化学计量学在某些中药或食品指纹图谱中的应用

论文摘要

指纹图谱技术越来越广泛的应用于中药或食品的质量控制中。各种不同的分析检测手段,结合化学计量学多元校正方法从整体上来实现质量评价。化学计量学模式识别方法的不断完善和改进,为复杂化合物的解析提供了有利的条件。本论文利用高效液相色谱、气相色谱、近红外光谱等分析手段对几种常见的中药或食品进行了指纹图谱研究,并结合化学计量学方法从定性和定量两个方面对其进行质量控制。第一章对指纹图谱技术进行了文献综述,阐述了指纹图谱技术的概念、研究内容、特点以及不足之处等。重点介绍了构建指纹图谱的方法和原则,以及中药或食品的指纹图谱构建过程中常用的化学计量学模式识别方法。最后简单地介绍了指纹图谱技术的发展前景。第二章运用高效液相色谱法建立了传统中药莪术的指纹图谱。由于基于色谱共有峰的分类效果并不理想,本文中尝试采用遗传-偏最小二乘法对共有峰变量进行特征筛选。所选出的5个特征峰作为变量输入到主成分分析和K最近邻法中进行分类效果比较。结果表明所选的5个特征峰能较好地区分莪术样品的产地和炮制方法。第三章结合气相色谱-质谱和高效液相色谱对不同品种的莪术药材进行了区分。莪术药材总共有三个种属,分别是广西莪术、蓬莪术和温莪术。结合气相色谱和液相色谱的色谱共有峰,构建二维的色谱指纹图谱。利用主成分分析和多准则决策法分别比较一维指纹图谱和二维指纹图谱对于莪术品种分类效果的不同。结果表明二维数据作为输入变量的分类模型优于单维数据。同样的,在有监督的模式识别方法中,分别使用了线性判别分析、反传人工神经网络和最小二乘-支持向量机等模型对莪术样品的种类进行区分。同样比较了一维指纹图谱和二维指纹图谱作为输入变量的区分效果的不同。维数据的鉴别效果比一维数据的鉴别效果好。第四章采用近红外光谱对常见食品：薯片进行质量控制。分别从薯片的品牌分类和质量参数测定两方面进行定性和定量分析。使用多种化学计量学无监督和有监督模式识别方法进行建模分析。定性分析中采用主成分分析和多准则决策法对薯片的品牌进行了较好的区分,定量分析中利用偏最小二乘法、核偏最小二乘法和最小二乘-支持向量机对薯片的四种重要的质量参数：脂肪含量、水分含量、酸价和过氧化值四个参数进行多元校正预报。预报结果中最小二乘-支持向量机的效果最好。第五章结合近红外光谱和中红外光谱对八角茴香以及它的有毒伪品野八角进行区分。由于光谱数据变量较多,本工作采用特征变量选择法：连续投影算法和数据压缩法：离散小波变换对光谱变量进行优化。实验结果表明经特征选择或数据压缩后,线性判别分析模型预报结果要好于原始光谱变量。并且结合光谱的预报结果要比单独的光谱数据的结果要好。

论文目录

• 中文摘要
• ABSTRACT
• 第1章 绪论
• 1 前言
• 2 指纹图谱与质量控制
• 2.1 指纹图谱的概念和特点
• 2.2 建立中药或食品指纹图谱的必要性
• 2.3 指纹图谱研究内容
• 2.4 指纹图谱建立的意义
• 2.5 指纹图谱的要求和原则
• 2.6 指纹图谱的研究现状和发展趋势
• 3. 指纹图谱的构建方法
• 3.1 色谱法
• 3.2 波谱法
• 3.3 X射线衍射法
• 3.4 DNA指纹图谱
• 4 化学计量学多元曲线分辨技术研究与应用
• 5 化学计量学应用于指纹图谱研究
• 5.1 实验条件优化
• 5.2 数据的前处理
• 5.3 模式识别方法
• 6 指纹图谱的发展前景
• 参考文献
• 第2章 化学计量学解析中药莪术的HPLC指纹图谱
• 1 前言
• 2 实验部分
• 2.1 仪器及色谱条件
• 2.2 样品制备及数据处理
• 2.3 药材与试剂
• 3 结果与讨论
• 3.1 生制和醋制莪术色谱峰对照
• 3.2 莪术指纹图谱数据主成分分析和聚类分析
• 3.3 莪术的产地研究和遗传偏最小二乘算法（GA-PLS）应用于特征变量的选取
• 3.4 特征变量应用于主成分分析投影判别
• 3.5 有监督的模式识别方法:K最近邻法和线性判别法
• 4 结论
• 参考文献
• 第3章 GC-MS结合HPLC-DAD鉴别不同品种的莪术
• 1 前言
• 2 实验部分
• 2.1 样品和试剂
• 2.2 气相色谱-质谱（GC-MS）分析
• 2.3 高效液相色谱分析
• 2.4 数据分析
• 2.5 化学计量学方法
• 3 结果与讨论
• 3.1 色谱峰分析
• 3.2 构建二维指纹图谱
• 3.3 主成分分析
• 3.4 多准则决策分析:二维数据分析
• 3.5 有监督模式识别方法
• 4 结论
• 参考文献
• 第4章 近红外光谱结合化学计量学对薯片进行质量控制:品牌鉴别和质量参数测定
• 1 前言
• 2 材料和方法
• 2.1 薯片样品信息及质量参数的测定
• 2.2 光谱扫描和数据前处理
• 2.3 化学计量学方法
• 3 结果与讨论
• 3.1 光谱分析
• 3.2 主成分分析
• 3.3 多准则决策法:近红外数据分析
• 3.4 校正模型
• 4 结论
• 参考文献
• 第5章 NIR结合MIR鉴别八角茴香和有毒伪品野八角
• 1 前言
• 2. 原料和方法
• 2.1 样品
• 2.2 仪器和步骤
• 2.3 数据分析
• 2.4 化学计量学方法
• 3 结果与讨论
• 3.1 光谱分析
• 3.2 连续投影算法进行特征选取
• 3.3 小波变换进行数据压缩
• 3.4 基于特征变量选择和数据压缩的线性判别分析模型对比
• 4 结论
• 参考文献
• 致谢
• 攻读学位期间研究成果
• 作者简介