推荐厂家
暂无
暂无
尊敬的专家先生: “近红外成份测定仪”这类仪器能否测定牧草(例如紫花苜蓿)中的蛋白质、脂肪等成份的含量?谢谢!
如题,请问哪位有蛋白精的近红外谱图?可否上传瞧瞧?
Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]用于蛋白含量测定的可行性研究摘要:Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]与AntarisⅡ傅里叶变换[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]相比具有体积小、质量轻、便携的特点,更适合用于生产现场检测。本文采用Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700型微型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]对蛋白含量进行检测,对其用于蛋白含量测定的可行性进行分析。通过相关系数法选出更合理的波段,提高模型的预测能力,从而建立了用于人血白蛋白原液蛋白含量快速检测的定量模型。关键词:微型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url];蛋白含量测定;定量分析模型1材料1.1 试剂49个不同蛋白含量的样品:采用半微量凯氏定氮法进行蛋白含量的测定,测定得到17个样品的蛋白含量。用生理盐水稀释样品,共得到49个不同蛋白质含量的样品。1.2 仪器和软件Micro[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url](JDSU公司,美国); MATLAB 2015a处理软件(Mathworks,美国);PLS_Toolbox工具箱(Eigenvector Research,美国)。2方法2.1样品光谱的采集采用Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型微型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]进行蛋白光谱的采集,采样方式为透射采样,波长范围908.1-1676.0 nm,积分时间为28000 μs,扫描次数为50次。用1 mm光程比色皿进行采样,每个蛋白样品采集3次,求其平均光谱作为样品光谱。每张[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]光谱由125个变量点组成。2.2校正集和验证集的划分样品集的划分采取SPXY分类算法,以1:1的比例进行校正集、验证集的划分,最终25个样品集被划分为校正集,24个样品被划分为验证集。分析样品的PCA得分图评价分类结果。2.3 预处理方法的选择采用标准化(Auto scale)、均值中心化(Mean Center)、一阶导数(First Derivative,FD)SG5点平滑、二阶导数(Second Derivative,SD)SG5点平滑等预处理方法进行了考察,以模型的RMSEP为指标,选择最佳的预处理方法。通过留一交互验证法,以RMSECV的值选择最佳主因子数。2.4光谱区间的选择采用Reverse iPLS方法、相关系数方法进行光谱区间的选择,优化光谱区间,以建立较优的模型。3 实验结果3.1近红外原始光谱图分析图1为Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型微型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]透射采样得到的原始[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]光谱图。从原始光谱图中无法得知有关蛋白含量的信息,因此本研究中需用化学计量学知识对样品的原始光谱进行处理。[align=center] [img=,475,213]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151936_01_1626619_3.png[/img][/align][align=center]图1原始[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]图[/align]3.2校正集和验证集的划分本研究选择SPXY算法,以1:1的比例进行校正集、验证集的划分,最终25个样品集被划分为校正集,24个样品被划分为验证集。图2为样品集的划分结果。图2为49个蛋白样品的前两个主成分的得分散点图,其中红色为验证集,灰色为校正集,从图中可知校正集样品和验证集的样品分散较好,这表明校正集、验证集划分较合理。[align=center] [img=,460,204]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151937_02_1626619_3.png[/img][/align][align=center]图2 样品主成分得分图[/align]3.3 光谱预处理结果本研究中,分别比较了Mean Center、Auto scale、平滑和导数以及不同处理方法组合的预处理方法对建模结果的影响,并以RMSEP作为模型的评价指标。表1为经不同预处理后的PLSR建模结果,由表中结果可知,经过二阶导数、SG5点平滑和Auto scale预处理后模型的Rp2提高, RMSEP明显下降,说明经过二阶导数、SG5点平滑和Auto scale预处理能够提高模型的有效性。图3为经预处理后较优模型的结果,模型结果为Rc2=0.993,Rp2=0.953,RMSEC=0.2143%,RMSEP=0.5354%,RMSECV=0.3382%。[align=center]表1不同预处理后各模型参数[/align][align=center][img=,638,223]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151938_01_1626619_3.png[/img][/align][align=center][img=,489,211]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151939_01_1626619_3.png[/img][/align] [align=center]图3二阶导数+SG平滑+Autoscale[/align]3.4 光谱区间选择结果分别采用Reverse iPLS方法、相关系数方法对模型的光谱区间进行优化,消除无关变量对模型的影响。以RMSEP值为指标来评价模型,其中RMSEP值越小模型结果越好。3.4.1Reverse iPLS选择波段本研究采用Reverse iPLS方法选择波段,考察50个变量间隔的选择结果。从图4可知,绿色部分为建模采用的波段,红色部分为舍弃波段范围。图5为采用Reverse iPLS方法选择的波段范围建立的模型的预测结果。其中RMSEP值有所降低,表明模型的预测误差降低。表明此区间包含的有效信息可提高模型的预测能力。[align=center][img=,532,234]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151940_01_1626619_3.png[/img][/align][align=center]图4 Reserve iPLS 选波段结果图[/align][align=center][img=,497,224]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151940_02_1626619_3.png[/img][/align][align=center]图5 Reserve iPLS法预测结果图[/align]3.4.2相关系数法选择光谱变量采用相关系数法求得光谱中各变量与蛋白浓度之间的相关系数图,相关系数越大,区间内包含的有效信息越多。图6为求得的相关系数图。[align=center][img=,483,211]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151942_01_1626619_3.png[/img][/align][align=center] 图6 相关系数图[/align]选择相关系数绝对值大于0.4的光谱区间建立近红外定量模型,选择建立模型的变量数为25个。图7为变量选择的结果图。[align=center][img=,520,229]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151943_01_1626619_3.png[/img][/align][align=center]图7 相关系数法变量选择图[/align]使用相关系数法选择的25个变量建立PLSR模型,建模结果见图8中所示。与全波段建模结果相比,模型的RMSEP值降低,表明模型的外部预测误差有所减小,从而提高了模型的准确性。[align=center][img=,474,209]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151945_01_1626619_3.png[/img][/align][align=center] 图8 建模结果图[/align]3.5 确定最佳定量分析模型采用二阶导数、SG5点平滑和Auto scale预处理后,使用Reverse iPLS方法和相关系数方法选择光谱的有效波段。两种变量选择方法建立的模型结果见表2所示。[align=center]表2不同变量建模结果比较[/align][align=center][img=,604,171]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151946_01_1626619_3.png[/img][/align]经过比较,其中相关系数法选择25个变量建立的PLSR定量模型的预测均方根误差结果最小,说明建立模型的预测能力更佳。所以本研究采用二阶导数、SG5点平滑和Auto scale预处理后选择相关系数法确定25个变量建立最佳定量分析模型。模型结果为Rc2=0.977,Rp2=0.958,RMSEC=0.3983%,RMSECV=0.5653%,RMSEP=0.5334%。4结论和讨论本研究用Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]对建立的人血白蛋白原液蛋白含量定量分析模型的可行性进行分析。采用Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]对49个样品进行光谱采集,然后选择不同的光谱预处理方法进行预处理,经过结果比较选择二阶导数、SG5点平滑和Auto scale进行光谱预处理;采用Reverse iPLS方法和相关系数方法,对光谱的有效区间进行选择,最终使用相关系数法选择25个变量建立蛋白含量的最佳定量分析模型。所建立的模型结果为Rc2 =0.977,Rp2=0.958,RMSEC=0.3983%,RMSECV=0.5653%,RMSEP=0.5334%。此研究结果表明,Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]所建立的模型用于人血白蛋白原液中蛋白含量的检测是可行的,同时Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]以其质量轻、体积小以及成本低的优势,在蛋白快速检测方面将有广阔的应用前景。参考文献吴清, 周法根. 脑梗死治疗中白蛋白应用价值的探讨 . 心脑血管病防治, 2005, 5(2): 49-50.王华平, 米宇俊. 人血白蛋白治疗肾综合征出血热低血压休克患者疗效观察 . 医师进修杂志, 2001, 24(8):20-21.郑红光, 杨志藩, 关欣. 静脉输注人血白蛋白对肾病综合征的正负临窗效应观察 . 中国实用内科杂志, 2003, 23(1):25-27.刘丽萍. 人血白蛋白在肝硬化资料中的应用 . 中国医院用药评价与分析, 2013, 13(5):388-390.常花蕾, 史涛. 人血白蛋白临床不合理应用及改进措施 . 中国药物应用与监测, 2014, 11(1): 52-54.孙世光, 余明莲, 王建民, 张国辉. 人血白蛋白的临床应用误区及其对策 .解放军药学学报, 2009, 25(4):366-368.