CN110887808A - 一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法 - Google Patents
一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法 Download PDFInfo
- Publication number
- CN110887808A CN110887808A CN201911030438.3A CN201911030438A CN110887808A CN 110887808 A CN110887808 A CN 110887808A CN 201911030438 A CN201911030438 A CN 201911030438A CN 110887808 A CN110887808 A CN 110887808A
- Authority
- CN
- China
- Prior art keywords
- sample
- sugar source
- source content
- model
- infrared
- 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.)
- Pending
Links
- 238000000855 fermentation Methods 0.000 title claims abstract description 65
- 230000004151 fermentation Effects 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 36
- XUFXOAAUWZOOIT-SXARVLRPSA-N (2R,3R,4R,5S,6R)-5-[[(2R,3R,4R,5S,6R)-5-[[(2R,3R,4S,5S,6R)-3,4-dihydroxy-6-methyl-5-[[(1S,4R,5S,6S)-4,5,6-trihydroxy-3-(hydroxymethyl)-1-cyclohex-2-enyl]amino]-2-oxanyl]oxy]-3,4-dihydroxy-6-(hydroxymethyl)-2-oxanyl]oxy]-6-(hydroxymethyl)oxane-2,3,4-triol Chemical compound O([C@H]1O[C@H](CO)[C@H]([C@@H]([C@H]1O)O)O[C@H]1O[C@@H]([C@H]([C@H](O)[C@H]1O)N[C@@H]1[C@@H]([C@@H](O)[C@H](O)C(CO)=C1)O)C)[C@@H]1[C@@H](CO)O[C@@H](O)[C@H](O)[C@H]1O XUFXOAAUWZOOIT-SXARVLRPSA-N 0.000 title claims abstract description 27
- 229960002632 acarbose Drugs 0.000 title claims abstract description 27
- XUFXOAAUWZOOIT-UHFFFAOYSA-N acarviostatin I01 Natural products OC1C(O)C(NC2C(C(O)C(O)C(CO)=C2)O)C(C)OC1OC(C(C1O)O)C(CO)OC1OC1C(CO)OC(O)C(O)C1O XUFXOAAUWZOOIT-UHFFFAOYSA-N 0.000 title claims abstract description 27
- 238000005516 engineering process Methods 0.000 title claims abstract description 17
- 238000004566 IR spectroscopy Methods 0.000 title claims description 4
- 238000012937 correction Methods 0.000 claims abstract description 43
- 239000000463 material Substances 0.000 claims abstract description 30
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 29
- 238000012795 verification Methods 0.000 claims abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 239000007788 liquid Substances 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims description 10
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000002835 absorbance Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- PKAUICCNAWQPAU-UHFFFAOYSA-N 2-(4-chloro-2-methylphenoxy)acetic acid;n-methylmethanamine Chemical compound CNC.CC1=CC(Cl)=CC=C1OCC(O)=O PKAUICCNAWQPAU-UHFFFAOYSA-N 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000012847 principal component analysis method Methods 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 2
- OWEGMIWEEQEYGQ-UHFFFAOYSA-N 100676-05-9 Natural products OC1C(O)C(O)C(CO)OC1OCC1C(O)C(O)C(O)C(OC2C(OC(O)C(O)C2O)CO)O1 OWEGMIWEEQEYGQ-UHFFFAOYSA-N 0.000 description 26
- GUBGYTABKSRVRQ-PICCSMPSSA-N Maltose Natural products O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CO)O[C@@H]1O[C@@H]1[C@@H](CO)OC(O)[C@H](O)[C@H]1O GUBGYTABKSRVRQ-PICCSMPSSA-N 0.000 description 26
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 25
- 239000008103 glucose Substances 0.000 description 25
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 20
- GUBGYTABKSRVRQ-QUYVBRFLSA-N beta-maltose Chemical compound OC[C@H]1O[C@H](O[C@H]2[C@H](O)[C@@H](O)[C@H](O)O[C@@H]2CO)[C@H](O)[C@@H](O)[C@@H]1O GUBGYTABKSRVRQ-QUYVBRFLSA-N 0.000 description 20
- 230000003595 spectral effect Effects 0.000 description 10
- 238000004128 high performance liquid chromatography Methods 0.000 description 6
- 238000000513 principal component analysis Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 241000187844 Actinoplanes Species 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012844 infrared spectroscopy analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- UEHGPSGGFKLPTD-JGWLITMVSA-N (2r,3s,4r,5r)-4-amino-2,3,5-trihydroxyhexanal Chemical compound C[C@@H](O)[C@@H](N)[C@H](O)[C@@H](O)C=O UEHGPSGGFKLPTD-JGWLITMVSA-N 0.000 description 1
- 229940077274 Alpha glucosidase inhibitor Drugs 0.000 description 1
- 102100024295 Maltase-glucoamylase Human genes 0.000 description 1
- XPHOBMULWMGEBA-UHFFFAOYSA-N Valienamine Natural products NC1C=C(CO)C(O)C(O)C1O XPHOBMULWMGEBA-UHFFFAOYSA-N 0.000 description 1
- 239000003888 alpha glucosidase inhibitor Substances 0.000 description 1
- 108010028144 alpha-Glucosidases Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003389 potentiating effect Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 1
- XPHOBMULWMGEBA-VZFHVOOUSA-N valienamine Chemical compound N[C@H]1C=C(CO)[C@@H](O)[C@H](O)[C@H]1O XPHOBMULWMGEBA-VZFHVOOUSA-N 0.000 description 1
Images
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
- G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法。该方法包括以下步骤:1)采集设定批次、发酵时间点所对应的的发酵物料样本;2)测定发酵物料样本的红外光谱数据;3)使用高效液相色谱仪测定发酵物料样本的糖源含量作为参考值;4)将步骤2)和3)的数据一一关联建立发酵物料样本集,并将样本集分为校正集和验证集;5)利用校正集建立定量校正模型;6)用验证集对定量校正模型进行验证和优化;7)采集待预测样本的红外光谱谱图,并导入定量应用模型,得到待预测样本的糖源含量结果。本发明方法可实现对阿卡波糖发酵过程中糖源含量的快速检测,能最大限度地降低人为及环境因素对测试结果的干扰,适用性好。
Description
技术领域
本发明属于快速分析检测领域,具体涉及一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法。
背景技术
阿卡波糖(Acarbose)是一种有效的α-葡萄糖苷酶抑制剂,结构上包含acarviose和麦芽糖两部分,其中acarviose由具有不饱和C7-环多醇结构的valienamine和4-氨基-4,6-二脱氧葡萄糖通过类似于N-糖苷键的氨基桥连接而成,该acarviose结构对α-葡萄糖苷酶的抑制效果起主要作用。
阿卡波糖是德国拜耳公司70年代中期研制开发的一种临床上治疗Ⅱ型糖尿病的药物,商品名为“拜唐苹”,目前阿卡波糖的工业生产主要是通过游动放线菌(ActinoplanesSpecies)发酵而得,葡萄糖和麦芽糖是阿卡波糖生物合成的糖源,在发酵过程中糖源会不断被消耗。发酵液中糖源的比例、浓度均会影响阿卡波糖的合成,故在发酵过程中必须定时监测发酵液中葡萄糖和麦芽糖的浓度,并控制葡萄糖和麦芽糖的浓度,以最优条件促进阿卡波糖的生成。
目前测试发酵液中糖源的方法是高效液相色谱(HPLC)法,其样本需要经过离心、纯化、稀释等前处理,过程繁琐、费时。
发明内容
本发明的目的是基于红外光谱分析技术,提供一种简单、快速检测阿卡波糖发酵过程中糖源含量的方法,本发明所涉及的方法可直接对生产所取样本进行测试,检测成本低、速度快、测试重复性好,且人为操作误差小,是一种理想的快速检测手段。
本发明采取的技术方案如下:
一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法,其包括以下步骤:
(1)采集设定批次、发酵时间点所对应的发酵物料样本;
(2)使用便携式红外快速分析仪采集步骤(1)的发酵物料样本的红外光谱数据;
(3)使用高效液相色谱仪测定步骤(1)的发酵物料样本的糖源含量作为参考值;
(4)将步骤(2)和步骤(3)的数据一一关联建立发酵物料样本集,并将样本集分为校正集和验证集;
(5)利用步骤(4)所定义的校正集建立定量校正模型;
(6)使用步骤(4)所定义的验证集对步骤(5)所述的定量校正模型进行验证和优化,得到定量应用模型;
(7)使用便携式红外快速分析仪采集待预测样本的红外光谱谱图,并导入步骤(6)所述的定量应用模型,得到待预测样本的糖源含量结果。
本发明的技术方法路线图见图1。
作为优选的,步骤(2)中,红外光谱检测波数为4000-400cm-1(波长范围为2500-15350nm),分辨率为2-8cm-1,以空气背景为参比,样本扫描次数16-64次,记录吸光度值。
作为优选的,步骤(3)中,高效液相色谱仪的测试条件为采用示差折光检测器(RI),流动相为0.001-0.01mol/L硫酸溶液,流速为0.1-1.0mL/min,柱温30-65℃,色谱柱为AminexHPX-87H column(Bio-Rad,300*7.8mm)。
作为优选的,步骤(4)中,采用Rank-KS分集、K-S分集或随机分集法将样本集分为校正集和验证集,校正集占总样本集的80-90%。
作为优选的,步骤(5)中,选用一阶导数、二阶导数、Savitzky-Golay(S-G)平滑、矢量归一化、均值中心化等一种或多种组合对校正集进行光谱数据预处理;选择谱图波长8000-11500nm作为谱图的建模范围;选用主成分分析法(PCA)、偏最小二乘法(PLS)、多元线性回归(MLR)中的一种或多种组合建立定量校正模型。
作为优选的,步骤(6)中,选择调整主成分因子、马氏距离(MD)、学生残差(SR)中的一种或多种组合对定量校正模型进行验证。
作为优选的,步骤(6)中,通过校正标准偏差(RMSEC)和验证标准偏差(RMSEP)两个参数来衡量模型预测能力的优劣,其中RMSEC和RMSEP数值越小,则表示模型对外部样本的预测能力越高。
作为优选的,步骤(6)中,采用校正集与验证集线性系数(R2)衡量直线关系中预测值和实测值之间的相关程度,通常线性系数R2越接近于1,说明预测值与实测值的相关性越好。
综上所述,本发明具有以下有益效果:
(1)首次采用红外光谱分析技术对阿卡波糖生产过程中的发酵液进行快速检测,通过建立葡萄糖和麦芽糖的定量模型对发酵液中的糖源含量直接进行预测,可以用作阿卡波糖生产的发酵过程监测。
(2)本发明中,采用便携式红外快速分析仪直接检测阿卡波糖发酵过程中葡萄糖和麦芽糖的浓度,该方法操作简单、分析速度快、准确率高、成本低,无需用到对环境有害等化学试剂。
(3)本发明中,测试样本无需前处理,可对生产现场实时取样并测试,能最大限度地降低人为及环境因素对测试结果的干扰,检测数据具有很好的实时性和重复性。
附图说明
图1为本发明的技术方法路线图。
图2为本发明实施例1所采集的发酵物红外光谱图。
图3为本发明实施例1模型线性拟合图。
图4为本发明实施例2模型线性拟合图。
图5为本发明实施例3模型线性拟合图。
图6为本发明实施例4模型线性拟合图。
具体实施方式
下面将结合本发明实施例,对本发明的技术方案进行详细地描述。此处描述的具体实施方案仅用以解释本发明,并不用于限定本发明。
本发明的技术方法路线图见图1。
实施例1
一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法,包括如下步骤:
(1)采集200个不同批次、不同发酵时间(16h、48h、72h、96h、112h、136h)的发酵物料样本。
(2)使用便携式红外快速分析仪(北京Csepat公司,型号:HF 1.0)采集上述发酵物料样本的红外光谱数据,检测波数范围为4000-830cm-1(波长范围为2500-12000nm),分辨率4cm-1,以空气背景为参比,样本扫描次数32次,记录吸光度值。发酵物料样本的红外光谱图见图2。
(3)使用高效液相色谱(HPLC)法测定上述发酵物料样本中葡萄糖和麦芽糖的浓度作为参考值,检测条件为:采用示差折光检测器(RI),色谱柱为Aminex HPX-87H column(Bio-Rad,300*7.8mm),流动相为0.005mol/L硫酸溶液,流速为0.5mL/min,柱温50℃。
(4)将步骤(2)和步骤(3)的数据一一关联建立发酵物料样本集,使用随机分集法将样本集分为校正集和验证集,校正集占总样本集的85%。
(5)对校正集进行光谱数据预处理,依次选用一阶导数、均值中心化对红外光谱数据进行预处理。
(6)选择谱图波长8000-10000nm作为建模范围。
(7)选用主成分分析法(PCA)建立定量校正模型,并通过调整模型的马氏距离对定量校正模型进行验证及优化,得到定量应用模型。最优定量应用模型中葡萄糖的RMSEC和RMSEP值分别为0.060和0.077,R2为0.9709。最优定量应用模型中麦芽糖的RMSEC和RMSEP值分别为0.147和0.248,R2为0.9718。
(8)采集待预测发酵物料的红外光谱数据,并导入所述定量应用模型得到预测的糖源含量。葡萄糖和麦芽糖的模型线性拟合图和部分预测结果分别见图3和表1,葡萄糖和麦芽糖浓度预测准确率分别为89.86%和89.86%。
表1葡萄糖和麦芽糖浓度部分预测数据表
实施例2
一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法,包括如下步骤:
(1)采集200个不同批次、不同发酵时间(16h、48h、72h、96h、112h、136h)的发酵物料样本。
(2)使用便携式红外快速分析仪(北京Csepat公司,型号:HF 1.0)采集上述发酵物料样本的红外光谱数据,红外光谱数据采集条件同实施例1。
(3)使用高效液相色谱(HPLC)法测定校正集和验证集样本中葡萄糖和麦芽糖的浓度作为参考值,高效液相色谱法测试条件同实施例1。
(4)将步骤(2)和步骤(3)的数据一一关联建立发酵物料样本集,使用Rank-KS分集法将样本集分为校正集和验证集,校正集占总样本集的82%。
(5)对校正集进行光谱数据预处理,依次选用一阶导数、Savitzky-Golay(S-G)平滑、均值中心化对红外光谱数据进行预处理。
(6)选择谱图波长8000-10000nm作为建模范围。
(7)选用多元线性回归法(MLR)建立定量校正模型,并通过调整模型的马氏距离和学生残差对定量校正模型进行验证及优化,得到定量应用模型。最优定量应用模型中葡萄糖的RMSEC和RMSEP值分别为0.068和0.080,R2为0.9641。最优定量应用模型中麦芽糖的RMSEC和RMSEP值分别为0.171和0.182,R2为0.9725。
(8)采集待预测发酵物料的红外光谱数据,并导入所述定量应用模型得到预测的糖源含量。葡萄糖和麦芽糖的模型线性拟合图和部分预测结果分别见图4和表2,葡萄糖和麦芽糖浓度预测准确率分别为95.12%和95.12%。
表2葡萄糖和麦芽糖浓度部分预测数据表
实施例3
一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法,包括如下步骤:
(1)采集398个不同批次、不同发酵时间(16h、48h、72h、96h、112h、136h)的发酵物料样本。
(2)使用便携式红外快速分析仪(北京Csepat公司,型号:HF 1.0)采集上述发酵物料样本的红外光谱数据,红外光谱数据采集条件同实施例1。
(3)使用高效液相色谱(HPLC)法测定校正集和验证集样本中葡萄糖和麦芽糖的浓度作为参考值,高效液相色谱法测试条件同实施例1。
(4)将步骤(2)和步骤(3)的数据一一关联建立发酵物料样本集,使用Rank-KS分集法将样本集分为校正集和验证集,校正集占总样本集的84%。
(5)对校正集进行光谱数据预处理,依次选用一阶导数、Savitzky-Golay(S-G)平滑、均值中心化对红外光谱数据进行预处理。
(6)选择谱图波长8000-11500nm作为建模范围。
(7)选用偏最小二乘法(PLS)建立定量校正模型,并通过调整模型的马氏距离和学生残差对定量校正模型进行验证及优化,得到定量应用模型。最优定量应用模型中葡萄糖的RMSEC和RMSEP值分别为0.066和0.072,R2为0.9707。最优定量应用模型中麦芽糖的RMSEC和RMSEP值分别为0.163和0.166,R2为0.9707。
(8)采集待预测发酵物料的红外光谱数据,并导入所述定量应用模型得到预测的糖源含量。葡萄糖和麦芽糖的模型线性拟合图和部分预测结果分别见图5和表3,葡萄糖和麦芽糖浓度预测准确率分别为97.26%和95.89%。
表3葡萄糖和麦芽糖浓度部分预测数据表
实施例4
一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法,包括如下步骤:
(1)采集398个不同批次、不同发酵时间(16h、48h、72h、96h、112h、136h)的发酵物料样本。
(2)使用便携式红外快速分析仪(北京Csepat公司,型号:HF 1.0)采集上述发酵物料样本的红外光谱数据,红外光谱数据采集条件同实施例1。
(3)使用高效液相色谱(HPLC)法测定校正集和验证集样本中葡萄糖和麦芽糖的浓度作为参考值,高效液相色谱法测试条件同实施例1。
(4)将步骤(2)和步骤(3)的数据一一关联建立发酵物料样本集,使用Rank-KS分集法将样本集分为校正集和验证集,校正集占总样本集的80%。
(5)对校正集进行光谱数据预处理,依次选用二阶导数、Savitzky-Golay(S-G)平滑对红外光谱数据进行预处理。
(6)选择谱图波长8000-11500nm作为建模范围。
(7)选用偏最小二乘法(PLS)建立定量校正模型,并通过调整模型的学生残差对定量校正模型进行验证及优化,得到定量应用模型。最优定量应用模型中葡萄糖的RMSEC和RMSEP值分别为0.068和0.070,R2为0.9731。最优定量应用模型中麦芽糖的RMSEC和RMSEP值分别为0.161和0.215,R2为0.9670。
(8)采集待预测发酵物料的红外光谱数据,并导入所述定量应用模型得到预测的糖源含量。葡萄糖和麦芽糖的模型线性拟合图和部分预测结果分别见图6和表4,葡萄糖和麦芽糖浓度预测准确率分别为90.16%和91.80%。
表4葡萄糖和麦芽糖浓度部分预测数据表
以上仅是本发明的优选实施方式,应当指出的是,上述优选实施方式不应视为对本发明的限制,本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说,在不脱离本发明的精神和范围内,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法,其特征在于,包括以下步骤:
(1)采集设定批次、发酵时间点所对应的发酵物料样本;
(2)使用便携式红外快速分析仪采集步骤(1)的发酵物料样本的红外光谱谱图数据;
(3)使用高效液相色谱仪测定步骤(1)的发酵物料样本的糖源含量作为参考值;
(4)将步骤(2)和步骤(3)的数据一一关联建立发酵物料样本集,并将样本集分为校正集和验证集;
(5)利用步骤(4)所定义的校正集建立定量校正模型;
(6)使用步骤(4)所定义的验证集对步骤(5)所述的定量校正模型进行验证和优化,得到定量应用模型;
(7)使用便携式红外快速分析仪采集待预测样本的红外光谱谱图,并导入步骤(6)所述的定量应用模型,得到待预测样本的糖源含量结果。
2.根据权利要求1所述的红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法,其特征在于,步骤(2)中红外光谱检测波数为4000-400cm-1,分辨率为2-8cm-1,以空气背景为参比,样本扫描次数16-64次,记录吸光度值。
3.根据权利要求1所述的红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法,其特征在于,步骤(3)中高效液相色谱仪的测试条件为采用示差折光检测器,流动相为0.001-0.01mol/L硫酸溶液,流速为0.1-1.0mL/min,柱温30-65℃,色谱柱为Aminex HPX-87H column。
4.根据权利要求1所述的红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法,其特征在于,步骤(4)中采用Rank-KS分集、K-S分集或随机分集法将样本集分为校正集和验证集,校正集占总样本集的80-90%。
5.根据权利要求1所述的红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法,其特征在于,步骤(5)中选用一阶导数、二阶导数、Savitzky-Golay平滑、矢量归一化、均值中心化中的一种或多种组合对校正集进行光谱数据预处理;选择谱图波长8000-11500nm作为谱图的建模范围;选用主成分分析法、偏最小二乘法、多元线性回归中的一种或多种组合建立定量校正模型。
6.根据权利要求1所述的红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法,其特征在于,步骤(6)中选择调整主成分因子、马氏距离、学生残差中的一种或多种组合对定量校正模型进行验证;通过校正标准偏差和验证标准偏差两个参数来衡量模型预测能力的优劣,其中校正标准偏差和验证标准偏差数值越小,则表示模型对外部样本的预测能力越高;采用校正集与验证集的线性系数R2衡量直线关系中预测值和实测值之间的相关程度,线性系数R2越接近于1,说明预测值与实测值的相关性越好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911030438.3A CN110887808A (zh) | 2019-10-28 | 2019-10-28 | 一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911030438.3A CN110887808A (zh) | 2019-10-28 | 2019-10-28 | 一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110887808A true CN110887808A (zh) | 2020-03-17 |
Family
ID=69746560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911030438.3A Pending CN110887808A (zh) | 2019-10-28 | 2019-10-28 | 一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110887808A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114283896A (zh) * | 2021-12-23 | 2022-04-05 | 江南大学 | 一种监测酶促反应过程中组分变化模型的建模方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101010083A (zh) * | 2004-06-30 | 2007-08-01 | 康宾纳特克斯公司 | 治疗代谢性病症的方法和试剂 |
CN101568534A (zh) * | 2006-10-23 | 2009-10-28 | 阿斯利康(瑞典)有限公司 | 用于治疗glk介导的疾病的苯甲酰基氨基杂环化合物 |
CN101687793A (zh) * | 2007-04-20 | 2010-03-31 | 百时美施贵宝公司 | 沙格列汀的晶形及其制备方法 |
US20110118132A1 (en) * | 2007-03-22 | 2011-05-19 | Advanced Liquid Logic, Inc. | Enzymatic Assays Using Umbelliferone Substrates with Cyclodextrins in Droplets of Oil |
WO2012027612A1 (en) * | 2010-08-25 | 2012-03-01 | Michael Gelb | Mass spectrometric compositions and methods for lysosomal storage disease screening |
US20120122981A1 (en) * | 2009-03-31 | 2012-05-17 | Yun Fu Hu | Biomarkers Related to Insulin Resistance and Methods using the Same |
CN102634463A (zh) * | 2012-03-23 | 2012-08-15 | 中国科学院微生物研究所 | 一株产木糖醇的酵母菌及其应用 |
CN104334738A (zh) * | 2012-03-30 | 2015-02-04 | 诺维信北美公司 | 生产发酵产物的方法 |
CN106635852A (zh) * | 2016-12-07 | 2017-05-10 | 江南大学 | 一种联产丙酮酸和α‑酮戊二酸的重组光滑球拟酵母 |
CN107750273A (zh) * | 2015-03-18 | 2018-03-02 | 巴斯夫欧洲公司 | 用于改善精细化学品生产的重组微生物 |
-
2019
- 2019-10-28 CN CN201911030438.3A patent/CN110887808A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101010083A (zh) * | 2004-06-30 | 2007-08-01 | 康宾纳特克斯公司 | 治疗代谢性病症的方法和试剂 |
CN101568534A (zh) * | 2006-10-23 | 2009-10-28 | 阿斯利康(瑞典)有限公司 | 用于治疗glk介导的疾病的苯甲酰基氨基杂环化合物 |
US20110118132A1 (en) * | 2007-03-22 | 2011-05-19 | Advanced Liquid Logic, Inc. | Enzymatic Assays Using Umbelliferone Substrates with Cyclodextrins in Droplets of Oil |
CN101687793A (zh) * | 2007-04-20 | 2010-03-31 | 百时美施贵宝公司 | 沙格列汀的晶形及其制备方法 |
US20120122981A1 (en) * | 2009-03-31 | 2012-05-17 | Yun Fu Hu | Biomarkers Related to Insulin Resistance and Methods using the Same |
WO2012027612A1 (en) * | 2010-08-25 | 2012-03-01 | Michael Gelb | Mass spectrometric compositions and methods for lysosomal storage disease screening |
CN102634463A (zh) * | 2012-03-23 | 2012-08-15 | 中国科学院微生物研究所 | 一株产木糖醇的酵母菌及其应用 |
CN104334738A (zh) * | 2012-03-30 | 2015-02-04 | 诺维信北美公司 | 生产发酵产物的方法 |
CN107750273A (zh) * | 2015-03-18 | 2018-03-02 | 巴斯夫欧洲公司 | 用于改善精细化学品生产的重组微生物 |
CN106635852A (zh) * | 2016-12-07 | 2017-05-10 | 江南大学 | 一种联产丙酮酸和α‑酮戊二酸的重组光滑球拟酵母 |
Non-Patent Citations (2)
Title |
---|
刘海燕 等: "RID-HPLC法测定阿卡波糖原料药含量", 《河北农业大学学报》 * |
沈飞: "绍兴黄酒的陈酿特性与指纹图谱检测方法及装置研究", 《中国优秀博硕士学位论文全文数据库(博士) 工程科技Ⅰ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114283896A (zh) * | 2021-12-23 | 2022-04-05 | 江南大学 | 一种监测酶促反应过程中组分变化模型的建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Patz et al. | Application of FT-MIR spectrometry in wine analysis | |
Mazarevica et al. | On-line fermentation monitoring by mid-infrared spectroscopy | |
Xie et al. | Quantification of glucose, fructose and sucrose in bayberry juice by NIR and PLS | |
Chen et al. | Rapid measurement of total acid content (TAC) in vinegar using near infrared spectroscopy based on efficient variables selection algorithm and nonlinear regression tools | |
EP2796856B1 (en) | Coal gas component and calorific value measurement method | |
CN101413885A (zh) | 一种快速定量蜂蜜品质的近红外光谱方法 | |
CN101216418A (zh) | 瓶装黄酒品质指标在线检测的方法和装置 | |
CN106932378A (zh) | 一种基于拉曼光谱的炼厂酸性气成分的在线检测系统和方法 | |
Yu et al. | Quality determination of Chinese rice wine based on Fourier transform near infrared spectroscopy | |
CN103808665A (zh) | 一种测定娑罗子提取物纯化过程中多指标成分含量的方法 | |
CN104865322A (zh) | 一种栀子萃取液浓缩过程快速检测方法 | |
CN106018336A (zh) | 一种基于近红外光谱分析技术监测人血白蛋白醋酸缓冲液沉淀过程的方法 | |
CN110887808A (zh) | 一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法 | |
CN104764731A (zh) | 一种拉曼光谱在线监测聚氨酯预聚物-nco含量的方法 | |
CN105954228A (zh) | 基于近红外光谱的油砂中金属钠含量的测量方法 | |
Chen et al. | Rapid and simultaneous analysis of multiple wine quality indicators through near-infrared spectroscopy with twice optimization for wavelength model | |
Wu et al. | Application of FT-NIR spectroscopy and FT-IR spectroscopy to Chinese rice wine for rapid determination of fermentation process parameters | |
CN115436315A (zh) | 一种基于近红外光谱的水泥外加剂检测方法 | |
CN115047099A (zh) | 一种银杏叶提取物洗脱过程中总萜内酯含量的快速测定方法 | |
CN115541526A (zh) | 一种基于近红外检测普洱熟茶中咖啡因和儿茶素类含量的方法 | |
CN108796005A (zh) | 一种实时监测谷氨酸棒杆菌发酵过程的方法 | |
Wang et al. | Research Article Quantitative Analysis of Multiple Components in Wine Fermentation using Raman Spectroscopy | |
CN115236024A (zh) | 测定酒总酸和总酯含量模型的训练方法、测定方法及装置 | |
CN110174362B (zh) | 一种检测中性糖和酸性糖含量的方法 | |
Sui et al. | Validation of NIR Model for On-line Monitoring of Flos Lonicera Japonica Extraction Process with Different Batches of Materials. |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200317 |