1 河南中医药大学药学院, 河南 郑州 450046 河南省中药质量控制与评价工程技术中心, 河南 郑州 450046漯河医学高等专科学校, 河南 漯河 462002
2 河南中医药大学药学院, 河南 郑州 450046 河南省中药质量控制与评价工程技术中心, 河南 郑州 450046
3 河南中医药大学第三附属医院, 河南 郑州 430003河南省中药质量控制与评价工程技术中心, 河南 郑州 450046
4 贾 豪
5 河南中医药大学药学院, 河南 郑州 450046
经典名方一贯煎由生地黄、 北沙参、 麦冬、 当归、 枸杞子、 川楝子6味药组成, 具有滋养肝肾、 疏肝理气之效。 红外光谱技术具有快速无损的优点, 可完整的将不同批次一贯煎基准样品的信息表达。 运用傅里叶变换红外光谱仪采集样品的红外光谱, 对原始光谱进行预处理, 得到相对峰高, 对共有峰进行归属, 采用聚类分析（HCA）、 主成分分析（PCA）及正交偏最小二乘法-判别分析（OPLS-DA）对图谱数据进行评价。 结果表明15批一贯煎基准样品中868、 822和779 cm-1波段为糖骨架伸缩振动吸收峰, 多为枸杞所贡献, 815 cm-1波段处少数为麦冬所贡献； 生地黄单煎液在1 148 cm-1波段处、 沙参单煎液在1 158、 1 082和1 019 cm-1波段处、 当归单煎液在993 cm-1波段处均有对糖苷类成分的贡献； 川楝子单煎液1 746 cm-1波段处可溶性脂类糖苷成分吸收峰明显, 一贯煎复方中此处吸收峰并不明显, 可能为川楝子与其他五味药配伍煎煮过程中化学成分发生变化。 HCA结果显示, 当组间距离=10时, S1、 S2、 S15聚为一类, S9、 S11、 S12、 S13、 S14聚为一类, S3、 S4、 S5、 S6、 S7、 S8、 S10聚为一类, 表明不同批次一贯煎汤剂内部质量存在一定差异。 PCA分类结果与聚类分析结果基本一致, 并计算不同批次的主成分综合得分, 其中批次3一贯煎汤剂质量最佳, 批次1质量最次, 由载荷散点图分析得到1 104、 1 142、 1 412、 1 260和868 cm-1波段峰对主成分1的贡献率较大； 777、 2936、 923、 1 721、 818和637 cm-1波段峰对主成分2的贡献较大。 OPLS-DA结果与HCA和PCA结果一致, 以VIP＞1为标准, 筛选出七个导致样品之间产生差异的波段, 分别为777、 637、 923、 2 936、 1 260、 1 412和1 630 cm-1, 该结果与PCA载荷图中寻找的重要性权重变量基本一致。 所建立的一贯煎红外指纹图谱方法简单、 准确度高, 可用于经典名方的快速鉴别分析, 为经典名方一贯煎的质量控制与评价提供参考。
经典名方 一贯煎 基准样品 指纹图谱 聚类分析 主成分分析 正交偏最小二乘法-判别分析 Classic prescription Yiguanjian Benchmark samples Fingerprint mapping Cluster analysis Principal component analysis Orthogonal partial least squares-discriminant anal 光谱学与光谱分析
2023, 43(10): 3202
1 云南农业大学资源与环境学院, 云南 昆明 650201
2 云南省热带作物科学研究所, 云南 景洪 666100
3 云南农业大学农学与生物技术学院, 云南 昆明 650201
4 云南省农业科学院药用植物研究所, 云南 昆明 650200
牛肝菌作为一种著名的野生食用菌, 具有较高的食用价值和经济价值。 牛肝菌种类繁多, 不易区分, 建立一种有效、 快速、 可信的种类鉴别技术, 可为牛肝菌提高品质提供一种方法。 本研究采集云南不同地区7种野生牛肝菌共计683株, 获取样品中红外光谱和紫外光谱, 分析不同种类牛肝菌平均光谱图特征。 基于多种预处理组合(SNV+SG, 2D+MSC+SNV, 1D+MSC+SNV+SG, MSC+2D)的单一光谱数据结合两种特征值提取法(PCA, LVs)构建了偏最小二乘法判别分析与随机森林算法并结合数据融合策略对牛肝菌进行种类鉴别, 有一定的创新性。 结果表明: (1)中红外光谱和紫外光谱的不同种类牛肝菌平均光谱吸收峰差异较小, 吸光度具有细微差异。 (2)合适的预处理可提高光谱数据信息, 偏最小二乘法判别分析和随机森林算法模型的中红外光谱数据和紫外光谱数据最佳预处理组合为2D+MSC+SNV, SNV+SG, 2D+MSC+SNV, 1D+MSC+SNV+SG。 (3)单一光谱模型中, 中红外光谱模型优于紫外光谱模型, 中红外光谱最佳预处理组合2D+MSC+SNV的偏最小二乘法判别分析模型正确率训练集99.78%, 验证集99.12%; 随机森林模型正确率训练集93.20%, 验证集99%。 (4)数据融合策略提高了分类正确率, 低级融合的偏最小二乘法判别分析模型训练集和验证集正确率为100%, 99.12%。 随机森林模型训练集和验证集正确率为92.32%, 99.14%。 (5)随机森林算法中级数据融合Latent variable(LVs)正确率为训练集92.76%, 验证集96.04%; 中级数据融合Principal components analysis(CPA)正确率为训练集97.15%, 验证集100%。 (6)偏最小二乘法判别分析中级数据融合(LVs)正确率为训练集100%, 验证集99.56%; 中级数据融合(CPA)训练集和验证集正确率均能达到100%。 基于偏最小二乘法判别分析和随机森林算法结合数据融合策略对牛肝菌进行种类鉴别, 鉴别效果理想。 偏最小二乘法判别分析中级数据融合(CPA)可作为一种低成本高效率的牛肝菌种类鉴别技术。
牛肝菌 中红外光谱 紫外光谱 偏最小二乘法判别分析 随机森林 数据融合 Boletus Mid-infrared spectroscopy Ultraviolet spectroscopy Discriminant analysis by partial least squares Random forest Data fusion
江西农业大学生物光电及应用重点实验室, 江西 南昌 330045
组建了一套基于液芯光纤的激光诱导荧光食用油鉴别装置。 研究了不同液芯光纤长度对食用油激光诱导荧光光谱的影响, 分析了不同种类食用油激光诱导荧光光谱之间的差异。 八种食用油共320份样本荧光数据在1 m长液芯光纤内采集, 采用主成分分析方法对食用油荧光数据进行降维处理, 利用偏最小二乘判别分析(PLS-DA)方法建立食用油种类的鉴别模型。 结果表明, 使用液芯光纤后, 食用油荧光强度得到较大的增强。 随着液芯光纤长度增加, 食用油荧光特征峰逐渐增加并且食用油的激光诱导荧光光谱会产生红移现象, 当液芯光纤长度超过80 cm后, 红移趋于饱和。 不同食用油的荧光光谱形状差异较大, 可用于区分不同种类食用油。 利用主成分1和主成分2绘制的主成分得分图显示, 不同种类食用油呈现很好的聚集。 当选用主成分数为10时, 建立的PLS-DA食用油种类鉴别模型对训练集和预测集样本识别率均达到100%。 说明本装置用于食用油种类的快速鉴别具有较高的准确性。
激光诱导荧光 食用油 液芯光纤 偏最小二乘法判别分析 Laser induced fluorescence Edible oil Liquid core fiber Partial least squares discriminant analysis 光谱学与光谱分析
2016, 36(10): 3202
云南师范大学物理与电子信息学院, 昆明 650500
本文利用红外光谱结合主成分(PCA)和偏最小二乘法判别分析(PLS-DA)研究了朝天椒(簇生椒)和涮涮辣.测试了2种辣椒60个样品的红外光谱,对光谱范围1800~950 cm-1做二阶导数处理,发现在该区间存在着明显的差异,利用该区间二阶导数光谱数据进行主成分分析和偏最小二乘法,结果表明PCA和PLS-DA都能很好的区别两种辣椒,其中主成分的正确率为100%,偏最小二乘法在隐含潜含变量为12个时其正确率最好,朝天椒的正确率为86.7%,涮涮辣的正确率为93.3%.结果表明小波变换结合PCA和PLS-DA用于傅里叶变换红外光谱技术中能够准确地识别朝天椒和涮涮辣,为区分不同品种的辣椒提供快速和有效的方法.
朝天椒 主成分分析 偏最小二乘法判别分析 涮涮辣 Capsicum frutescens var PCA PLS-DA shuanshuan pepper
