目的在近红外光谱(near infrared spectroscopy,NIR)与表面增强拉曼光谱(surface-enhanced Raman spectroscopy,SERS)特征层数据融合的基础上构建偏最小二乘回归(partial least squares regression,PLSR)模型实现花生油中黄曲霉毒素B_(1...目的在近红外光谱(near infrared spectroscopy,NIR)与表面增强拉曼光谱(surface-enhanced Raman spectroscopy,SERS)特征层数据融合的基础上构建偏最小二乘回归(partial least squares regression,PLSR)模型实现花生油中黄曲霉毒素B_(1)(aflatoxin B_(1),AFB_(1))含量的快速检测。方法首先,分别采集待测样本的NIR与SERS光谱。其次,将采集的NIR与SERS光谱分别进行光谱预处理。然后,采用基于希尔伯特-施密特独立准则的变量空间迭代优化算法(Hilbert-Schmidt independence criterion based variable space iterative optimization,HSIC-VSIO)分别筛选NIR与SERS光谱的特征变量。最后,将筛选的特征变量进行融合并构建PLSR模型用于定量检测花生油中AFB_(1)含量。结果与NIR光谱数据、SERS光谱数据以及NIR与SERS光谱直接融合数据构建的PLSR模型相比,NIR与SERS光谱特征层融合数据构建的PLSR模型具有最佳的预测性能:校正集均方根误差(root mean squared error of calibration set,RMSEC)为0.1569,校正集决定系数(coefficient of determination of calibration set,R_(c)^(2))为0.9908,预测集均方根误差(root mean squared error of prediction set,RMSEP)为0.1827,预测集决定系数(coefficient of determination of prediction set,R_(c)^(2))为0.9854,性能偏差比(ratio of performance to deviation,RPD)为8.2761。将本方法与标准方法分别检测真实含有AFB_(1)的花生油样本,结果表明两者的检测性能无显著性差异(P=0.84>0.05)。结论本方法可实现花生油中AFB_(1)含量的快速、高精度定量检测,也验证了NIR与SERS光谱融合的可行性与有效性。展开更多
采用紫外光谱定性定量分析野生植物茅莓主要有效成分黄酮化合物,并对其进行液相色谱-电喷雾质谱联用、薄层色谱原位表面增强拉曼散射研究。液相色谱流动相A:CH3OH,B:H2O+1%乙酸,液相色谱流出时间16.21 m in的化合物为六羟基双氢黄酮醇...采用紫外光谱定性定量分析野生植物茅莓主要有效成分黄酮化合物,并对其进行液相色谱-电喷雾质谱联用、薄层色谱原位表面增强拉曼散射研究。液相色谱流动相A:CH3OH,B:H2O+1%乙酸,液相色谱流出时间16.21 m in的化合物为六羟基双氢黄酮醇二聚体形式,分子量640,占总黄酮的91.71%;流出时间19.61 m in的化合物分子量448,为槲皮甙,占总黄酮的8.29%。茅莓总黄酮经聚酰胺薄层色谱板分离,获得两个斑点:R f1=0.14,R f2=0.47;分别制备灰银胶和溴化银光致还原银溶胶表面增强基底,在样品薄层色谱两个斑点原位分别获得2种黄酮化合物的表面增强拉曼光谱,在2种表面增强基底作用下,都能观察到μg量黄酮化合物特征拉曼光谱,并比较了2种色谱分离与指纹检测联用技术。展开更多
文摘目的在近红外光谱(near infrared spectroscopy,NIR)与表面增强拉曼光谱(surface-enhanced Raman spectroscopy,SERS)特征层数据融合的基础上构建偏最小二乘回归(partial least squares regression,PLSR)模型实现花生油中黄曲霉毒素B_(1)(aflatoxin B_(1),AFB_(1))含量的快速检测。方法首先,分别采集待测样本的NIR与SERS光谱。其次,将采集的NIR与SERS光谱分别进行光谱预处理。然后,采用基于希尔伯特-施密特独立准则的变量空间迭代优化算法(Hilbert-Schmidt independence criterion based variable space iterative optimization,HSIC-VSIO)分别筛选NIR与SERS光谱的特征变量。最后,将筛选的特征变量进行融合并构建PLSR模型用于定量检测花生油中AFB_(1)含量。结果与NIR光谱数据、SERS光谱数据以及NIR与SERS光谱直接融合数据构建的PLSR模型相比,NIR与SERS光谱特征层融合数据构建的PLSR模型具有最佳的预测性能:校正集均方根误差(root mean squared error of calibration set,RMSEC)为0.1569,校正集决定系数(coefficient of determination of calibration set,R_(c)^(2))为0.9908,预测集均方根误差(root mean squared error of prediction set,RMSEP)为0.1827,预测集决定系数(coefficient of determination of prediction set,R_(c)^(2))为0.9854,性能偏差比(ratio of performance to deviation,RPD)为8.2761。将本方法与标准方法分别检测真实含有AFB_(1)的花生油样本,结果表明两者的检测性能无显著性差异(P=0.84>0.05)。结论本方法可实现花生油中AFB_(1)含量的快速、高精度定量检测,也验证了NIR与SERS光谱融合的可行性与有效性。
文摘采用紫外光谱定性定量分析野生植物茅莓主要有效成分黄酮化合物,并对其进行液相色谱-电喷雾质谱联用、薄层色谱原位表面增强拉曼散射研究。液相色谱流动相A:CH3OH,B:H2O+1%乙酸,液相色谱流出时间16.21 m in的化合物为六羟基双氢黄酮醇二聚体形式,分子量640,占总黄酮的91.71%;流出时间19.61 m in的化合物分子量448,为槲皮甙,占总黄酮的8.29%。茅莓总黄酮经聚酰胺薄层色谱板分离,获得两个斑点:R f1=0.14,R f2=0.47;分别制备灰银胶和溴化银光致还原银溶胶表面增强基底,在样品薄层色谱两个斑点原位分别获得2种黄酮化合物的表面增强拉曼光谱,在2种表面增强基底作用下,都能观察到μg量黄酮化合物特征拉曼光谱,并比较了2种色谱分离与指纹检测联用技术。