科研产出
基于光谱技术分析不同还原糖对Ara h2糖基化反应的影响
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：糖基化反应能诱导食品中蛋白质的结构发生改变；Ara h2是花生中的主要蛋白组分之一，可以作为一种模式蛋白研究花生蛋白糖基化产物的结构变化。不同还原糖对Ara h2糖基化反应的影响目前未见相关报道。以花生蛋白Ara h2为研究对象，通过SDS-PAGE、内源荧光、同步荧光、紫外、圆二色谱、红外等光谱技术研究Ara h2糖基化前后分子量、二级、三级结构以及官能团的变化，分析六种还原糖（核糖、木糖、半乳糖、葡萄糖、果糖、乳糖）对花生蛋白Ara h2糖基化产物结构的影响，阐明经不同还原糖修饰后花生蛋白Ara h2的结构变化。SDS-PAGE电泳表明木糖和核糖修饰的花生蛋白Ara h2电泳条带明显上移，糖基化程度最大；紫外光谱分析表明糖基化反应会改变花生蛋白Ara h2的吸收峰强度。五碳糖修饰的花生蛋白Ara h2具有最强的吸收强度，其中五碳糖中木糖的吸收峰强度最大；内源荧光、同步荧光和三维光谱实验结果表明，糖基化修饰会使花生蛋白Ara h2的荧光强度降低，且五碳糖修饰的Ara h2荧光强度最低。分析认为由于糖基化修饰使花生蛋白Ara h2的结构展开，导致芳香族氨基酸暴露在水环境中，从而引起荧光猝灭；圆二色谱分析表明不同还原糖修饰的Ara h2糖基化产物α-螺旋含量都增加，其中木糖修饰的α-螺旋含量最大（15.6%）;红外光谱分析表明木糖和核糖修饰的花生蛋白Ara h2的吸收峰分别从3 327.41 cm-1红移至3 318.43和3 321.09 cm-1, 1 700～1 600 cm-1处木糖和核糖修饰的花生蛋白Ara h2吸收峰强度略高于其他还原糖修饰的该蛋白。不同还原糖对Ara h2糖基化反应后的糖基化产物结构的影响不同，还原糖的碳链越短、空间位阻越小，糖基化反应程度越高，对Ara h2的结构影响越大。
全文链接
请求原文
高光谱成像的多种类柑橘病虫药害叶片检测方法研究
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：影响柑橘生长的病虫药害种类繁多,目前的检测方法大多针对单一病症,开发基于高光谱成像和机器学习的多种类柑橘病虫药害叶片快速精准检测方法,对果园精准施药和柑橘产业健康发展具有重要意义.以果园自然发病的柑橘叶片为研究对象,包括柑橘正常叶(50片)、溃疡病叶(50片)、煤烟病叶(103片)、缺素病叶(60片)、红蜘蛛叶(56片)和除草剂危害叶(85片),采集350~1050 nm波段内的高光谱数据.分别利用一阶求导(1stDer)、多元散射校正(MSC)和中值滤波(MF)方法对原始(Origin)高光谱数据进行预处理,对预处理后的高光谱数据采用主成分分析(PCA)和竞争性自适应重加权(CARS)算法提取特征波长,C A RS降维得到的特征波长分别为10个、5个、12个和10个,4组PC A提取的特征波长均为7个,两种方法所得特征波长范围都集中在700~760 nm波段内.对全波段(FS)使用极限梯度提升树(XGBoost)算法,特征波长使用支持向量机(SVM)建立柑橘病叶多分类模型.采用XGBoost建立的检测识别模型有Origin-FS-XGBoost,1stDer-FS-XGBoost,MSC-FS-XGBoost和MF-FS-XGBoost,对6种病虫害叶片检测得到的整体分类准确率(OA)分别为94.32%,93.60%,95.98% 和96.56%;SVM建立的检测识别模型为Origin-CARS-SVM,1st Der-CARS-SVM,MSC-CARS-SVM,MF-CARS-SVM,Origin-PCA-SVM,1st Der-PCA-SVM,MSC-PCA-SVM和MF-PCA-SVM,各模型OA依次为93.63%,90.26%,87.90%,91.95%,87.53%,90.82%,83.50% 和90.98%.结果表明,以FS为输入的XGBoost模型识别率整体优于以特征波长为输入的SVM模型,MF-FS-XGBoost模型OA为96.56%,召回率(Recall)为95.91%,模型训练时间(Train-time)为63 s,综合性能最好;CARS-SVM建模效果优于PCA-SVM,在3种预处理方式下,CARS-SVM模型识别率均高于87%,PCA-SVM模型识别率均在83% 以上.结果证实了,高光谱成像技术结合机器学习方法可实现多种类柑橘病虫药害分类识别,为柑橘病虫药害快速无损检测和防治提供科学依据.
关键词： 高光谱成像 柑橘病叶 特征波长提取 XGBoost 支持向量机
全文链接
请求原文
光谱预处理对LIBS检测脐橙中Cu的偏最小二乘定量模型影响
《光谱学与光谱分析 》 2015 EI SCI 北大核心 CSCD
摘要：应用激光诱导击穿光谱(LIBS)对脐橙中Cu元素进行快速检测,并结合偏最小二乘法(PLS)进行定量分析,探索光谱数据预处理方法对模型检测精度的影响。针对实验室污染处理后的52个赣南脐橙样品的光谱数据,进行不同数据平滑、均值中心化和标准正态变量变换三种预处理方法。然后选择包含Cu特征谱线的319~338nm波段进行PLS建模,对比分析了模型的主要评价指标回归系数(r)、交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)。采用13点平滑、均值中心化的PLS模型3个指标分别达到了0.992 8,3.43和3.4,模型的平均预测相对误差仅为5.55%,即采用该前处理方法模型的校准质量和预测效果都最好。选择合适的数据前处理方法能有效提高LIBS检测果蔬产品PLS定量模型的预测精度,为果蔬产品LIBS快速精准检测提供了新方法。
全文链接
请求原文
首页上一页1下一页尾页
