湿加松针叶儿茶素和表儿茶素总量近红外光谱预测模型的建立

【目的】松针为松科植物松属植物的针形叶,其含有丰富的营养成分和化学活性物质,其中含有的黄酮类物质儿茶素和表儿茶素具有抗氧化、抗癌、抑菌、抗心血管疾病等作用,在食品、医学等领域研究广泛。利用近红外光谱技术建立一种准确、快速、高效测定湿加松针叶儿茶素(Catechin)和表儿茶素(L-Epicatechin)总量的模型,为湿加松高含量活性成分的筛选提供理论依据。【方法】以111份湿加松松针粉为试验材料,用瑞典波通仪器公司的型号为DA7200的近红外光谱分析仪收集光谱范围在950~1650 nm的湿加松松针粉样本的光谱数据,其中随机选取96份样品作校正集,利用The Unscrambler软件采用偏最小二乘法(PLS)构建回归模型,通过预处理及剔除异常值,得到最优模型。剩下的15份样品作外部验证集,对已建立的近红外模型进行外部验证。【结果】表明湿加松针叶儿茶素和表儿茶素总量预测的最佳模型预处理方法为Smoothing S.Golay+Derivatives S.Golay,当主成分数为16时,儿茶素和表儿茶素总量预测模型的校正相关系数R^(2)为0.9352,校正均方根误差(RMSEC)为2.1458,交互验证相关系数R^(2)_(cv)=0.7545,交互验证均方根误差(RMSEV)为4.3134。对已建立的近红外模型进行外部验证,儿茶素和表儿茶素总量验证相关系数外部验证集测定值和模型预测值之间相关系数R为0.8339,预测均方根误差(RMSEP)为3.7391,模型预测准确度较高。【结论】本研究构建的NIRS模型校正和交互验证相关系数均较大,校正和交互验证均方根误差均较低,说明模型预测性能较好,建立的模型有助于湿加松高含量活性成分的筛选。