基于偏最小二乘法的近红外光谱定量分析模型预测蛹虫草中腺苷含量

基于偏最小二乘法的近红外光谱定量分析模型预测蛹虫草中腺苷含量

ID:15193140

大小:33.00 KB

页数:9页

时间:2018-08-01

基于偏最小二乘法的近红外光谱定量分析模型预测蛹虫草中腺苷含量_第1页
基于偏最小二乘法的近红外光谱定量分析模型预测蛹虫草中腺苷含量_第2页
基于偏最小二乘法的近红外光谱定量分析模型预测蛹虫草中腺苷含量_第3页
基于偏最小二乘法的近红外光谱定量分析模型预测蛹虫草中腺苷含量_第4页
基于偏最小二乘法的近红外光谱定量分析模型预测蛹虫草中腺苷含量_第5页
资源描述:

《基于偏最小二乘法的近红外光谱定量分析模型预测蛹虫草中腺苷含量》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于偏最小二乘法的近红外光谱定量分析模型预测蛹虫草中腺苷含量作者:李晓光,关泽华,田鸿儒,胡长峰,孟庆繁【摘要】  目的采用偏最小二乘法(PLS)建立测定蛹虫草中腺苷含量的近红外光谱定量分析模型。方法应用光谱预处理方法分别对蛹虫草样品的近红外光谱进行预处理,并采用预处理后的光谱分别建立定量分析模型。结果经过比较各个模型的内部交互验证均方根误差(RMSECV)和交互验证预测值与真实值间的相关系数(Rv),外部均方根误差(RMSEP),选取最优的模型,其RMSECV、Rv和RMSEP分别为0.7376,0.9049和0.5

2、410。结论近红外光谱在中药有效成分定量分析方面有很大的应用前景。【关键词】近红外光谱偏最小二乘法蛹虫草腺苷  蛹虫草Cordycepsmilitaris(L.exFr.)Link又名北冬虫夏草、北虫草等[1],与冬虫夏草同属异种,是虫草属的模式种,属于子囊菌亚门虫草属,是蛹虫草寄生在昆虫纲鳞翅目夜蛾科昆虫蛹体上所长出的子座与僵死蛹体的复合体。作为一种具有多种药理功能、抗癌活性的药用真菌蛹虫草[2],随着人们逐渐发现和认识蛹虫草的滋补疗效和提高人体免疫功能的功效,它的开发利用备受世人的极大关注。腺苷是合成三磷酸腺苷(A

3、TP)的主要原料,ATP9已被广泛应用于治疗心脏功能不全、脑动脉硬化及肌肉萎缩等症。现行常用的腺苷测定方法主要是高效液相法,该方法具有材料损耗大,测定过程复杂,化学试剂消耗量大且分析时间长等缺点。  随着光谱学和计算机的发展,近红外光谱分析技术也得到飞快发展。近红外光谱技术在建立可靠的校正模型的基础上,可直接对样品进行无损检测,具有分析速度快、效率高、成本低和实现在线检测等优点,近年来在农业、化工、食品、药物分析等方面有着广泛应用[3,4],在中药材的分类和活性成分分析中还处于起步阶段。偏最小二乘法(PartialLe

4、astSquare,PLS)是目前化学计量学中最有效的分析方法之一。它从自变量矩阵和因变量矩阵中提取偏最小二成分,有效地降维,并消除自变量间可能存在的复共线关系,明显改善数据结果的可靠性和准确度[5,6]。  本文应用近红外光谱法结合PLS(NIR-PLS)建立蛹虫草中腺苷含量的定量分析模型,并用所建模型对预测集样品进行预测,得到较好的结果,该方法有望成为一种代替现行真菌活性成分测定的快速绿色分析方法。    1.1材料、试剂与设1材料与方法备  蛹虫草(CGMCC5.699),购于中国科学院微生物研究所;9甲醇(色谱

5、纯),葡萄糖,磷酸二氢钾,硫酸镁,维生素B1,磷酸氢二钠,磷酸二氢钠,均为分析纯。日本岛津UV-3150型紫外可见近红外分光光度计,日本岛津ISR-3100积分球附件,联想家悦E3030微型计算机,真空冻干机,德国Eppendorf5810R型高速冷冻离心机,日本岛津LC-10AT高效液相色谱仪。  1.2样品光谱的测定  通过化学诱变法获得478株诱变蛹虫草菌株,分别通过液体深层发酵获得不蛹虫草菌丝体,冻干粉碎过60目筛,制备蛹虫粉备用;应用积分球,光谱通带宽度为12nm,扫描波长范围800~2500nm,每个样品进

6、行近红外光谱扫描3次,取平均值作为该样品的近红外光谱。  1.3蛹虫草腺苷含量的测定  1.3.1菌丝体腺苷的提取方法  准确称取0.10g经预处理后的菌丝体,加蒸馏水在恒温水浴锅内浸提一定的时间。8000r/min,离心10min,分离上清液用于腺苷含量测定。9  1.3.2腺苷含量的测定方法  根据2005版《中国药典》,利用高效液相色谱法测定腺苷的含量[7]。  流动相为pH6.5的磷酸盐缓冲液∶甲醇(体积比)=85∶15。HPLC的测定条件为色谱柱:C-18,流速:1ml/min,检测波长:260nm,柱温:3

7、5℃,进样量:20μl。  1.3.3菌丝体腺苷得率的计算  腺苷得率(W/W)=腺苷质量(mg)/菌丝体质量(g)  1.4建模标准  将样品分为校正集和预测集,校正集样品用于建立校正模型,采用交互验证的方法检验模型的内部稳健性和拟合效果,其评价参数为交互验证均方根误差(RMSECV)和交互验证预测值与真实值间的相关系数(Rv),采用预测集检验模型的预测能力,防止模型过拟合,其评价参数为预测均方根误差(RMSEP),RMSECV和RMSEP的计算方法参如下:9  RMSE=ni=1(CNIRi-CREFi)n  对

8、于RMSECV,CNIRi为校正集中各组分含量的交互验证预测值,CREFi为校正集中各组分含量的HPLC测定值,对于RMSEP,CNIRi为模型对预测集样品中各组分含量预测值,CREFi为预测集中各组分含量的HPLC测定值。  2结果与讨论  2.1校正集与预测集的选择  本实验以367个校正集和111个预测集样品的光谱数据在第一

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。