分析方法在化学杂志》上

在这一页上

文摘介绍材料和方法结果结论数据可用性的利益冲突作者的贡献确认补充材料引用版权相关文章

研究文章|开放获取

体积2021年| 文章的ID8875876| https://doi.org/10.1155/2021/8875876

快速地理来源识别和质量评估Angelicae Sinensis基数FT-NIR光谱学

振宇张,¹ Ying-jun王,¹ 回族严 ,¹ Xiang-wei常 ,² Gui-sheng周,¹ Lei朱,¹ 裴刘,¹ 盛郭,¹ 蒂娜·t·x董,³ 和Jin-ao段 ¹

学术编辑器: Ilari Filponnen

收到了 2020年9月26日

修改后的 2020年12月16日

接受 2020年12月30日

发表 2021年1月12

文摘

Angelicae Sinensis基数是一种广泛使用的中药和香料在中国。本研究的目的是开发一个地理Angelicae Sinensis基数的分类方法,确定阿魏酸的含量和Z-ligustilide样品使用近红外光谱。定性模型建立了识别的地理起源Angelicae Sinensis基数使用傅里叶变换近红外光谱(FT-NIR)。支持向量机(SVM)算法用于定性模型的建立。最优支持向量机模型识别率为100%,校准设置为83.72%,预测集。此外,建立了一个定量模型来预测阿魏酸的含量,并使用FT-NIR Z-ligustilide。偏最小二乘回归(PLSR)算法用于一个定量模型的建立。协同interval-PLS (Si-PLS)被用来屏幕特征光谱区间获得最好的PLSR模型。确定系数的校准(R2C)最好的PLSR模型建立与最优光谱预处理方法和选择重要的光谱区域定量测定阿魏酸和Z-ligustilide 0.9659和0.9611,分别在预测”原则(简称R2P)确定系数为0.9118和0.9206,分别。的值预测偏差的比值(RPD)两个最终优化PLSR模型都是大于2。结果表明,近红外光谱结合支持向量机和歧视的PLSR算法可以利用Angelicae Sinensis基数从不同的地理位置,质量保证和监控。 This study might serve as a reference for quality evaluation of agricultural, pharmaceutical, and food products.

1。介绍

当归(摘要)。一昼夜的是多年生植物,广泛分布在中国,韩国,日本。的干燥根答:中国(摘要)。一昼夜的(Angelicae Sinensis基数(ASR) Danggui中国有着悠久的历史在中国使用。不仅被用来作为香料或治疗性食物(煮熟的肉类和作为汤),但也补充和振兴中医药(TCM)血液,缓解疼痛,滋润肠道(1]。例如,ASR通常与羊肉煮熟Danggui Shengjiang Yangrou唐。这道菜是第一个记录金Gui姚明卢写的张仲景(2]。ASR是目前食品/膳食补充剂在北美和欧洲,其标准化的通用名称而当归(3]。最近,药理研究表明,ASR有多种生物活性,包括抗心律失常和anti-atherosclerotic,以及预防心肌梗死事件,和保护心脏4- - - - - -7]。此外,ASR主要以其突出的治疗各种妇科疾病的影响通常是难以治疗与常规治疗;因此,它也被称为“女人参”(8]。

现代研究表明,农产品的地理起源有直接影响农产品的质量和安全9,10]。可靠的信息关于地理来源被认为是最关键的因素,消费者在购买农产品(11]。因此,地理起源的追溯食品是一种新兴的农业部门和关键问题。ASR主要分布在甘肃、青海、云南等省份在中国。它的质量在不同的地理起源是不同的。例如,ASR Minxian县,甘肃省,中国,有最好的质量和临床疗效为“daodi草”,根据传统的经验(12]。在国际和国内市场。”mingui”以更高的价格出售比其他的ASR地理起源。目前,“mingui“正面临着一个类似于其他高端食品掺假问题由于其日益增长的需求13]。诡诈的活动,如销售ASR从其他地理起源与低质量和价格mingui,是由不诚实的商人来增加他们的利润。因此,控制和安全的质量danggui,以及跟踪其地理起源,ASR的分析几乎已经成为不可或缺的和强制性的。

很难区分食品和药材不同的地理起源用肉眼。迄今为止,各种方法已被应用于食品的可追溯性,包括近红外光谱(NIR),同位素比值质谱(irm)、电感耦合等离子体质谱法(icp)、高效液相色谱法(HPLC),液相色谱加上串联质谱(质/ MS),以及其他分析方法(14- - - - - -17]。傅里叶变换近红外光谱学(FT-NIR),一种新的质量控制技术,已被越来越多地引入为快,经常应用方法在定性和定量分析的植物原料,因为它提供简单的样品制备和快速的同时分析多个分析物在大量的样本,以及地理起源分类(18,19]。目前,近红外(NIR)光谱技术被广泛用于跟踪的地理起源海鲜、酒、中医等。20.- - - - - -22]。它表明优秀的潜力在农业、食品、制药、环境、和许多其他领域。

阿魏酸和Z-ligustilide被广泛视为ASR的主要活性成分与不同的药理作用,包括抗血栓形成的作用,抗抑郁效果,anti-atherosclerosis,神经保护,抗癌,抗炎,血管扩张的影响23- - - - - -27]。阿魏酸和Z-ligustilide也常用指数成分评价ASR的质量(28]。虽然传统检测方法如色谱足够敏感,他们通常耗时和劳动密集型和需要昂贵的设备,涉及复杂的有机溶剂萃取。因此,一种快速、廉价、环境友好的和全面的方法定量检测的内容需要阿魏酸和Z-ligustilide ASR ASR的质量进行评估。

目前,有报道称在近红外光谱的应用识别和预测ASR的内容。李等人。29日)建立了一个定性的ASR模型随机森林(RF)识别ASR的地理起源和构造的定量模型乙醇提取和阿魏酸的ASR使用遗传算法优化结合多元线性回归(GA-MLR)方法。然而,定量模型由李和他的同事们是不可靠的,需要改善。除此之外,他们没有构建Z-ligustilide的定量模型。Z-ligustilide有广泛的药理性质,包括抗癌,抗炎,抗氧化剂,神经活动,等等。30.]。Z-ligustilide也是中药质量控制的主要指标化合物含有ASR和ASR的精油12]。除了射频和GA-MLR,许多其他多元统计技术可以补充近红外光谱分析。例如,一个支持向量机(SVM)是一种常用的算法构建定性模型。这对SVM是一个有用的工具来分析数据不定期分发或未知分布(31日]。支持向量机也是一个有用的分类技术在一些训练数据是可用的(32]。关于茶和地理起源可追溯性研究田七表明,支持向量机分类器比其他分类器(33,34]。一项由徐et al。35]表明近红外光谱结合SVM模型有一个很好的影响中医的起源的识别。偏最小二乘回归(PLSR)是一个经典的和广泛使用的线性建模光谱数据的方法。研究表明,PLS-derived模型的预测精度往往高于多元回归——(先生)派生模型(36,37]。我们之前的研究发现,PLSR模型有很好的预测和推断能力19,38]。

因此,本研究旨在探索FT-NIR光谱学技术的可行性与SVM的地理起源ASR的歧视。此外,阿魏酸的能力确定内容和Z-ligustilide ASR使用近红外光谱学加上PLSR校准也被调查。八预处理方法相比,选择有利的一个,然后协同interval-PLS (Si-PLS)被用来屏幕特征光谱区间获得最好的PLSR模型。本研究可以作为参考,以快速地理起源、识别、和ASR的质量控制。

2。材料和方法

2.1。样品和试剂

九十九批次的ASR从正式的中国药材市场或购买药材种植合作社青海,中国的云南和甘肃。20批ASR来自青海,25来自云南,和54个来自甘肃。他们的植物起源验证当归(摘要)。一昼夜的回族教授燕。凭证标本存放标本的江苏中国药用资源产业化的协同创新中心。干样本粉均匀粉末(50网)的高效液相色谱法和近红外光谱分析。

阿魏酸和Z-ligustilide(标准分别批20180302 - 29和20180302号;纯度> 98%)都是由美国国立食品和药物控制(中国,北京)和南京金壹生物技术有限公司(南京,中国),分别。甲醇和乙腈是高效液相色谱级和从默克公司购买(达姆施塔特,德国)。水净化用超纯水设备。所有其他的溶剂和试剂均为分析纯,除非另有注明。

2.2。近红外光谱的采集

FT-NIR用漫反射光谱采集模块使用一个Antaris™II FT-NIR分光光度计(热费希尔科学有限公司,中国)配备一个旋转样品杯纺纱机,延长InGaAs探测器,卤钨灯作为光源。结果软件(Antaris™II系统,热费希尔科学有限公司,中国)是用于FT-NIR数据采集。光谱数据记录的平均32扫描光谱范围的10000 - 4000厘米⁻¹的光谱分辨率和光谱采集8厘米⁻¹,在室温下以空气吸光度为参考标准(25°C)。提高光谱数据收集的准确性,每个样本的光谱记录一式三份,平均频谱用于后续分析。

2.3。高效液相色谱法测定的参考价值

约0.2克的样品粉末是称重和与20毫升70%甲醇提取50毫升玻璃塞锥形烧瓶。混合物都是精确称重,然后由一个加热回流提取装置30分钟。混合解决方案是冷却后,又重了,体重是由70%的甲醇。在13000 r / min离心后10分钟,上层清液被储存在4°C 0.22样板和过滤µ米纤维素膜过滤器在高效液相色谱分析。阿魏酸的标准物质和Z-ligustilide精确称重和乙腈加入准备标准储备溶液浓度的1.3543和2.2011毫克/毫升,分别。一定数量的标准股票的解决方案是混合与乙腈稀释在适当的浓度,提供一系列的解决方案,用于构造校正曲线。使用前,使用0.22的混合标准溶液过滤µ米纤维素膜过滤器前分析和储存在4°C。

分析方法的验证是由评估线性精度、重复性、稳定性和恢复。混合标准溶液被稀释的一系列解决方案,至少有六个适当浓度重复校准曲线,然后构造一个线性回归绘制峰面积与相应的每个分析物的浓度。精度评估通过分析混合标准溶液六次。评估重复性,6个样品的解决方案是从同一批次的ASR独立准备样品和并行分析。评价样品稳定性、样品溶液提到的是储存在25°C,分别确定在不同时期(0、2、4、8、12、24 h)。所有这些变化都表示为相对标准偏差(RSD)。复苏是由已知数量的阿魏酸和Z-ligustilide飙升高(150%),中等(100%)和低(50%)水平一定数量的ASR样本分析的重复性测试。飙升样本提取,处理,和基于先前的量化描述方法。一式三份实验在每个级别。

高效液相色谱分析进行水域联盟E2695高效液相色谱系统(美国水域,米尔福德,MA)配备了水域2998 PDA探测器。每个样本分离水对称C18柱(4.6毫米×250毫米,5μ米列温度在30°C。流动相系统组成的乙腈(A)和0.5%醋酸水溶液(B)应用的梯度洗脱0-25分钟5 - 45%,45 - 55%在25 - 35分钟,55%在35 - 45分钟,在45 - 55分钟55 - 95%,95%则高达55 - min。检测波长为320 nm。注射体积是10μL和流量被设定为1.0毫升/分钟。

2.4。光谱处理

九十九批次的ASR样本三个不同的地理起源被随机分为校正集和预测集的2:1比例使用尽算法。六十六年样本用于校准设置开发模型和剩余的33个样本组成的预测集测试建立模型的性能。原始的NIR光谱含有大量样品的化学信息;然而,背景信息和系统的噪声不相关的测试样本的属性存在同时由于光散射的影响,路径长度不同,样品颗粒大小,和其他因素39,40]。因此,有必要使用光谱预处理方法去除无关的变量,并不代表实际的目标化学成分。首先,原始FT-NIR平均光谱,光谱预处理使用OMNIC软件标准化的纵向坐标。然后,八个光谱预处理方法,即乘法散射校正(MSC),标准正态变量变换(SNV),一阶导数(Savitzky-Golay算法平滑的11分,1 d),二阶导数(Savitzky-Golay算法平滑的11分,2 d), MSC + 1 d, MSC + 2 d, SNV + 1 d和SNV + 2 d,比较优化FT-NIR数据。MSC可以有效地消除物理效应,如颗粒大小和表面火焰,不携带任何化学或物理信息。这个方法可以纠正的基线差异和趋势的优点是转换后的光谱类似于原始光谱(41]。SNV也是一种预处理方法,可以消除乘性干扰的散射和粒度,一般用于固体漫反射系数和泥浆透射光谱(42]。近红外漫反射光谱的转置SNV没有多重共线性,不混淆的形状复杂性遇到使用导数光谱(43]。衍生品(1 d和2 d)可以消除基线漂移,单独的广泛和重叠的近红外光谱波段,噪声的影响,提高光谱差异,保留相对band-intensity信息没有显著增加光谱噪声(44,45]。

2.5。支持向量机(SVM)

支持向量机是一种非线性的监督分类模型,该模型可用于模式分类和非线性回归46]。基于svm分类模型的特点是两个参数,C(惩罚参数)和(内核宽度参数),应该精心挑选来实现良好的性能(18]。在这项研究中,参数的组合C和支持向量机模型的计算网格的方法搜索(GS)和10倍交叉验证方法。

2.6。偏最小二乘回归(PLSR)

PLSR是一个强大的统计方法在构建校准模型与红外(IR)光谱数据,可以用来探索自变量和因变量之间的关系的基础上,减少数据集的维数(19]。以下参数计算评估成功的数据预处理和模型性能:确定系数校准(R²_C)和预测(R²_P),均方根误差的估计(RMSEE),交叉验证(RMSECV)的均方根误差,均方根误差的预测(RMSEP)和预测偏差的比值(RPD)。系数的确定R²_C和R²_P接近1表明预测之间的良好关系和校准测量值和预测集(19]。RMSECV、RMSEE RMSEP通常用来,分别评估校准的误差和预测集。RMSECV基于7倍交叉验证过程是用来评估的建模能力使用校准设置。RPD PLSR模型反映了整体PLSR模型的预测能力。在实际应用程序中,性能被认为是好当RPD值大于2 (47]。

2.7。软件

8.0原始FT-NIR光谱被OMNIC规范化(热费希尔科学Inc .)、沃尔瑟姆,妈,美国)。光谱预处理和定性歧视的支持向量机模型进行了使用MATLAB软件(版本R2017a、MathWorks纳蒂克,美国)在Windows 8.1。SIMCA-P +程序(版本14.1,Umetrics,瑞典)是用于建立PLSR定量模型。起源8.0(美国马北安普敦)被用于绘画。

3所示。结果和讨论

3.1。近红外光谱特性

99年生的NIR光谱ASR样品如图1。FT-NIR光谱反映了价值的ASR的主要次生代谢产物的化学信息48,49]。如图2比较ASR的FT-NIR光谱,三个不同的地理起源、均值光谱从青海、云南、甘肃是重叠的,峰信息,如峰高和峰强度相似的地图。它们显示多个吸收共同债券,包括那些在8350年,6961年,6736年,6323年,5917年,5788,5712,4813,4313厘米⁻¹。峰值约8350厘米⁻¹由碳氢键的第二个泛音拉伸诱导,乐队在6000 - 7000厘米的区域吗⁻¹被分配到第一泛音的s和h(地33]。乐队在该地区的5500 - 6000厘米⁻¹属于碳氢键的第一泛音振动拉伸(19]。宽带在5172厘米⁻¹主要是由地和切断拉伸,和周围的山峰4813厘米吗⁻¹是由地弯曲和切断伸展。图3显示了光谱预处理与八后处理方法。

(一)

(b)

(c)

(d)

(e)

(f)

(g)

(h)

3.2。支持向量机模型

支持向量机的主要思想是将输入向量映射到高维空间,构造一个最大分类超平面,使线性分离在高维特征空间中,在低维输入空间线性边界并不足以区分不同群体(50,51]。在支持向量机中,转换到高维空间可以通过核函数实现。有五个可能的选择核函数的选择,包括线性、多项式、径向基函数(RBF)、乙状结肠,预先计算的,核函数的选择是非常重要的在支持向量机的性能31日,35]。之前的研究表明,基于RBF核函数支持向量机分类性能良好;因此,RBF内核被选为核函数的支持向量机分类在我们的研究31日,52]。参数优化的RBF内核包括惩罚参数C和核函数参数。RBF内核参数定义了内核的宽度,减少了培训过程的计算复杂度和一般光滑的假设下给出了一个良好的性能33]。正则化参数C控制之间的权衡模型复杂性和减少训练误差最小化。

支持向量机的效率取决于正则化参数C和RBF核函数参数的优化(18]。在这项研究中,C和的组合参数支持向量机模型的计算使用GS方法与10倍交叉验证方法。当实现了分类精度最高,最好的C和被选中。光谱预处理方法的优化结果如表所示1。结果表明,一阶导数的乘法散射校正结合支持向量机模型的最佳性能。如图4,3 d图显示了不同的支持向量机模型的分类精度受到Log2 C和Log2 g的值在10倍交叉验证,与Log2的值C从−5到20,Log2从20到−−5;搜索的过程始于一个粒度为0.5。交叉验证的最佳参数是参数C= 45.2548,= 0.00048828,最高的交叉验证(CV)精度值的76.9231%。随后,校准集是用于支持向量机模型的训练和预测集被用来验证模型建立的准确性使用最优参数C和。校准和预测集的认可率分别为100%和83.72%,分别。结果表明,支持向量机模型的性能能够识别ASR的地理起源。

3.3。预测阿魏酸的含量,并根据FT-NIR Z-Ligustilide使用PLSR算法

支持向量机分类模型的结果表明,近红外光谱可以区分ASR的地理起源,识别率为83.72%。可以使用近红外光谱中包含的信息不仅识别地理起源还在ASR组件的快速定量分析。进一步探索的应用近红外光谱在ASR的快速定量检测,阿魏酸和Z-ligustilide ASR的内容估计使用近红外光谱结合PLSR校准模型。

3.3.1。高效液相色谱法分析

定量的考虑,提出了高效液相色谱法验证了评估线性精度、重复性、稳定性和恢复。结果阿魏酸的高效液相色谱分析方法验证和Z-ligustilide如表所示2。阿魏酸的校正曲线和Z-ligustilide表现出良好的线性回归与相关系数值(r²0.9999),,和浓度范围在0.5417 - -54.1728之间μ克/毫升-374.1836和3.7418μ分别g / mL。RSD值精度、可重复性和贮存稳定性都不超过3.0%。阿魏酸的回收率分别为99.10%和97.00%,Z-ligustilide,分别,这表明,该方法是准确的。综上所述,这些研究结果表明,开发的高效液相色谱方法是敏感的,可重复的、精确的定量分析。表3显示了高效液相色谱含量测定的结果。阿魏酸的参考值范围从0.4790到2.7307毫克/ g和0.4730 - 1.5626毫克/克校正集和预测集,分别。Z-ligustilide参考价值的范围从2.2710到19.6627毫克/ g和3.4730 - 18.6352毫克/克校正集和预测集,分别。阿魏酸的含量和Z-ligustilide有广泛的分布和良好的表现,可以满足建模的要求。

3.3.2。光谱预处理方法的选择

PLSR算法应用于校准数据集建立独立模型对阿魏酸和Z-ligustilide有关近红外光谱与参考价值分析的高效液相色谱方法,和影响的八个预处理方法进行了比较

八个不同的预处理(MSC SNV 1 d, 2 d, MSC + 1 d, MSC + 2 d, SNV + 1 d和SNV + 2 d)和近红外光谱模型相比,基于预处理光谱导致更好的预测基于原始光谱(表4)。

PLSR模型的最佳性能的定量阿魏酸预处理的基础上获得了Z-ligustilide 1 d。关于阿魏酸,预处理后的最优量化模型开发1 d,与潜在的变量(LV) 6和R²_C和R²_P0.9567和0.8580和RMSEE RMSECV, RMSEP 0.1098, 0.2552,和0.2658毫克/克。Z-ligustilide PLSR量化模型建立了预处理后1 d, 7和LVR²_C和R²_P0.9611和0.8708和RMSEE RMSECV, RMSEP 0.9611, 2.7046,和2.7142毫克/克。此外,RPD PLSR模型值的测定阿魏酸和Z-ligustilide是1.7568和1.7392,分别。RPD价值量化模型的构建光谱预处理后高于定量模型的基于原始频谱没有预处理。整体而言,这些结果表明,光谱预处理方法中选择本研究改进的性能PLSR模型定量分析阿魏酸和Z-ligustilide。

3.3.3。筛选的光谱范围和建立最佳的PLSR模型

减少造成的冗余和共线性无关的变量和进一步提高校正模型的预测能力和鲁棒性,Si-PLS被用来屏幕从完整的光谱特征光谱区间组合基于最优光谱预处理方法

这种方法的主要优势是,它使用一个图形化显示选择更好的小区间,比较预测性能之间的局部模型和全光谱模型(53]。在这项研究中,预处理全方位地区(10000 - 4000厘米⁻¹)第一次被分为20等距间隔,每个光谱间隔和两相结合探索他们的协同效应。段和最大LV设置为5和15,分别。所有的组合都是由交叉验证,以最小RMSEP被认为是最好的。然后,选择重要的光谱区域被用于调整优化初始PLSR模型的性能,建立了基于整个波数。

所选特征波数范围和线性回归的情节来衡量值最好的PLSR模型预测由选择光谱间隔确定阿魏酸和Z-ligustilide内容如图5和最终的参数优化PLSR模型归纳在表格5。阿魏酸、光谱区间的最优组合选择16 17 19[14],与6090.1 - -5793.11,5488.42 - -5191.43,5187.58 - -4890.59,4589.75 - -4296.62厘米⁻¹分别(图5(一)和5(b))。关于Z-ligustilide,光谱区间的最优组合选择19 20[16],与5488.42 - -5191.43,4589.75 - -4296.62,4292.77 - -3999.64厘米⁻¹分别(图5(c)和5(d))。选择的共同特征光谱间隔组合为阿魏酸和Z-ligustilide是他们所有的波数范围包括5488.42 - -5191.43厘米⁻¹和4589.75 - -4296.62厘米⁻¹。之间的散点图显示相关参考测量和校准的FT-NIR预测和预测集数据所示5(c)和5(d)。在相同的光谱预处理方法,选择最好的PLSR模型建立了重要的光谱区域的定量测定阿魏酸和Z-ligustilide更高R²_P(分别为0.9118和0.9206)和RPD(分别为2.1924和2.4544)值和较低的RMSEP比生成完整的光谱范围,表明这些模型更可靠。所有RPD值预处理后得到最终的优化模型,优化和光谱范围筛选大于2,表明建立的两个定量预测模型有很好的稳定性。

(一)

(b)

(c)

(d)

4所示。结论

目前的研究调查跟踪的可行性的地理起源使用FT-NIR加上最优化技术。结果表明,支持向量机分类模型的近红外光谱可以区分ASR的地理起源与可接受的精密度和准确度,和83.72%的识别率。这表明近红外光谱结合支持向量机算法可以作为一种很有前途的技术来识别中国草药从不同的地方。然而,预测精度低于2.7%的射频模型在文献[29日),这意味着RF更适合multiclassification比支持向量机的问题。阿魏酸和Z-ligustilide ASR的质量水平的重要指标。进一步探索的应用近红外光谱在ASR的快速质量评估,快速量化的两个最佳PLSR模型建立了阿魏酸和Z-ligustilide使用最优光谱预处理方法和最重要的光谱区间。最终的最优PLSR模型表现出良好的预测性能;R²_P阿魏酸的定量模型和Z-ligustilide定量模型是0.9118和0.9206,分别。结果表明,PLSR更适合定量模型的建设比GA-MLR [29日]。总之,索引组件加上FT-NIR策略是一个简单和可靠的方法,用于快速ASR的定量分析和质量评估。

一般来说,它可以得出结论,与传统的繁琐和费时的湿化学方法相比,近红外光谱结合支持向量机和PLSR算法可以利用歧视来自不同地理位置的ASR的质量保证、质量控制和监测。本研究可以作为进一步的基础地理ASR的跟踪和质量评估和提供一个有用的思维方式和质量分析的农业提供参考,制药和食品。

数据可用性

多数研究中使用的数据都包含在这篇文章。可以根据要求提供其他数据从第一作者和通讯作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

作者的贡献

Z.-Y。Z。,Y.-J. W., Z. L., and H. Y. performed the experiments; Z.-Y. Z., X.-W. C., G.-S. Z., and H. Y. analyzed the data; H. Y., P. L., and S. G. contributed reagents/materials/analysis tools; Z.-Y. Z., G.-S. Z., and H. Y. wrote the paper; H. Y., Tina T. X. D., and J.-A. D. designed the research.

确认

作者要感谢中国国家自然科学基金(没有。81773848),国家中医药标准化项目“标准化建设Xin-Sheng-Hua颗粒”(ZYBZH-C-JS-34)和中国农业研究系统(CARS-21), 2019 Foshan-HKUST基金(FSUST19-SRI10)和江苏海外访问学者计划大学杰出青年和中年教师和校长的支持。

补充材料

补充材料。补充提交的数据是一个图形抽象的。最合适的预处理方法是选择从8预处理方法和定性和定量模型Angelicae的基数是由近红外光谱结合支持向量机和PLSR算法,分别。(补充材料)

引用

l .方x。肖,C.-X。他刘,x,“当归的研究进展”,中国的草药,4卷,不。1,目前消费量,2012页。
视图: 谷歌学术搜索
j .史C.-T。何,f . Shahidi东方的功能性食品,CRC出版社,泰勒和弗朗西斯集团,2010年美国佛罗里达州博卡拉顿的。
美国草药Pharmacopoeia-Danger Gui根,2003年。
d .衬衣和l . Nahar“天然药物:属当归,”当前药物化学,11卷,不。11日,第1500 - 1479页,2004年。
视图: 出版商的网站 | 谷歌学术搜索
d . e .楔,j . a . Klun: Tabanca et al .,“Bioactivity-guided分馏和GC / MS指纹ofAngelica sinensisandAngelica archangelicaRoot组件抗真菌和蚊子的活动,“农业与食品化学杂志》上卷,57号2、464 - 470年,2009页。
视图: 出版商的网站 | 谷歌学术搜索
y . w .姚明,l . Zhang Hua et al .,”调查的当归挥发油的抗炎活性血浆代谢组学方法,”国际免疫药理学卷,29号2、269 - 277年,2015页。
视图: 出版商的网站 | 谷歌学术搜索
w l。魏,曾庆红r ., C.-M。顾,y, L.-F。黄”,当归在中国评论的植物,民族药物学、植物化学和化学分析,“民族药物学杂志卷,190年,第141 - 116页,2016年。
视图: 出版商的网站 | 谷歌学术搜索
X.-P。陈威李,x。肖,l l。张,C.-X。刘:“基数当归的植物化学成分和药理研究,”中国天然药物杂志》上,11卷,不。6,577 - 587年,2014页。
视图: 出版商的网站 | 谷歌学术搜索
m . Sissons”角色的硬质小麦成分质量的意大利面和面包,”食物,卷2,不。2、75 - 90年,2008页。
视图: 谷歌学术搜索
和l . j . l . Chen Li球迷,”玛咖的营养成分下胚轴(lepidium meyeniiWalp)种植在中国的不同地区,”《食品质量卷,2017篇文章ID 3749627、8页,2017。
视图: 出版商的网站 | 谷歌学术搜索
美国凯利、k·希顿和j . Hoogewerff”跟踪的地理起源食物:多元化的应用和multi-isotope分析,“食品科学与技术的趋势,16卷,不。12日,第567 - 555页,2005年。
视图: 出版商的网站 | 谷歌学术搜索
l .咦,y梁、h·吴和d元,“当归的分析(Danggui)”杂志的色谱,卷1216,不。11日,第2001 - 1991页,2009年。
视图: 出版商的网站 | 谷歌学术搜索
美国樱草花、m . Woolfe, s . Rollinson”食品取证:方法确定食品的真实性,“食品科学与技术的趋势,21卷,不。12日,第590 - 582页,2010年。
视图: 出版商的网站 | 谷歌学术搜索
李x的歌,m .侯z et al .,“多元分析白酒(中国白酒)icp及其分类根据地理起源,”食品质量和安全,卷2,不。1,43-49,2018页。
视图: 出版商的网站 | 谷歌学术搜索
I.-M。钟,j。金,J.-G。汉et al .,“潜在geo-discriminative工具来跟踪干片香菇的起源(地区香菇)使用稳定同位素比率和OPLS-DA,”食品化学卷,295年,第513 - 505页,2019年。
视图: 出版商的网站 | 谷歌学术搜索
a . De Girolamo m . Cortese s Cervellieri et al .,“跟踪的地理起源硬质小麦FT-NIR光谱学,”食物,8卷,不。10日,2019年。
视图: 出版商的网站 | 谷歌学术搜索
沈t、h . Yu和y z . Wang”评估地理起源龙胆rigescens使用没有针对性色谱指纹,数据融合和化学计量学,”分子,24卷,不。14日,2019年。
视图: 出版商的网站 | 谷歌学术搜索
吴y, y, w·李et al .,“淫羊藿草含量浓度测定的地理起源和Epimedii使用近红外光谱和化学计量学,”Spectrochimica学报:分子和生物分子光谱学卷,191年,第240 - 233页,2018年。
视图: 出版商的网站 | 谷歌学术搜索
x, d, s . et al。”一个集成的策略,快速发现和预测的碱基,核苷和氨基酸质量标记不同的菊花开花阶段使用UPLC-MS / MS和FT-NIR加上多元统计分析,“微量化学杂志,第153卷,第104500页,2020年。
视图: 出版商的网站 | 谷歌学术搜索
郭x r . Cai, s . Wang y, b . Tang和w·赵“无损海参的地理可追溯性(刺参)使用近红外光谱与最优化方法相结合,“皇家学会开放科学,5卷,不。1,p。170714年,2018。
视图: 出版商的网站 | 谷歌学术搜索
诉Urickova和j . Sadecka”确定的地理起源酒精饮料使用紫外线,可见光和红外线光谱学:复习一下,”Spectrochim学报一摩尔Biomol Spectrosc卷,148年,第137 - 131页,2015年。
视图: 谷歌学术搜索
w·潘,m .吴z郑,l .郭z林,和b .秋,“快速验证Pseudostellaria heterophylla (Taizishen)来自不同地区,附近的红外光谱法与最优化方法相结合,“食品科学杂志,卷85,不。7,2004 - 2009年,2020页。
视图: 出版商的网站 | 谷歌学术搜索
Z.-Y。苏,t·o·豪尔,l .蜀et al .,“表观遗传重激活细胞在小鼠前列腺癌流浪汉Nrf2 C1的自然植物化学物质Z-ligustilide和基数当归通过启动子CpG脱甲基,”化学毒物学研究,26卷,不。3、477 - 485年,2013页。
视图: 出版商的网站 | 谷歌学术搜索
崔e·s·j·j . Yoon b·h·汉et al .,“川芎内酯变弱血管炎症和激活Nrf2 / HO-1感应,在HUVECs没有合成,“植物学期刊于,38卷,页12日至23日,2018年。
视图: 出版商的网站 | 谷歌学术搜索
诉Bunel M.-H。安东尼,j . Nortier, p . Duez, c . Stevigny”Nephroprotective阿魏酸的影响,Z-ligustilide E-ligustilide隔绝当归对顺铂在体外毒性,”毒理学体外卷,29号3、458 - 467年,2015页。
视图: 出版商的网站 | 谷歌学术搜索
黄x y, y, et al .,“Z-Ligustilide保护血管内皮细胞氧化应激和救助饮食诱发动脉粥样硬化情况下高脂肪通过激活下游多个NRF2基因,”动脉粥样硬化卷,284年,第120 - 110页,2019年。
视图: 出版商的网站 | 谷歌学术搜索
崔j·h·j·k·公园,k . m . Kim et al .,“体外和体内抗血栓形成的阿魏酸和细胞毒性的影响,“生化和分子毒理学杂志》上,32卷,不。1,文章ID e22004, 2018。
视图: 出版商的网站 | 谷歌学术搜索
d . o .健康,卫生部:香港中药学标准卷1中医部门、卫生部门、政府的香港特别行政区,香港,中国,2005。
b, c . Wang l . Xi, y, h .段,吴x”的定性和定量分析当归使用近红外光谱和化学计量学,”分析方法》第六卷,没有。24日,第9697 - 9691页,2014年。
视图: 出版商的网站 | 谷歌学术搜索
谢谢,l, l . et al .,“地理Z川芎内酯:回顾其药物动力学和药理学,”植物疗法的研究,34卷,不。8,1966 - 1991年,2020页。
视图: 出版商的网站 | 谷歌学术搜索
j . y . Li, t·李,李j . h . Liu和y王,“地理野生牛肝菌属菌类可追溯性可食的基于数据融合的FT-MIR和icp - aes加上数据挖掘方法(SVM),“Spectrochimica学报:分子和生物分子光谱学卷。177年,日相较2017页。
视图: 出版商的网站 | 谷歌学术搜索
s . g . Ceballos-Magana j . m . Jurado r . Muniz-Valencia城堡,f . De巴勃罗·m·j·马丁,“地理认证的龙舌兰酒根据其矿物内容通过支持向量机”食品分析方法,5卷,不。2、260 - 265年,2012页。
视图: 出版商的网站 | 谷歌学术搜索
傅x x z在香港,美国,王z l . et al .,“地理起源跟踪的茶基于FT-NIR光谱学:引入模型更新和不平衡数据处理方法,”分析方法在化学杂志》上卷,2019篇文章ID 1537568、8页,2019。
视图: 出版商的网站 | 谷歌学术搜索
y . Li J.-Y。张,Y.-Z。王”,FT-MIR和近红外光谱数据融合:协作的战略地理对三七可追溯性的,”分析和分析化学,卷410,不。1,第103 - 91页,2018。
视图: 出版商的网站 | 谷歌学术搜索
吴l .徐w .太阳,c . et al .,“歧视瓜的果实来自不同地理来源使用近红外光谱结合最优化技术,”分子,24卷,不。8,2019。
视图: 出版商的网站 | 谷歌学术搜索
r·d·克莱默,“偏最小二乘法(PLS):其优势和局限性,“视角在药物发现和设计,1卷,不。2、269 - 278年,1993页。
视图: 出版商的网站 | 谷歌学术搜索
i w . Budiastra s . w . Sutrisno et al .,“预测java preanger咖啡豆中的咖啡因含量的NIR光谱使用请和高钙的方法,”IOP会议系列:地球和环境科学文章ID 12004卷,147年,2018年。
视图: 出版商的网站 | 谷歌学术搜索
g . s . h .严p h . Li周et al .,“快速、实用的定性和定量评价non-fumigated姜和姜sulfur-fumigated通过傅里叶变换红外光谱法和最优化方法,”食品化学,卷341,不。Pt 1篇文章ID 128241 2020。
视图: 谷歌学术搜索
b . m . Lei l . Chen黄,k . Chen”氧化镁含量测定矿物药滑石使用近红外光谱结合支持向量机,”应用光谱学,卷71,不。11日,第2436 - 2427页,2017年。
视图: 出版商的网站 | 谷歌学术搜索
大肠Shawky和d·a·斯莱姆”NIR spectroscopy-multivariate分析歧视和生物活性化合物预测不同柑橘品种的皮,”Spectrochimica学报:分子和生物分子光谱学卷,219年,页1 - 7,2019。
视图: 出版商的网站 | 谷歌学术搜索
m . r . Maleki, a . m . Mouazen h .雷蒙和j . De Baerdemaeker“乘法散射校正与近红外光谱在线测量时,“生物系统工程,卷96,不。3、427 - 433年,2007页。
视图: 出版商的网站 | 谷歌学术搜索
t·李和c·苏”真实性红景天物种的鉴定和分类在藏族传统医学基于傅里叶变换近红外光谱技术和化学计量学分析,“Spectrochimica学报:分子和生物分子光谱学卷,204年,第140 - 131页,2018年。
视图: 出版商的网站 | 谷歌学术搜索
r·j·巴恩斯m . s . Dhanoa, s . j .李斯特”标准正态变量变换和de-trending近红外漫反射光谱,”应用光谱学,43卷,不。5,772 - 777年,1989页。
视图: 出版商的网站 | 谷歌学术搜索
h·史和p . Yu”比较grating-based近红外(NIR)和中红外(ATR-FT / MIR)傅里叶变换光谱学基于光谱预处理和波长选择测定粗蛋白和水分含量的小麦、”食品控制卷,82年,页57 - 65,2017。
视图: 出版商的网站 | 谷歌学术搜索
z罗、k·r·索普和h . Abdel-Haleem”树脂和橡胶的高通量量化内容在光argentatum使用近红外(NIR)光谱,”工厂方法,15卷,p。154年,2019年。
视图: 出版商的网站 | 谷歌学术搜索
l . Auria r·a·莫罗,“支持向量机(SVM)作为偿债能力分析的技术,”柏林,德国,2008年,技术报告。
视图: 出版商的网站 | 谷歌学术搜索
r . Karoui a . m . Mouazen E。杜福尔et al .,”欧洲瑞士干酪奶酪的化学描述近红外光谱学使用最优化工具,”国际乳品期刊,16卷,不。10日,1211 - 1217年,2006页。
视图: 出版商的网站 | 谷歌学术搜索
g . Zhi-Rong z丫丫,d . Jun-Xia et al .,“快速测定当归的阿魏酸和亚油酸近红外漫反射光谱,”天然产物研究与开发,27卷,不。5,849年,页2015。
视图: 谷歌学术搜索
y y。张,Z.-R。顾,J.-X。丁et al .,“近红外光谱指纹不同药用部位的angelicae sinensis基数,“中药材杂志》上,38卷,不。7,1413 - 1416年,2015页。
视图: 谷歌学术搜索
e . Teye x黄、h·戴和陈,”加纳可可豆的快速分化FT-NIR光谱学加上多元分类,“Spectrochimica学报:分子和生物分子光谱学卷,114年,第189 - 183页,2013年。
视图: 出版商的网站 | 谷歌学术搜索
y . Li F.-r。徐,J.-Y。Zhang et al .,”研究来源识别和对三七皂甙含量预测的红外光谱结合化学计量学,”光谱和光谱分析,37卷,不。8,2418 - 2423年,2017页。
视图: 出版商的网站 | 谷歌学术搜索
a . Maguire Vega-Carrascal, j .科比et al .,“竞争力评价数据挖掘算法用于白细胞分类亚型与拉曼显微镜”分析师,卷140,不。7,2473 - 2481年,2015页。
视图: 出版商的网站 | 谷歌学术搜索
p . s .桑帕约苏亚雷斯,a . Castanho a·s·阿尔梅达j·奥利维拉和c .英国人“优化水稻直链淀粉测定NIR-spectroscopy使用请化学计量学算法,”食品化学卷,242年,第204 - 196页,2018年。
视图: 出版商的网站 | 谷歌学术搜索

版权

PDF 下载引用

下载其他格式

订单打印副本

的观点

17410年

下载

1175年

引用