6食品与药品Food and Drug2021年第23卷第1期
刁娟娟「,李玮2,李莉2**,艾尔肯•依布拉音「,钟德全2
(1.新疆医科大学中心实验室,新疆乌鲁木齐830011;2.新疆医科大学药学院,新疆乌鲁木齐830011)
摘要:目的构建近红外光纤传感检测系统,结合近红外光谱分析技术和化学计量学,对葡萄酒中酒精度进行快速检测。方法以葡萄酒为研究对象,构建近红外光纤传感检测系统,分别使用偏最小二乘法和主成分回归对葡萄酒中酒精度进行近红外光谱分析,进行模型参数的比较。采用国标GB/T15038-2006《葡萄酒、果酒通用分析方法》中气相谱法对近红外预测结果进行验证。结果采用偏最小二乘法建模的预测性能优于主成分回归分析。在偏最小二乘法建模中,其决定系数(R)为0.9534,交叉验证均方根误差(RMSECV为0.0283,预测均方根误差(RMSEP)为0.0179,相对分析误差(RPD)为3.0607。统计学分析表明近红外分析的预测值与气相谱法测定值之间的差异无统计学意义。结论研究表明,近红外光纤光谱法用于葡萄酒中酒精度的检测,操作简便、快速。近红外技术在酒类品质监测中具有良好的应用前景。
关键词:近红外光谱;光纤传感;葡萄酒;酒精度
中图分类号:TS207文献标识码:A文章编号:1672-979X(2021)01-0006-05
DOI:10.3969/j.issn.l672-979X.2021.01.002
Rapid Detection of Alcohol in Wine by Near Infrared Optical Fiber Spectroscopy
DIAO Juan-juan1,LI Wei2,LI Li2,ARKIN Iburarim1,ZHONG De-quan1
(1.Central Laboratory,Xinjiang Medical University,Urumqi830011,China;2.College of P harmacy,Xinjiang
Medical University,Urumqi830011,China)
Abstract:Objective To establish a method for rapid determination of alcohol in wine using near-infrared optical fiber sensing detection system based on near infrared spectroscopy and chemometrics.Methods Taking wine as the research object,the near infrared optical fiber sensor detection system was constructed,using partial least squares(PLS)and principal component regression(PCR)to analyze alcohol content in wine by near-inrared spectroscopy,and compare the model parameters.The near infrared prediction results are verified by gas chromatography in GB/T15038-2006“Ggeral肚刃ysis Me比ods for Wine and Fruit Wine”.Results The results showed that the prediction ability of PLS was better than PCR.The coefficient of determination(R)was0.9534,the roo
t mean square error of cross validation (RMSECV was0.0283,血e root me血square error of prediction(RMSEP)was0.0179,and the relative percent deviation(RPD)was3.0607in the PLS analysis model.Statistical analysis showed that there was no significant difference between the predicted value of near infrared analysis and the measured value of gas chromatography. Conclusion The studies have shown that near infrared optical fiber spectroscopy is simple,fast,and can be used for alcohol detection in wine.This technology has good application prospects in wine quality monitoring.
Key Words:near infrared spectroscopy;optic fiber sensing;wine;alcohol content
收稿日期:2020-07-08
基金项目:国家自然科学基金项目(No.81760645)
作者简介:刁娟娟,博士研究生,研究方向:食品和药品分析E-mail:****************
*通讯作者:李莉,教授,博士生导师,研究方向:药物分析E-mail:**************
食品与药品Food and Drug2021年第23卷第1期7
新疆是我国葡萄的主产地之一,葡萄酒也是新疆的特产品。葡萄酒的质量监测研究对提升葡萄酒的品
质具有重要的意义皿。GB/T15038-2006《葡萄酒、果酒通用分析方法》中采用密度瓶法、气相谱法、酒精计法测定葡萄酒的酒精度。其中 气相谱法、酒精计法需经蒸馆后测定,前处理过程复杂,测定步骤繁琐。近红外光谱法结合化学计量学无需样品前处理,已用于葡萄酒中酒精度的快速无损检测口“J但已上市的近红外光谱仪需在专业的分析实验室由专业人员测试,并不适于现场快速检验。本研究采用光纤传感技术与近红外光谱技术相结合,构建近红外光纤传感检测系统,简化仪器结构,提高仪器分析系统的便携性,为近红外技术应用于现场检测奠定研究基础。
本文基于光纤传感技术,将近红外光谱分析技术和化学计量学中偏最小二乘法分析相结合,对葡萄酒中的酒精度进行快速检测。研究结果表明近红外光纤光谱法在酒类的品质监测中有良好的应用前景吧
1仪器与试药
1.1仪器
DH-2000-BAL平衡性気卤灯光源,qpod可控温度比皿支架,NIR Quest近红外光纤光谱仪,QP600-2-VIS-NIR光纤(美国海洋光学公司);AB104-N电子分析天平(梅特勒-托利多);GC-2010plus气相谱仪(日本岛津公司)。
1.2试药
收集新疆地产红葡萄酒样品36份。4-甲基-2-戊醇(分析纯,Sigma-Aldrich);无水乙醇(谱纯,天津致远化学试剂有限公司);无水葡萄糖, DL-酒石酸,焦亚硫酸钾(分析纯,上海麦克林生化科技有限公司)。
2方法与结果
2.1近红外光纤传感检测系统
近红外光纤传感检测系统由DH-2000-BAL平衡性氛卤灯光源、qpod可控温度比皿支架、NIR Quest近红外光纤光谱仪和SpectraSuite光谱软件4部分组成,该系统组成见图1。采用QP600-2-VIS-NIR光纤进行光路的传输,可对860〜2500nm的近红外光谱进行检测。数据分析采用The Unscrambler XI0.4软件。
图1近红外光纤传感检测系统
2.2葡萄酒近红外光谱数据采集
2.2.1系列浓度模式酒溶液配制以模式酒(4g/L 葡萄糖,5g/L酒石酸,0.5g/L焦亚硫酸钾,适量乙醇,pH为
3.5)模拟葡萄酒基质叫其中准确添加无水乙醇,使模式酒的乙醇浓度分别为2.00%,
4.00%, 6.00%,8.00%,10.00%,12.00%,14.00%, 16.00%,18.00%,20.00%,备用。
2.2.2近红外光纤光谱法测定方法依次开启近红外光源,近红外光谱仪,计算机,预热30min。向石英比皿中加入空白模式酒,以其作为参比溶液,调节明暗光谱,扣除暗光谱后进入吸光度模式,进行样品光谱数据采集。采集的光谱为近红外透射光谱。波长扫描范围为860〜2500nm,积分时间100ms,扫描平均次数3次,平滑度为3。每个样品重复测定3次。葡萄酒近红外光谱图见图2。
lOHft12I»MOO ifiWi]«KI?nm遷⑷SdOfi阿n
图2葡萄酒的近红外光谱图
2.3模型的建立与评价
葡萄酒近红外光谱重叠干扰严重,无法直接分析,因此采用化学计量学方法对葡萄酒中酒精度进行分析。以系列乙醇浓度的模式酒溶液的近红外光谱作为校正集,葡萄酒样品近红外光谱作为验证集,用于建立葡萄酒中乙醇浓度含量的定量分析模型。釆用The Unscrambler X10.4软件进行光谱处理
8食品与药品Food and Drug2021年第23卷第1期
并建立数学模型。首先选择最佳主成分数,再分别采用主成分回归(PCR)和偏最小二乘法(PLS)建立定量模型,通过不同的光谱预处理方法优化模型,以决定系数(R)、交叉验证均方根误差(RMSECV、预测均方根误差(RMSEP)、相对分析误差(RPD)及最佳主成分数来评价模型效果,最终确认最优模型。
2.3.1主成分数的选择使用PLS法建模中最主要的问题就是对主成分数的确定,其中第一主成分对样品贡献率最大,第二主成分次之。在建模时选择的主成分数过多或过少都会影响模型的预测能力:选择的主成分过少,光谱信息不能充分反映样品信息,引起不充分拟合,预测准确度下降;选择的主成分数过多,噪音会影响样品的光谱信息,造成过度拟合,模型预测的能力下降。在建模时,当RMSECV较小,R?较大时,主成分数最佳。当主成分为6时,RMSEC唯较小,且R'较大,为避免过度拟合,因此选取模型的主成分数为6,结果见表1。
表1主成分数对葡萄酒定量模型的影响
主成分数12345678910 R0.81140.81240.83090.87530.89000.94190.94710.94740.94880.9534 RMSECV0.04880.04870.04620.03970.03730.02710.02580.02580.02540.0243
2.3.2分析模型的选择分别建立葡萄酒中酒精度的PCR和PLS定量模型。近红外光谱仪釆集到的近红外原
始光谱数据中,除样品组成信息外,还包括各种噪音,这些噪音会对近红外数学模型的性能与预测能力产生不同影响。因此在每种定量模型中,分别釆用卷积平滑、多元散射校正、归一化、标准正态变量变换4种光谱预处理方法进行预处理,考察各种预处理方法对PLS模型预测能力的影响,结果见表2。经过预处理后建立的数学模型与原始光谱之间存在一定差异。当R越接近1,RMSEP越小时,RPD值越大,预测值拟合度越好,建立的模型效果就越好。当选择PLS建立定量模型,以归一化法进行光谱预处理,其R最大,I^SEP褻卜, RPD值大于3,模型的预测性能最好。
表2两种模型的性能评价结果
模型预处理R RMSEP RPD 主成分回归原始光谱0.89470.03650.7100
S-G^F滑0.91730.0323 1.8433
多元散射校正0.33430.0481 1.9240
归一化0.89000.03730.8441
标准正态变量变换0.46350.0828 1.4758偏最小二乘法原始光谱0.92220.0313 1.5131
S-G平滑0.92960.0298 1.8389
多元散射校正0.35040.0357 2.5911
归一化0.95340.0179 3.0607
标准正态变量变换0.68000.0133 1.72182.3.3最终模型参数采用系列乙醇浓度模式酒溶液的近红外光谱作为校正集,使用归一化法进行光谱预处理,波长范围由The Unscrambler X10.4软件自动优化,通过PLS建立定量模型,定量模型参数见表3。首先采用系列模式酒对模型进行验证,其RPD值大于3,表明模型的预测性能较好。采用此模型对葡萄酒中酒精度进行预测,预测结果与气相谱法结果进行比较,见表4。
表3葡萄酒定量模型参数
参数模型结果
光谱预处理方法归一化法
主成分因子数6
RMSECV0.0283
RMSEP0.0179
R0.9534
RPD 3.0607
2.4气相谱法验证
2.4.1谱条件采用氢火焰离子化检测器(FID);谱柱为日本岛津Rtx-Wax毛细管谱柱;柱温为200°C;进样口温度:250°C;检测器温度为240°C;程序升温:初温100°C(保持3 min),以25°C/min升至200°C,保持2min;进样量为1M;分流进样,分流比为40:1;柱流量为1 ml/min;载气为氮气;内标为4-甲基-2-戊醇。
2.4.2含量测定依据GB/T15038-2006《葡萄酒、
食品与药品Food and Drug2021年第23卷第1期9
果酒通用分析方法》中酒精度检测第二法气相谱法切测定葡萄酒中酒精度。
2.4.3」
红外光谱预测值与气相谱法检测结果比较见表4,两种方法的相关性和绝对偏差分别见图3、图4。图3
中数学模型的疋为0.9534、RMSEP为0.0179。图4中预测值的最大绝对偏差为1.0,预测值与实测值间存在高度相关性,由此而建立的数学模型效果良好。采用配对t检验,当a=0.05时,P>0.05,近红外光谱预测值与气相谱法的测定结果差异无统计学意义。因此釆用近红外光谱法能满足葡萄酒酒精度的测定要求。
表4葡萄酒酒精度的气相谱实测值和近红外光谱预测值比较
编号实测值/%预测值/%编号实测值/%预测值/%编号实测值/%预测值/% 113.012.41312.011.72512.112.8 213.513.41412.612.32611.812.5 312.712.61512.411.82711.612.3 413.413.21612.612.02811.1123 513.013.11713.312.62912.011.8 612.412.21813.113.73012.111.9 712.612.81912.913.33111.711.5 812.211.62012.313.13211.811.4 913.113.62112.313.33312.912.8 1013.112.12213.512.93412.712.9 1111.411.72314.313.63512.412.7 1213.412.72412.312.03613.112.6
图3酒精度的预测值与实测值关系曲线图4近红外光谱预测值的绝对偏差
3讨论
本文基于光纤传感技术,构建光纤传感近红外检测系统,采集葡萄酒的近红外光谱后,采用PLS 进行数学建模,从而预测葡萄酒样品的酒精度。与国家标准中气相谱法相比较,近红外光谱法无需复杂的样品前处理过程,如蒸馆、稀释、定容等操作,可对葡萄酒样品进行快速、无损、准确的分析。
构建小型、微型化、快速和专用型仪器的研制一直是近红外光谱仪器的重点发展趋势之一㈣。本实验基于光纤传感技术,构建近红外光纤传感检测系统,简化仪器结构,提高仪器分析的便携性,从而为建立现场分析的近红外仪器系统奠定了研究基础,若进一步研究,可建立在线分析的近红外光纤光谱分析方法,从而为酒类品质监测提供新思路。
参考文献
[1]阿力塔,徐秀廷,宋娟娟,等.短波近红外光谱技术对葡萄酒中
总糖含量快速测定的研%[JJ.分析测试学报,2009,28(2):177180.
[2]王豪,鄒蓿蕾,林振兴,等.傅立叶变换近红外光谱法快速测定
10食品与药品Food and Drug2021年第23卷第1期
紫甘薯花昔通过调控KTN1-AS1表达对肺癌细胞的
增殖和凋亡的影响
范智彦「,刘金菊2
(1.临沂市第三人民医院,山东临沂276004;2.临沂市肿瘤医院,山东临沂276004)
摘要:目的探讨紫甘薯花昔对肺癌细胞增殖和凋亡的影响及作用机制。方法体外培养肺癌A549细胞,
分为对照组、紫甘薯花昔不同剂量(200,400,800yg/ml)组、si-NC组、si-KTNl-ASl组、紫甘薯花昔 800pg迪^cDNA组、紫甘薯花昔800昭/ml+pcDNA-KTNl-ASl组,细胞计数试剂盒-8(CCK-8)检测细胞增殖,流式细胞仪检测细胞凋亡,实时荧光定量PCR(RT-qPCR)检测细胞中KTN1-AS1表达水平,蛋白印迹法(Westernblot)检测细胞周期蛋白DI(cyclinDl)>p21、B淋巴细胞瘤-2蛋白(Bcl-2)和B淋巴细胞瘤-2相关蛋白(Bax)表达水平。结果与对照组比较,紫甘薯花昔不同剂量组细胞增殖抑制率、凋亡率及p21和Bax蛋白表达升高(P<0.05),eye血D1和Bcl-2蛋白表达及KTN1-AS1表达降低(P<0.05),且呈剂量依赖性。与si-NC组比较,si-KTNl-ASl组细胞抑制率、凋亡率及p21和Bax蛋白表达升高(P<0.05),cyclinDl和Bel-2蛋白表达降低(P<0.05)。与紫甘薯花昔800“嗣切eDNA组比较,紫甘薯花昔800Ng/ml+pcDNA-
KTNl-ASl组细胞抑制率、凋亡率及p21和Bax蛋白表达降低(P<0.05),K31-AS1及eye血D1和Bel-2蛋白表达升高(P<0.05)。结论紫甘薯花昔可能通过下调KTN1-AS1表达抑制肺癌A549细胞增殖,并促进细胞凋亡。
关键词:紫甘薯花昔;肺癌;KTN1-AS1;细胞增殖;凋亡
中图分类号:R966文献标识码:A文章编号:1672-979X(2021)01-0010-07
DOI:10.3969/j.issn.l672-979X.2021.01.003
Effects of Purple Sweet Potato Anthocyanins on Proliferation and Apoptosis of Lung Cancer
Cells by Regulating Expression of KTN1-AS1
FAN Zhi-yan1,LIU Jin-ju
(1.Linyi Third People's Hospital,Linyi276004,China;2.Linyi Tumor Hospital,Linyi276004,China)
收稿日期:2020-08-06
基金项目:山东省自然科学基金(ZR2017PH045)
作者简介:范智彦,副主任药师,研究方向:临床药学E-mail:*************
葡萄酒中的酒精度[JJ.酿酒,2007,(6):79-81.
[3]王怡淼,朱金林,张慧,等.基于MC-UVE、GA算法及因子分
析对葡萄酒酒精度近红外定量模型的优化研究[J].发光学报, 201&39(9):1310-1316.
[4]Yu J,Zhan J,Huang W.Identification of wine according to
grape variety using near-infrared spectroscopy based on radial basis function neural networks and least-squares support vector machines[J].Food Anal Method,2017,10:3306-3311.
[5]Garcia-Jares C M,Medina B.Application of multivariate
calibration to the simultaneous routine determination of ethanol, glycerol,fructose,glucose and total residual sugars in botrytized-
grape sweet wines by means of near-infrared reflectance spectroscopy[J].Fresen J Anal Chem,1997,357(1):86-91.
[6]薛磊.黄酒品质近红外光谱模型优化研究[D].杭州:中国计量
学院,2014-03.
[7]丁美珍,宋岑,胡志明.近红外光谱技术在酒类产品分析中的应
用[J].酿酒科技,2013,(4):68-70.
[8]欧昌荣,汤海青,股居易,等.近红外光谱法快速测定饮料酒中
酒精度[JJ.现代食品科技,2014,30(1):180-184.
[9]GB/T15038-2006.葡萄酒、果酒通用分析方法[S].2006:3-4.
[10]褚小立,史云颖,陈瀑,等.近五年我国近红外光谱分析技术研
究与应用进展[几分析测试学报,2019,38(5):603-611.
>葡萄酒分类
发布评论