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。
文献贡献者
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
