一种通过水光谱探究木犀草素浓度测定的新方法

冯昱龙; 贺小刚; 韩想; 于佳萍; 楚刚辉

doi:10.19969/j.fxcsxb.21030409

您当前的位置：

首页 >

文章列表页 >

一种通过水光谱探究木犀草素浓度测定的新方法

实验技术与方法 | 更新时间：2023-01-04

- 一种通过水光谱探究木犀草素浓度测定的新方法
- Study on a New Method for Determination of Luteolin Concentration through Water Spectra
- 分析测试学报 2022年41卷第2期页码：255-260
- 作者机构：
  
  新疆特色药食用植物资源化学实验室喀什大学化学与环境科学学院，新疆喀什 844000
- 作者简介：
  
  楚刚辉，博士，教授，研究方向：吸附材料合成与应用，E－mail：cghks5@126.com
- 基金信息：
  
  国家自然科学基金项目(21765012);新疆维吾尔自治区高校科研计划自然科学重点资助项目(XJEDU2020I016)
- DOI：10.19969/j.fxcsxb.21030409
  中图分类号：
扫描看全文
冯昱龙,贺小刚,韩想等.一种通过水光谱探究木犀草素浓度测定的新方法[J].分析测试学报,2022,41(02):255-260.

FENG Yu-long,HE Xiao-gang,HAN Xiang,et al.Study on a New Method for Determination of Luteolin Concentration through Water Spectra[J].Journal of Instrumental Analysis,2022,41(02):255-260.
冯昱龙,贺小刚,韩想等.一种通过水光谱探究木犀草素浓度测定的新方法[J].分析测试学报,2022,41(02):255-260. DOI： 10.19969/j.fxcsxb.21030409.

FENG Yu-long,HE Xiao-gang,HAN Xiang,et al.Study on a New Method for Determination of Luteolin Concentration through Water Spectra[J].Journal of Instrumental Analysis,2022,41(02):255-260. DOI： 10.19969/j.fxcsxb.21030409.

摘要

采集了一定含水量、不同浓度的木犀草素溶液的近红外光谱，借助于多元分析方法研究了其谱峰变化，建立了一种基于不同浓度木犀草素对水光谱的扰动情况进行木犀草素检测的模型。通过比较不同光谱预处理方法，最终确定采用标准正态变换（SNV）法进行光谱预处理，并以偏最小二乘（PLS）法建立木犀草素的定量预测模型。结果显示，经Kennard－Stone（KS）筛选的模型相关系数,R,为0.994 7，交叉验证均方根误差（RMSECV）为1.947 8，预测残差（RPD）为4.292 7，说明模型稳健，误差小；预测集样品的预测均方根误差（RMSEP）为2.077 7，回收率为98.0%～105%。结果表明，基于木犀草素对水的近红外光谱的扰动可以进行木犀草素浓度测定。该方法简便、快速，结果准确，为生物活性成分的测定提供了一种新的方法。

Abstract

The near-infrared spectra of a certain water content and different mass concentrations of luteolin solutions were collected，and the spectral peak changes were studied by means of a multivariate analysis method．A model for luteolin detection was established based on the disturbance of the water spectra．By comparing different spectral preprocessing methods，it was finally determined that the standard normal transformation（SNV） method was used for spectral preprocessing，and the partial least squares（PLS） method was used to establish a quantitative prediction model for luteolin．The results showed that the correlation coefficient ,R, of the model selected by Kennard－Stone（KS） was 0.994 7，and the root mean square error of cross validation（RMSECV） was 1.947 8，ratio of performance to deviation（RPD） was 4.292 7，it indicated that the model was robust and the error was small．Meanwhile，the predicted root mean square error（RMSEP） of the prediction set samples was 2.077 7，and the recovery ranged from 98.0% to 105%．The results showed that the luteolin content could be determined based on the perturbation of the near-infrared spectra of water．The method is simple，rapid and accurate，and it provides a new method for the determination of bio-active ingredients．

关键词

水光谱组学近红外光谱扰动木犀草素

Keywords

water spectromicsnear infrared spectroscopyperturbationluteolin

references

Yao X，Jiang W，Yu D H，Yan Z W．Food Funct.，2019，10（2）：703－712.

Zhou G L，Cai Y R ，Li S S，Jiang Q，Feng S L，Qin M S，Yu H．Food Mach. （周国梁，蔡玉茹，李洒洒，江倩，冯顺丽，秦梅颂，俞浩．食品与机械），2019，35（4）：54－59.

Wang M L，Tian X，Bai Y X．Chin. Pharm. （王美丽，田香，白玉霞．中国药房），2016，27（18）：2540－2542.

Shi F G，Pan H，Lu Y F，Ding L．J. Sep. Sci.，2018，41（20）：3830－3839.

Maher H M，Al-Zoman N Z，Al-Shehri M M，Al-Showiman H，Al-Taweel A M，Fawzy G A，Perveen S．Instrum. Technol.，2015，43（6）：611－625.

Huang X F，Zhang J L，Huang D P，Huang A S，Huang H T，Liu Q，Liu X H，Liao H L．Int. Immunopharmacol.，2020，86：106727.

Czarnecki M A，Morisawa Y，Futami Y，Ozaki Y．Chem. Rev.，2015，115（18）：97－107.

Tsenkova R．NIR News，2006，17（4）：10－11.

Fan M L，Zhao Y，Liu Y，Cai W S，Shao X G．Prog. Chem. （樊梦丽，赵越，刘言，蔡文生，邵学广．化学进展），2015，27（Z1）：242－250.

Zhao H T，Sun Y，Guo Y C，Cai W S，Shao X G．Chem. J. Chin. Univ. （赵洪涛，孙岩，郭一畅，蔡文生，邵学广．高等学校化学学报），2020，41（9）：1968－1974.

Chatani E，Tsuchisaka Y，Masuda Y，Tsenkova R．Plos One，2014，9（7）：e101997.

Czarnecki M A，Haufa K Z．J. Phys. Chem. A，2005，109（6）：1015－1021.

Tsenkova R．NIR News，2008，19（4）：13－14.

Bazar G，Kovacs Z，Tanaka M，Mariko J．Anal. Chim. Acta，2015，896：52－62.

Kovacs Z，Gyrgy B，Oshima M，Shigeoka S，Tsenkova R．Talanta，2015，147：598－608.

Ma L W，Guo T，Ma J F，Shi Q L，Xiao H X．J. Instrum. Anal. （马力文，郭拓，马晋芳，史庆龙，肖环贤．分析测试学报），2020，39（10）：1254－1259.

Chen G P，Tong P J，Geng J P，Li X Y，Li X Y，Du Y P．J. Instrum. Anal. （陈贵平，童佩瑾，耿金培，李晓玉，李秀勇，杜一平．分析测试学报），2012，31（5）：605－608.

Katsumoto Y，Adachi D，Sato H，Ozaki Y．Am. J. Agric. Econ.，2002，10（1）：401－414.

Kee N，Tan R，Braatz R D．Crystal Growth & Design，2009，9（7）：3044－3051.

Powell J R，Wasacz F M，Jakobsen R J．Appl. Spectrosc.，1986，40（3）：339－344.

Liang Y，Gao H B，Li X D，Yang S L，Ma L，Liu H．Guangzhou Chem. （梁颖，高鸿彬，李晓丹，杨松林，马丽，刘浩．广州化学），2020，45（4）：23－29.

Yu M，Li S K，Dai X J，Zheng Y，Li P，Jiang L W，Liu X．J. Instrum. Anal. 余梅，李尚科，戴雪婧，郑郁，李跑，蒋立文，刘霞．分析测试学报．），2021，40（9：1374－1379.

Xu Q S，Liang Y Z．Chemom. Intell. Lab. Syst.，2001，56（1）：1－11.

Barone A，Glassey J，Montague G．J. Food Eng.，2019，263：227－236.

Wang J J，Li Z F，Wang L P，Bian X H，Cai W S，Shao X G．Comput. Appl. Chem. （王家俊，李正风，王萝萍，卞希慧，蔡文生，邵学广．计算机与应用化学），2015，32（12）：1530－1536.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

离子液体吸附剂对木犀草素的富集及CARS变量筛选的近红外光谱分析方法

近红外光谱法快速检测何首乌炮制过程中多糖含量的研究

近红外光谱技术在川麦冬原位检测中的应用研究

基于稀疏主成分分析特征选择算法的山楂叶产地判别模型研究

基于可扩展的自表示学习波段选择算法在近红外光谱回归建模中的影响研究