Saffron Quality Analysis Based on High Resolution Mass Spectrometry and Deep Learning Visual Threshold

SONG Han; FANG Fang; WEI Zhe-wen; YANG Li; GONG Zhi-guo; ZHANG Rong; JIA Wei

doi:10.19969/j.fxcsxb.23062909

您当前的位置：

首页 >

文章列表页 >

Saffron Quality Analysis Based on High Resolution Mass Spectrometry and Deep Learning Visual Threshold

Reviews | 更新时间：2023-10-18

- Saffron Quality Analysis Based on High Resolution Mass Spectrometry and Deep Learning Visual Threshold
- Journal of Instrumental Analysis Vol. 42, Issue 10, Pages: 1388-1394(2023)
- 作者机构：
  
  1.陕西科技大学食品科学与工程学院，陕西西安 710021
  2.乌鲁木齐海关技术中心，新疆乌鲁木齐 830063
  3.阿拉山口海关技术中心，新疆阿拉山口 833418
- 作者简介：
- 基金信息：
- DOI：10.19969/j.fxcsxb.23062909
  CLC：
扫描看全文
宋含,房芳,魏哲文等.高分辨质谱与深度学习视阈下的藏红花品质分析[J].分析测试学报,2023,42(10):1388-1394.

SONG Han,FANG Fang,WEI Zhe-wen,et al.Saffron Quality Analysis Based on High Resolution Mass Spectrometry and Deep Learning Visual Threshold[J].Journal of Instrumental Analysis,2023,42(10):1388-1394.
宋含,房芳,魏哲文等.高分辨质谱与深度学习视阈下的藏红花品质分析[J].分析测试学报,2023,42(10):1388-1394. DOI： 10.19969/j.fxcsxb.23062909.

SONG Han,FANG Fang,WEI Zhe-wen,et al.Saffron Quality Analysis Based on High Resolution Mass Spectrometry and Deep Learning Visual Threshold[J].Journal of Instrumental Analysis,2023,42(10):1388-1394. DOI： 10.19969/j.fxcsxb.23062909.

摘要

高分辨质谱结合传统数据分析方法常用于藏红花品质鉴别。但传统数据分析算法的准确率低、模型拟合效果差，导致判别结果的假阳性率与假阴性率高，难以进行精准鉴别。深度学习算法可自动提取数据中的隐藏特征信息，与高分辨质谱技术结合，可实现藏红花品质的精准鉴别。该文简要概述了深度学习算法在处理高分辨质谱代谢组学数据方面的研究进展，并在此基础上，总结了深度学习算法在藏红花品质鉴别中的应用，探讨了高分辨质谱技术结合深度学习算法鉴别藏红花品质的可行性。

Abstract

High resolution mass spectrometry combined with traditional data analysis methods is often used to identify the quality of saffron. However，the traditional data analysis algorithm sometimes has low accuracy and poor model fitting effect，resulting in high false positive rate and false negative rate of discrimination results，and it is difficult to accurately identify the quality of saffron. Deep learning algorithm can automatically extract the hidden feature information in the data，and combine with high resolution mass spectrometry technology to accurately identify the quality of saffron. This paper briefly summarizes research progresses of deep learning algorithms in processing high resolution mass spectrometry metabolomics data. On this basis，applications of deep learning algorithm in saffron quality identification were summarized，and the feasibility of combining high resolution mass spectrometry with deep learning algorithm was further discussed.

关键词

深度学习藏红花高分辨质谱特征提取品质鉴别

Keywords

deep learningsaffronhigh resolution mass spectrometryfeature extractionquality identification

references

Huang Y，Feng P P，Jiang H，Liu K，Zhang D，Li S Y. J. Instrum. Anal.（黄炎，冯佩佩，蒋欢，刘坤，张迪，李少燕. 分析测试学报），2023，42（5）：531-540.

Zhou C R，Wang Z T，Yang S W，Xie Y H，Liang P，Cao D，Chen Q. Chin. J. Anal. Chem.（周璨入，王哲涛，杨思危，谢宇浩，梁培，曹丹，陈强. 分析化学），2023，51（8）：1232-1242.

Hegazi N M，Khattab A R，Frolov A，Wessjohann L A，Farag M A. Food Chem.，2022，367：130739.

Yao Z M，Mao W X，Yuan Y Z，Shi Z N，Zhu G C，Zhang W W，Wang Z G，Zhang G X. Inform. Sci.，2023，642：119129.

Zhou J S，Lu Y W，Tao S Y，Cheng X，Huang C X. Expert Syst. Appl.，2021，185：115625.

Hassanzadeh T，Essam D，Sarker R. Appl. Soft Comput.，2023，143：110405.

Zhou C，Gao Y Y，Chen E J，Ding L Y，Qin W B. Autom. Constr.，2023，154：104982.

Chen Y，Huang Y，Zhang Z Z，Wang Z，Liu B，Liu C H，Huang C，Dong S Y，Pu X J，Wan F H，Qiao X，Qian W Q. Comput. Electron. Agric.，2023，212：108072.

Zhou T，Cheng Q R，Lu H L，Li Q，Zhang X X，Qiu S. Comput. Biol. Med.，2023，160：106959.

He J，Yuan Q Q，Li J，Xiao Y，Liu D H，Shen H F，Zhang L P. Inform. Fusion，2023，97：101812.

Zhang B，Zhou Y C，Zhang M，Li J，Zhang J X，Guo Z G. Appl. Res. Comput.（张彬，周粤川，张敏，李佳，张建勋，郭志刚，计算机应用研究），2023，40（3）：649-658.

Agatonovic-Kustrin S，Beresford R. J. Pharmaceut. Biomed.，2000，22（5）：717-727.

van Houdt G，Mosquera C，Nápoles G. Artif. Intell. Rev.，2020，53（8）：5929-5955.

Pomyen Y，Wanichthanarak K，Poungsombat P，Fahrmann J，Grapoy D，Khoomrung S. Comput. Struct. Biotechnol. J.，2020，18：2818-2825.

Johnsen L G，Skou P B，Khakimov B，Bro R. J. Chromatogr. A，2017，1503：57-64.

Risum A B，Bro R. Talanta，2019，204：255-260.

Melnikov A D，Tsentalovich Y P，Yanshole V V. Anal. Chem.，2020，92（1）：588-592.

Kantz E D，Tiwari S，Watrous J D，Cheng S S，Jain M. Anal. Chem.，2019，91（19）：12407-12413.

Li M，Wang X R. J. Chromatogr. A，2019，1604：460476.

Shi X J，Wang S，Jasbi P，Turner C，Hrovat J，Wei Y P，Liu J P，Gu H W. Anal. Chem.，2019，91（21）：13737-13745.

Ji H C，Xu Y M，Lu H M，Zhang Z M. Anal. Chem.，2019，91（9）：5629-5637.

Yang Q，Ji H C，Lu H M，Zhang Z M. Anal. Chem.，2021，93（4）：2200-2206.

Vrzal T，Malečková M，Olšovská J. Anal. Chim. Acta，2021，1147：64-71.

Randazzo G M，Bileck A，Danani A，Vogt B，Groessl M. J. Chromatogr. A，2020，1612：460661.

Domingo-Almenara X，Guijas C，Billings E，Montenegro-Burke J R，Uritboonthai W，Aisporna A E，Chen E，Benton H P，Siuzdak G. Nat. Commun.，2019，10（1）：5811.

Yang J H，Gao Z Q，Ren X H，Sheng J，Xu P，Chang C，Fu Y. Anal. Chem.，2021，93（15）：6094-6103.

Rong Z W，Tan Q L，Cao L，Zhang L C，Deng K，Huang Y，Zhu Z J，Li Z Z，Li K. Anal. Chem.，2020，92（7）：5082-5090.

Niu J Y，Xu W，Wei D M，Qian K，Wang Q. Anal. Chem.，2022，94（25）：8937-8946.

Matyushin D D，Sholokhova A Y，Buryak A K. Anal. Chem.，2020，92（17）：11818-11825.

Gabriel W，The M，Zolg D P，Bayer F P，Shouman O，Lautenbacher L，Schnatbaum K，Zerweck J，Knaute T，Delanghe B，Huhmer A，Wenschuh H，Reimer U，Médard G，Kuster B，Wilhelm M. Anal. Chem.，2022，94（20）：7181-7190.

Chen M，Zhu P J，Wan Q Q，Ruan X Q，Wu P F，Hao Y H，Zhang Z R，Sun J，Nie W J，Chen S M. Anal. Chem.，2023，95（19）：7495-7502.

Guo J，Shen S，Xing S P，Chen Y，Chen F，Porter E M，Yu H X，Huan T. Anal. Chem.，2021，93（36）：12181-12186.

Raina A，Kaul S，Dhar M K. Food Control，2024，155：110042.

Farag M A，Hegazi N，Dokhalahy E，Khattab A R. Food Chem.，2020，331：127358.

Momeny M，Neshat A A，Jahanbakhshi A，Mahmoudi M，Ampatzidis Y，Radeva P. Food Control，2023，147：109554.

Alighaleh P，Khosravi H，Rohani A，Saeidirad M H，Einafshar S. Expert Syst. Appl.，2022，198：116890.

Kiani S，Minaei S，Ghasemi-Varnamkhasti M. Comput. Electron. Agric.，2017，141：46-53.

Kiani S，Minaei S，Ghasemi-Varnamkhasti M. Chemom. Intell. Lab. Syst.，2016，156：148-156.

Xu Y L，Zhang J Y，Wang Y Z. Food Chem.，2023，398：133939.

Mohd A M，Hashim N，Abd A S，Lasekan O. Trends Food Sci. Technol.，2020，99：1-10.

Fan L T，Jiang J D，Xia J T，Cui F Y，Miao J C，Wang T T，Xia H L，Wang S J，Chen H W. Chin. J. Med. Phys.（樊立天，江金达，夏景涛，崔飞易，缪吉昌，王婷婷，夏红林，王胜军，陈宏文. 中国医学物理学杂志），2023，40（2）：232-237.

Yousefi-Nejad S，Heidarbeigi K，Roushani M. J. Food Meas. Charact.，2021，15（2）：1626-1633.

Yousefi-Nejad S，Heidarbeigi K，Roushani M. J. Food Sci. Technol.，2022，59（9）：3548-3556.

Zhang S P，Zhou J，Du R Y，Zheng Y，Liu Y，Xu H B. J. Instrum. Anal.（张申平，周静，杜茹芸，郑翌，刘洋，徐红斌. 分析测试学报），2023，42（4）：502-509.

Jia W，Fan Z B，Du A，Shi L，Xu M D，Chu X G. J. Instrum. Anal.（贾玮，樊子便，杜安，石琳，许牡丹，储晓刚.分析测试学报），2020，39（6）：705-714.

Jia W，Liu Y Y，Shi L，Xu X L，Chu X G. J. Instrum. Anal.（贾玮，刘余阳，石琳，许秀丽，储晓刚.分析测试学报），2019，38（6）：635-642.

Rubert J，Lacina O，Zachariasova M，Hajslova J. Food Chem.，2016，204：201-209.

Xiao X C，Jiang C Z，Jin L，Huang H E，Wang G C. Expert Syst. Appl.，2023，229：120490.

Geng Z Q，Wang X T，Jiang Y G，Han Y M，Ma B，Chu C. Expert Syst. Appl.，2023，230：120747.

Zhao Z L. Research on Identification of Vegetable Oil Quality Based on Fluorescence Spectroscopy and Deep Learning. Qinhuangdao：Yanshan University（赵志蕾. 基于荧光光谱与深度学习的植物油品质鉴别研究. 秦皇岛：燕山大学），2021.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Rapid Screening of Chemical Risk Substances in Honey by Sugar Extraction/Ultra High Performance Liquid Chromatography-Quadrupole/Electrostatic Field Orbitrap High Resolution Mass Spectrometry

Identification of Ofloxacin Metabolites in Mice Based on Metabolomics and Feature-based Molecular Network Technologies

Research on Classification of Common Bunt of Wheat Kernels Based on Visible－Near Infrared Spectroscopy Combined with Deep Learning Algorithms

Related Author

No data

Related Institution

Hebei Provincial Center for Disease Control and Prevention

School of Public Health，Hebei Medical University

Institute of Analysis and Testing，Beijing Academy of Science and Technology（Beijing Center for Physical & Chemical Analysis），Beijing Engineering Research Center of Food Safety Analysis

Department of Chemistry，Capital Normal University

Key Laboratory of Biotoxin Analysis & Assessment for State Market Regulation，Nanjing Institute of Product Quality Inspection & Testing

Address：100 Xianlie Middle Road, Guangzhou Postal code：510070
Tel：020-87684776,37656606 Fax：020-87684776 Email：fxcsxb@china.com
Technical support is provided by Beijing Founder electronics co., LTD 粤ICP备12017312号-3 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰