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。     

基于质谱与化学计量学的浓香型白酒等级鉴别

不同等级白酒的鉴别对控制白酒质量和保护消费者权益有重要意义,运用顶空固相微萃取质谱(HS-SPME-MS)技术获取3个不同等级的120个洋河大曲酒样质荷比m/z 55～191范围内的离子丰度值数据,结合偏最小二乘-判别分析和逐步线性判别分析法筛选出14个重要特征离子,且交叉验证的预测准确率达100%;然后将筛选出的14个特征离子作网络输入层,酒样的不同等级做网络输出层,构建神经网络等级鉴别模型,其在±0.3的误差范围内,预测准确率达100%,实现了白酒等级的数字化鉴别。     

不同品种甜樱桃中不同形态酚酸的比较及其抗氧化性分析

为研究不同品种对甜樱桃酚酸类物质及其抗氧化性的影响,本文采用超高效液相色谱-串联质谱法(UPLC-MS/MS)对5个不同品种甜樱桃,包括彩虹、艳阳、萨米脱、23-51和瓦列里中的游离型、游离酯型和结合型酚酸进行了测定和分析。结果表明,不同樱桃品种间酚酸含量差异较大,5个樱桃品种酚酸总量在115.96~704.94 mg/kg FW之间。其中瓦列里中酚酸总量最高,其次是萨米脱和23-51,艳阳和彩虹中酚酸总量最低。对于三种不同形态酚酸,游离型和游离酯型酚酸含量较高,而结合型酚酸含量较低。不同品种樱桃中的游离型酚酸以新绿原酸为主,可占游离型酚酸总量的90%以上;游离酯型酚酸和结合型酚酸均以咖啡酸含量最高,可占各自形态酚酸总量的50%以上。不同品种中瓦列里樱桃酚酸提取液的DPPH自由基清除能力和FRAP均最高,抗氧化性指标的测定结果与酚酸类物质含量呈现较高的一致性。偏最小二乘判别分析表明,新绿原酸和咖啡酸是区分五个樱桃品种贡献最大的物质(VIP得分>1),且这两个物质均在瓦列里中含量最高。甜樱桃酚酸含量与品种有关,并与其抗氧化特性相一致。     

基于高光谱成像系统的纺织品成分定性鉴别

针对目前对纺织品成分鉴别快速、无损、在线检测的需求,提出了一种以高光谱成像系统结合化学计量学方法鉴别纺织品成分的方法。以常用的10类纺织品为鉴别目标,分析比较了数据预处理及样本集挑选方法的优劣,建立偏最小二乘法判别分析模型进行鉴别,最终提出高光谱成像系统进行纺织品成分定性鉴别的技术路线。研究结果表明：一阶导数处理能消除由纺织品加工工艺和测试条件等因素造成的基线漂移现象,提高鉴别模型的泛化性能,降低训练样本代表性的要求;通过所建立的判别分析模型,经过不同加工工艺的纺织品均能得到鉴别,且鉴别准确率达到96.78%,证实了高光谱成像技术应用于纺织品成分定性鉴别中的可行性。     

基于紫外光谱技术快速鉴别不同工艺酱香型白酒

为快速鉴别不同工艺酱香型白酒,利用紫外（UV）光谱技术结合化学计量法建立不同工艺酱香型白酒鉴别模型。结果表明,不同工艺酱香型白酒酒体紫外光谱曲线有明显的区别,传统工艺一至七轮次基酒紫外光吸收峰呈现出先上升后下降的曲线变化,成品酒紫外图谱符合以三至五轮次基酒作为勾调主体的紫外光谱曲线特征。酯类、酸类及醛酮类物质是其全波段产生紫外吸收的物质基础,糠醛是酱香型白酒在波长277 nm处产生紫外吸收的重要贡献物质。经验证,偏最小二乘判别分析（PLS-DA）方法建立的模型用于鉴别传统工艺酱香型白酒酒体类别准确率达到100%。基于紫外特征波长吸光度值的定性模型可以快速鉴别传统工艺与非传统工艺酱香型白酒。     

近红外光谱法快速鉴别转基因大豆模型优化

目的应用近红外光谱(NIR)结合偏最小二乘判别分析(PLS-DA)建立转基因大豆的快速鉴别模型,并选择最优模型。方法主成分分析(PCA)用于从光谱数据中提取相关特征并剔除异常样品。在试验中,94份样品用于构建模型,41份样品用作验证评估模型的效果。分别讨论样品形态(整粒和粉末)、波长范围和光谱预处理方法对所建模型判别正确率的影响。结果粉末状大豆样品建模的效果好于整粒大豆样品。其中判定效果最好的模型,整粒大豆在9 403～5 438 cm~(-1)范围内,采用二阶导数(2nd)处理光谱,模型的校正集和验证集的判定正确率均为100.00%;粉末状大豆在7 505～4 597 cm~(-1)范围内,采用矢量归一化+一阶导数(SNV+1st)处理光谱,模型的校正集和验证集的判定正确率也均为100.00%。结论通过选择样品形态、波长范围和光谱预处理方法可以优化鉴别模型,提高近红外判别模型的鉴别正确率。     

基于近红外高光谱成像技术的宁夏羊肉产地鉴别

使用900~1700 nm高光谱成像系统采集宁夏银川、固原、盐池三个不同产地的绵羊后腿样本的近红外高光谱数据,对光谱采用面积归一化方法预处理,利用SPA、CARS、UVE算法对预处理后的光谱数据提取特征波长分别为17、40、121个;结合PLS-DA及KNN建立特征波段下的判别模型。结果表明KNN判别模型效果较差,3种特征波长中利用CARS提取的特征波长建模效果最佳,代替全光谱建立PLS-DA判别模型是可行的;综合对比模型效果,CARS-PLS-DA为最优模型,校正集正确率90.48%,预测集正确率84.21%。证明利用近红外高光谱成像技术对羊肉产地鉴别是可行的。     

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...     

基于氮稳定同位素比例质谱和液相色谱-高分辨质谱的有机番茄鉴别

为了解决有机食品鉴别需要多种参数指标进行综合判定,制样过程繁琐,判别正确率偏低的问题,本研究提出一种基于稳定同位素比例质谱和液相色谱-高分辨质谱分析技术,结合偏最小二乘法判别分析(partial least squares-discriminant analysis,PLS-DA)的有机番茄鉴别方法.将采集的94个番茄...     

基于GC-MS-O香气成分分析和多元统计分析的柚子品种鉴别

以浙江、江西和福建3个产地的5个柚子品种为试材,对我国不同地区和品种的柚子香气成分进行鉴定。通过固相微萃取技术(SPME)和气相色谱-质谱-嗅闻仪(GC-MS-O)相结合,对柚子的香气贡献组分进行鉴定。通过主成分分析(PCA)结合偏最小二乘判别法(PLS-DA)的多元统计分析方法进行品种间差异分析。根据GC-MS-O结果,5种柚子中挥发性组分种类构成丰富,不同品种的含量差异较大,主要包括萜烯类、醇类、醛类、酮类、酯类等。从柚子中共鉴定出香气贡献组分38种,其中柑橘味、松香味、香脂味、青草味、木香味等为主要呈现的香气属性。结合多元统计分析结果显示:PCA分析能较好地区分5种柚子品种,确定不同品种香气差异的贡献组分。PLS-DA方法实现了不同柚子品种间香气特征的差异分析,其中青草味、薄荷味、花香味和松香味可作为区分不同品种的主要特征风味。研究结果表明,基于香气组分的GC-MS-O分析结合多元统计分析可以鉴定国内各种类型的柚子。本研究结果为我国柚子品种鉴定,品质特性比较,柚子加工工艺探索以及产地溯源提供了理论基础。     

基于多元素分析的冬枣产地鉴别方法

为了探讨利用产地间差异性元素进行产地判别的可行性,测定了不同产地冬枣样本中10种元素的含量,并对数据进行了差异性分析、聚类分析、Fisher判别分析和偏最小二乘判别分析（partial least squares discrimination analysis,PLS-DA）。结果表明,不同产地冬枣中Mg、B、Mn、Fe、Zn元素存在显著差异,是具有产地特征的指纹元素。R型系统聚类分析也证实B、Mn、Fe和Zn元素具有共同特征。基于产地特征元素和Q型聚类、Fisher判别和PLS-DA建立的冬枣产地鉴别模型正确率均高于基于全部元素的分析结果,其中利用特征元素建立的PLS-DA模型鉴别正确率最高,回代检验和交叉检验正确率均为94.0%,Q型聚类模型的判别能力最差,最高的判别正确率为84.06%。本研究证实了产地间差异性元素是有效的产地判别因子,具有监督模式的Fisher判别和PLS-DA算法准确率远高于无监督模式的系统聚类法,更适于产地鉴别分析。      

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HS-SPME-GC-MS和OAV分析黄山地区不同茶树品种红茶香气的差异

为探究黄山地区不同茶树品种红茶的香气差异,选取在黄山地区广泛种植的9 个茶树品种鲜叶,以祁门红茶的加工工艺制成红茶,其中有性系茶树品种‘祁门槠叶种’为加工祁门红茶的当家品种,其余8 个均为无性系良种,分别是‘翠绿1号’、‘凫早2号’、‘皖茶4号’、‘舒茶早’、‘皖茶91’、‘中茶108’、‘浙农117’和‘浙农139’。感官审评结果显示,9 个品种红茶香气类型均为甜香型,其中‘祁门槠叶种’红茶具有典型的“祁门香”,花香明显;‘皖茶4号’红茶香气甜香为主,稍带花香,其余品种红茶甜香明显,而花香显著低于‘祁门槠叶种’和‘皖茶4号’红茶。气顶空固相微萃取-气相色谱-质谱分析结果显示,共有46 个高峰度化合物被鉴定,利用阈值共计算出21 个气味活度值大于1的挥发性成分;主成分分析表明‘祁门槠叶种’红茶、‘皖茶4号’红茶香气显著有别于其他品种红茶;正交偏最小二乘判别分析表明(E)-β-紫罗酮、芳樟醇、β-月桂烯、香叶醇、己醛、壬醛和庚醛7 个化合物在组间的变量投影重要性值大于1,可能是影响‘祁门槠叶种’红茶香气显著有别于其他品种红茶的主要因素。本研究结果对了解不同品种红茶香气差异化合物及“祁门香”具有重要指导意义。     

红外光谱结合多元统计分析快速鉴别不同种类牛肝菌

采用傅里叶变换红外光谱结合多元统计分析方法快速鉴别不同种类食用牛肝菌。采集10 个不同种类93 个牛肝菌子实体的红外光谱,分析食用牛肝菌的红外光谱特征;用多元散射校正（multiplicative signal correction,MSC）、标准正态变量（standard normal variate,SNV）、二阶导数（second derivative,SD）、Norris平滑（ND）、正交信号校正（orthogonal signal correction,OSC）、小波压缩等方法对光谱进行优化处理;经优化处理的光谱数据分别建立马氏距离分类模型及偏最小二乘判别分析（partial least squares discriminant analysis,PLSDA）。结果显示,牛肝菌在3 325、2 934、2 927、1 637、1 547、1 402、1 375、1 259、1 453、1 081、1 029 cm－1等附近有多个吸收峰,主要归属为蛋白质、多糖、氨基酸等的特征吸收峰。MSC＋SD＋ND（15∶5）和SNV＋SD＋ND（15∶5）两种预处理方式前10 个主成分累积贡献率分别为95.58%、95.54%,基于两种预处理方法建立马氏距离分类模型,验证集预测准确率分别为90%和95%。PLS-DA结果显示经MSC＋SD＋ND（15∶5）和SNV＋SD＋ND（15∶5）预处理不易于区分牛肝菌种类;原始光谱经正交信号校正及小波压缩（orthogonal signal correction waveletcompression,OSCW）、优化处理并进行PLS-DA分析,能够很好地区分不同种类牛肝菌。马氏距离分类模型不仅能反映样品的分类情况,同时计算出与测试样品相似度最大的物种,可为食用菌种类鉴别和未知物种鉴定提供可靠依据;OSCW预处理后进行PLS-DA分析能有效鉴别不同种类牛肝菌,为野生食用菌的鉴别分类提供一种辅助方法。     

基于红外光谱指纹和挥发性组分信息融合模型鉴别大米产地来源

为建立一种红外光谱指纹信息和挥发性组分信息融合鉴别模型,提高模型对大米产地的鉴别率。通过傅里叶红外光谱和气相色谱-质谱联用分析20?份盘锦大米、19?份射阳大米和15?份五常大米样品中红外光谱吸光度和挥发性组分含量,利用方差分析筛选出特征光谱和挥发性组分,结合偏最小二乘判别分析（partial least squares-discriminant analysis,PLS-DA）法建立融合这2?种指纹信息的鉴别方法。结果表明,信息融合模型的大米产地鉴别准确率为97.4%,与单一光谱指纹信息模型（92.9%）和挥发性指纹信息模型（88.9%）相比,分别提高了4.5%和8.5%。因此,信息融合技术提高了该模型鉴别效果,采用PLS-DA法信息融合模型对大米产地进行鉴别是可行有效的。     

苹果品种及损伤苹果的FT-NIR鉴别研究

用傅里叶近红外光谱技术(FT-NIR)对不同品种的苹果以及损伤嘎啦和完好嘎啦进行快速、无损检测,比较不同判别方法对所建立的区分苹果品种及苹果损伤模型的影响。结果表明:损伤嘎啦和完好嘎啦的近红外图谱经小波分析预处理后,用12000～4000cm-1波数范围的前5个主成分分别结合多层感知神经网络、径向基神经网络、Fisher判别3种方法所建立的判别模型对未知样本的正确判别率分别为97.8%、87.2%和84.8%,基于权重法用多元线性回归(MLR)所选择的特征波长所建立的Fisher判别模型对未知样本的正确判别率为89.1%;用偏最小二乘判别(PLS-DA)所建立的判别模型对未知样本的正确判别率为100%,由于PLS-DA模型对训练集和验证集的正确判别率均为100%,因此PLS-DA模型优于其他模型。不同品种苹果的光谱经平滑预处理后,用全波数范围12000～4000cm-1的前6个主成分所建立的判别模型优于经验波数范围8000～4500cm-1所建立的判别模型,其较优模型对建模集和验证集的正确判别率分别为90.9%和92.1%。近红外光谱技术结合化学计量学可以快速、无损鉴别苹果是否有损伤以及不同品种的苹果。     

基于高光谱图像的玉米种子产地与年份鉴别

提出了一种利用高光谱图像技术对玉米种子产地和年份的鉴别方法。首先采用高光谱成像系统采集不同产地和年份的玉米种子高光谱图像,利用主动轮廓模型对玉米种子高光谱图像进行轮廓提取,得到每粒玉米在400~1 000 nm共233个波段范围内的4个光谱特征,利用不同的特征及预处理方式结合偏最小二乘判别分析建立玉米种子的产地和年份鉴别模型。结果显示,利用最佳特征及预处理方式建立的玉米种子产地和年份鉴别模型中,训练集和测试集精度分别为99.11%和98.39%。研究结果表明,利用高光谱图像技术对玉米种子的产地和年份进行无损鉴别是可行的。     

基于近红外技术和偏最小二乘判别法对无花果成熟度的快速判别

以无花果为试验对象,对其进行近红外光谱采集,并对其糖度、单果重、纵径、横径、硬度5个指标进行K-均值聚类;根据光谱数据、主成分分析确定最优聚类效果的成分和各类别的指标分布构建偏最小二乘判别分析(PLS-DA)模型进行聚类判别,以实现对果实成熟度(幼果期、成长期、成熟期)分类的准确、快速、无损伤鉴别。结果表明,3种成熟阶段的无花果样品的糖度、单果重和硬度均具有显著性差异,成熟果和成长果与幼果的纵径和横径间具有显著性差异。根据PLS-DA判别模型累计训练集的分类正确率为99.59%,测试集的分类正确率为99.15%。说明主成分分析与光谱数据所建立的PLS-DA模型性能较好,对无花果成熟度的快速鉴别是有效且可行的。     

国内外花椒研究概况

采用电子鼻技术对包括汉源花椒在内的全国6个不同主要产地的红花椒进行10个传感器通道的风味成分测定和分析,用于汉源花椒的鉴别。利用传感器响应的风味成分分布轮廓的差异对6个不同产地红花椒分别进行了主成分分析（Principal Component Analysis,PCA）、线性判别分析（Linear Discriminate Analysis,LDA）和偏最小二乘判别分析（Partial Least Squares Discriminant Analysis,PLS-DA）,并构建了汉源花椒的鉴别模型。结果表明,PCA和LDA模型均能较好地将汉源花椒与其他5种红花椒分别区分,在PLS-DA中建立了汉源花椒的“是-否”鉴别模型,模型的预测能力参数（Q²）和拟合优度参数（R²）分别为0.947和0.968,交叉验证和置换模拟验证结果表明所构建模型未发生过拟合,稳健有效。同时,对汉源花椒掺杂5%、10%、30%及50%的其他种类红花椒样品进行了测定和分析,LDA及PLS-DA鉴别模型均能将掺杂的样品与纯正的汉源花椒准确鉴别。本研究通过电子鼻技术和化学计量学的理论与方法实现了汉源花椒与其他不同产地红花椒样品的准确鉴别和汉源花椒的掺杂鉴别,为汉源花椒的中国国家地理标志产品保护、质量控制和产地溯源提供了新的技术参考。