CN109324018A - 一种提高近红外光谱分析技术蛋白质含量建模基础数据准确性的方法 - Google Patents
一种提高近红外光谱分析技术蛋白质含量建模基础数据准确性的方法 Download PDFInfo
- Publication number
- CN109324018A CN109324018A CN201811454923.9A CN201811454923A CN109324018A CN 109324018 A CN109324018 A CN 109324018A CN 201811454923 A CN201811454923 A CN 201811454923A CN 109324018 A CN109324018 A CN 109324018A
- Authority
- CN
- China
- Prior art keywords
- protein
- data
- detection
- group
- protein content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000010183 spectrum analysis Methods 0.000 title abstract description 10
- 238000005516 engineering process Methods 0.000 title abstract description 9
- 238000005259 measurement Methods 0.000 claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000002331 protein detection Methods 0.000 claims abstract description 24
- OHJMTUPIZMNBFR-UHFFFAOYSA-N biuret Chemical compound NC(=O)NC(N)=O OHJMTUPIZMNBFR-UHFFFAOYSA-N 0.000 claims description 33
- 239000000523 sample Substances 0.000 claims description 22
- 238000009825 accumulation Methods 0.000 claims description 18
- 102000004169 proteins and genes Human genes 0.000 claims description 15
- 108090000623 proteins and genes Proteins 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 239000003153 chemical reaction reagent Substances 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 4
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- NKLPQNGYXWVELD-UHFFFAOYSA-M coomassie brilliant blue Chemical compound [Na+].C1=CC(OCC)=CC=C1NC1=CC=C(C(=C2C=CC(C=C2)=[N+](CC)CC=2C=C(C=CC=2)S([O-])(=O)=O)C=2C=CC(=CC=2)N(CC)CC=2C=C(C=CC=2)S([O-])(=O)=O)C=C1 NKLPQNGYXWVELD-UHFFFAOYSA-M 0.000 claims description 2
- 238000004445 quantitative analysis Methods 0.000 claims description 2
- 239000013074 reference sample Substances 0.000 claims description 2
- 238000009434 installation Methods 0.000 claims 1
- 238000012360 testing method Methods 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000012935 Averaging Methods 0.000 abstract description 4
- 108010017384 Blood Proteins Proteins 0.000 abstract 1
- 102000004506 Blood Proteins Human genes 0.000 abstract 1
- 238000004497 NIR spectroscopy Methods 0.000 abstract 1
- 108010058237 plasma protein fraction Proteins 0.000 abstract 1
- 229940081857 plasma protein fraction Drugs 0.000 abstract 1
- 235000018102 proteins Nutrition 0.000 description 13
- 239000002994 raw material Substances 0.000 description 12
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 10
- 239000012925 reference material Substances 0.000 description 9
- 229910052757 nitrogen Inorganic materials 0.000 description 5
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 4
- 238000001320 near-infrared absorption spectroscopy Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000005121 nitriding Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- QAOWNCQODCNURD-UHFFFAOYSA-N sulfuric acid Substances OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 3
- 229910021529 ammonia Inorganic materials 0.000 description 2
- 235000013877 carbamide Nutrition 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004821 distillation Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 125000001477 organic nitrogen group Chemical group 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000004448 titration Methods 0.000 description 2
- 102000009027 Albumins Human genes 0.000 description 1
- 108010088751 Albumins Proteins 0.000 description 1
- 238000009010 Bradford assay Methods 0.000 description 1
- JPVYNHNXODAKFH-UHFFFAOYSA-N Cu2+ Chemical group [Cu+2] JPVYNHNXODAKFH-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 108010063045 Lactoferrin Proteins 0.000 description 1
- 102100032241 Lactotransferrin Human genes 0.000 description 1
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 125000003368 amide group Chemical group 0.000 description 1
- 235000001014 amino acid Nutrition 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- BFNBIHQBYMNNAN-UHFFFAOYSA-N ammonium sulfate Chemical compound N.N.OS(O)(=O)=O BFNBIHQBYMNNAN-UHFFFAOYSA-N 0.000 description 1
- 229910052921 ammonium sulfate Inorganic materials 0.000 description 1
- 235000011130 ammonium sulphate Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- KGBXLFKZBHKPEV-UHFFFAOYSA-N boric acid Chemical compound OB(O)O KGBXLFKZBHKPEV-UHFFFAOYSA-N 0.000 description 1
- 239000004327 boric acid Substances 0.000 description 1
- 239000004202 carbamide Substances 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009614 chemical analysis method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- CSSYQJWUGATIHM-IKGCZBKSSA-N l-phenylalanyl-l-lysyl-l-cysteinyl-l-arginyl-l-arginyl-l-tryptophyl-l-glutaminyl-l-tryptophyl-l-arginyl-l-methionyl-l-lysyl-l-lysyl-l-leucylglycyl-l-alanyl-l-prolyl-l-seryl-l-isoleucyl-l-threonyl-l-cysteinyl-l-valyl-l-arginyl-l-arginyl-l-alanyl-l-phenylal Chemical compound C([C@H](N)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CS)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CC(C)C)C(=O)NCC(=O)N[C@@H](C)C(=O)N1CCC[C@H]1C(=O)N[C@@H](CO)C(=O)N[C@@H]([C@@H](C)CC)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CS)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](C)C(=O)N[C@@H](CC=1C=CC=CC=1)C(O)=O)C1=CC=CC=C1 CSSYQJWUGATIHM-IKGCZBKSSA-N 0.000 description 1
- 229940078795 lactoferrin Drugs 0.000 description 1
- 235000021242 lactoferrin Nutrition 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 239000012460 protein solution Substances 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 150000003672 ureas Chemical class 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明属于蛋白含量检测领域，具体涉及一种基于“数据均值化”思想提高近红外光谱分析技术中基础数据即蛋白检测数据准确性的方法。现有技术中针对蛋白含量的检测问题，通常采取3次测量求平均的方法以提高数据的准确性。本发明将“数值均值化”的思想应用于蛋白含量检测的问题，获取了蛋白含量测量的最佳测量次数，多次测量求平均以提高蛋白检测数据的准确性。应用于近红外光谱分析技术人血浆蛋白含量建模的基础数据检测，基础数据的平行测量次数应为39次。利用该方法建立的近红外光谱分析模型相比重复三次平行测量求平均建模的RMSEP提高了23.28％，本发明方法应用于血浆蛋白的检测，具有重要意义。
Description
技术领域
本发明属于蛋白含量检测领域，具体涉及一种基于“数据均值化”思想提高近红外光谱分析技术中基础数据即蛋白检测数据准确性的方法。
背景技术
双缩脲(NH2CONHCONH2)是两个分子脲经180℃左右加热，放出一个分子氨后得到的产物。凡具有两个酰胺基或两个直接连接的肽键，或能够以一个中间碳原子相连的肽键，这类化合物都能够发生双缩脲反应。在强碱性溶液中，双缩脲与二价铜离子形成紫色络合物，紫色络合物颜色的深浅与蛋白质浓度成正比，而与蛋白质分子量及氨基酸成分无关，故可用来测定蛋白质含量。双缩脲法对白蛋白、红蛋白的颜色反应相近，不受温度影响。测试速度快，但是灵敏度低，不适合高精度的蛋白质含量测定。测定范围为1-20mg。双缩脲法测试过程较为简便、快速，常用于准备配取标准蛋白溶液而准确性要求不高的测试。
现有技术中针对蛋白质的检测常用方法有微量凯氏(kjeldahl)定氮法、双缩脲法(biuret法)、酚试剂法(lowry法)、考马斯亮兰法(bradford法)及紫外吸收法。凯氏定氮法是最经典的测定蛋白质含量的方法，通过定氮仪利用氮的含量来计算蛋白质的含量。凯氏定氮法是测定试样中总有机氮最准确和最简单的方法之一，是被国内外作为法定的标准检验方法。它包括消化、蒸馏、吸收、滴定四个过程，在催化剂作用下，试样用浓硫酸消煮破坏有机物，使其中的蛋白质氮及其他有机氮转化为氨态氮，然后与硫酸结合生成硫酸铵，加入强碱进行蒸馏使氨逸出，用硼酸吸收后，再用酸滴定，测出含氮量，从而确定蛋白质含量。凯氏定氮法是经典的方法，适用于样品广泛和用于结果较为精确的测试，但其检索过程繁琐，耗时长，不适用于大批量样品的检测。其他的检测方法同样也存在检测耗时长、干扰多、操作要求高等技术缺陷不适用于工业生产应用。
其中双缩脲法作为检测速度最快、干扰最少的方法，更适用于企业中大批量的样品检测，在双缩脲快速检测的基础上，如果能够提高其检测数据的精度，将对生物样品的生产具有重要的意义。
近红外光是介于可见光和中红外光之间的一段电磁波，美国试验和材料检测协会(American Society for Testing and Materials,ASTM)将其定义为780-2526nm 范围内的电磁波，其中780-1100nm称之为短波区，1100-2526nm称之为长波区。顾名思义，NIRS就是基于物质吸收近红外光产生的光谱发展而来的一种光谱分析技术，主要反映了含氢基团(C-H，O-H，N-H，S-H等)的倍频和组合频吸收[18,19]。
作为一种光谱分析方法，与传统的湿化学分析方法相比，NIRS具有独特的优势，如分析速度快，无需样品的预处理，不破坏样品，光谱采集方式简单，不使用化学试剂，绿色环保且价格低廉。同时，NIRS也存在一定的局限性，主要体现在NIRS属于二级分析方法，需要传统的分析方法测定基础数据，准确性受参照方法的影响较大。前期需要大量且具有代表性的样品建立一个稳健的模型才能应用，而模型的建立投入较大，并且模型需要进行不断的更新和维护，以保证其良好的适用性。
“数据均值化”方法的提出是基于“统计学”中在实际测量没有系统误差的情况下，足够多次的测量值之平均值接近于真值。对于近红外光谱分析技术来说，双缩脲作为一种定量方法，建模需要准确度较高的基础数据，“数据中心化”方法即运用数学统计学方法分析多次测量的基础数据，选择合适的基础数据平均值，提高近红外光谱分析技术在蛋白质含量建模的准确性。
发明内容
为了解决现有技术中的缺陷，本发明主要目的在于提供在近红外光谱分析技术中，一种提高蛋白含量检测数据准确性的方法，通过“数据均值化”思想，多次测量后数据累积平均值趋于稳定，且趋向于真值。本发明通过确立最佳数据采集次数，获取更为准确的蛋白含量进行近红外技术建模，提高近红外光谱分析技术蛋白含量检测模型的预测能力。
本发明第一方面，提供一种提高蛋白检测数据准确性的方法，步骤如下：
(1)利用蛋白检测方法对蛋白标准品进行n组平行测量，测量次数为a，获得n组每组a个数据，利用箱图法去除每组中的异常值后，计算每组累积平均值，直到累积平均值趋于稳定，获得参与累积平均的数据个数(m)，对每组的(m) 值排序后获得最大值(M)，(M)即该蛋白检测方法的最佳测量次数。
(2)对待检测的蛋白样品重复测量次数M次，将M次测量结果累积求平均值，即蛋白含量。
优选的，配置一系列浓度的标准品，每个浓度平行测量M次，计算累积平均值，对样品浓度建立模型。
优选的，步骤(1)中n≧15，进一步优选的，n≧20。
优选的，步骤(1)中a≧80，进一步优选的，a≧100。
优选的，步骤(1)中对每组数据计算累积平均值时，根据数据的波动情况，人为的设定一定的波动阈值，记录累积平均值达到该波动阈值时的参与平均的数据个数(m)，对每组的(m)值进行排序，获得最大值(M)。
优选的，步骤(1)中的蛋白检测方法为双缩脲法、凯氏定氮法、酚试剂法、考马斯亮蓝法。
进一步优选的，步骤(1)中的蛋白检测方法为双缩脲法。
本发明第二方面，提供一种用于蛋白含量检测的计算装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行程序时执行上述提高蛋白检测数据准确性的方法。
本发明第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行上述提高蛋白检测数据准确性的方法。
本发明第四方面，提供一种用于蛋白检测的定量分析装置，包括检测器和计算装置，该检测器用于在相同条件下测定标准参考样品和待测样品的检测并传输至计算装置。该计算装置，包括存储器、处理器及存储在存储器上并可在处理上运行的计算机程序，该处理器执行计算机程序时实现上述提高蛋白检测数据准确性的方法。
本发明的有益效果
1.本发明针对本领域常用的蛋白检测方法，通过“数值均值化”的思想，建立了一种能够获得稳定基础数据测量次数的方法，适用于现有技术中的多种蛋白检测方法。
2.本发明中的方法应用于双缩脲检测法，具有重要的工业生产意义。本领域公知，双缩脲检测法应用于蛋白检测，检测速度快，无干扰，但检测精度较差。将本发明方法应用于双缩脲检测法，能够提高其数据检测精度，应用于工业生产过程中的蛋白产品含量检测，具有重要意义。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为本发明凯氏定氮法和双缩脲法测定人血浆参考品总蛋白含量折线图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术所介绍的，现有技术中针对蛋白检测问题通常采用多次测量求平均的方法提高数据的准确性，然而针对具体测量的次数，并没有公认的确定方法，本发明提供了一种提高蛋白检测数据准确性的方法，通过确定最佳检测次数，获取蛋白检测的稳定值，应用于蛋白产品检测，具有重要意义。
为了使得本领域技术人员能够更加清楚地了解本申请的技术方案，以下将结合具体的实施例与对比例详细说明本申请的技术方案。
实施例1
1、双缩脲法和凯氏定氮法测量人血浆参考品误差分析
取料原料人血浆参考品(山东泰邦生物制品有限公司，中国，蛋白质含量值＝58.1)，利用凯氏定氮法和双缩脲法(AU5800全自动生化分析仪，贝克曼，美国)各自平行测量20次，计算测量误差平均值。利用凯氏定氮法和双缩脲法测量原料人血浆参考品的结果如图1所示。双缩脲法和凯氏定氮法的平均测量误差分别为1.676g/L和0.672g/L，即凯氏定氮法的准确性比双缩脲法更好。因此，提出对于测量误差更大的双缩脲法来说，如果想获得增加稳定和准确的累积平均值，应增加测量数据，即将数据均值化方法应用到双缩脲法的测量中去。
2、计算机模拟双缩脲法检测蛋白质数据
利用计算机Matlab软件模拟正态分布数据组，首先进行数据分析，作为后期实验数据的辅助分析。模拟真值和误差设置见表1，每种情况下模拟20组，每组100个数据，计算每组100个数据的累积平均值，记录累积平均值达到±0.0005的波动阈值时的数据累积个数，并记录其最大值M。利用Matlab模拟数据的处理结果如表1所示。在±0.005的波动阈值下，对于相同真值(58.1)不同误差的情况来说，M值逐渐增大；对于不同真值，相同误差来说，M值在39-56 区间数波动。
模拟数据的结果侧面的反应出，对于实际样品基础数据的测量来说，测量次数的增加，可以使累积平均值更加稳定，甚至更加接近真值。同时，误差越大，所需要的测量次数越多。因此，利用数据均值化方法处理基础数据具有重要意义。此外，恒定误差，不同真值的分析结果，也侧面反映了对于某一种恒定误差的测量方法来说，获得较稳定准确平均值所需要的测量次数比较接近，所以对于实际的样品基础数据测量来说，通过获得最佳测量次数，同时在这个测量次数下，样品基础数据平均值能够更加准确和接近真值。
表1.每种模拟情况的数据累积个数值
3、原料人血浆参考品的总蛋白含量实际测量
利用双缩脲法对原料人血浆参考品的总蛋白含量平行测量100次，做20组。利用箱图法去除每组100个数据中的异常值后，对每组的100个数据计算累积平均值，设定波动阈值为±0.005，记录开始达到稳定阈值时参与累积平均的数据个数(m)，取20个m中的最大值(M)，作为双缩脲法针对每个样品的最佳的测量次数。利用数据均值化方法对原料人血浆参考品的20组双缩脲方法值的处理结果如表2所示，在波动阈值为±0.005，M＝39，即对于双缩脲方法测量原料人血浆参考品总蛋白含量来说，每个样品测量39次基础数据后平均，可以得到相对稳定且接近真值的基础数据。
表2.原料人血浆参考品数据均值化处理的累积平均次数结果
4、人血浆样品的近红外蛋白含量建模
由于原料人血浆样品和原料人血浆参考品的基础物质是相同的，所以39次这个累积平均次数同样可用于原料人血浆样品的测量中去。利用双缩脲方法对参与近红外建模的20份原料人血浆样品进行总蛋白的测量，每份样品基础数据的测量次数为39次，随后取其平均值进行近红外建模。为了验证数据均值化得到的测量次数是否合理，参与近红外建模的20份原料人血浆样品也用凯氏定氮法和双缩脲法进行平行3次测量，后平均建模，同“数据均值化”后的近红外建模进行比较。表2比较了不同方法下的NIR建模结果，以RMSEP作为模型的主要评价参数。虽然双缩脲法的结果没有凯氏定氮的结果好，但是对于双缩脲法来说，通过数据均值化处理基础数据(蛋白质含量取平行39次测量平均值)建立的NIR 模型比其普通三次平均建模的RMSEP提高了23.28％。综上所述，数据均值化能够在一定程度上提高基础数据的准确性，并提高NIR建模结果。
表4.不同测量方法的NIR建模结果
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围。
Claims (10)
1.一种提高蛋白检测数据准确性的方法，其特征在于，步骤如下：
(1)利用蛋白检测方法对蛋白标准品进行n组平行测量，测量次数为a，获得n组每组a个数据，利用箱图法去除每组中的异常值后，计算每组累积平均值，直到累积平均值趋于稳定，获得参与累积平均的数据个数m，对每组的m值排序后获得最大值M，即该蛋白检测方法的最佳测量次数；
(2)对待检测的蛋白样品重复测量次数M次，将M次测量结果累积求平均值，即蛋白含量。
2.如权利要求1所述的方法，其特征在于，配置一系列浓度的标准品，每个浓度平型测量M次，计算相应的累积平均值，对样品浓度建立检测模型。
3.如权利要求1所述的方法，其特征在于，所述步骤(1)中n≧15，优选的，n≧20。
4.如权利要求1所述的方法，其特征在于，所述步骤(1)a≧80，优选的，a≧100。
5.如权利要求1所述的方法，其特征在于，所述步骤(1)中对每组数据计算累积平均值时，设定稳定值的波动阈值为±0.005，记录累积平均值波动处于±0.005范围内的参与数据个数m，对每组的m值进行排序，获得最大值M。
6.如权利要求1所述的方法，其特征在于，所述步骤(1)中的蛋白检测方法为双缩脲法、凯氏定氮法、酚试剂法、考马斯亮蓝法。
7.如权利要求1所述的方法，其特征在于，所述步骤(1)中的蛋白检测方法为双缩脲法。
8.一种用于蛋白含量检测的计算机装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行程序时实施权利要求1-7任一项所述的方法。
9.一种计算机可读存储介质，所述存储介质上有计算机程序，其特征在于，所述计算机程序被处理器执行时实施权利要求1-7任一项所述的方法。
10.一种用于蛋白检测的定量分析装置，包括检测器和计算装置，所述检测器用于在相同条件下测定标准参考样品和待测样品的检测并传输至计算装置；所述计算装置，包括存储器、处理器及存储在存储器上并可在处理上运行的计算机程序，其特征在于，所述处理器执行计算机程序实现权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811454923.9A CN109324018B (zh) | 2018-11-30 | 2018-11-30 | 一种提高近红外光谱分析技术蛋白质含量建模基础数据准确性的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811454923.9A CN109324018B (zh) | 2018-11-30 | 2018-11-30 | 一种提高近红外光谱分析技术蛋白质含量建模基础数据准确性的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109324018A true CN109324018A (zh) | 2019-02-12 |
| CN109324018B CN109324018B (zh) | 2021-03-12 |
Family
ID=65255905
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811454923.9A Active CN109324018B (zh) | 2018-11-30 | 2018-11-30 | 一种提高近红外光谱分析技术蛋白质含量建模基础数据准确性的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109324018B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110702636A (zh) * | 2019-10-17 | 2020-01-17 | 四川省农业科学院生物技术核技术研究所 | 藜麦种子粗蛋白含量标准曲线及其建立方法和使用方法 |
| CN111044504A (zh) * | 2019-12-16 | 2020-04-21 | 华南理工大学 | 一种考虑激光诱导击穿光谱不确定性的煤质分析方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050233037A1 (en) * | 2002-02-11 | 2005-10-20 | Bendtsen Anders B | Methods for casein determination in milk |
| CN102879353A (zh) * | 2012-09-19 | 2013-01-16 | 中国农业科学院农产品加工研究所 | 近红外检测花生中蛋白质组分含量的方法 |
| CN104266995A (zh) * | 2014-08-15 | 2015-01-07 | 大连工业大学 | 一种近红外光谱技术快速检测干海参蛋白质含量的方法 |
-
2018
- 2018-11-30 CN CN201811454923.9A patent/CN109324018B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050233037A1 (en) * | 2002-02-11 | 2005-10-20 | Bendtsen Anders B | Methods for casein determination in milk |
| CN102879353A (zh) * | 2012-09-19 | 2013-01-16 | 中国农业科学院农产品加工研究所 | 近红外检测花生中蛋白质组分含量的方法 |
| CN104266995A (zh) * | 2014-08-15 | 2015-01-07 | 大连工业大学 | 一种近红外光谱技术快速检测干海参蛋白质含量的方法 |
Non-Patent Citations (2)
| Title |
|---|
| SIU KAY WONG: "《Evaluation of the use of consensus values in proficiency testing programmes》", 《ACCREDITATION AND QUALITY ASSURANCE》 * |
| ZHONGYU SUN 等: "《Calibration transfer of near infrared spectrometers for the assessment of plasma ethanol precipitation process》", 《CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110702636A (zh) * | 2019-10-17 | 2020-01-17 | 四川省农业科学院生物技术核技术研究所 | 藜麦种子粗蛋白含量标准曲线及其建立方法和使用方法 |
| CN111044504A (zh) * | 2019-12-16 | 2020-04-21 | 华南理工大学 | 一种考虑激光诱导击穿光谱不确定性的煤质分析方法 |
| CN111044504B (zh) * | 2019-12-16 | 2021-03-30 | 华南理工大学 | 一种考虑激光诱导击穿光谱不确定性的煤质分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109324018B (zh) | 2021-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shaw et al. | Multianalyte serum analysis using mid-infrared spectroscopy | |
| CN105116156B (zh) | 一种优化的适合医学检验的生化检测方法 | |
| CN101413885A (zh) | 一种快速定量蜂蜜品质的近红外光谱方法 | |
| CN102279168A (zh) | 基于近红外光谱技术快速无损分析整粒棉籽营养品质的方法 | |
| Lin et al. | Calibration set selection method based on the “M+ N” theory: application to non-invasive measurement by dynamic spectrum | |
| CN109324018A (zh) | 一种提高近红外光谱分析技术蛋白质含量建模基础数据准确性的方法 | |
| CN106018332A (zh) | 一种柑桔黄龙病的近红外光谱田间检测方法 | |
| Li et al. | Multi-pathlength method to improve the spectrometric analysis accuracy based on “M+ N” theory | |
| CN106018337A (zh) | 一种棉仁粉中植酸含量的测定方法 | |
| CN103592255A (zh) | 一种基于近红外光谱技术的阿胶化皮液中总蛋白含量的软测量方法 | |
| CN101791331B (zh) | 一种快速测定丹参提取液中鞣质含量的方法 | |
| CN101936893A (zh) | 一种从油菜籽中检测蛋白质和氨基酸的方法 | |
| Dessipri et al. | Use of FT-NIR spectroscopy for on-line monitoring of formaldehyde-based resin synthesis | |
| CN102393376A (zh) | 基于支持向量回归的鱼丸多组分含量检测的近红外光谱法 | |
| CN109374548A (zh) | 一种利用近红外快速测定大米中营养成分的方法 | |
| CN106950192A (zh) | 一种基于近红外光谱分析技术的植物蛋白饮料中主要成分含量快速检测的方法 | |
| CN104596975A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶木质素的方法 | |
| CN104266998A (zh) | 用于氨纶预聚体中异氰酸酯基含量的近红外光谱检测方法 | |
| CN110161133A (zh) | 一种外标法检测分析锂离子功能电解液中组分的方法 | |
| CN108072627A (zh) | 一种用中红外光谱快速检测酱油中氨基酸态氮和总酸含量的方法 | |
| CN104316492A (zh) | 近红外光谱测定马铃薯块茎中蛋白质含量的方法 | |
| CN103308475A (zh) | 一种同时测量后处理料液中Pu（Ⅳ）及HNO3含量的方法 | |
| CN109520966A (zh) | 一种基于近红外光谱技术快速检测维生素a含量的方法 | |
| CN108195794A (zh) | 一种近红外光谱测定地龙提取中间体中蚓激酶效价的方法 | |
| He et al. | Development of a CH 2-dependent analytical method using near-infrared spectroscopy via the integration of two algorithms: non-dominated sorting genetic-II and competitive adaptive reweighted sampling (NSGAII-CARS) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |