CN114088800B - 一种追溯灵芝产地及其种植阶段的方法及系统 - Google Patents
一种追溯灵芝产地及其种植阶段的方法及系统 Download PDFInfo
- Publication number
- CN114088800B CN114088800B CN202111391882.5A CN202111391882A CN114088800B CN 114088800 B CN114088800 B CN 114088800B CN 202111391882 A CN202111391882 A CN 202111391882A CN 114088800 B CN114088800 B CN 114088800B
- Authority
- CN
- China
- Prior art keywords
- ganoderma lucidum
- sample
- analysis model
- training set
- carbon
- 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.)
- Active
Links
- 240000008397 Ganoderma lucidum Species 0.000 title claims abstract description 166
- 235000001637 Ganoderma lucidum Nutrition 0.000 title claims abstract description 166
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 46
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 140
- 238000004458 analytical method Methods 0.000 claims abstract description 81
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 71
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 70
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 70
- 239000000126 substance Substances 0.000 claims abstract description 67
- 238000000513 principal component analysis Methods 0.000 claims abstract description 56
- 239000001257 hydrogen Substances 0.000 claims abstract description 43
- 229910052739 hydrogen Inorganic materials 0.000 claims abstract description 43
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 43
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 42
- 239000001301 oxygen Substances 0.000 claims abstract description 42
- 238000012549 training Methods 0.000 claims description 85
- 150000002431 hydrogen Chemical class 0.000 claims description 36
- 239000012159 carrier gas Substances 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 6
- 230000003647 oxidation Effects 0.000 claims description 6
- 238000007254 oxidation reaction Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 239000001307 helium Substances 0.000 claims description 5
- 229910052734 helium Inorganic materials 0.000 claims description 5
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 claims description 5
- 241000222336 Ganoderma Species 0.000 claims description 4
- 238000005336 cracking Methods 0.000 claims description 4
- AIXZBGVLNVRQSS-UHFFFAOYSA-N 5-tert-butyl-2-[5-(5-tert-butyl-1,3-benzoxazol-2-yl)thiophen-2-yl]-1,3-benzoxazole Chemical compound CC(C)(C)C1=CC=C2OC(C3=CC=C(S3)C=3OC4=CC=C(C=C4N=3)C(C)(C)C)=NC2=C1 AIXZBGVLNVRQSS-UHFFFAOYSA-N 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims 1
- 239000003814 drug Substances 0.000 abstract description 13
- 229940079593 drug Drugs 0.000 abstract description 6
- 125000004435 hydrogen atom Chemical class [H]* 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 229940126680 traditional chinese medicines Drugs 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 239000000843 powder Substances 0.000 description 3
- FZERHIULMFGESH-UHFFFAOYSA-N N-phenylacetamide Chemical compound CC(=O)NC1=CC=CC=C1 FZERHIULMFGESH-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000000921 elemental analysis Methods 0.000 description 2
- 238000010926 purge Methods 0.000 description 2
- 241000272496 Galliformes Species 0.000 description 1
- 241001465385 Solandra grandiflora Species 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 229960001413 acetanilide Drugs 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000001819 mass spectrum Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000007721 medicinal effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000010239 partial least squares discriminant analysis Methods 0.000 description 1
- 238000000197 pyrolysis Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种追溯灵芝产地及其种植阶段的方法及系统,接收稳定同位素质谱仪对已粉碎的待测灵芝样品进行碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比以及碳、氮的含量,得到样品特征物质信息;建立主成分分析模型、正交偏最小二乘法判别分析模型和Fisher判别分析模型,其中,将样品特征物质信息导入主成分分析模型和正交偏最小二乘法判别分析模型能够得到待测灵芝样品的种植阶段,将样品特征物质信息导入主成分分析模型、正交偏最小二乘法判别分析模型和Fisher判别分析模型能够得到待测灵芝样品的产地,从而实现灵芝的追溯分析,提高临床用药的准确性。
Description
技术领域
本发明涉及药物分析技术领域,特别涉及一种追溯灵芝产地及其种植阶段的方法及系统。
背景技术
中药材的道地性是其品质的重要特色,产地是中药优劣差异的重要依据之一,中药具有多成分、多靶点的特性,仅用单一化学成分或者某类成分往往难以区分药材产地来源,中药的产地追溯存在一定的困难。同时,不同产区种植出的中药由于气候、日照强度以及降雨等因素的影响,中药材的药效和成分均存在一定的差异,所以判断中药材的真实来源成为了中药质量评价、中药临床用药治病的关键。
2019年中国中药协会团体标准专项审查会上,《中药追溯体系实施指南》、《中药追溯信息要求中药材种植》以及《中药追溯信息要求中药饮片生产》三项团体标准通过了专家评审,三项团体标准的制订与发布为中药企业实施追溯提供了明确指导。
福建灵芝作为福建省的福九味之一,是福建省高品质道地中药材之一,因此构建全链条质量可追溯的灵芝溯源系统以及对灵芝的不同种植阶段进行分析对于提升高品质灵芝具有重要的意义。
发明内容
本发明所要解决的技术问题是:提供一种追溯灵芝产地及其种植阶段的方法及系统,能够获取灵芝的产地和种植阶段,便于提高临床用药的准确性。
为了解决上述技术问题,本发明采用的技术方案为:
一种追溯灵芝产地及其种植阶段的方法,包括步骤:
接收稳定同位素质谱仪对已粉碎的待测灵芝样品进行碳、氢、氧、氮同位素的检测,并计算碳、氢、氧、氮的稳定同位素比以及碳、氮的含量,得到样品特征物质信息;
建立主成分分析模型、正交偏最小二乘法判别分析模型和Fisher判别分析模型;
将所述样品特征物质信息导入所述主成分分析模型和正交偏最小二乘法判别分析模型中,得到所述待测灵芝样品的种植阶段,将所述样品特征物质信息导入所述主成分分析模型、正交偏最小二乘法判别分析模型和Fisher判别分析模型中,得到所述待测灵芝样品的产地。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种追溯灵芝产地及其种植阶段的系统,包括稳定同位素质谱仪、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方案的一种追溯灵芝产地及其种植阶段的方法。
本发明的有益效果在于:接收稳定同位素质谱仪对已粉碎的待测灵芝样品进行碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比以及碳、氮的含量,得到样品特征物质信息;建立主成分分析模型、正交偏最小二乘法判别分析模型和Fisher判别分析模型,其中,将样品特征物质信息导入主成分分析模型和正交偏最小二乘法判别分析模型能够得到待测灵芝样品的种植阶段,将样品特征物质信息导入主成分分析模型、正交偏最小二乘法判别分析模型和Fisher判别分析模型能够得到待测灵芝样品的产地,从而实现灵芝的追溯分析,提高临床用药的准确性。
附图说明
图1为本发明实施例的一种追溯灵芝产地及其种植阶段的方法的流程图;
图2为本发明实施例的一种追溯灵芝产地及其种植阶段的系统的示意图;
图3为本发明实施例的一种追溯灵芝产地及其种植阶段的方法的不同产地灵芝样品的PCA模型示意图;
图4为本发明实施例的一种追溯灵芝产地及其种植阶段的方法的不同产地灵芝样品的OPLS-DA模型示意图;
图5为本发明实施例的一种追溯灵芝产地及其种植阶段的方法的不同产地灵芝样品的VIP图;
图6为本发明实施例的一种追溯灵芝产地及其种植阶段的方法的不同种植阶段灵芝样品仅利用稳定同位素建立的PCA模型示意图;
图7为本发明实施例的一种追溯灵芝产地及其种植阶段的方法的不同种植阶段灵芝样品利用稳定同位素比率和碳、氮含量建立的PCA模型示意图;
图8为本发明实施例的一种追溯灵芝产地及其种植阶段的方法的不同种植阶段灵芝样品的OPLS-DA模型示意图;
图9为本发明实施例的一种追溯灵芝产地及其种植阶段的方法的不同种植阶段灵芝样品的VIP图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1,本发明实施例提供了一种追溯灵芝产地及其种植阶段的方法,包括步骤:
接收稳定同位素质谱仪对已粉碎的待测灵芝样品进行碳、氢、氧、氮同位素的检测,并计算碳、氢、氧、氮的稳定同位素比以及碳、氮的含量,得到样品特征物质信息;
建立主成分分析模型、正交偏最小二乘法判别分析模型和Fisher判别分析模型;
将所述样品特征物质信息导入所述主成分分析模型和正交偏最小二乘法判别分析模型中,得到所述待测灵芝样品的种植阶段,将所述样品特征物质信息导入所述主成分分析模型、正交偏最小二乘法判别分析模型和Fisher判别分析模型中,得到所述待测灵芝样品的产地。
从上述描述可知,本发明的有益效果在于:接收稳定同位素质谱仪对已粉碎的待测灵芝样品进行碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比以及碳、氮的含量,得到样品特征物质信息;建立主成分分析模型、正交偏最小二乘法判别分析模型和Fisher判别分析模型,其中,将样品特征物质信息导入主成分分析模型和正交偏最小二乘法判别分析模型能够得到待测灵芝样品的种植阶段,将样品特征物质信息导入主成分分析模型、正交偏最小二乘法判别分析模型和Fisher判别分析模型能够得到待测灵芝样品的产地,从而实现灵芝的追溯分析,提高临床用药的准确性。
进一步地,所述已粉碎的待测灵芝样品的粒度为100目。
进一步地,所述接收稳定同位素质谱仪对已粉碎的待测灵芝样品进行碳、氢、氧、氮同位素的检测中,所述稳定同位素质谱仪对待测灵芝样品进行碳、氮同位素的检测时,氧化管温度为950℃,载气流速为200mL/min,并使用IAEA-600、Acetanilide#1、USGS-40标准品进行校正;
所述稳定同位素质谱仪对待测灵芝样品进行氢、氧同位素的检测时,高温裂解管温度为1380℃,氦载气流速为100mL/min,并使用EMA-P1、EMA-P2、IAEA-601标准品进行校正。
由上述描述可知,分别在碳、氮模式和氢、氧模式进行对应同位素的检测,通过温度、载气流速和标准品校正能够准确检测到碳、氢、氧、氮同位素的信息,便于后续进行稳定同位素比的计算。
进一步地,所述计算碳、氢、氧、氮的稳定同位素比以及碳、氮的含量包括:
计算碳、氢、氧、氮的稳定同位素比δ:
δ(‰)=[(R样品/R标准)-1]×1000;
式中,R样品表示所述待测灵芝样品中重同位素与轻同位素的丰度比,R标准表示国际标准样;
设置氧化管温度为950℃,载气流速为140mL/min,使用IAECYS、BBOT、MET标准品进行校正,并计算碳、氮的含量:
W2=(A2×m1×W1)/(A1×m2);
式中,A1表示标样的峰面积,A2表示样品的峰面积,m1表示称取标样的质量,m2表示称取样品的质量,W1表示标样中元素已知的百分含量,W2表示样品中与标样对应的元素含量。
由上述描述可知,根据待测灵芝样品中重同位素与轻同位素的丰度比和国际标准样计算碳、氢、氧、氮的稳定同位素比;根据标样数据和样品数据计算碳、氮的含量,能够得到样品特征物质信息,便于后续进行判断待测灵芝样品的产地和种植阶段。
进一步地,所述建立主成分分析模型包括:
选择不同产地的灵芝样品作为第一训练集样品;
对所述第一训练集样品进行粉碎处理,粉碎程度为100目;
将所述第一训练集样品用稳定同位素质谱仪进行稳定碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比,得到第一训练集样品特征物质信息;
将所述第一训练集样品特征物质信息导入主成分分析模块,建立第一主成分分析模型,通过Loading图中不同产地灵芝样品的聚类情况进行组别判断。
由上述描述可知,选择不同产地的灵芝样品进行处理与对应的数据训练,能够得到第一训练集样品特征物质信息,并建立第一主成分分析模型,从而对不同产地灵芝进行组别判断。
进一步地,所述建立正交偏最小二乘法判别分析模型包括:
选择不同产地的灵芝样品作为第二训练集样品;
对所述第二训练集样品进行粉碎处理,粉碎程度为100目;
将所述第二训练集样品用稳定同位素质谱仪进行稳定碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比,得到第二训练集样品特征物质信息;
将所述第二训练集样品特征物质信息导入正交偏最小二乘法判别分析模块,建立第一正交偏最小二乘法判别分析模型,通过Loading图中不同产地灵芝样品的聚类情况进行组别判断,通过变量重要性投影值模型对贡献成分大的变量进行分析。
由上述描述可知,选择不同产地的灵芝样品进行处理与对应的数据训练,能够得到第二训练集样品特征物质信息,并建立第一正交偏最小二乘法判别分析模型,从而对不同产地灵芝进行组别判断。
进一步地,所述建立Fisher判别分析模型包括:
选择不同产地的灵芝样品作为第三训练集样品;
对所述第三训练集样品进行粉碎处理,粉碎程度为100目;
将所述第三训练集样品用稳定同位素质谱仪进行稳定碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比,得到第三训练集样品特征物质信息;
将所述第三训练集样品特征物质信息导入Fisher判别式模块,以Fisher构建不同产地的灵芝判别方程。
由上述描述可知,选择不同产地的灵芝样品进行处理与对应的数据训练,能够得到第三训练集样品特征物质信息,并建立Fisher模型,从而构建不同产地灵芝的判别方程。
进一步地,所述建立主成分分析模型还包括:
选择不同种植阶段的灵芝样品作为第四训练集样品;
对所述第四训练集样品进行粉碎处理,粉碎程度为100目;
将所述第四训练集样品用稳定同位素质谱仪进行稳定碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比以及碳、氮的含量,得到第四训练集样品特征物质信息;
将所述第四训练集样品特征物质信息导入主成分分析模块,建立第二主成分分析模型,通过Loading图中不同种植阶段灵芝样品的聚类情况进行组别判断。
由上述描述可知,选择不同种植阶段的灵芝样品进行处理与对应的数据训练,计算各元素的稳定同位素比以及碳、氮的含量,得到第四训练集样品特征物质信息,能够更好地对种植阶段进行区分,并建立第二主成分分析模型,从而对不同种植阶段灵芝进行组别判断。
进一步地,所述建立正交偏最小二乘法判别分析模型还包括:
选择不同种植阶段的灵芝样品作为第五训练集样品;
对所述第五训练集样品进行粉碎处理,粉碎程度为100目;
将所述第五训练集样品用稳定同位素质谱仪进行稳定碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比以及碳、氮的含量,得到第五训练集样品特征物质信息;
将所述第五训练集样品特征物质信息导入正交偏最小二乘法判别分析模块,建立第二正交偏最小二乘法判别分析模型,通过Loading图中不同种植阶段灵芝样品的聚类情况进行组别判断,通过变量重要性投影值模型对贡献成分大的变量进行分析。
由上述描述可知,选择不同种植阶段的灵芝样品进行处理与对应的数据训练,计算各元素的稳定同位素比以及碳、氮的含量,得到第五训练集样品特征物质信息,能够更好地对种植阶段进行区分,并建立第二正交偏最小二乘法判别分析模型,从而对不同种植阶段灵芝进行组别判断。
请参照图2,本发明实施例提供了一种追溯灵芝产地及其种植阶段的系统,包括稳定同位素质谱仪、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方案的一种追溯灵芝产地及其种植阶段的方法。
本发明的一种追溯灵芝产地及其种植阶段的方法及系统,适用于对灵芝建立产地追溯系统以及对不同种植阶段的灵芝进行分析,从而提升高品质灵芝的品牌和质量具有重要意义,并且能够提高临床用药的准确性,以下通过具体的实施方式进行说明:
实施例一
请参照图1,一种追溯灵芝产地及其种植阶段的方法,包括步骤:
S1、接收稳定同位素质谱仪对已粉碎的待测灵芝样品进行碳、氢、氧、氮同位素的检测,并计算碳、氢、氧、氮的稳定同位素比以及碳、氮的含量,得到样品特征物质信息。
具体的,将待测灵芝样品低温烘干,加液氮经微型研磨仪打粉,过100目筛备用。
S11、碳、氮同位素比率检测。
称取灵芝粉末约1.5mg,用4×6锡杯包好后放置于元素分析样品盘中,进入同位素质谱仪。元素分析仪氦气吹扫流量200mL/min,氧化管温度为950℃,还原管温度为600℃,样品前设置三个空白,每12个样品插2个标样。利用IAE A-600:δ13C=-27.71‰、δ15N=1‰;Acetanilide#1:δ13C=-26.85‰、δ15N=-4.21‰;USGS-40:δ13C=-26.39‰、δ15N=-4.52‰标准品进行校正。
S12、氢、氧同位素比率检测。
称取灵芝粉末约0.3mg,用4×6银杯包好后放置于元素分析样品盘中,样品进入高温裂解炉中,在高温下样品中的氧和填料玻璃碳反应生成CO,氢单独裂解成H2,进入同位素比值质谱进行氢氧的稳定同位素组成分析。元素分析仪吹扫气氦气流速为100mL/min,高温裂解管温度为1380℃,色谱柱温度为85℃。以EMA-P1:δ18O=20.99‰、δD=-25.30‰;EMA-P2:δ18O=26.88‰、δD=-87.80‰;IAEA-601:δ18O=23.3‰;Ag3PO4:δ18O=21.7‰作为标准样对样品进行校正。
S13、计算碳、氢、氧、氮的稳定同位素比。
δ=[(R样品/R标准)-1]×1000;
式中,R样品表示所测样品中重同位素与轻同位素丰度比,即13C/12C,15N/14Nair,18O/16O,D/1H,R标准表示国际标准样中,δ13C以PDB国际标准作为参考标准,δ18O和δD以SMOW国际标准作为参考标准。
S14、计算碳、氮的含量。
氧化炉温度为950℃;载气(Carrier)流速为140mL/min,参考气(氦气)流速为100mL/min。以CYS:N=11.66%、C=29.99%;BBOT:N=6.51%、C=72.53%;MET:N=9.39%、C=40.25%作为标准样对样品进行校正。
W2=(A2×m1×W1)/(A1×m2);
式中,A1表示标样的峰面积,A2表示样品的峰面积,m1表示称取标样的质量,m2表示称取样品的质量,W1表示标样中元素已知的百分含量,W2表示样品中与标样对应的元素含量。
S2、建立主成分分析模型、正交偏最小二乘法判别分析模型和Fisher判别分析模型。
S21、根据不同产地的灵芝样品建立第一主成分分析模型。
其中,选择不同产地的灵芝样品作为第一训练集样品;
对所述第一训练集样品进行粉碎处理,粉碎程度为100目;
将所述第一训练集样品用稳定同位素质谱仪进行稳定碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比,得到第一训练集样品特征物质信息;
将所述第一训练集样品特征物质信息导入主成分分析模块,建立第一主成分分析模型,通过Loading图中不同产地灵芝样品的聚类情况进行组别判断。
具体的,对不同产地灵芝的稳定同位素比率进行PCA(principal componentsanalysis,主成分分析),请参照图3,福建和浙江产地的灵芝样品主要集中于PC1的正象限;安徽和吉林产地的灵芝样品主要集中在PC1的负象限。不同产地的灵芝样品各自聚为一类,分类趋势明显。
S22、根据不同产地的灵芝样品建立第一正交偏最小二乘法判别分析模型。
其中,选择不同产地的灵芝样品作为第二训练集样品;
对所述第二训练集样品进行粉碎处理,粉碎程度为100目;
将所述第二训练集样品用稳定同位素质谱仪进行稳定碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比,得到第二训练集样品特征物质信息;
将所述第二训练集样品特征物质信息导入正交偏最小二乘法判别分析分析模块,建立第一正交偏最小二乘法判别分析模型,通过Loading图中不同产地灵芝样品的聚类情况进行组别判断,通过变量重要性投影值模型对贡献成分大的变量进行分析。
具体的,请参照图4,为更好地确定不同产地灵芝样品间的差异变量,采用监督模式的OPLS-DA(正交偏最小二乘法判别分析),以稳定同位素比率作为变量,进行有监督的OPLS-DA分析。请参照图5,为进一步确认对模型贡献度较大的变量,使用变量重要性投影值(VIP)描述变量的贡献率,当VIP>1时,该变量是重要的。模型中R2X=0.916、R2Y=0.726、Q2=0.67,说明该模型可解释度较好。其中,δ13C的VIP值为1.134,说明δ13C在OPLS-DA模型中是重要变量。
S23、根据不同产地的灵芝样品建立Fisher判别分析模型。
其中,选择不同产地的灵芝样品作为第三训练集样品;
对所述第三训练集样品进行粉碎处理,粉碎程度为100目;
将所述第三训练集样品用稳定同位素质谱仪进行稳定碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比,得到第三训练集样品特征物质信息;
将所述第三训练集样品特征物质信息导入Fisher判别式模块,以Fisher构建不同产地的灵芝判别方程。
具体的,采用Fisher判别分析,分别建立不同产地的Fisher判别函数,模型如下:
Y(ZJ)=-17.987δ13C+6.887δ15N+72.309δ18O-0.175δD-654.154;
Y(AH)=46.689δ13C-0.961δ15N+63.951δ18O-6.316δD-1378.407;
Y(JL)=-46.159δ13C-0.198δ15N+59.863δ18O-7.015δD-1288.756;
Y(FJ)=-42.664δ13C-1.634δ15N+70.198δ18O-4.500δD-1398.232;
其中,ZJ表示浙江,AH表示安徽,JL表示吉林,FJ表示福建。
对不同产地灵芝样本溯源判别结果请参照表1,利用稳定同位素比率(δ13C、、δD、δ18O、δ15N)进行分析,回代检验、交叉验证和外部验证的准确率均达100%。
表1基于稳定同位素比率对不同产地的灵芝Fisher判别分析结果
S24、根据不同种植阶段的灵芝样品建立第二主成分分析模型。
其中,选择不同种植阶段的灵芝样品作为第四训练集样品;
对所述第四训练集样品进行粉碎处理,粉碎程度为100目;
将所述第四训练集样品用稳定同位素质谱仪进行稳定碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比以及碳、氮的含量,得到第四训练集样品特征物质信息;
将所述第四训练集样品特征物质信息导入主成分分析模块,建立第二主成分分析模型,通过Loading图中不同种植阶段灵芝样品的聚类情况进行组别判断。
具体的,请参照图6,对不同种植阶段(福建)灵芝的稳定同位素比率进行PCA分析,出芝期的灵芝样品主要集中于PC1的正象限,成熟期的灵芝样品集中于PC1的负象限,成长期的灵芝样品和出芝期、成熟期的灵芝样品有部分重合。
请参照图7,增加碳、氮含量作为变量后的PCA得分图,增加碳、氮含量后,成长期的灵芝样品可以和出芝期、成熟期的灵芝样品区分开。
S25、根据不同种植阶段的灵芝样品建立第二正交偏最小二乘法判别分析模型。
其中,选择不同种植阶段的灵芝样品作为第五训练集样品;
对所述第五训练集样品进行粉碎处理,粉碎程度为100目;
将所述第五训练集样品用稳定同位素质谱仪进行稳定碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比以及碳、氮的含量,得到第五训练集样品特征物质信息;
将所述第五训练集样品特征物质信息导入正交偏最小二乘法判别分析分析模块,建立第二正交偏最小二乘法判别分析模型,通过Loading图中不同种植阶段灵芝样品的聚类情况进行组别判断,通过变量重要性投影值模型对贡献成分大的变量进行分析。
具体的,请参照图8和图9,以稳定同位素比率和碳、氮含量作为变量,进行有监督的OPLS-DA分析。δ18O、N%和δD的VIP值分别为1.208、1.206和1.109,在区分不同种植阶段中发挥重要作用。
S3、将所述样品特征物质信息导入所述主成分分析模型和正交偏最小二乘法判别分析模型中,得到所述待测灵芝样品的种植阶段,将所述样品特征物质信息导入所述主成分分析模型、正交偏最小二乘法判别分析模型和Fisher判别分析模型中,得到所述待测灵芝样品的产地。
具体的,将样品特征物质信息导入第一主成分分析模型、第一正交偏最小二乘法判别分析模型和Fisher判别分析模型中,综合计算结果得到待测灵芝样品的产地;将样品特征物质信息导入第二主成分分析模型和第二正交偏最小二乘法判别分析模型中,综合计算结果得到待测灵芝样品的种植阶段。
实施例二
请参照图2,一种追溯灵芝产地及其种植阶段的系统,包括稳定同位素质谱仪、存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现实施例一中的一种追溯灵芝产地及其种植阶段的方法。
综上所述,本发明提供的一种追溯灵芝产地及其种植阶段的方法及系统,接收稳定同位素质谱仪对已粉碎的待测灵芝样品进行碳、氢、氧、氮同位素的检测,其中分别在碳、氮模式和氢、氧模式进行对应同位素的检测,以及对待测灵芝样品进行碳、氮含量测定,通过温度、载气流速和标准品校正能够准确检测到碳、氢、氧、氮同位素的信息,便于后续进行稳定同位素比的计算;计算各元素的稳定同位素比以及碳、氮的含量,得到样品特征物质信息;建立第一主成分分析模型、第一正交偏最小二乘法判别分析模型、Fisher判别分析模型、第二主成分分析模型和第二正交偏最小二乘法判别分析模型,其中,将样品特征物质信息导入第二主成分分析模型和第二正交偏最小二乘法判别分析模型能够得到待测灵芝样品的种植阶段,将样品特征物质信息导入第一主成分分析模型、第一正交偏最小二乘法判别分析模型和Fisher判别分析模型能够得到待测灵芝样品的产地,从而实现灵芝的追溯分析,提高临床用药的准确性。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种追溯灵芝产地及其种植阶段的方法,其特征在于,包括步骤:
接收稳定同位素质谱仪对已粉碎的待测灵芝样品进行碳、氢、氧、氮同位素的检测,并计算碳、氢、氧、氮的稳定同位素比以及碳、氮的含量,得到样品特征物质信息;
建立主成分分析模型、正交偏最小二乘法判别分析模型和Fisher判别分析模型:根据不同产地的灵芝样品建立第一主成分分析模型,以进行不同产地灵芝的分类;根据不同产地的灵芝样品建立第一正交偏最小二乘法判别分析模型,以得到不同产地灵芝样品的聚类情况以及最重要的稳定同位素比率变量;根据不同产地的灵芝样品建立Fisher判别分析模型,以得到不同产地灵芝分类的正确判别率;根据不同种植阶段的灵芝样品建立第二主成分分析模型;根据不同种植阶段的灵芝样品建立第二正交偏最小二乘法判别分析模型;
将所述样品特征物质信息导入所述第二主成分分析模型和第二正交偏最小二乘法判别分析模型中,综合计算结果得到所述待测灵芝样品的种植阶段,将所述样品特征物质信息导入所述第一主成分分析模型、第一正交偏最小二乘法判别分析模型和Fisher判别分析模型中,综合计算结果得到所述待测灵芝样品的产地。
2.根据权利要求1所述的一种追溯灵芝产地及其种植阶段的方法,其特征在于,所述已粉碎的待测灵芝样品的粒度为100目。
3.根据权利要求1所述的一种追溯灵芝产地及其种植阶段的方法,其特征在于,所述接收稳定同位素质谱仪对已粉碎的待测灵芝样品进行碳、氢、氧、氮同位素的检测中,所述稳定同位素质谱仪对待测灵芝样品进行碳、氮同位素的检测时,氧化管温度为950℃,载气流速为200mL/min,并使用IAEA-600、Acetanilide#1、USGS-40标准品进行校正;
所述稳定同位素质谱仪对待测灵芝样品进行氢、氧同位素的检测时,高温裂解管温度为1380℃,氦载气流速为100mL/min,并使用EMA-P1、EMA-P2、IAEA-601标准品进行校正。
4.根据权利要求1所述的一种追溯灵芝产地及其种植阶段的方法,其特征在于,所述计算碳、氢、氧、氮的稳定同位素比以及碳、氮的含量包括:
计算碳、氢、氧、氮的稳定同位素比δ:
δ(‰)=[(R样品/R标准)-1]×1000;
式中,R样品表示所述待测灵芝样品中重同位素与轻同位素的丰度比,R标准表示国际标准样;
设置氧化管温度为950℃,载气流速为140mL/min,使用IAECYS、BBOT、MET标准品进行校正,并计算碳、氮的含量:
W2=(A2×m1×W1)/(A1×m2);
式中,A1表示标样的峰面积,A2表示样品的峰面积,m1表示称取标样的质量,m2表示称取样品的质量,W1表示标样中元素已知的百分含量,W2表示样品中与标样对应的元素含量。
5.根据权利要求1所述的一种追溯灵芝产地及其种植阶段的方法,其特征在于,所述建立主成分分析模型包括:
选择不同产地的灵芝样品作为第一训练集样品;
对所述第一训练集样品进行粉碎处理,粉碎程度为100目;
将所述第一训练集样品用稳定同位素质谱仪进行稳定碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比,得到第一训练集样品特征物质信息;
将所述第一训练集样品特征物质信息导入主成分分析模块,建立第一主成分分析模型,通过Loading图中不同产地灵芝样品的聚类情况进行组别判断。
6.根据权利要求1所述的一种追溯灵芝产地及其种植阶段的方法,其特征在于,所述建立正交偏最小二乘法判别分析模型包括:
选择不同产地的灵芝样品作为第二训练集样品;
对所述第二训练集样品进行粉碎处理,粉碎程度为100目;
将所述第二训练集样品用稳定同位素质谱仪进行稳定碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比,得到第二训练集样品特征物质信息;
将所述第二训练集样品特征物质信息导入正交偏最小二乘法判别分析分析模块,建立第一正交偏最小二乘法判别分析模型,通过Loading图中不同产地灵芝样品的聚类情况进行组别判断,通过变量重要性投影值模型对贡献成分大的变量进行分析。
7.根据权利要求1所述的一种追溯灵芝产地及其种植阶段的方法,其特征在于,所述建立Fisher判别分析模型包括:
选择不同产地的灵芝样品作为第三训练集样品;
对所述第三训练集样品进行粉碎处理,粉碎程度为100目;
将所述第三训练集样品用稳定同位素质谱仪进行稳定碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比,得到第三训练集样品特征物质信息;
将所述第三训练集样品特征物质信息导入Fisher判别式模块,以Fisher构建不同产地的灵芝判别方程。
8.根据权利要求1所述的一种追溯灵芝产地及其种植阶段的方法,其特征在于,所述建立主成分分析模型还包括:
选择不同种植阶段的灵芝样品作为第四训练集样品;
对所述第四训练集样品进行粉碎处理,粉碎程度为100目;
将所述第四训练集样品用稳定同位素质谱仪进行稳定碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比以及碳、氮的含量,得到第四训练集样品特征物质信息;
将所述第四训练集样品特征物质信息导入主成分分析模块,建立第二主成分分析模型,通过Loading图中不同种植阶段灵芝样品的聚类情况进行组别判断。
9.根据权利要求1所述的一种追溯灵芝产地及其种植阶段的方法,其特征在于,所述建立正交偏最小二乘法判别分析模型还包括:
选择不同种植阶段的灵芝样品作为第五训练集样品;
对所述第五训练集样品进行粉碎处理,粉碎程度为100目;
将所述第五训练集样品用稳定同位素质谱仪进行稳定碳、氢、氧、氮同位素的检测,并计算各元素的稳定同位素比以及碳、氮的含量,得到第五训练集样品特征物质信息;
将所述第五训练集样品特征物质信息导入正交偏最小二乘法判别分析分析模块,建立第二正交偏最小二乘法判别分析模型,通过Loading图中不同种植阶段灵芝样品的聚类情况进行组别判断,通过变量重要性投影值模型对贡献成分大的变量进行分析。
10.一种追溯灵芝产地及其种植阶段的系统,其特征在于,包括稳定同位素质谱仪、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述权利要求1-9任一项所述的一种追溯灵芝产地及其种植阶段的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111391882.5A CN114088800B (zh) | 2021-11-19 | 2021-11-19 | 一种追溯灵芝产地及其种植阶段的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111391882.5A CN114088800B (zh) | 2021-11-19 | 2021-11-19 | 一种追溯灵芝产地及其种植阶段的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114088800A CN114088800A (zh) | 2022-02-25 |
CN114088800B true CN114088800B (zh) | 2024-02-09 |
Family
ID=80303365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111391882.5A Active CN114088800B (zh) | 2021-11-19 | 2021-11-19 | 一种追溯灵芝产地及其种植阶段的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114088800B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115980167B (zh) * | 2023-01-09 | 2023-12-01 | 广东省农业科学院农业质量标准与监测技术研究所 | 一种稳定同位素分析技术判别鸭屎香单丛茶采收季节的方法和应用 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101158678A (zh) * | 2007-11-29 | 2008-04-09 | 中国农业科学院农产品加工研究所 | 一种动物同位素指纹的检测方法及其应用 |
CN101377474A (zh) * | 2007-08-30 | 2009-03-04 | 易现峰 | 一种基于稳定性同位素指纹图谱鉴别道地中药材的方法 |
KR100905414B1 (ko) * | 2008-06-25 | 2009-07-02 | 대한민국 | 한약재 산지 판별방법 |
CN103675083A (zh) * | 2013-11-12 | 2014-03-26 | 上海交通大学 | 利用稳定同位素比值判定中药白头翁产地的方法 |
CN104678019A (zh) * | 2015-03-01 | 2015-06-03 | 云南农业大学 | 一种基于稳定同位素指纹的三七块根产地鉴别方法 |
CN105259160A (zh) * | 2015-11-03 | 2016-01-20 | 中国农业科学院茶叶研究所 | 一种基于离子组学的西湖龙井茶产地识别方法 |
CN106841370A (zh) * | 2017-03-20 | 2017-06-13 | 上海海洋大学 | 一种利用眼睛晶体研究头足类不同生活史阶段摄食生态的方法 |
CN107228897A (zh) * | 2017-05-10 | 2017-10-03 | 上海海洋大学 | 一种利用脊椎骨研究鲨鱼类不同生活史阶段摄食生态的方法 |
CN107255693A (zh) * | 2017-07-12 | 2017-10-17 | 大连海事大学 | 基于氨基酸碳稳定同位素的水产品产地溯源方法 |
CN107424003A (zh) * | 2017-05-05 | 2017-12-01 | 浙江省农业科学院 | 一种基于稳定性同位素比率和多元素的杨梅产地溯源方法 |
CN108982692A (zh) * | 2018-07-27 | 2018-12-11 | 深圳出入境检验检疫局食品检验检疫技术中心 | 元素分析-稳定同位素质谱判别奶粉产地的方法 |
CN109709200A (zh) * | 2018-11-30 | 2019-05-03 | 宁波检验检疫科学技术研究院 | 一种基于稳定同位素比值鉴别白术产地的方法 |
CN110501439A (zh) * | 2019-09-06 | 2019-11-26 | 浙江省检验检疫科学技术研究院 | 一种稳定同位素比值鉴别牛奶不同产地的分析方法 |
CN113203837A (zh) * | 2021-05-11 | 2021-08-03 | 浙江省园林植物与花卉研究所(浙江省萧山棉麻研究所) | 一种红掌不同发育时期碳同化产物主要流动方向的鉴定方法 |
CN113406247A (zh) * | 2021-03-31 | 2021-09-17 | 广州海关技术中心 | 一种基于irms、lc-q-tof-ms和多元素分析相结合的大豆产地溯源识别方法 |
-
2021
- 2021-11-19 CN CN202111391882.5A patent/CN114088800B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101377474A (zh) * | 2007-08-30 | 2009-03-04 | 易现峰 | 一种基于稳定性同位素指纹图谱鉴别道地中药材的方法 |
CN101158678A (zh) * | 2007-11-29 | 2008-04-09 | 中国农业科学院农产品加工研究所 | 一种动物同位素指纹的检测方法及其应用 |
KR100905414B1 (ko) * | 2008-06-25 | 2009-07-02 | 대한민국 | 한약재 산지 판별방법 |
CN103675083A (zh) * | 2013-11-12 | 2014-03-26 | 上海交通大学 | 利用稳定同位素比值判定中药白头翁产地的方法 |
CN104678019A (zh) * | 2015-03-01 | 2015-06-03 | 云南农业大学 | 一种基于稳定同位素指纹的三七块根产地鉴别方法 |
CN105259160A (zh) * | 2015-11-03 | 2016-01-20 | 中国农业科学院茶叶研究所 | 一种基于离子组学的西湖龙井茶产地识别方法 |
CN106841370A (zh) * | 2017-03-20 | 2017-06-13 | 上海海洋大学 | 一种利用眼睛晶体研究头足类不同生活史阶段摄食生态的方法 |
CN107424003A (zh) * | 2017-05-05 | 2017-12-01 | 浙江省农业科学院 | 一种基于稳定性同位素比率和多元素的杨梅产地溯源方法 |
CN107228897A (zh) * | 2017-05-10 | 2017-10-03 | 上海海洋大学 | 一种利用脊椎骨研究鲨鱼类不同生活史阶段摄食生态的方法 |
CN107255693A (zh) * | 2017-07-12 | 2017-10-17 | 大连海事大学 | 基于氨基酸碳稳定同位素的水产品产地溯源方法 |
CN108982692A (zh) * | 2018-07-27 | 2018-12-11 | 深圳出入境检验检疫局食品检验检疫技术中心 | 元素分析-稳定同位素质谱判别奶粉产地的方法 |
CN109709200A (zh) * | 2018-11-30 | 2019-05-03 | 宁波检验检疫科学技术研究院 | 一种基于稳定同位素比值鉴别白术产地的方法 |
CN110501439A (zh) * | 2019-09-06 | 2019-11-26 | 浙江省检验检疫科学技术研究院 | 一种稳定同位素比值鉴别牛奶不同产地的分析方法 |
CN113406247A (zh) * | 2021-03-31 | 2021-09-17 | 广州海关技术中心 | 一种基于irms、lc-q-tof-ms和多元素分析相结合的大豆产地溯源识别方法 |
CN113203837A (zh) * | 2021-05-11 | 2021-08-03 | 浙江省园林植物与花卉研究所(浙江省萧山棉麻研究所) | 一种红掌不同发育时期碳同化产物主要流动方向的鉴定方法 |
Non-Patent Citations (3)
Title |
---|
基于稳定同位素指纹的春三七主根产地判别研究;梁社往等;中国中药杂志;第46卷(第03期);全文 * |
基于稳定同位素比率及微量元素含量差异的当归产地溯源分析;杨燕等;中药材;第43卷(第11期);全文 * |
川浙两地桑叶氢、氧、碳稳定同位素比较研究初探;路婧中等;蚕业科学;第46卷(第01期);正文第11-13页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114088800A (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103267754B (zh) | 定量测定碳素钢或低合金钢中常量元素和砷、锡、锑痕量元素的方法 | |
CN104422672B (zh) | 采用微波消解-原子荧光法测定土壤中硒含量的方法 | |
CN114088800B (zh) | 一种追溯灵芝产地及其种植阶段的方法及系统 | |
CN102607933A (zh) | 一种同时检测烟叶中四种重金属元素含量的方法 | |
CN107976481B (zh) | 一种中药材中钪含量的检测方法 | |
CN110940660A (zh) | 一种镍基高温合金中银砷锡硼铜锆的测定方法 | |
CN112162054B (zh) | 一种沙生槐蜂蜜的真实性评价方法 | |
KR20210078882A (ko) | 유도결합 플라즈마 질량분석법을 이용한 혈액 내 금속류 동시분석법 | |
CN104764843A (zh) | 一种利用负化学源质谱数据库对含电负性元素农药检测的方法 | |
CN109030528A (zh) | 一种x射线荧光光谱分析冶炼烟尘中氟氯的方法 | |
CN110632162B (zh) | 一种地方野生黄芪和栽培黄芪的识别方法 | |
CN108593606B (zh) | 一种利用原子荧光光谱测试煤中锗含量的方法 | |
CN108593829A (zh) | 一种对牛奶产地溯源影响因素的稳定同位素分析方法 | |
CN112946056A (zh) | 一种丙氨酰谷氨酰胺注射液中铝元素的检测方法 | |
Hosick et al. | Determination of tin in soil by continuous hydride generation and inductively coupled plasma mass spectrometry | |
CN101738461A (zh) | 13c丰度法鉴别氨基葡萄糖盐酸盐系列产品的来源 | |
CN110658157A (zh) | 近红外分析发酵虫草菌粉生产过程总多糖的质量控制方法 | |
CN110793836B (zh) | 一种同时测定土壤中镉、钼、锗及硼元素的方法 | |
CN104280369A (zh) | 一种高效、准确检测工业碳酸钙主含量的方法 | |
CN101603942B (zh) | 适用于土壤溶液阳离子分析的毛细管电泳检测体系 | |
CN113533307A (zh) | 一种高炉除尘灰中钙、镁、铜、铝、锰、钛、钾、钠、铅、锌元素含量的测定方法 | |
CN114002368A (zh) | 超高效液相色谱-四级杆-飞行时间高分辨质谱法测定保健食品中非法添加成分的方法 | |
CN103344628A (zh) | 钢铁中砷含量的icp-aes测量 | |
CN103940768B (zh) | 采用零气前处理测量固态碳激光碳同位素的装置及方法 | |
Nurazah et al. | Principal component analysis (PCA) evaluation of liquid chromatography-mass spectrometry (LC-MS) datasets of Ganoderma boninense intracellular metabolites |
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 |