA分子标记和色谱法、近红外光谱结合卟啉的传感方法,提出了化学计量学在这工作。结合使用光谱和最优化分析显示巨大的成功在一些研究中,如确定真实性,品种,和地理起源(29日- - - - - -31日]。近红外光谱技术和化学计量学的结合可以仔细检查和解释所有的复杂的信息生成一个光谱,如聚类分析(CA)、主成分分析(PCA)和偏最小二乘判别分析(PLSDA) [32- - - - - -35]。此外,近红外和化学计量学信息多样性的结合解决问题的质量信息提取和干扰信号消除,它提供了有利支持精确建模和dendrobe的识别。
在这项研究中,传统的近红外光谱和porphyrin-NIR传感器的潜力的地理起源跟踪dendrobe被化学计量学测试和讨论。结果表明,卟啉可以提高近红外光谱在栖息地的特异性识别dendrobe,这意味着这项工作提供了一个新想法的地理起源跟踪的近红外光谱。
2。材料和方法
2.1。材料和设备
共360批次的新鲜dendrobe收集来自12个不同的地理起源在中国,包括dendrobe的三个品种。这些品种d . huoshanense,d .高贵的采用。,d . officinale。(拉)- 4-methoxyphenyl卟啉(左右)从Sigma-Aldrich购买贸易有限公司有限公司(上海,中国)。甲醇(分析纯试剂)从国药控股购买化学试剂有限公司(上海,中国)。近红外光谱的传统dendrobe TMPP-dendrobe混合物收集使用Antaris II傅里叶变换近红外光谱仪(美国的那些时光公司热Nicolet)配备一个InGaAs探测器,使用fw - 100高速万能粉碎机(天津试验仪器有限公司,天津,中国)镇压dendrobe药材和使用DZ-1BC∥真空干燥箱(天津试验仪器有限公司,天津,中国),真空干燥的样品。
2.2。收集和处理Dendrobe样本
为了确定dendrobe的地理起源,我们邀请专业人员收集它从当地dendrobe种植者和所有样本收集从2019年10月至12月。具体的信息收集的dendrobe如图1。新鲜dendrobe与超纯水清洗,切小段,然后干60°C,直到水分满足需求,最后,密封和存储为后续实验。
2.3。光谱采集
干dendrobe样本由不锈钢细磨成粉和筛选标准检查筛大小为75μm光圈,然后在60°C真空下干燥24小时,然后存储在干燥器中。dendrobe样本和左右粉末样品充分混合的质量比3:1,和甲醇溶液material-to-liquid比10:1添加,ultrasonicated 30分钟,过滤;然后混合冻干。干混合样本受到相同的方法如上所述干燥和储存。收集的NIR光谱dendrobe和TMPP-dendrobe混合物使用Antaris II傅里叶变换近红外光谱仪配备InGaAs探测器。收集条件扫描和频谱范围是4000∼10000厘米−1;决议是8厘米−1;相对湿度(45±1)%;和温度(25±1)°C。从每个产地Dendrobe测量和收集720样品光谱。
2.4。数据处理的化学计量学
收集到的光谱数据使用MATLAB 7.10.0 (R2010a)(美国马Mathworks,纳蒂克)软件和最优化算法(偏最小二乘判别分析,PLS-DA)的过程。PLS-DA判别分析是一种多元统计分析方法;潜变量(lv)、精度、灵敏度和特异性是用来评估模型的可靠性。lv选择通过10倍交叉验证来优化这个模型来获取最好的结果。模型的精度、精度和灵敏度计算如下: TP是真阳性;TN代表真阴性;FN代表假阴性;分别和FP代表假阳性。
3所示。结果与讨论
3.1。近红外光谱Dendrobe的传感器
的平均吸收光谱dendrobe有或没有左右图所示2。吸收高峰值的范围4000 - 10000厘米−1是通过近红外光谱得到的复合光谱吸收峰dendrobe中不同类型的化合物,如类黄酮、多糖、dendrobine,氨基酸(36,37]。一般来说,dendrobe的化学成分直接影响它的光谱特性。dendrobe的化学成分的差异从不同的起源和种类也会显示化学成分的差异,这样可以判断质量光谱特性的差异。从图可以看出2,传统的光谱图重叠分成5部分,和光谱重叠严重,难以想象,而左右的光谱图是更分散和促进可视化。结果显示,左右可以提高近红外光谱的特征光谱的形状和强度变化,这可能与dendrobe之间的交互和卟啉。
(一)
(b)
3.2。从不同的栖息地PLSDA Dendrobe样品的分析
为了分类dendrobe来自不同地理来源,判别模型建立了监督偏最小二乘分析,判别分析的dendrobe来自12个地理起源。PLSDA类特征矩阵是由不同的类的类虚拟向量与虚拟编码向量。的训练和预测集PLSDA被随机划分如表所示1。结果(图3没有左右)的近红外光谱显示19个样本139th到157年thf08样本训练样本被误判f07样本,73年和11个样本理查德·道金斯83年理查德·道金斯预测样本也错误地分配给组f07 f08。传统的近红外光谱分析的准确性在地理起源歧视只能实现91.85%和91.34%的训练和预测集,分别为(表2)。这种方法造成的误分类dendrobe样本f08从武夷县浙江省dendrobe样本从金华市f07,浙江省,这可能是由于同源性及其类似的增长环境。然而,近红外光谱与左右能够成功识别12种dendrobe从不同的地理起源,都可以达到100%的识别率(图4和表2)。此外,通过比较整体精度,灵敏度,和特异性的传统的NIR光谱和近红外光谱与左右,传统的光谱分别为0.96,0.94,和0.90,分别;和相应的光谱值左右分别为1.00,1.00,和1.00,分别(表2)。
(一)
(b)
(一)
(b)
改进的歧视的NIR光谱传感器性能左右可以归因于左右的优秀的光敏性和其特定的交互dendrobe的化合物。卟啉及其衍生物具有广泛的光学吸收特性和良好的光敏性。在其结构α碳原子的四个吡咯单元相互连接的次甲基桥(= CH -)组成π- - - - - -π共轭体系,当卟啉及其衍生物的结构发生变化时,它的光学特性变化。dendrobe的化学成分复杂,含有多糖、黄酮、生物碱、氨基酸等化合物。卟啉与dendrobe混合后,复杂的化学成分可以与卟啉交互,大大影响了卟啉的光学特性。和获得特征信息在近红外光谱扫描,提高了该模型的准确性。和PLSDA结果(表2)显示,发达NIR-based左右传感器是准确和可靠的。所以,建议NIR-based左右传感器的地理起源跟踪的首选dendrobe获得更好的精度。
4所示。结论
在这项研究中,360个样本的dendrobe 12种不同的地理起源是准确地跟踪使用近红外光谱传感器结合卟啉和最优化。与传统的NIR光谱相比,近红外光谱与左右可以获得更多的特征信息,从而大大提高了模式识别的准确性。添加左右之后,近红外光谱的准确率达到100%。可能的机制是,π- - - - - -π共轭系统和甲氧基组左右与dendrobe的化学成分,提高近红外光谱的特异性。这项研究显示,近红外光谱和左右的结合是一种有效的方法来识别dendrobe的地理起源。我们将进行一个深入研究左右之间的反应机理和dendrobe的化合物。
数据可用性
使用的数据来支持本研究可从相应的作者。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项研究受到了中国国家重点研发项目(没有。2018 yff0214202),中国国家自然科学基金(81603241和81603241号),和中国中医科学院重点领域(zz10 - 027)。