高分辨质谱与深度学习视阈下的藏红花品质分析

宋含; 房芳; 魏哲文; 杨丽; 巩志国; 张荣; 贾玮

doi:10.19969/j.fxcsxb.23062909

您当前的位置：

首页 >

文章列表页 >

高分辨质谱与深度学习视阈下的藏红花品质分析

综述 | 更新时间：2023-10-18

- 高分辨质谱与深度学习视阈下的藏红花品质分析
- Saffron Quality Analysis Based on High Resolution Mass Spectrometry and Deep Learning Visual Threshold
- 分析测试学报 2023年42卷第10期页码：1388-1394
- 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：
  
  巩志国，硕士，高级工程师，研究方向：食品安全与质量控制，E-mail：472688422@qq.com
  贾玮，博士，教授，研究方向：食品安全与质量控制，E-mail：jiawei@sust.edu.cn
- 基金信息：
  
  海关总署科研项目(2022HK129);新疆维吾尔自治区自然科学基金项目(2022D01A328)
- DOI：10.19969/j.fxcsxb.23062909
  中图分类号：
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.

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

糖析萃取/超高效液相色谱-四极杆/静电场轨道阱质谱快速筛查蜂蜜中的化学风险物质

基于代谢组学和特征分子网络技术分析小鼠体内氧氟沙星的代谢产物

基于深度学习与可见－近红外光谱的患腥黑穗病小麦籽粒分类研究