基于高效液相色谱-高分辨质谱法的非靶标代谢组学方法分析鉴别不同产地番茄

目的 分析不同产地来源番茄内源成分的差异及建立产地来源判别方法。方法 采用液相色谱-高分辨质谱（liquid chromatography - high resolution mass spectrometry,HPLC-HRMS）分析来源于全国5个地区105个番茄样品的乙醇-水提取物化合物组成,结合主成分分析(principal component analysis PCA)、正交偏最小二乘法判别分析(orthogonal partial least squares analysis discriminant analysis OPLS-DA)、双向正交偏最小二乘法判别分析(two-way orthogonal PLS-DA,O2PLS-DA)方法,对采集的HPLC-HRMS数据进行标志成分筛选和产地溯源模型构建。结果 以全部875个化合物为变量构建O2PLS-DA模型,筛选出其中99个对模型判别贡献较大的特征成分,重新构建了番茄产地的OPLS-DA判别模型,判别正确率达到99.05%。对特征成分进行了化合物结构分析,确定了其中18个有机酸、黄酮类特征化合物。结论 本研究建立的基于液相色谱-高分辨质谱的非靶标代谢组学方法能够科学、准确地用于番茄产地溯源,该研究为番茄产地溯源提供了一种新的策略。     

基于无机元素的花椒产地溯源和品种聚类分析

采用电感耦合等离子体原子发射光谱法,对红花椒（陕西韩城、四川汉源、四川茂汶、甘肃武都）和青花椒（云南昭通、贵州关岭、四川金阳、四川汉源、重庆江津）9 大主产地的80 个样品中21 个无机元素含量进行测定。采用主成分分析（principal component analysis,PCA）和偏最小二乘判别分析（partial least squaresdiscrimination analysis,PLS-DA）对红花椒和青花椒中无机元素进行综合评价,PCA和PLS-DA将80 个花椒聚为9组,PLS-DA分类效果更佳,并能将红花椒和青花椒有效区分,从元素组成角度揭示了红花椒和青花椒的亲缘关系和地域分布特征。研究证明多元素分析结合PLS-DA可作为一种花椒品种和产地识别的有效工具,对于产地溯源和品种鉴定具有重要意义。     

基于多元素分析的贵州绿茶产地鉴别研究

目的 探究以多元素统计对贵州不同产地绿茶判别分析的有效性和可行性,筛选产地间差异性元素。方法 采用电感耦合等离子体发射光谱法(inductively coupled plasma emission spectrometry, ICP-OES)和电感耦合等离子体质谱法(inductively coupled plasma mass spectrometry, ICP-MS)对贵州4个产地63个绿茶样品中47种元素进行定量分析,结合正交偏最小二乘法判别分析(orthogonal partial least squares discriminant analysis, OPLS-DA)建立贵州绿茶的产地判别模型。结果 4个产地的绿茶中元素含量有明显的差异; K、P、Ca、Mg、Mn、Al和Fe元素含量规律相同,说明4个产地的茶叶对土壤中部分高含量元素的富集能力具有一致性;4个产地的污染物Pb、Cu、Cd、As和Cr的含量均低于茶叶相关标准的限量要求。基于元素含量建立的6组OPLS-DA分析模型可以有效区分产地,其中黔西南州与铜仁市模型(QXN-TR)参数最优,该模型用50.3%的变量可解释9...     

基于近红外光谱与矿物元素指纹信息融合对绿豆产地判别模型比较分析

为提高模型对绿豆产地的鉴别率,通过近红外光谱指纹信息和矿物元素指纹信息融合技术分析来自黑龙江省杜尔伯特蒙古自治县、吉林省白城市、黑龙江省泰来县、山东省泗水县绿豆样品中近红外光谱吸收强度和矿物元素含量,结合偏最小二乘判别分析(PLS-DA)法建立融合这两种指纹信息的鉴别方法。结果表明,信息融合模型的绿豆产地鉴别准确率为100%,与单一光谱指纹信息模型(90.0%)和矿物元素指纹信息模型(96.7%)相比,分别提高了10.0%和3.3%。因此,采用PLS-DA法信息融合模型对绿豆产地进行鉴别是可行的,近红外光谱指纹信息和矿物元素指纹信息融合技术可以提高绿豆产地的鉴别效果。     

基于多元素和稳定同位素的特基拉酒原产地鉴定

为探索特基拉酒中多元素和稳定同位素的地域特色及其产地溯源的可能性,研究采用电感耦合等离子体质谱法(ICP-MS)和稳定同位素比质谱法(IRMS)测定特基拉酒中多元素含量和稳定同位素比值,并结合化学计量学中主成分分析(PCA)和偏最小二乘法-判别分析法(PLS-DA)建立模型,对墨西哥特基拉酒进行产地溯源判定。结果表明, 4个产区的特基拉酒中22种元素含量和稳定同位素δ13C和δ18O数值范围不同,具有一定地域特征。采用PCA和PLS-DA法能对墨西哥的特基拉酒进行产地判别,通过对16个样本进行判别验证,预测正确率为93.75%。研究表明,通过多元素含量和稳定同位素比值的测定,结合化学计量学分析方法,能够区分墨西哥不同产地的特基拉酒,为特基拉酒产地溯源可行性提供方法依据。     

基于矿物元素指纹分析中国地理标志猪肉的产地溯源

本研究初步探讨了矿物元素指纹分析对我国地理标志猪肉产地溯源的可行性。采用电感耦合等离子体质谱对四川巴山的青峪黑猪肉,山东莱芜黑猪肉和北京黑六猪肉三种不同地域来源的地理标志猪肉中33种矿物元素含量进行测定。通过元素含量筛选,排除猪肉样品中含量低于或接近检出限的元素,筛选出13个元素进行研究。结合主成分分析、多重比较分析和判别分析对数据进行统计分析。其中Na、Fe、Co、Cu、Zn、Se、Rb、Sr共8种元素在地域之间差异显著(p<0.05)。通过对比偏最小二乘法判别分析(PLS-DA)、基于正交信号校正的偏最小二乘判别分析(OPLS-DA)、支持向量机、朴素贝叶斯、决策树和神经网络六种分类模型,得出OPLS-DA和决策树分类模型较适合基于矿物元素指纹分析的特色猪肉产地溯源。矿物元素指纹分析在我国地理标志猪肉产地溯源领域具有长远的应用前景。     

基于化学计量学的四川不同产区浓香型原酒判别分析

为了实现四川不同产区浓香型原酒的快速鉴别和分类,以3个不同产区的浓香型原酒为试验对象,采用气相色谱法对样品的共有挥发性风味组分进行了精准定量研究,并结合聚类分析(HCA),主成分分析(PCA)及偏最小二乘判别分析(PLS-DA)等化学计量学手段对不同产区浓香型原酒进行了识别和分类.结果 表明:不同产地的浓香型原酒间部分...     

奶茶粉脂肪酸指纹特征及真实性判别模型建立

目的 评价以脂肪酸(fatty acid, FAs)指纹建立奶茶粉真实性判别模型的可行性。方法 采集生牛乳喷雾干燥(湿法)和植脂末、乳粉、炼乳粉粉末原料混合制备(干法)奶茶粉138种产品,并采集植脂末、奶油粉和奶粉为参照样品,气相色谱法检测FAs,进行差异性比较,并进行正交偏最小二乘判别分析(orthogonalpartial least squares discriminant analysis, OPLS-DA)和层聚类分析(hierarchical cluster analysis,HCA),观察各种类奶茶粉样品聚类特征,评价模式相似度。构建奶茶粉掺植脂末OPLS-DA和偏最小二乘(partial least square, PLS)预测模型。结果 生牛乳湿法制备的奶茶粉与其他3种干法制备的奶茶粉FAs指纹显著不同,与奶粉有同质性,两者模式相似度为94.9%; 3种干法制备的奶茶粉与植脂末、奶油粉存在同质性,可归入同一个大类,模式相似度为27.2%。OPLS-DA和PLS模型有良好的预测能力,可以区分0%植脂末(奶粉)与添加12.5%植脂末的人工奶茶粉样品。3种市售干法制备奶茶粉...     

基于多元统计分析的牛排掺假定量判别及差异分析

结合市场对食品中不同成分的定量分析的需求，模拟不同比例混合样品，利用高分辨质谱进行数据采集及分析，分别考察主成分分析、偏最小二乘判别分析和正交偏最小二乘判别分析（orthogonal partial least squares-discrimination analysis，OPLS-DA）统计方法对不同混合比例的样品数据进行分析。相比之下，OPLS-DA模型具有更好的判别效果。通过进行S-Plot分析，分别筛选出25?条猪源多肽及牛源多肽，经线性拟合分析，其中牛源的10?条多肽和猪源的6?条多肽的线性相关系数R2大于0.99，并开展了真实性样品的验证实验，证明筛选的多肽可用于预计样品中的成分含量。这项研究建立了一种量化牛排的方法，并为筛选差异显著性的定量多肽提供新思路。     

近红外光谱结合PLS-DA划分烟叶等级

为了对烟叶等级进行快速分类,采用云南曲靖地区150个烟草样品近红外光谱,结合偏最小二乘判别分析(PLS-DA),建立了烟叶等级分类模型,并对60个预测集样品进行了等级分类预测.结果表明:①训练集和预测集的预测正确率分别为100.0％(150/150)和96.7％(58/60).②PLS-DA对烟叶等级具有良好的分类效果.该模型为烟叶等级分类提供了一种新的快速鉴别分析的方法.     

近红外光谱分析技术快速检测藕粉品质

目的 基于近红外光谱技术鉴别不同产地的藕粉样品与检测藕粉的掺假问题。方法 采集不同产地的藕粉样品的近红外光谱,在光谱预处理后采用相关系数法提取特征波长,以提取的特征波长变量构建偏最小二乘法-判别分析(partial least squares discriminant analysis,PLS-DA)、线性判别分析(linear discriminant analysis,LDA)以及支持向量机(support vector machine,SVM)模型,实现对不同产地藕粉的鉴别分析。同时,采集掺假地瓜粉、玉米粉、木薯粉的藕粉样品的近红外光谱,在样品类别已知情况下,运用K-Means聚类分析鉴别3种掺假类型的藕粉样品,在掺假类别未知下,运用基于局部密度判别的聚类算法进行判别。结果 以相关系数法提取的特征波长变量构建的PLS-DA、LDA和SVM三种模型对于不同产地藕粉样品的判别准确率均为100%。对于不同掺假类型的藕粉检测,在样品类别已知情况下,K-Means聚类分析能有效识别出掺假藕粉,识别精度为98.33%。在样品类别未知的情况下,基于局部密度判别的聚类算法可以有效识别出2%掺假率的藕粉样品。结论 近红外光谱技术能实现不同产地莲藕粉的快速鉴别,同时为隐蔽的藕粉掺假鉴别提供一种快速、高效、无损检测的分析方法,为藕粉的质量控制提供一定的理论基础。     

基于抗氧化活性指标的国产红葡萄酒产地识别

目的 对比分析不同产地葡萄酒抗氧化活性的差异, 以此实现葡萄酒产地的判别。方法 以新疆吐鲁番、宁夏银川和河北秦皇岛的红葡萄酒为研究对象, 采用理化检测方法比较不同产地葡萄酒抗氧化活性的差异, 并利用主成分分析(principal component analysis, PCA)、正交偏最小二乘-判别分析(orthogonal partial least squares-discriminant analysis, OPLS-DA)和支持向量机(support vector machine, SVM)建立葡萄酒的产地识别模型。结果 在对葡萄酒酒样抗氧化活性指标测定中, 不同产地酒样表现的抗氧化能力依次为: 新疆吐鲁番>宁夏银川>河北秦皇岛。基于以上述抗氧化活性指标数据进行PCA分析发现, 不同产地葡萄酒样本大致可以各自聚集成类, 并且前两个主成分的累计方差解释率可达89.6%, 基本可以反应总体数据信息; 进一步通过OPLS-DA和SVM建立产地识别模型, 以其中8个不同产地的葡萄酒样本作为测试集进行外部验证, 结果发现两个模型的识别准确率均可达87.5%, 表现出较好的产地识别能力。结论 根据抗氧化活性的差异性可以实现国产红葡萄酒的产地识别。     

核磁共振氢谱结合化学计量学快速检测掺假茶油

摘 要：以纯茶油和掺假茶油（掺入大豆油、玉米油）作为核磁共振氢谱检测对象,结合化学计量学方法分析处理核磁数据,建立一种能快速预测茶油掺假的方法。结果表明：纯茶油和掺假茶油在主成分分析得分图上有较好地区分,且掺假样品随掺假比例在图中呈规律性分布,但少部分低体积分数的掺假油与纯茶油重叠。而采用偏最小二乘判别（partial least squares discriminant analysis,PLS-DA）法可以得到更好的分离效果,在该模型中,纯茶油的判别准确率为100%。进一步采用PLS可实现对茶油掺假水平的准确定量测定。该方法可简单、快速地用于茶油的掺假鉴别,在茶油品质控制及评价方面具有很大的应用潜力。     

Discrimination of yerba mate (<Emphasis Type="Italic">Ilex paraguayensis</Emphasis> St. Hil.) samples according to their geographical origin by means of near infrared spectroscopy and multivariate analysis

Near infrared reflectance (NIR) spectroscopy combined with multivariate data analysis was used to discriminate between the geographical origins of yerba mate (Ilex paraguayensis St. Hil.) samples. Samples were purchased from the local market and scanned in the NIR region (1100–2500 nm) in a monochromator instrument in reflectance. Principal component analysis (PCA), partial least squares discriminant analysis (PLS-DA) and linear discriminant analysis (LDA) were used to classify the samples based on their NIR spectra according to their geographical origin. Full cross validation was used as validation method when classification models were developed. The overall classification rates obtained were 76 and 100% using PLS-DA and LDA, respectively. The results demonstrated the usefulness of NIR spectra combined with multivariate data analysis as an objective and rapid method to classify yerba mate samples according to their geographical origin. Nevertheless, NIR spectroscopic might provide initial screening in the food chain and enable costly methods to be used more productively on suspect specimens.     

壶瓶枣轻微损伤可见/近红外光谱动态判别模型研究

为了研究快速识别轻微损伤壶瓶枣与完好壶瓶枣的有效方法,本文以轻微损伤壶瓶枣和完好壶瓶枣为研究对象,动态采集轻微损伤壶瓶枣和完好壶瓶枣的近红外光谱数据。采用S-G平滑与多元散射校正(MSC)相结合的方法预处理光谱数据,分别以预处理后的全光谱(FS)数据和采用主成分分析(PCA)法提取主成分、采用连续投影算法(SPA)提取特征波长作为输入变量,建立偏最小二乘判别分析(PLS-DA)和最小二乘支持向量机(LS-SVM)模型,比较4种损伤壶瓶枣及完好壶瓶枣的判别准确性。结果表明:采用PCA提取主成分有较明显的优势,对4种损伤壶瓶枣的判别准确性均能满足实际要求,且采用PCA-LS-SVM模型对4种轻微损伤壶瓶枣和完好壶瓶枣的正确判别率最佳,分别达到100%、86%、100%、100%和100%,总的正确判别率为97.2%。该研究为轻微损伤壶瓶枣的动态判别提供了新的理论基础。