通过NIR光谱学和集成算法同时量化花生籽仁中的总黄酮和酚类化合物

花生是一种油料作物，富含植物蛋白、类黄酮、氨基酸、多酚、纤维以及许多必需的维生素和矿物质。类黄酮和多酚由于其强大的抗氧化作用，对人类健康有着深远的益处。目前，已有许多研究来评估花生的营养特性，如蛋白质含量、抗氧化作用、维生素等。传统的分析技术，如Kjeldahl方法、液相色谱耦合串联质谱法（LC-MS/MS）和高性能液相色谱法（HPLC）是最常见的，并已被广泛使用。但仍然需要样品制备和预处理，不能做到实时分析，目前，将NIR光谱学与化学计量学相结合量化花生营养成分相关研究逐渐增多，但使用NIR与集成算法来提高预测模型性能的强度和稳定性的研究目前还相对较少。

本研究使用基于偏最小二乘法（PLS）和近红外光谱（NIR）建立了花生的总黄酮（TFC）和总酚类化合物（TPC）预测模型。首先收集99个花生样本，烘干后粉碎，用分光光度计分别测定其TFC和TPC的含量，同时使用NIR光谱仪在4,000至10,000 cm^-1的波长范围内收集，总共收集了1557个变量。采用SPXY方法对样本进行划分，分别对比了PLS、Si-PLS、CARS-PLS和Si-CARS-PLS的定量预测模型，预测强度和可靠性按以下顺序提高：Si-PLS < PLS < CARS-PLS < Si-CARS-PLS。TFC的Si-CARS-PLS模型校正集相关系数为0.9164，预测集相关系数为0.9137，TPC的Si-CARS-PLS模型校正集相关系数为0.9236，预测集相关系数为0.9042。该研究表明近红外光谱能够和集成算法相结合，分析花生籽仁中的营养成分。

Si-CARS-PLS模型

原文链接：

https://doi.org/10.1016/j.saa.2022.121854

扫码关注我们   ｜   中国花生食品