Análisis de la correlación olor-componente del Fang silvestre y cultivado basado en nariz electrónica y HPLC

REN Ya-ting ,  

AO Rigele ,  

WANG Hong-hong ,  

WANG Yan-nan ,  

JI Zeng-yun ,  

ZHANG Xiu-hui ,  

PAN Zhuo ,  

ZHAO Xuan ,  

ZUO Tian-tian ,  

摘要

Al analizar las diferencias en los componentes de cumarina entre Fang silvestre y cultivado, se proporciona una base para el control de calidad y el uso sostenible de los recursos. Se utilizó cromatografía líquida de alta eficacia (HPLC) para determinar el contenido de salmosidas, 5-O-metilvisamilósidos, salmosina y hematina en 33 lotes de muestras de Fang, y se aplicaron algoritmos de vecinos más cercanos (KNN) y análisis de componentes principales (PCA) para analizar las diferencias de componentes entre las muestras silvestres y cultivadas. Se utilizó una nariz electrónica biomimética para recopilar información olfativa de las muestras, analizando las diferencias de olor mediante KNN+PCA, y se correlacionaron las respuestas de los sensores con el contenido de cumarina. Los resultados de la HPLC mostraron diferencias significativas en el contenido de cumarina entre el Fang silvestre y cultivado, con la mayor contribución de la hematina; el análisis con la nariz electrónica mostró que las huellas olfativas generales del Fang silvestre y cultivado son distinguibles, con respuestas del sensor S10 y S13 contribuyendo más a la distinción, siendo la respuesta global del sensor generalmente más fuerte en el Fang silvestre. Algunos sensores se correlacionaron significativamente con los componentes de cumarina: los sensores S4 y S5 mostraron correlación positiva significativa con hematina, mientras que el sensor S10 mostró correlación negativa con salmosina. Por lo tanto, la combinación de la nariz electrónica y HPLC ofrece un método eficaz para distinguir Fang silvestre de Fang cultivado, proporcionando un nuevo enfoque para la evaluación de la calidad de la materia médica Fang.

关键词

Fang silvestre y cultivado;nariz electrónica biomimética;HPLC;algoritmo de vecinos más cercanos (KNN);análisis de componentes principales (PCA)

阅读全文