Name: 基于HPLC测量通过近红外光谱对在蓝莓成分的含量无损预测模型的构建 (视频) | JoVE Journal
Uploaded: 2016-06-28T14:00:00.000+00:00
Duration: 10 min 25 s
Description: 学习利用近红外光谱技术构建蓝莓成分无损预测模型，通过HPLC测定总糖、有机酸和花青素含量。该方法为农产品质量评估提供快速可靠的非破坏性检测方案。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本工作部分得到了日本农林水产省项目“通过部署高度先进技术振兴灾区农业和渔业计划”的支持。

1. 样品采集
<ol>
	<li>确定校准模型目标中将包含的品种。</li>
	<li>采集目标品种的足量且多种类型的蓝莓样品。
	<ol>
		<li>建议采集约100颗蓝莓用于构建校准模型，至少10颗用于验证所构建的模型。为了构建稳健的模型，应采集多种类型的样品，i.e. 具有不同颜色、大小以及不同成熟度的样品。</li>
	</ol>
	</li>
	<li>称量每颗蓝莓。注意：所测得的重量将用于后续计算每颗蓝莓中各成分的含量百分比。</li>
</ol>
2. 光谱测量
<ol>
	<li>在测量前充分预热分光光度计（超过1小时），以获得可靠的光谱数据。</li>
	<li>设置分光光度计，确保整个测量过程中条件保持恒定。以下为典型测量条件的示例：
	<ol>
		<li>将测量范围设置为 12,500–3,600 cm-1。</li>
		<li>将光谱分辨率为设置为 16 cm-1。</li>
		<li>设置累加次数为 32 次。</li>
	</ol>
	</li>
	<li>选择漫反射作为测量模式。</li>
	<li>将标准反射器置于分光光度计用于漫反射测量的窗口上。使用&#34;背景单通道&#34;命令测量背景光谱，该光谱将自动用于后续样品蓝莓光谱计算相对反射光谱。</li>
	<li>将蓝莓样品置于分光光度计用于漫反射测量的窗口中心位置。使用&#34;样品单通道&#34;命令，最好在果实多个点位测量每颗蓝莓的光谱。 
	注意：如果光谱采集条件已设定为执行该操作，则样品蓝莓观测光谱将自动进行Kubelka-Munk转换6,7。Kubelka-Munk转换可将漫反射模式下测得的光谱转换为等效于透射模式下测得的光谱，对于高精度光谱分析是必需的。分析时使用吸光度标度的光谱。</li>
	<li>若对同一蓝莓样品在多个点位进行了光谱测量，可使用如 Microsoft Excel 等数据处理程序计算各样品光谱的平均值。使用平均后的光谱进行分析。</li>
</ol>
3. 糖类和有机酸高效液相色谱检测的预处理8
注意：使用超纯水提取每颗蓝莓中的糖类和有机酸（这些物质可溶于水），具体步骤如下。每颗蓝莓整体用于分析。
<ol>
	<li>将蓝莓保存在低于 -30 °C 的冷冻设备中，以备在完成光谱测量后立即进行化学分析。</li>
	<li>将蓝莓切成若干小块，以便在后续步骤中易于均质化。若蓝莓为冷冻状态，无需解冻，直接进行切割。</li>
	<li>将样品放入50 ml烧杯中。</li>
	<li>向烧杯中加入约 10 ml 超纯水（电导率小于 0.1 μS/cm 的蒸馏水）。</li>
	<li>将切碎的蓝莓置于超纯水中，用微波炉加热20秒，以灭活可能在分析过程中分解糖类的酶。</li>
	<li>添加 约 10 ml超纯水加入烧杯中。</li>
	<li>使用配备标准轴和发生器的匀浆器，在12,000 rpm条件下将混合物匀浆5分钟。</li>
	<li>将匀浆混合物在3,000 rpm（2,000 × g）条件下离心10分钟。</li>
	<li>使用5B滤纸通过真空抽滤收集离心后样品的滤液。</li>
	<li>重复步骤 3.6–3.9 两次，以充分回收滤渣中的全部糖类和有机酸，并合并所有滤液。</li>
	<li>用稀盐酸（0.1 和 0.01 mol L⁻¹）测定滤液的 pH 并调节至 7-1）以及氢氧化钠的稀水溶液（0.1 和 0.01 mol L-1).</li>
	<li>用超纯水将滤液稀释至50 ml。</li>
	<li>将样品分为两份；一份用于糖类分析，另一份用于有机酸分析。</li>
	<li>将第一个样品溶液依次通过串联的两根C18柱、CM柱和QMA柱，以去除色素、阳离子和阴离子。弃去柱流出液的前1 ml。随后收集柱流出的样品溶液，用于HPLC分析糖类。</li>
	<li>将第二个样品溶液通过串联的两根柱子（C18 和 CM）以去除色素和阳离子。弃去柱子流出液的前 1 ml。然后收集柱子流出的样品溶液，用于 HPLC 分析有机酸。</li>
	<li>将3.14和3.15步骤中的每种溶液分别置于配备0.45 µm滤膜的微量离心管中，使用微型离心机在6,600 rpm（5,800 × g）下离心10分钟，然后进行HPLC分析。</li>
</ol>
4. 糖类的高效液相色谱检测
注意：在本研究中，每颗蓝莓中蔗糖、葡萄糖和果糖的总含量被视为总糖含量。因此，首先分别获得三种糖的标准工作曲线，然后计算每颗蓝莓中糖的总含量。标准含量分别为 0.3–0.4 wt%（蔗糖）、3.8–4.8 wt%（葡萄糖）和 4.2–5.3 wt%（果糖）。9
<ol>
	<li>准确称取约 200 mg 蔗糖，溶于 50 ml 超纯水中，配制标准溶液。取 5 ml 该溶液用超纯水稀释至 50 ml，配制第二级标准溶液。以第二级标准溶液为原料，同样方法配制第三级标准溶液。</li>
	<li>以相同方法配制葡萄糖和果糖的标准溶液。</li>
	<li>按以下条件设置高效液相色谱（HPLC）系统：
	<ol>
		<li>色谱柱使用凝胶渗透柱，并置于 40 °C 的柱温箱中。</li>
		<li>流动相使用脱气的超纯水，流速为 0.1 ml/min。</li>
		<li>检测器使用示差折光检测器。</li>
	</ol>
	</li>
	<li>每次进样 20 µl，测定各标准溶液的 HPLC 色谱图。注意：此处使用 PAC Solution 软件进行测定。</li>
	<li>用鼠标右键点击“重新分析”功能，获取各标准溶液色谱图中糖峰的峰面积强度。</li>
	<li>以各标准溶液中糖的峰面积强度对其相应浓度作图，通过线性回归绘制工作曲线，得到每种糖的峰面积强度与浓度之间的关系方程。</li>
	<li>每次进样 20 µl，测定各样品溶液的 HPLC 色谱图。</li>
	<li>参照步骤 4.5 的方法，获取各样品溶液色谱图中各糖峰的峰面积强度。</li>
	<li>利用步骤 4.6 中获得的工作曲线对应方程，计算各样品溶液中各糖的浓度。</li>
	<li>根据上一步所得样品溶液中各糖的浓度及样品溶液总体积（50 ml，见步骤 3.12），计算每颗蓝莓中各糖的含量。</li>
	<li>将三种糖的含量相加，得到每颗果实的总糖量。</li>
	<li>利用步骤 1.3 中测得的蓝莓重量，计算每颗蓝莓中总糖含量的百分比。</li>
</ol>
5. 有机酸的高效液相色谱检测
注意：本研究中，柠檬酸、奎宁酸、苹果酸和琥珀酸的总含量被视为总有机酸含量。因此，首先获得这四种有机酸各自的工作曲线，然后测定每颗蓝莓中的有机酸含量。标准含量范围报告为0.42–0.62 wt%（柠檬酸）、0–0.15 wt%（奎宁酸）、0.08–0.23 wt%（苹果酸）和0.06–0.25 wt%（琥珀酸）。9
<ol>
	<li>准确称取约 5 mg 柠檬酸，溶于 50 ml 超纯水中，配制标准溶液。取 5 ml 该溶液用超纯水稀释至 50 ml，配制第二级标准溶液。再以第二级标准溶液按同样方法配制第三级标准溶液。</li>
	<li>参照上述方法，分别配制奎宁酸、苹果酸和琥珀酸的标准溶液。</li>
	<li>按以下条件设置高效液相色谱（HPLC）系统：
	<ol>
		<li>在 40 °C 柱温箱中串联使用两根阴离子交换色谱柱。</li>
		<li>以脱气的 0.1% 磷酸水溶液作为流动相，流速为 0.02 ml/min。</li>
		<li>使用紫外-可见光检测器，检测波长设为 210 nm。</li>
	</ol>
	</li>
	<li>每次进样 20 µl 标准溶液，测定各标准溶液的 HPLC 色谱图。</li>
	<li>通过鼠标右键点击“重新分析”功能，获取各标准溶液色谱图中有机酸色谱峰的峰面积强度。</li>
	<li>以各标准溶液中有机酸的峰面积强度对其相应浓度作图，采用线性回归法绘制工作曲线，得到每种有机酸的峰面积强度与浓度之间的关系方程。</li>
	<li>每次进样 20 µl 样品溶液，测定各样品溶液的 HPLC 色谱图。</li>
	<li>参照步骤 5.5 的方法，获取各样品溶液色谱图中各有机酸色谱峰的峰面积强度。</li>
	<li>利用步骤 5.6 中获得的工作曲线对应的关系方程，计算各样品溶液中各有机酸的浓度。</li>
	<li>根据上一步所得样品溶液中各有机酸的浓度及样品溶液的总体积（50 ml，见步骤 3.12），计算每颗蓝莓中各有机酸的含量。</li>
	<li>将四种有机酸的含量相加，得到每颗蓝莓中总有机酸的含量。</li>
	<li>利用步骤 1.3 中测得的蓝莓重量，计算每颗蓝莓中总有机酸的含量百分比。</li>
</ol>
6. 花青素高效液相色谱检测的预处理
<ol>
	<li>若蓝莓在完成光谱测量后不立即进行化学分析，应将其保存在低于 -80 °C 的冰箱中，以备后续化学分析使用。</li>
	<li>使用真空冷冻干燥机对每颗冷冻果实干燥 12 小时。</li>
	<li>将干燥后的蓝莓置于含 1% 三氟乙酸的甲醇溶液中（蓝莓质量（g）与溶液体积（ml）之比为 1:10），于 4 °C 冰箱中静置 12 小时，以提取花青素。</li>
	<li>将提取液在 2 ml 微量离心管中，于 -8 °C 条件下，以 15,000 rpm（21,900 × g）超速离心 15 分钟。</li>
	<li>用 0.45 µm 滤膜过滤提取液，获得用于高效液相色谱（HPLC）分析的样品。</li>
</ol>
7. 花青素的高效液相色谱检测
注意：蓝莓中含有约13种不同的花青素。由于难以获得所有花青素的工作曲线，因此仅针对蓝莓中最常见的花青素之一——矢车菊素-3-O-葡萄糖苷氯化物——建立工作曲线，并将其用于其他花青素的大致定量分析。
<ol>
	<li>称取约 1.5 mg 的 cyanidin-3-O准确称取-葡萄糖苷氯化物，溶于10 ml 1%三氟乙酸甲醇溶液中，配制成标准溶液。取5 ml该溶液，用1%三氟乙酸甲醇溶液稀释至10 ml，制备第二份标准溶液。依此类推，依次制备第三和第四份标准溶液。</li>
	<li>按照以下方式设置高效液相色谱（HPLC）系统：
	<ol>
		<li>使用C18反相色谱柱，并置于40 °C柱温箱中。</li>
		<li>采用梯度洗脱方法，流动相A为0.1%三氟乙酸水溶液，流动相B为乙腈中含0.5%三氟乙酸，流速为0.1 ml/min；进样后0–50分钟内，流动相B的比例从8%升至15%；50–60分钟内，流动相B的比例从15%升至75%。</li>
		<li>使用光电二极管阵列检测器在520 nm处进行监测。</li>
	</ol>
	</li>
	<li>通过每次进样10 µl等分试样，测定标准溶液的高效液相色谱图。 &#34;LC 溶液&#34; 使用该软件进行测量。</li>
	<li>获取矢车菊素-3-的条带面积强度O-葡萄糖苷氯化物在每种标准溶液色谱图上的峰。</li>
	<li>将面积强度与相应的浓度作图，绘制出矢车菊素-3-的校准曲线O通过线性回归法测定矢车菊素-3-葡萄糖苷氯化物，其中获得代表峰面积强度与浓度之间关系的方程，用于矢车菊素-3-葡萄糖苷氯化物O-葡萄糖苷氯化物</li>
	<li>通过每次进样10 µl样品溶液，测定各样品溶液的高效液相色谱图。</li>
	<li>按照步骤7.4中所述方法，获取各样品溶液色谱图中每种花青素条带的面积强度。</li>
	<li>使用步骤7.5中获得的工作曲线对应方程，计算溶液中花青素的浓度。</li>
	<li>根据上一步骤测得的浓度以及第6.3步中所用样品溶液的总体积，计算每颗蓝莓中各花青素的含量。</li>
	<li>通过加总13种花青素的含量，计算每颗蓝莓中的花青素总量。</li>
	<li>通过步骤1.3中测得的重量，计算每份蓝莓中总花青素的含量百分比。</li>
</ol>
8. 成分含量预测校准模型的构建
注：偏最小二乘回归（PLS 回归）4,5 是一种利用潜在变量的多元回归技术，用于根据观测光谱和通过化学分析测定的组分含量，为每种组分建立校准模型。PLS 回归可使用商业软件或自行开发的程序进行。有关模型构建的详细过程，请参见参考文献5,10。
<ol>
	<li>检验观测光谱的哪些预处理方法对实现准确且稳健的预测最为有效。
	<ol>
		<li>通过应用以下一种或两种预处理方法构建校准模型：MSC（多元散射校正）1,2,5、SNV（标准正态变量变换）1,2,5、MMN（最小-最大归一化）、COE（恒定偏移消除），以及采用SG（Savitzky-Golay）方法1,2,5计算一阶或二阶导数。利用所构建的模型，根据验证集样本的光谱预测其成分含量。 
		注：在MMN中，光谱被归一化，使其最小值和最大值分别为0和1。在COE中，光谱的纵坐标被平移，使其最小值变为零。</li>
		<li>计算验证集中实测值与预测值之间的决定系数R2和残差预测偏差RPD，以评估不同光谱预处理方法的有效性。选择能获得更高R2和RPD值的预处理组合。</li>
	</ol>
	</li>
	<li>通过例如移动窗口PLS技术11来分析哪些波数区域有助于实现准确且稳健的预测，从而筛选出有效波数区间。 
	注：该步骤相当于去除光谱中不含有效预测信息或含有干扰预测信息的波数区域。</li>
</ol>
9. 构建的校准模型的验证
注：有关构建模型验证的详细过程，请参见参考文献5,10。
<ol>
	<li>利用构建的校准模型，结合最佳的预处理方法和对预测有效的波数范围，根据验证集的光谱预测其成分含量。5,10</li>
	<li>计算验证集中实测值与预测值之间的 R2 和 RPD。5,10</li>
	<li>检查校准模型实际性能的一般标准12,13是否满足，即 R2 &#62; 0.85 且 RPD &#62; 2.5；若不满足，应考虑重新构建模型。</li>
</ol>

<ol><li>Ozaki, Y., McClure, W. F., Christy, A. A. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aOzaki%2C+Y+%22Near-infrared+Spectroscopy+in+Food+Science+and+Technology%22">Near-infrared Spectroscopy in Food Science and Technology</a>. , John Wiley & Sons, Inc. Hoboken. (2007).</li>
<li>Sun, D. W. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSun%2C+DW+%22Infrared+Spectroscopy+for+Food+Quality+Analysis+and+Control%22">Infrared Spectroscopy for Food Quality Analysis and Control</a>. , Academic Press. New York. (2009).</li>
<li>Bai, W., Yoshimura, N., Takayanagi, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+analysis+of+ingredients+of+blueberry+fruits+by+near+infrared+spectroscopy%5BTitle%5D)+AND+%22J.+Near+Infrared+Spectrosc%22%5BJournal%5D)">Quantitative analysis of ingredients of blueberry fruits by near infrared spectroscopy.</a> J. Near Infrared Spectrosc. 22, 357-365 (2014).</li>
<li>Hasegawa, T. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHasegawa%2C+T+%22Chemometrics+in+infrared+spectroscopic+analysis.+In%3A+Introduction+to+Experimental+Infrared+Spectroscopy%22">Chemometrics in infrared spectroscopic analysis. In: Introduction to Experimental Infrared Spectroscopy</a>. Tasumi, M. , John Wiley & Sons. Chichester. 97-113 (2015).</li>
<li>Varmuza, K., Filzmoser, P. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aVarmuza%2C+K+%22Introduction+to+Multivariate+Statistical+Analysis+in+Chemometrics%22">Introduction to Multivariate Statistical Analysis in Chemometrics</a>. , CRC Press. Boca Raton. (2009).</li>
<li>Kubelka, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((New+contributions+to+the+optics+of+intensely+light-scattering+materials.+Part+I%5BTitle%5D)+AND+%22J.+Opt.+Soc.+Am%22%5BJournal%5D)">New contributions to the optics of intensely light-scattering materials. Part I.</a> J. Opt. Soc. Am. 38, 448-457 (1948).</li>
<li>Juang, R. H., Storey, D. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+determination+of+the+extent+of+neutralization+of+carboxylic+acid+functionality+in+carbopol+974P+NF+by+diffuse+reflectance+fourier+transform+infrared+spectrometry+using+Kubelka-Munk+function%5BTitle%5D)+AND+%22Pharm+Res%22%5BJournal%5D)">Quantitative determination of the extent of neutralization of carboxylic acid functionality in carbopol 974P NF by diffuse reflectance fourier transform infrared spectrometry using Kubelka-Munk function.</a> Pharm Res. 15, 1714-1720 (1998).</li>
<li>Ogiwara, I., Ohtsuka, Y., Yoneda, Y., Sakurai, K., Hakoda, N., Shimura, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Extraction+method+by+water+followed+by+microwave+heating+for+analyzing+sugars+in+strawberry+fruits%5BTitle%5D)+AND+%22J.+Jpn.+Soc.+Hort.+Sci%22%5BJournal%5D)">Extraction method by water followed by microwave heating for analyzing sugars in strawberry fruits.</a> J. Jpn. Soc. Hort. Sci. 68, 949-953 (1999).</li>
<li>Che, J., Suzuki, S., Ishikawa, S., Koike, H., Ogiwara, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fruit+ripening+and+quality+profile+of+64+cultivars+in+three+species+of+blueberries+grown+in+Tokyo%5BTitle%5D)+AND+%22Hort.+Res.+%28Japan%29%22%5BJournal%5D)">Fruit ripening and quality profile of 64 cultivars in three species of blueberries grown in Tokyo.</a> Hort. Res. (Japan). 8, 257-265 (2009).</li>
<li>Pomerantsev, A. L. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aPomerantsev%2C+AL+%22Chemometrics+in+Excel%22">Chemometrics in Excel</a>. , John Wiley & Sons, Inc. Hoboken. (2014).</li>
<li>Jiang, H. J., Berry, R. J., Siesler, H. W., Ozaki, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Wavelength+Interval+Selection+in+Multicomponent+spectral+analysis+by+moving+window+partial+least-squares+regression+with+applications+to+mid-infrared+and+near-infrared+spectroscopic+data%5BTitle%5D)+AND+%22Anal.+Chem%22%5BJournal%5D)">Wavelength Interval Selection in Multicomponent spectral analysis by moving window partial least-squares regression with applications to mid-infrared and near-infrared spectroscopic data.</a> Anal. Chem. 74, 3555-3565 (2002).</li>
<li>Edney, M. J., Morgan, J. E., Williams, P. C., Campbell, L. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Analysis+of+feed+barley+by+near+infrared+reflectance+spectroscopy%5BTitle%5D)+AND+%22J.+Near-Infrared+Spectrosc%22%5BJournal%5D)">Analysis of feed barley by near infrared reflectance spectroscopy.</a> J. Near-Infrared Spectrosc. 2, 33-41 (1994).</li>
<li>Mathison, G. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prediction+of+composition+and+ruminal+degradability+characteristics+of+barley+straw+by+near+infrared+reflectance+spectroscopy%5BTitle%5D)+AND+%22Can.+J.+Anim.+Sci%22%5BJournal%5D)">Prediction of composition and ruminal degradability characteristics of barley straw by near infrared reflectance spectroscopy.</a> Can. J. Anim. Sci. 79, 519-523 (1999).</li>
<li>Chiara, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Analysis+of+anthocyanins+in+commercial+fruit+juices+by+using+nano-liquid+chromatography+electrospray-mass+spectrometry+and+high+performance+liquid+chromatography+with+UV-vis+detector%5BTitle%5D)+AND+%22J.+Separation+Sci%22%5BJournal%5D)">Analysis of anthocyanins in commercial fruit juices by using nano-liquid chromatography electrospray-mass spectrometry and high performance liquid chromatography with UV-vis detector.</a> J. Separation Sci. 34, 150-159 (2011).</li>
<li>Li, Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Antioxidant+anthocyanins+screening+through+spectrum-effect+relationships+and+DPPH-HPLC-DAD+analysis+on+nine+cultivars+of+introduced+rabbiteye+blueberry+in+China%5BTitle%5D)+AND+%22Food+Chemistry%22%5BJournal%5D)">Antioxidant anthocyanins screening through spectrum-effect relationships and DPPH-HPLC-DAD analysis on nine cultivars of introduced rabbiteye blueberry in China.</a> Food Chemistry. 132, 759-765 (2013).</li>
<li>Sinelli, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+quality+and+nutraceutical+content+of+blueberries+%28Vaccinium+corymbosum+L.%29+by+near+and+mid-infrared+spectroscopy%5BTitle%5D)+AND+%22Postharvest+Biol.+Technol%22%5BJournal%5D)">Evaluation of quality and nutraceutical content of blueberries (Vaccinium corymbosum L.) by near and mid-infrared spectroscopy.</a> Postharvest Biol. Technol. 50, 31-36 (2008).</li>
<li>Giusti, M. M., Wrolsted, R. E. Anthocyanins: characterization and measurement with UV-visible spectroscopy. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGiusti%2C+MM+%22Current+Protocols+in+Food+Analytical+Chemistry%22">Current Protocols in Food Analytical Chemistry</a>. Wrolstad, R. E., Schwartz, S. J. , John Wiley & Sons. New York. 1-13 (2001).</li>
</ol>

我们没有需要披露的内容。

以下是对本实验方案的一些补充说明。首先，在步骤1.1中提到需要确定目标中包含的品种。尽管可以构建涵盖多个品种蓝莓或不指定品种的模型，但这些模型的预测准确度有时远低于针对单一品种或有限品种所构建模型的准确度。还应注意，为了获得较高的预测性能，应针对不同产地的蓝莓分别建立校准模型，因为不同产地收获的蓝莓具有不同的特性，这些特性会影响预测性能。1
其次，在步骤 2.3 中提到，应选择漫反射模式进行光谱测量。分光光度计也具备透射模式以供测量使用。尽管透射模式下测得的光谱也可用于构建校准模型，但在大多数情况下，使用漫反射模式测得的光谱可构建更为准确且稳健的模型。总有机酸含量无法利用透射模式测得的光谱进行预测。3
第三，对于蓝莓光谱的测量，不建议在萼片处进行，因为萼片区域的表面状态和内部成分与其他位置不同。尽管如此，仍有可能利用在萼片和其他位置采集的大量光谱数据建立校准模型。然而，在大多数情况下，这些模型的准确性低于仅使用非萼片位置光谱数据构建的模型。
<p class="jove_co...

近红外（NIR）光谱技术作为一种无损检测方法，被广泛应用于分析各类水果和蔬菜的成分。1,2 利用近红外光谱进行无损检测，可确保仅运输品质优良、口感上乘的果蔬产品。目前，该技术已用于橙子、苹果、甜瓜、樱桃、猕猴桃、芒果、木瓜、桃子等水果，以测定其对应于总糖含量的糖度（Brix）、酸度、总固形物含量（TSC）等指标。近期，我们报道了近红外光谱技术在蓝莓品质评价中的应用。3 我们不仅测定了蓝莓的总糖含量和对应酸度的总有机酸含量，还测定了总花青素含量。花青素是一种具有生物活性的成分，被认为对人体健康有益。若消费者能够购买到糖度、酸度和花青素含量均有保障的美味蓝莓，将极为便利。
在水果和蔬菜的近红外吸收光谱中，仅能观察到宽泛的吸收带，这些吸收带主要由纤维和水分引起。尽管同时可观察到许多由未破坏目标样品中各种成分产生的弱吸收带，但在大多数情况下，无法将这些吸收带归因于目标样品中特定组分的特定振动模式。因此，利用朗伯-比尔定律测定特定组分含量的传统方法对近红外光谱并不适用。取而代之的是，通过化学计量学方法分析观测光谱与对应组分含量之间的相关性，建立用于从观测光谱预测目标组分含量的校准模型4,5。本文介绍了一种利用近红外光谱构建和验证蓝莓总糖含量、对应酸度的总有机酸含量以及总花青素含量预测模型的实验方案。
图1展示了构建可靠且稳健校准模型的总体流程图。收集足够数量的样品，其中一部分用于模型构建，另一部分用于验证所构建的模型。对每一份采集的样品，测量其近红外（NIR）光谱，然后采用传统的破坏性化学分析方法对目标组分进行定量分析。本研究中，采用高效液相色谱法（HPLC）对糖类、有机酸和花青素进行化学分析。采用偏最小二乘法（PLS）回归构建校准模型，考察观测光谱与化学分析测定的组分含量之间的相关性。为了构建具有最佳预测能力的稳健模型，还需对观测光谱的预处理方法及用于预测的波长范围进行优化。最终，通过验证确认所构建模型是否具备足够的预测能力。在验证过程中，将模型根据观测光谱预测得到的组分含量（预测值）与化学分析测定的结果（实测值）进行比较。若预测值与实测值之间未能达到足够的相关性，则需重新构建校准模型，直至获得满意的相关性为止。尽管如本图所示，使用不同的样品组分别进行模型构建与验证（外部验证）更为理想，但在样品数量不足时，也可采用同一组样品同时进行模型构建与验证（交叉验证）。
<img alt="使用近红外光谱进行模型验证过程；示意图显示了利用样品水果进行校准和分析。" src="/files/ftp_upload/53981/53981fig1.jpg" data-altupdatedat="1788235205000" data-alt="图1"> 
图1. 校准模型构建与验证的流程图。 蓝线和绿线包围的步骤分别对应校准模型的构建及其验证过程。 <a href="https://www.jove.com/files/ftp_upload/53981/53981fig1large.jpg" target="_blank">请点击此处查看该图的放大版本。</a>

<table><tbody><tr><td>傅里叶变换近红外分光光度计</td><td>Bruker Optics GmbH</td><td>MPA&amp;nbsp;</td><td></td></tr><tr><td>高效液相色谱仪</td><td>岛津公司</td><td>228-45041-91, 228-45000-31, 228-45018-31</td><td>用于糖类分析</td></tr><tr><td></td><td></td><td>223-04500-31, 228-45010-31, 228-45095-31</td><td>示差折光检测器</td></tr><tr><td>高效液相色谱仪</td><td>岛津公司</td><td>228-45041-91, 228-45003-31, 228-45000-31</td><td>用于有机酸分析</td></tr><tr><td></td><td></td><td>228-45018-31, 228-45010-31, 223-04500-31</td><td>紫外-可见光检测器</td></tr><tr><td>高效液相色谱仪</td><td>岛津公司</td><td>228-45041-91, 228-45018-31, 228-45000-31</td><td>用于花青素分析</td></tr><tr><td></td><td></td><td>228-45012-31, 228-45119-31, 228-45005-31</td><td>光电二极管阵列检测器</td></tr><tr><td></td><td></td><td>228-45009-31</td><td></td></tr><tr><td>pH计</td><td>梅特勒-托利多</td><td>30019028</td><td>S220，自动温度补偿</td></tr><tr><td>超纯水处理设备</td><td>ORGANO公司</td><td>ORG-ULXXXM1; PRA-0015-0V0</td><td>PURELAB ultra；PURELITE</td></tr><tr><td>医用冷冻柜&amp;nbsp;</td><td>SANYO</td><td>2-6780-01</td><td>MDF-U338</td></tr><tr><td>超低温冰箱</td><td>松下医疗健康有限公司</td><td>KM-DU73Y1</td><td>-80 &amp;deg;C</td></tr><tr><td>真空冷冻干燥机</td><td>岩城玻璃有限公司</td><td>119770</td><td>DRC-3L；FRD-82M</td></tr><tr><td>均质器</td><td>Microtec有限公司&amp;nbsp;</td><td>Physcotron</td><td></td></tr><tr><td>超速离心机</td><td>日立工机有限公司</td><td>S204567</td><td>CF15RXII</td></tr><tr><td>微型离心机</td><td>LMS公司</td><td>KN3136572</td><td>MCF-2360</td></tr><tr><td>离心机</td><td>光泉公司</td><td>2-5534-01</td><td>H-103N</td></tr><tr><td>滤纸&amp;nbsp;</td><td>Advantec</td><td>1521070</td><td>5B，相当于Whatman 40</td></tr><tr><td>Sep-Pak C18柱</td><td>沃特世公司米尔福德</td><td>WAT020515</td><td></td></tr><tr><td>Sep-Pak CM柱</td><td>沃特世公司米尔福德</td><td>WAT020550</td><td></td></tr><tr><td>Sep-Pak QMA柱</td><td>沃特世公司米尔福德</td><td>WAT020545</td><td></td></tr><tr><td>离心过滤装置</td><td>默克密理博公司</td><td>R2SA18503</td><td>PVDF，0.45 &amp;mu;m</td></tr><tr><td>微量离心管</td><td>As One公司</td><td>1-1600-02</td><td>聚丙烯，2 ml</td></tr><tr><td>注射器滤器</td><td>GE医疗有限公司</td><td>6788-1304</td><td>聚丙烯，0.45 &amp;mu;m</td></tr><tr><td>蔗糖</td><td>和光纯药工业有限公司</td><td>194-00011</td><td>试剂级</td></tr><tr><td>葡萄糖</td><td>和光纯药工业有限公司</td><td>049-31165</td><td>试剂级</td></tr><tr><td>果糖</td><td>和光纯药工业有限公司</td><td>123-02762</td><td>试剂级</td></tr><tr><td>柠檬酸</td><td>和光纯药工业有限公司</td><td>036-05522</td><td>试剂级</td></tr><tr><td>苹果酸</td><td>和光纯药工业有限公司</td><td>355-17971</td><td>试剂级</td></tr><tr><td>琥珀酸&amp;nbsp;</td><td>和光纯药工业有限公司</td><td>190-04332</td><td>试剂级</td></tr><tr><td>奎宁酸</td><td>Alfa Aesar，A Johnson Matthey公司</td><td>10176328</td><td>试剂级</td></tr><tr><td>磷酸</td><td>和光纯药工业有限公司</td><td>162-20492</td><td>高效液相色谱级</td></tr><tr><td>三氟乙酸</td><td>和光纯药工业有限公司</td><td>208-02746</td><td>试剂级</td></tr><tr><td>甲醇</td><td>和光纯药工业有限公司</td><td>131-01826</td><td>试剂级</td></tr><tr><td>乙腈</td><td>和光纯药工业有限公司</td><td>015-08633</td><td>高效液相色谱级</td></tr><tr><td>矢车菊素-3-&lt;em&gt;O&lt;/em&gt;-葡萄糖苷氯化物</td><td>和光纯药工业有限公司</td><td>306-37661</td><td>高效液相色谱级</td></tr><tr><td>分析软件</td><td>Bruker Optics GmbH</td><td>OPUS ver. 6.5</td><td></td></tr><tr><td>预处理软件</td><td>微软</td><td>Excel（基于Visual Basic for Applications）</td><td></td></tr><tr><td>模型构建软件</td><td></td><td>Freemat 4.0</td><td>http://freemat.sourceforge.net/</td></tr></tbody></table>

基于高效液相色谱测量的近红外光谱蓝莓成分含量无损预测模型构建

Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements

农产品成分含量的无损预测有助于保证产品质量，便于产品的运输和销售。本文采用近红外光谱法对单个蓝莓中的总糖、总有机酸和总花青素含量进行无损预测。该技术有望从所有采收的蓝莓中筛选出仅口感优良的果实。通过漫反射模式测量蓝莓在非萼片位置的近红外吸收光谱。利用高效液相色谱法测定蓝莓的成分含量，用于建立根据观测光谱预测成分含量的模型。模型构建采用偏最小二乘回归法。需合理选择光谱的预处理方法以及用于分析的光谱波长范围。所建模型必须经过验证，以确认其能够以实际应用可接受的精度预测成分含量。本文提供了一套通过近红外光谱法无损预测蓝莓成分含量的模型构建与验证方案。

图2 展示了一组蓝莓的近红外吸收光谱示例，其中同时显示了70个蓝莓的光谱。由于在近红外光谱中未观察到可明确归属于糖类、有机酸或花青素的吸收峰，传统的朗伯-比尔定律不适用于定量分析其成分含量。因此，必须建立模型以预测成分含量。
图3 显示蓝莓中糖类定量分析的典型色谱图。自上而下的三个图分别为蔗糖、葡萄糖和果糖标准溶液的色谱图。最下方图显示了样品溶液的色谱图。 即 蓝莓提取物。样品溶液中糖的种类和浓度可通过观察到的色谱峰的保留时间及峰面积强度确定。总糖含量为蔗糖、葡萄糖和果糖含量的总和。
图4展示了蓝莓中有机酸分析的色谱图示例。通过参考标准溶液的色谱图（此处未显示），可确定样品溶液中有机酸的种类和浓度。根据图注中对观察...

本文介绍了一种利用近红外光谱法对单个蓝莓中总糖、总有机酸和总花青素含量进行无损预测的模型构建与验证方案。

农产品成分含量的无损预测有助于确保产品质量，从而实现优质优价的销售与运输。本文采用近红外...

本实验的总体目标是利用近红外光谱法构建并验证对单个蓝莓中总糖、总有机酸和总花青素含量进行无损预测的模型。该方法将解决农产品（如水果和蔬菜）品质评价领域中的关键问题。对我而言，该技术的一个优势在于，我们可以通过光谱学方法对大量产品进行无损检测。以及通过此处所示步骤构建的模型。近红外光谱是一种用于农产品无损检测的强大工具。通过分析光谱与各目标组分化学测定结果之间的相关性，建立预测模型。本实验操作将由我实验室的毕业研究生 Yusuke Kimura 和本方案作者之一、来自大学的 Jingai Che 进行示范。从目标品种中采集足够数量和多种类型的蓝莓样品。建议采集 100 颗蓝莓用于校准模型的构建。至少需要10个样本用于所构建模型的验证。为构建稳健的模型，应采集多种类型的样本，例如不同颜色、大小以及不同成熟度的样本。称量每颗蓝莓。所测得的重量将用于后续计算每颗蓝莓中各组分的含量百分比。接下来，将一颗蓝莓样品置于近红外分光光度计漫反射测量窗口的中央。使用样品单通道指令，测定每颗蓝莓的光谱。最好在果实的多个位置取样。若蓝莓在光谱测量后不立即进行分析，应将其置于零下30摄氏度以下的冷冻环境中保存。开始预处理时，将一颗蓝莓切成若干小块，以便于充分均质化。冷冻蓝莓无需解冻直接切割，将切好的蓝莓放入50毫升烧杯中，加入约10毫升超纯水。将切碎的蓝莓放入超纯水中，用微波炉加热20秒，以灭活在分析过程中可能分解糖类的酶。向烧杯中加入约10毫升超纯水。使用配备标准轴和发生器的匀浆器，在12,000 RPM条件下匀浆混合物5分钟。将匀浆后的混合物在3,000 RPM条件下离心10分钟。随后，使用五号B滤纸通过真空抽滤收集离心后的样品滤液。重复匀浆步骤两次后，测定滤液的pH值，并用稀盐酸和稀氢氧化钠水溶液将其调节至7。用超纯水将滤液稀释至 50 毫升。将样品分为两份：一份用于糖类分析，另一份用于有机酸分析。将第一个样品溶液通过串联的层析柱，以去除色素、阳离子和阴离子。弃去从层析柱流出的前1毫升样品溶液。然后使用层析柱流出的样品溶液，通过高效液相色谱（HPLC）分析糖类。在HPLC分析前，将溶液置于配备0.445微米滤膜的微量离心管中，用微型离心机以6,600 RPM转速离心10分钟。将凝胶渗透色谱柱置于柱温箱中，温度设为40摄氏度，配置HPLC系统。使用脱气的超纯水作为流动相，流速为0.1毫升每分钟。同时使用折射率检测器。通过每次进样 20 微升等分试样，测定标准溶液的高效液相色谱图。此处使用装填溶液软件进行测量。通过鼠标右键单击“重新分析”，获取各标准溶液色谱图上糖条带的面积强度。然后将面积强度与其对应的浓度进行线性回归，绘制每种糖的工作曲线。根据该曲线可得到每种糖的面积强度与浓度之间关系的方程。获得标准曲线后，通过每次进样20微升等分试样，测定各样品溶液的HPLC色谱图。按照之前的

construction-models-for-nondestructive-prediction-ingredient-contents

Research

科研

JoVE Journal

Chemistry

化学

基于HPLC测量通过近红外光谱对在蓝莓成分的含量无损预测模型的构建

本文描述了一种收集植物挥发性物质的推拉法。该方法可用于比较由植食性昆虫取食、外源茉莉酸甲酯处理以及机械损伤所诱导产生的挥发性物质。该技术还可用于研究蓝莓植株中未受损枝条在暴露于植食性昆虫损伤枝条释放的挥发性物质后所产生的挥发性响应。...

食草动物诱导的蓝莓挥发物及植株内信号传导

本文介绍了一种用于水果中挥发性化合物分析的快速方法。该方法利用超快速气相色谱（GC）结合表面声波（SAW）传感器，对样品匀浆顶空中的挥发性化合物进行快速分离和检测。同时讨论了数据处理与分析的操作流程。...

使用电子鼻进行果实挥发性成分分析

质子转移反应飞行时间质谱法可实现对挥发性有机化合物的高灵敏度、快速且无创的分析。为展示其应用潜力，本文提供三个示例：酸奶的乳酸发酵过程（在线生物过程监测）、不同苹果基因型（大规模筛查）以及饮用咖啡后经鼻腔空间的分析（鼻腔空间分析）。...

PTR-ToF-MS 联用自动采样系统及定制化数据分析在食品研究中的应用：生物过程监测、筛选与鼻腔空间分析

本文描述了非靶向代谢组学、转录组学及多变量统计分析在葡萄果实转录本和代谢物研究中的应用，旨在深入理解风土（terroir）概念。...

风土概念通过葡萄果实代谢组学与转录组学的解析

本文介绍了一种利用RGB成像和高光谱成像评估土壤中生长的植物根系的实验方案。将RGB图像的时间序列与高光谱扫描的化学计量信息相结合，可优化对植物根系动态的深入理解。...

用于植物表型分析与生理学研究的RGB与光谱根系成像：实验设置与成像方案

本方案描述了如何开展功能性近红外光谱（fNIRS）超扫描实验并分析脑-脑同步性，同时讨论了相关挑战及可能的解决方案。...

使用功能性近红外光谱技术进行超扫描实验

本方案描述了一种利用近红外光谱结合偏最小二乘回归法预测聚苯醚生产过程中邻甲酚浓度的方法。为了更清晰、完整地说明该过程，本文以聚苯醚生产过程中邻甲酚浓度的预测为例，详细阐述各操作步骤。...

基于近红外光谱与偏最小二乘回归的邻甲酚浓度在线测量

本文介绍了一种用于快速检测蓝藻水华及其相关蓝藻毒素的多学科综合策略。该方法可在24小时内检测水样以及双壳类样品等有机基质中的蓝藻及其相关蓝藻毒素。...

利用快速检测策略早期发现蓝藻水华及其相关蓝藻毒素

本文介绍了一种顶空固相微萃取-气相色谱平台，用于快速、可靠且半自动化地鉴定和定量成熟黑加仑果实中的挥发性成分。该技术可用于加深对果实香气的认识，并有助于筛选风味更佳的品种，以用于育种目的。...

利用顶空固相微萃取结合气相色谱-质谱法分析黑加仑果实中的挥发性化合物

酚酸是存在于全谷物中的重要植物化学物质，具有抗氧化保护功能等生物活性特性。本研究旨在报道一种通用方法，用于谷物和豆类中酚酸的高效液相色谱鉴定、总酚含量测定以及抗氧化能力的确定。...

一种测定谷物和豆类中游离可溶性酚酸组成及抗氧化能力的通用方法

本实验方案开发了一种利用蓝光LED照射技术估测薄层色谱板上化合物产率的方法。该方法具有安全、高效、成本低廉的优点，并可使研究人员同时测量多个样品。...

估计薄层色谱板上化合物的产率 通过 蓝光LED照射技术

学习利用近红外光谱技术构建蓝莓成分无损预测模型，通过HPLC测定总糖、有机酸和花青素含量。该方法为农产品质量评估提供快速可靠的非破坏性检测方案。

基于高效液相色谱测量的近红外光谱蓝莓成分含量无损预测模型构建

探索更多视频