近红外光谱结合SIMCA对不同产地枸杞溯源模型的优化

采用近红外光谱结合簇类独立软模式法(SIMCA)建立枸杞溯源模型,比较不同光谱预处理方法建立的溯源模型的优劣。结果表明,在950～1650nm波长范围内,原始光谱经二阶导数、五点平滑以及矢量归一化处理后,在波长1135、1175、1235、1335、1395、1535nm处,均有明显的特征吸收峰;新疆、中宁、甘肃、青海、南梁、惠农、固原和内蒙的8个产地模型的主成分数分别为3时,采用SIMCA法建立的枸杞溯源模型最好;在10%显著水平下,建立的8个产地模型中,固原模型最好,惠农模型最差。

不同产地山药的近红外鉴别和差异分析

为快速分类鉴别不同产地山药,该研究采用近红外光谱(near infrared spectroscopy,NIRS)技术结合聚类分析法和簇类独立软模式法(soft independent modeling of class analogy,SIMCA)对山东、河北、湖北、河南、江西的山药进行产地鉴别和差异分析,并且比对不同产地山药中K、Ca、Mg元素的含量。结果表明,原始谱图经过一阶导数处理后所建立的模型对山药地区聚类判别和SIMCA判别的准确率均为100%,利用近红外光谱技术可以实现山药产地的快速鉴别。不同产地山药中K、Ca、Mg元素的测定结果显示,K元素含量为1872.59μg/g~3703.28μg/g,Ca元素含量为209.89μg/g~334.88μg/g,Mg元素含量为215.80μg/g~343.22μg/g,加标回收率为96.26%~98.89%,相对标准偏差为1.35%~1.98%。

基于近红外光谱的鸡蛋产地溯源

为了快速、准确、无损地追溯鸡蛋的不同产地,借助于近红外光谱技术,采用主成分析结合PLS-DA判别模型和簇类独立软模式法(SIMCA)建立了鸡蛋的溯源模型。利用标准正态变量(standard normal variate,SNV)、Savitzky-Golay平滑滤波(SG)和多元散射校正(multiplicative scatter correction,MSC)等方法对原始光谱数据进行了预处理,结果表明SG(3点)平滑处理结果最好;利用主成分分析方法对不同地区的鸡蛋进行聚类分析,发现当主成分数为3时,建立的SIMCA溯源效果最好。结果表明,在显著水平0.05时,4个地区(朔州、吕梁、太谷、运城)验证集的识别率均为100%,其中吕梁和运城地区的拒绝率为100%,朔州和太谷地区的拒绝率为98.6%。说明SIMCA模式建立的模型基本能够判别鸡蛋产地。

有机与非有机荷斯坦牛乳脂肪酸指纹聚类分析

采集国内3家乳品企业荷斯坦牛有机和非有机的原乳与超高温灭菌(ultra-high temperature,UHT)乳,采用气相色谱法测定其脂肪酸(fatty acids,FAs)构成(称为FAs指纹),并进行主成分分析(principal component analysis,PCA)和描述性统计比较,建立软独立建模分类(soft independent modeling of class analogies,SIMCA)判别模型。PCA分析发现原乳和UHT乳均按有机和非有机饲养模式分开聚类,说明有机与非有机乳的FAs指纹不同;但不同企业有机与非有机牧场原乳聚类位置不一致,说明不同企业奶牛饲养模式及标准都有较大差异;不同企业有机和非有机UHT乳聚类的位置和趋势有一致性,这可能与UHT乳生产使用大罐多牧场混合原奶及标准化工艺有关。有机和非有机乳间脂肪酸独立样本t检验多数有显著或极显著差异,但整体FAs均值配对t检验差异不显著,即传统统计不能区分有机和非有机乳FAs复杂的整体差异。总体上有机乳中α-亚麻酸(C18∶3n3)和亚油酸(C18∶2n6c)含量显著高于非有机乳,非有机乳C16∶0和C16∶1含量高;3家乳企有机和非有机乳之间关键FAs的比值不同,再次说明不同企业奶牛饲养模式或饲料不同。有机和非有机UHT乳SIMCA判别模型内部和外部验证正确率分别为100%和90.5%,FAs指纹建模判别有机与非有机UHT乳可行。

粗皮桉近红外光谱差异与其遗传差异间的关系

摸清粗皮桉(Eucalyptus pellita)群体的遗传亲缘关系,对研究桉树杂交育种理论,开发优良新品种具有非常重要的意义。研究意在通过对比粗皮桉种源遗传差异与其光谱差异间的关系,探索近红外光谱(NIRs)技术用于粗皮桉遗传亲缘关系分析的可行性。以粗皮桉天然种源材料为对象,每个种源采集8~12个家系叶样。通过全基因组重测序,基于核苷酸序列差异计算种源间的遗传距离。同时,每个家系选择4~6片健康叶片烘至绝干后,将其粉碎装于透明自封口塑料袋。用手持式近红外仪Phazir Rx (1624)采集样品的NIRs信息。以簇类独立软模式(SIMCA)判别分析统计对比种源到目标种源的光谱距离,并基于NIRs欧氏距离对种源进行层级聚类。以NIRs的PCA因子得分图分析种源间的遗传亲缘关系及其遗传变异。结果显示,粗皮桉新几内亚岛种源间的平均遗传距离为0.186,昆士兰州种源间的平均为0.157,新几内亚岛种源与昆士兰州种源间的平均遗传距离为0.295,明显大于区域内种源间的遗传距离。粗皮桉2大区域种源间的NIRs光谱距离与其种源间遗传距离基本呈正相关关系。基于NIRs的层级聚类在一定程度上印证了种源遗传距离、光谱距离的大小关系,但与其地理距离非完全对应,说明基因交流对粗皮桉群体的遗传亲缘关系有较大的影响。PCA聚类显示,遗传或光谱距离大的种源样本因子得分图存在严重重叠,而遗传或光谱距离小的种源样本因子得分反而会清晰聚类,这表明NIRs信息区分异质样本的敏感性,同时也反映了粗皮桉种源内家系间遗传变异的大小。研究结果表明,NIRs技术能够真实反映粗皮桉种源间的遗传差异,可用于桉树群体遗传亲缘关系及群体内的遗传变异分析,可辅助桉树群体的世代改良研究。

红外光谱法结合系统聚类和SIMCA模式识别法快速鉴别羌活种子

目的采用傅里叶变换红外光谱法鉴别羌活种子。方法在4 000～400 cm-1内测定羌活种子光谱吸收峰,应用系统聚类和SIMCA模式识别法鉴别羌活和宽叶羌活的种子。结果运用系统聚类法,当聚类距离为15时,两种羌活可明显分为2类;运用SIMCA模式识别法,所建模型对羌活和宽叶羌活的种子识别率分别达96%和97%,拒绝率均为100%,两者盲样检测准确率也在90%以上,所建模型可用于样品检测。结论应用红外光谱法结合系统聚类和SIMCA模式识别法,可以简单、快速、准确地鉴别羌活种子,该方法为鉴别羌活种子的来源及真伪提供了一种新的技术手段。