作者单位
摘要
贵州师范大学荞麦产业技术研究中心, 贵州 贵阳 550001
荞麦籽粒中富含谷类作物比较缺乏的赖氨酸, 使其不同于其他作物, 具有较高经济价值。 传统氨基酸测定费时且昂贵, 为满足金苦荞育种工作的需要, 选用近红外光谱技术结合人工神经网络的算法建立快速检测金苦荞叶片中氨基酸含量的近红外模型。 使用氨基酸含量差异较大的样品255个, 扫描光谱后测定其化学值。 研究发现样品苏氨酸(Thr)含量范围是5.307~14.374 mg·g-1; 缬氨酸(Val)含量范围是6.137~16.204 mg·g-1; 甲硫氨酸(Met)含量范围是0.308~3.049 mg·g-1; 异亮氨酸(Ile)含量范围是5.259~14.134 mg·g-1; 亮氨酸(Leu)含量范围是9.730~26.061 mg·g-1; 苯丙氨酸(Phe)含量范围是5.936~17.223 mg·g-1; 赖氨酸(Lys)含量范围是6.640~17.280 mg·g-1; 谷氨酸(Glu)含量范围是10.984~27.740 mg·g-1; 天冬氨酸(Asp)含量范围是6.437~17.280 mg·g-1; 丝氨酸(Ser)含量范围是3.467~8.312 mg·g-1; 精氨酸(Arg)含量范围是4.937~14.772 mg·g-1; 丙氨酸(Ala)含量范围是3.329~6.885 mg·g-1; 组氨酸(His)含量范围是1.946~4.798 mg·g-1; 甘氨酸(Gly)含量范围是4.196~9.264 mg·g-1; 脯氨酸(Pro)含量范围是1.024~5.672 mg·g-1; 酪氨酸(Tyr)含量范围是0.176~1.173 mg·g-1; 半胱氨酸(Cys)含量范围是0.422~1.926 mg·g-1。 每次随机选取50个样品建设模型, 以4:1的比例随机分为训练集和测试集。 数据进行归一化处理后, 使用神经网络结构1102-9-1进行模型建设。 利用多次学习的方式建立了较优模型, 其中Arg和Asp近红外模型的仿真测试结果最好, 预测值与真实值的相关系数(R2)均大于0.97, 平均相对误差(RSD)也小于10%; 另外Leu, Val, Tyr, Ile, Ser, Ala, Thr, His, Phe, Gly和Lys模型的R2均大于0.90, 模型仿真测试数据的RSD小于10%, 模型均可用; Met与Cys的模型进行仿真测试时, 其预测值与真实值的R2均大于0.78, 但RSD大于10%, 模型不可用。 结果表明, 金苦荞叶片的氨基酸含量高, 有极高应用价值, 近红外光谱技术结合人工神经网络的分析方法可应用于金苦荞氨基酸含量的预测, 为高品质荞麦育种工作提供了便利。
荞麦 近红外 人工神经网络 氨基酸 模型 Buckwheat Near infrared spectroscopy Artificial neural network Amino acid Model 
光谱学与光谱分析
2022, 42(1): 49
朱丽伟 1周焱 1蔡芳 1邓娇 1[ ... ]陈庆富 1,*
作者单位
摘要
1 贵州师范大学荞麦产业技术研究中心, 贵州 贵阳 550001
2 贵州省农业科学院蚕业(辣椒)研究所, 贵州 贵阳 550009
为满足多年生苦荞育种工作的需要, 采用近红外光谱分析技术结合定量偏最小二乘法对多年生苦荞叶片蛋白质和γ-氨基丁酸(GABA)含量进行了快速测定研究, 实验使用了222份多年生苦荞材料, 扫描光谱后测定其化学值。 研究发现样品蛋白质含量的平均值、 最大值和最小值含量分别是164, 331和121 mg·g-1; 样品GABA含量的平均值、 最大值和最小值含量分别是2.489, 3.968和1.439 mg·g-1。 蛋白质建模结果: 采用不同光谱区建模时, 建模集的平均决定系数(R2)、 校正标准差(SEP)和平均相对误差(RSD)分别是93.46%, 0.63和3.82%, 检验集的平均R2, SEP和RSD分别是91.77%, 0.88和5.28%。 采用不同比例的建模样品和检验样品时, 建模集的平均R2, SEP和RSD分别是93.55%, 0.63和3.82%, 检验集的平均R2, SEP和RSD分别是92.18%, 0.87和5.20%。 采用4 000~9 000 cm-1光谱范围, 二阶导数(13)预处理光谱, 建模集与检验集的比例为4∶1, 模型最优, 其建模集内部交叉R2, SEP和RSD分别是93.57%, 0.55和3.38%, 检验集内部交叉R2, SEP和RSD分别是93.35%, 0.73和4.40%。 GABA建模结果: 采用不同光谱区建模时, 建模集的平均R2, SEP和RSD分别是86.28%, 0.21和8.30%, 检验集的平均R2, SEP和RSD分别是84.35%, 0.22和8.76%。 采用不同比例的建模样品和检验样品时, 建模集的平均R2, SEP和RSD分别是88.51%, 0.20和8.04%, 检验集的平均R2, SEP和RSD分别是86.80%, 0.21和8.40%。 4 000~10 000 cm-1光谱范围, 原始光谱, 建模集与检验集的比例为4∶1, 模型最优, 其建模集内部交叉R2, SEP和RSD分别是93.28%, 0.15和6.10%, 检验集内部交叉R2, SEP和RSD分别是91.49%, 0.17, 6.68%。 证明了使用近红外光谱技术定量测定多年生苦荞叶片蛋白质和GABA含量的可行性以及模型的稳定性。
近红外光谱 多年生苦荞 模型 蛋白质 γ-氨基丁酸 Near infrared spectroscopy Perennial buckwheat Models Protein GABA 
光谱学与光谱分析
2020, 40(8): 2421
作者单位
摘要
1 中国医学科学院北京协和医学院药用植物研究所, 北京100193
2 清华大学化学系, 北京100084
文章采用红外光谱法(FTIR)并结合二维相关光谱分析技术分析鉴定了药用玫瑰(药材对照品)及其混淆品月季和蔷薇。 在一维红外光谱中三者的谱图较为一致, 但药用玫瑰在1 318 cm-1波数处的峰不明显 , 而月季和蔷薇的1 318 cm-1峰明显, 且较尖。 在高分辨的二阶导数谱中药用玫瑰和月季分别在1 617和1 618 cm-1处具有芳香类指纹特征峰, 而蔷薇的峰则在1 612 cm-1波数处, 相差了5~6 cm-1。 在1 044 cm-1处的峰, 蔷薇糖类化合物的指纹特征峰较明显, 月季和药用玫瑰不明显。 观测二维相关红外谱, 三者都存在1 620, 1 560和1 460 cm-1的芳香类化合物的自动峰, 不同的是月季和蔷薇还存在一个较明显的1 660 cm-1的肩膀峰。 药用玫瑰、 月季和蔷薇在850~1 250 cm-1范围内的二维相关红外光谱差别很大, 药用玫瑰1 050 cm-1的糖类化合物自动峰强度最大, 而月季的峰较弱, 而蔷薇没有此峰。 谱图的三级鉴定验证了药用玫瑰、 月季和蔷薇在糖苷类化合物和芳香类化合物的相对含量上都是不一致的。 结果表明, 运用红外光谱法可以快速有效地分析和鉴定药用玫瑰及其混淆品。
二维相关红外光谱法 药用玫瑰 月季 蔷薇 鉴别 2D-IR correlation infrared spectroscopy analysis Flos Rosae Rugosae Flos rosae chinensis Flos Rosa multiflora Identification 
光谱学与光谱分析
2009, 29(9): 2429
作者单位
摘要
1 中南大学医学遗传学国家重点实验室,中国湖南,长沙,410078
2 中南大学医学遗传学国家重点实验室,中国??长沙,410078
神经元是神经组织的结构和功能单位.从胚胎中分离出神经元时,由于它们在原位组织中完成了分裂和分化,原代培养的神经元将不会分裂、增殖.18 d孕龄的SD大鼠胎鼠脑组织中分离原代神经元的过程中,采用了改进的细胞分离方法.分离的原代细胞经免疫荧光实验证实含有大量的神经元.pEGFP质粒转染和细胞免疫荧光实验结果显示,转染的原代神经元中GFP报告基因有较高的表达,这表明,原代培养的神经元适宜于后续实验的进行.在对改进型方法和传统型?椒ǖ南赴掷胄Ч冉鲜?发现改进型方法在消化过程中产生的gDNA絮状物较传统型的少,接种后发现细胞分散均匀,无杂物.所获得的原代细胞的总数比传统型方法多出大约23%.
原代细胞培养 神经元细胞 细胞免疫荧光 primary cell culture neuronal cell cellular immuno 
激光生物学报
2005, 14(2): 145
作者单位
摘要
中南大学医学遗传学国家重点实验室,中国湖南,长沙,410078
间隙连接蛋白31(Connexin31,Cx31)是间隙连接蛋白(Connexin)家族的一员,目前对于Cx31的功能及其调节方式知之甚少.本实验利用Fmoc固相多肽合成的方法合成Cx31羧基端一个多肽片段(250-266AA),经HPLC纯化后偶联到匙孔槭血蓝蛋白,免疫新西兰雄兔后采血检测、并纯化,采用Cx31myc表达蛋白进行Western blotting、细胞免疫荧光染色、免疫沉淀实验,证实得到的抗体为抗间隙连接蛋白31的特异抗体.
多肽合成 免疫荧光 免疫沉淀 connexin31 peptide synthesis Western blotting immu Cx31 Western blotting 
激光生物学报
2005, 14(2): 81

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!