方案摘要
方案下载应用领域 | 造纸/印刷/包装 |
检测样本 | 造纸 |
检测项目 | 其他 |
参考标准 | 无 |
本文提出了一种基于热裂解-气相色谱质谱联用仪(Py-GCMS)多元数据分析的分析方法,利用在纸张样品Py-GCMS分析过程中检测到的生物标志物,鉴别区分不同纤维材料来源的东亚传统手工纸。首先以总离子色谱(TIC)响应为输入变量,然后利用提取离子色谱(EICs)以提高主成分分析(PCA)的效果。研究还分析了不同数据预处理方法(原始响应与标准化值)对主成分分析的影响,包括变量的不同权重(权重为1 vs权重为1/std,其中std代表标准偏差)。结果表明,与常用的显微分析技术相比,Py-GCMS技术能够鉴别出具有相似微观形貌特征的手工造纸材料,如桑科下桑属和构属植物纤维。数据预处理影响了主成分分析模型的建立:结果显示,基于归一化值的分析更适合区分桑科造纸纤维的区分鉴别。各化合物组分权重为1的PCA分析中,得分图(score plot)上不同手工纸的位置分布受到载荷图(loading plot)中几个高浓度生物标记物的影响;而当将权为1/std时,PCA分析中,得分图上不同手工纸的位置分布受到载荷图中几组化合物(大部分浓度较低)的影响。此外,特征EICs可提供数据矩阵用于统计分析,与从TIC获得的数据矩阵相比,能够避免共洗脱化合物和背景的干扰。因此,本研究首次提出了一种基于PCA模型的快速Py-GCMS手工纸鉴别方法,用于东亚传统手工纸的鉴别。这一分析流程能够助益文化遗产材料的分析。
本文研究了一种基于热裂解-气相色谱质谱联用仪数据多元分析的分析方法,用于鉴别不同材料来源的传统东亚手工纸。对14个不同原料的手工纸在感兴趣区域(ROI)的谱图进行了分析,分析出45种化合物。采用不同的数据提取方法(TIC与EIC),结果表明,TIC值和EIC值均可用于手工纸张的鉴别,但EIC值可以排除背景干扰和可能的化合物共洗脱,用于PCA建模更简单、快速、可靠。
LC-MS/MS同时分析93种全氟和多氟烷基化合物
锂离子充电电池鼓胀气的分析
一次分析锂离子电池内部降解的鼓胀气
相关产品
关注
拨打电话
留言咨询