目的分析瓜蒌蒸制前后红外光谱信息的变化,筛选影响瓜蒌蒸制前后红外光谱信息差异的主要化合物类别。方法采用计算机辅助相似性评价系统计算瓜蒌及其蒸制品的原始及一阶导数红外光谱指纹图谱相似度。采用SIMCA-P11.0统计软件进行主成分...目的分析瓜蒌蒸制前后红外光谱信息的变化,筛选影响瓜蒌蒸制前后红外光谱信息差异的主要化合物类别。方法采用计算机辅助相似性评价系统计算瓜蒌及其蒸制品的原始及一阶导数红外光谱指纹图谱相似度。采用SIMCA-P11.0统计软件进行主成分分析(PCA)及偏最小二乘判别分析(PLS-DA),建立瓜蒌蒸制前后红外光谱数据的PCA模型和PLSDA模型,通过得分散点3D图和载荷散点3D图及变量权重值(variable important in project,VIP)值,筛选影响瓜蒌蒸制前后内在红外光谱信息差异的主要化合物类别。结果瓜蒌及其蒸制品的原始及一阶导数红外光谱指纹图谱的相似度分别为0.9165和0.2832。采用SIMCA-P 11.0统计软件筛选出7个VIP>1的光谱峰,其中1456 cm-1处的吸收峰为νc=c,1726 cm-1处的吸收峰为νc=o且VIP值分别为1.6290和1.4256。结论瓜蒌蒸制前后化合物类别没有变化,但化学成分发生了变化。影响瓜蒌蒸制前后红外光谱信息差异的化合物中应主要含有C=C-C=C或C=O,或二者兼有。展开更多
文摘目的分析瓜蒌蒸制前后红外光谱信息的变化,筛选影响瓜蒌蒸制前后红外光谱信息差异的主要化合物类别。方法采用计算机辅助相似性评价系统计算瓜蒌及其蒸制品的原始及一阶导数红外光谱指纹图谱相似度。采用SIMCA-P11.0统计软件进行主成分分析(PCA)及偏最小二乘判别分析(PLS-DA),建立瓜蒌蒸制前后红外光谱数据的PCA模型和PLSDA模型,通过得分散点3D图和载荷散点3D图及变量权重值(variable important in project,VIP)值,筛选影响瓜蒌蒸制前后内在红外光谱信息差异的主要化合物类别。结果瓜蒌及其蒸制品的原始及一阶导数红外光谱指纹图谱的相似度分别为0.9165和0.2832。采用SIMCA-P 11.0统计软件筛选出7个VIP>1的光谱峰,其中1456 cm-1处的吸收峰为νc=c,1726 cm-1处的吸收峰为νc=o且VIP值分别为1.6290和1.4256。结论瓜蒌蒸制前后化合物类别没有变化,但化学成分发生了变化。影响瓜蒌蒸制前后红外光谱信息差异的化合物中应主要含有C=C-C=C或C=O,或二者兼有。