Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Chemistry
Click here for the English version

Chemistry

בניית מודלים לחיזוי הורס של תוכן מרכיב האוכמניות ידי ספקטרוסקופיה האינפרה-אדום הקרוב בהתבסס על מדידות HPLC

Published: June 28, 2016 doi: 10.3791/53981
Automatic Translation
1, 1, 1, 2, 2, 3
1United Graduate School of Agricultural Science, Tokyo University of Agriculture and Technology, 2Faculty of Agriculture, Tokyo University of Agriculture and Technology, 3Institute of Agriculture, Tokyo University of Agriculture and Technology

Introduction

קרוב אינפרא אדום (NIR) ספקטרוסקופיה מוחלת נרחבת כטכניקה הורסת לנתח תוכן של פרות וירקות מסוגים שונים. 1,2 הורסות מנתח ידי ספקטרוסקופיה NIR לאפשר המשלוח של פרות וירקות טעימים רק עם איכויות מובטחות. ספקטרוסקופיה NIR כבר הותקנה כדי תפוזים, תפוחים, אבטיח, דובדבן, קיווי, מנגו, פפאיה, אפרסק וכן הלאה לדעת בריקס שלהם שמקביל שתכולת הסוכר הכולל, חומציות, TSC (תוכן מוצק הכולל), וכן הלאה . לאחרונה, דיווחנו היישום של ספקטרוסקופיה NIR להערכת האיכות של אוכמניות. 3 מדד לא רק את תכולת הסוכר הכולל ואת התוכן הכולל אורגני החומצה מתאים חומציות, אלא גם תוכן אנתוציאנין הכולל. אנתוציאנין הוא רכיב ביו אשר מאמינים לשיפור בריאות הציבור. זה נוח לצרכנים אם הם יכולים לקנות אוכמניות טעימות עם הבטחה של תכולת הסוכר שלהם, acidity ותוכן אנתוציאנין.

בספקטרום הקליטה NIR של פירות וירקות, רק להקות קליטה רחבה הם נצפו. הם בעיקר הלהקות בשל סיבים ולחים. למרות הרבה להקות חלשות בשל מרכיבים שונים של היעד הלא תחסל הם נצפו בעת ובעונה אחת, הלהקות הנצפות לא ניתן להקצות אופני תנודה ספציפיים של רכיבים ספציפיים של היעד ברוב המקרים. לכן, הטכניקה המסורתית כדי לקבוע את התוכן של רכיב ספציפי באמצעות החוק של למברט-באר אינה יעילה עבור ספקטרום NIR. במקום זאת, מודלי כיול לחזות את תכולת רכיבי יעד הספקטרום הנצפה נבנו באמצעות chemometrics ידי בחינת המתאם בין הספקטרום הנצפה ואת תוכן המרכיב מתאים הספקטרום. 4,5 כאן, פרוטוקול לבן ותיקוף המודלים עבור חיזוי של תכולת סוכר הכולל, תכולת חומצות הכולל אורגניות מתאימה acidity, ותוכן אנתוציאנין הכולל של אוכמניות מן הספקטרום NIR מוצג.

איור 1 מציג את תרשים זרימה הכללי לבנות מודלי כיול אמינים ויציבים. דוגמאות של מספר מספיק נאספות. חלקם משמשים לבניית מודלים בעוד האחרים משמשים תיקוף המודלים שנבנו. עבור כל אחד דגימות שנאספו, ספקטרום NIR נמדד, ולאחר מכן מרכיבי היעד מנותחים כמותית עם שיטות אנליזה כימית הרסניות מסורתיות. הנה, כרומטוגרפיה נוזלית בעל ביצועים גבוהים (HPLC) משמשת עבור הניתוחים הכימיים של סוכרים, חומצות אורגניות, ו אנתוציאנינים. ריבועים לפחות חלקית (PLS) רגרסיה משמשת לבניית מודלי כיול שבו המתאם בין הספקטרום הנצפה ואת התוכן המרכיב שקבע בדיקות כימיות נבחן. על מנת לבנות מודלים חזקים עם יכולת החיזוי הטובה ביותר, pretreatments של obserספקטרה ved ואת אזורי הגל המשמשים לניבוי גם נבחנים. לבסוף, המודלים שנבנו הן תוקפים כדי לאשר את יכולת החיזוי המספיקה שלהם. בשנות ה אימות, תוכן חזה מהספקטרום הנצפה על ידי המודל בנוי (הערכים החזויים) מושווים עם תוכן שקבע ניתוחים כימיים (הערכים שנצפו). אם המתאם מספיק לא ניתן למצוא בין הערכים החזויים והעירה, מודל הכיול ראוי לעיין מחדש נבנה עד קורלציה די מתקבלת. למרות שזה עדיף להשתמש קבוצות שונות של דגימות לבנייה ותיקוף מודל כפי שמוצג בתרשים זה (אימות חיצונית), דגימות באותה קבוצה משמשות הן להקמת האימות (אימות צלב) כשמספר דגימות אינן גדולות מספיק.

איור 1
Fתרשים igure 1. תזרים להקמת תיקוף מודל הכיול. הנהלים המוקפים קווים כחולים וירוקים מתאימים, בהתאמה, לבניית מודל כיול והאימות שלה. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. איסוף של דגימות

  1. החלט אילו זנים ייכלל היעד של מודל הכיול.
  2. אסוף מספר מספיק וסוגים שונים של אוכמניות מדגם של זני היעד.
    1. אסוף רצוי 100 אוכמניות לבניית מודל הכיול, ולפחות 10 עבור תיקוף המודל הבנוי. על מנת לבנות מודלים חזקים, לאסוף דגימות מסוגים שונים, כלומר עם צבעים שונים, גדלים בתנאים בשלים שונים.
  3. לשקול כל אוכמניות. הערה: המשקולות נמדדות משמשות מאוחר יותר לחישוב אחוזי תוכן של מרכיבים של כל אוכמניות.

2. מדידות של ספקטרה

  1. ספקטרופוטומטר התחממות מספיק (יותר מ 1 hr) לפני המדידות לקבל ספקטרום אמין.
  2. הגדר את ספקטרופוטומטר. ודא כי התנאים הם קבועים לאורך כל המדידות.דוגמה טיפוסית תנאי למדידות היא כדלקמן.
    1. הגדר את טווח של מדידות כדי 12,500-3,600 -1 ס"מ.
    2. הגדירו את רזולוציית רפאים 16 ס"מ -1.
    3. הגדר את ההצטברות ל -32 פעמים.
  3. בחר החזרה מפוזרת כמצב של מדידה.
  4. שים את רפלקטור הרגיל על החלון של ספקטרופוטומטר למדידות החזרה מפוזרות. באמצעות "ערוץ יחיד רקע" הפקודה, למדוד את ספקטרום רקע המשמש באופן אוטומטי לחישוב ספקטרום החזרה ביחס הספקטרום של אוכמניות מדגם נמדד לאחר מכן.
  5. שם מדגם אוכמניות במרכז החלון של ספקטרופוטומטר למדידות החזרה מפוזרות. באמצעות הפקודה "יחיד ערוץ מדגם", למדוד ספקטרום של כל אוכמניות רצויות בכמה נקודות של הפרי.
    הערה: 6,7 טרנספורמציה Kubelka-מונק גם יבוצע אוטומטיתmatically עבור הספקטרום הנצפה של אוכמניות מדגם אם התנאי של רכישת ספקטרלי מוגדר לעשות זאת. Kubelka-מונק שינוי משנה את הספקטרום הנמדד במצב ההחזרה המפוזר על הספקטרום המקביל לאלו שנמדדו במצב ההולכה דרוש הניתוחים של ספקטרום עם דיוק גבוה. ספקטרה בהיקף הספיגה משמשת ניתוחים.
  6. חשב את ספקטרום הממוצע של הספקטרום של כל דגימה באמצעות תוכנית עיבוד נתונים כגון MS Excel אם ספקטרה מדגם אוכמניות נמדדים במספר נקודות. השתמש הספקטרום בממוצע עבור ניתוחים.

Pretreatment 3. מדידות HPLC של סוכרים אורגני חומצות 8

הערה: חלץ סוכרים וחומצות אורגניות של כל אוכמניות, אשר מסיסים במים, עם מי ultrapure כדלקמן. השלם של כל אוכמניות משמש עבור ניתוחים.

  1. שמור על האוכמניות במקפיא מתחת -30 ° C מוכנים FOכימי r מנתח אם הם אינם מנותחים רק לאחר מדידות ספקטרליות.
  2. חותך אוכמניות למספר חלקים כך שהוא יכול להיות הומוגני בקלות בשלבים הבאים. חותך את האוכמניות ללא הפשרה כאשר הוא קפוא.
  3. לשים את החתיכות לתוך מבחנה 50 מ"ל.
  4. להוסיף בקירוב 10 מ"ל מים ultrapure (מים מזוקקים אשר מוליכות חשמלית פחות מ -0.1 מיקרו-שניות / ס"מ) אל מבחנה.
  5. מחמם את אוכמניות קיצוץ מי ultrapure במיקרוגל במשך 20 שניות כדי לבטל את האנזימים שעשויים לפרק סוכרים במהלך הניתוחים.
  6. להוסיף בערך 10 מ"ל מי ultrapure אל המבחנה.
  7. Homogenize את התערובת במשך 5 דקות ב 12,000 סל"ד עם homogenizer מצויד פיר גנרטור סטנדרטי.
  8. צנטריפוגה תערובת הומוגני במשך 10 דקות ב 3000 סל"ד (2,000 גרם ×).
  9. אסוף תסנין ידי סינון ואקום של המדגם centrifuged באמצעות מסנן נייר 5B.
  10. חזור על השלבים 3.6-3.9 פעמיים על הסינון דואר שאריות לאסוף את כל סוכרים וחומצות אורגניות, ולשלב את כל filtrates.
  11. מדדו את רמת החומציות של תסנין ולהתאימו 7 עם חומצה הידרוכלורית לדלל (0.1 ו 0.01 mol ל -1) לדלל תמיסות מימיות של נתרן הידרוקסידי (0.1 ו 0.01 mol ל -1).
  12. לדלל את תסנין 50 מ"ל עם מים ultrapure.
  13. מחלקים את המדגם לשתי; אחד לניתוח סוכרים והשני לניתוח חומצות אורגניות.
  14. להעביר את הפתרון מדגם הראשון בין עמודות (שני C18, CM ו QMA) המחוברים בטור להוציא פיגמנטים, קטיונים, ואניונים. זרוק את 1 המ"ל הראשון של הפתרון המדגם מהטורים. ואז להשתמש בפתרון המדגם מהטורים לניתוח סוכרים על ידי HPLC.
  15. להעביר את הפתרון מדגם השני באמצעות עמודות (שני C18 ו- CM) המחוברים בטור להוציא פיגמנטים קטיונים. זרוק את 1 המ"ל הראשון של הפתרון המדגם מהטורים. ואז להשתמש בפתרון מדגם גolumns לניתוח חומצות אורגניות על ידי HPLC.
  16. צנטריפוגה כל פתרון מן הצעדים 3.14 ו 3.15 ב 6,600 סל"ד (5,800 גרם ×), במשך 10 דקות ב microtube המצוידת במסנן 0.45 מיקרומטר עם צנטריפוגות מיני לפני הניתוח על ידי HPLC.

4. מדידות HPLC של סוכרים

הערה: במחקר זה, התוכן סכום של סוכרוז, גלוקוז ופרוקטוז של כל אוכמניות נחשב שתכולת הסוכר הכולל. לכן, עקומת העבודה עבור כל אחד משלושה סוכרים מתקבלת ראשונה, ולאחר מכן תוכן הסכום של סוכרים בכל אוכמניות מתקבל. התכנים תקן מדווחים 0.3-0.4% WT (סוכרוז), 3.8-4.8% WT (גלוקוז), ו 4.2-5.3% WT (פרוקטוז). 9

  1. מדוד כ -200 מ"ג של סוכרוז במדויק, לפזר אותו במים 50 מ"ל ultrapure להכין פתרון סטנדרטי. לדלל 5 מ"ל של הפתרון 50 מ"ל עם מים ultrapure להכין את פתרונות סטנדרטיים השני. כן דומה הדוכן השלישיפתרון ARD מפתרון התקן השני.
  2. הכן את פתרונות סטנדרטיים של גלוקוז ופרוקטוז, באופן דומה.
  3. מסדרים את מערכת HPLC כדלקמן:
    1. השתמש בעמודת חלחול ג'ל בתנור הטור ב 40 מעלות צלזיוס.
    2. השתמש במים ultrapure degassed עם קצב הזרימה של 0.1 mL / min כמו eluate.
    3. יש להשתמש בגלאי מקדם שביר.
  4. מדוד את הספקטרום HPLC של פתרונות סטנדרטיים על ידי הזרקת aliquot 20 μl לכל מדידה. הערה: כאן, PAC הפתרון משמש תוכנה עבור המדידה.
  5. קבל את עוצמת השטח של הלהקה של סוכר על הכרומתוגרמה של כל פתרון סטנדרטי ידי לחיצה על 'מחדש ניתוח' עם הכפתור הימני של העכבר.
  6. מגרש בעוצמות באזור נגד הריכוזי המתאים כדי לקבל את עקומת העבודה עבור כל סוכר על ידי רגרסיה ליניארית, שבו המשוואה המייצג את היחס בין עוצמת האזור והריכוז מתקבלת FOr כל סוכר.
  7. מדוד את ספקטרום HPLC של פתרונות מדגמים באמצעות הזרקת aliquot 20 μl לכל מדידה.
  8. קבל את העוצמות באזור של הלהקות של סוכרים על הכרומתוגרמה של כל פתרון מדגם כפי שתואר לעיל בשלב 4.5.
  9. השג את ריכוזי סוכרי הפתרונים באמצעות המשוואות מתאימות עקומות העבודה שהושגו בשלב 4.6.
  10. להשיג את הסכום של כל סוכר בכל אוכמניות מריכוזים של הפתרון המדגם המתקבל בשלב הקודם ואת הנפח הכולל של הפתרון המדגם (50 מ"ל, ראה שלב 3.12).
  11. השג את כמויות סוכר הכוללות של כל פרי מסיכום התכנים של שלושה סוכרים.
  12. השג את תוכן האחוזים של הסוכר הכולל של כל אוכמניות באמצעות המשקל נמדד צעד 1.3.

5. מדידות HPLC של חומצות אורגניות

הערה: במחקר זה, תוכן סכום של חומצת לימון, חומצת quinic, מאליתחומצה, חומצה succinic נחשבים כתוכן חומצה האורגני. לכן, עקומה עובדת עבור כל אחת מארבע חומצות אורגניות מתקבלת ראשונה, ולאחר מכן את תוכן החומצה האורגני בכל אוכמניות נמדדת. התכנים תקן מדווחים 0.42-0.62% WT (חומצת לימון), 0-0.15% WT (חומצת quinic), 0.08-0.23% WT (חומצת מאלית), ו 0.06-0.25% WT (חומצת succinic). 9

  1. מדוד על 5 מ"ג החומצה ציטרית במדויק, לפזר אותו לתוך מי ultrapure 50 מיליליטר להכין פתרון סטנדרטי. לדלל 5 מ"ל של הפתרון 50 מ"ל עם מים ultrapure להכין את פתרונות סטנדרטיים השני. כן דומה הפתרון הסטנדרטי השלישי מפתרון התקן השני.
  2. הכן את פתרונות סטנדרטיים של חומצה quinic, חומצה מאלית, חומצה succinic, באופן דומה.
  3. מסדרים את מערכת HPLC כדלקמן:
    1. השתמש בשתי עמודות אניון-חילופי מחובר בסדרה בתנור הטור ב 40 מעלות צלזיוס.
    2. השתמש degassed 0.1% בתמיסה מימית של זרחתיתחומצה עם קצב הזרימה של 0.02 מ"ל / דקה כמו eluate.
    3. השתמש סט גלאי אולטרה סגול-גלוי ב 210 ננומטר.
  4. מדוד את ספקטרום HPLC של פתרונות סטנדרטיים על ידי הזרקת aliquot 20 μl של פתרון סטנדרטי עבור כל מדידה.
  5. קבל את עוצמת השטח של הלהקה של חומצה אורגנית על הכרומתוגרמה של כל פתרון סטנדרטי ידי לחיצה על 'מחדש ניתוח' עם הכפתור הימני של העכבר.
  6. מגרש בעוצמות באזור נגד הריכוזי המתאים כדי לקבל את העקומה עובדת לכל חומצה אורגנית על-ידי רגרסיה ליניארית, שבו המשוואה המייצג את היחס בין עוצמת האזור והריכוז מתקבלת עבור כל חומצה אורגנית.
  7. מדוד את ספקטרום HPLC של פתרונות מדגמים באמצעות הזרקת aliquot 20 μl של המדגם עבור כל מדידה.
  8. קבל את העוצמות באזור של הלהקות של חומצות אורגניות על הכרומתוגרמה של כל פתרון מדגם כפי שתואר לעיל בשלב 5.5.
  9. השג את הריכוזים של החומצות האורגניות ב הפתרונים באמצעות המשוואות מתאימות עקומות העבודה שהושגו בשלב 5.6.
  10. להשיג את הסכום של כל חומצה אורגנית בכל אוכמניות מהריכוזים של הפתרון המדגם המתקבל בשלב הקודם ואת הנפח הכולל של הפתרון המדגם (50 מיליליטר, ראה שלב 3.12).
  11. השג את כמות החומצה הכולל אורגנית בכל אוכמניות מסיכום התוכן מארבע החומצות האורגניות.
  12. השג את תוכן האחוזים של חומצה אורגנית הכוללת של כל אוכמניות באמצעות המשקל נמדד צעד 1.3.

Pretreatment 6. מדידות HPLC של אנתוציאנינים

  1. שמור על האוכמניות במקפיא מתחת -80 ° C מוכן בדיקות כימיות אם הם אינם מנותחים רק לאחר מדידות ספקטרליות.
  2. לייבש כל פרי קפוא עם ואקום lyophilizer במשך 12 שעות.
  3. חלץ אנתוציאנין מן האוכמניות המיובשות o פתרון מתנול 1%f חומצה trifluoroacetic [משקל של אוכמניות (ז) / נפח של הפתרון (מ"ל) = 1/10] על ידי השארת את התערובת במקרר ב 4 מעלות צלזיוס למשך 12 שעות.
  4. צנטריפוגה לחלץ במשך 15 דקות בתוך microtube 2 מ"ל באמצעות ultracentrifuge ב -8 מעלות צלזיוס ו -15,000 סל"ד (21,900 × ז).
  5. סנן את תמצית דרך פילטר 0.45 מיקרומטר כדי לקבל את המדגם למדידות HPLC.

7. מדידות HPLC של אנתוציאנינים

הערה: כ -13 אנתוציאנינים סוג כלולים ב- אוכמניות. מאחר וקשה להשיג עקומות עבודה לכל אנתוציאנינים, עקומת עבודה עבור כלוריד O -glucoside cyanidin-3- בלבד, אחד אנתוציאנינים הפופולרי ביותר אוכמניות, מתקבל. העקומה עובדת מוחלת עבור quantifications המשוער של אנתוציאנינים אחרים.

  1. מדוד על 1.5 מ"ג כלוריד cyanidin-3- O -glucoside במדויק, לפזר אותו לתוך 10 מ"ל של תמיסת מתנול 1% של חומצה trifluoroacetic כדי prepare פתרון סטנדרטי. לדלל 5 מ"ל של הפתרון 10 מ"ל עם פתרון מתנול 1% של חומצה trifluoroacetic להכין את פתרונות סטנדרטיים השני. באופן דומה, להכין את השלישי ואת ברצף פתרונות סטנדרטיים הרביעי.
  2. מסדרים את מערכת HPLC כדלקמן:
    1. השתמש בעמודת שלב ההפוך C18 בתנור טור ב 40 מעלות צלזיוס.
    2. ליישם את שיטת שיפוע באמצעות eluates של חומצה מימית 0.1% trifluoroacetic (א elute) ו -0.5% חומצה trifluoroacetic ב אצטוניטריל (B elute) עם קצב הזרימה של 0.1 mL / min, ואשר היחס בין עליות B elute מ -8% ל -15% במהלך 0-50 דקות לאחר ההזרקה, ומ -15% ל -75% במהלך 50-60 דקות לאחר ההזרקה.
    3. השתמש ניטור גלאי photodiode מערך ב 520 ננומטר.
  3. מדוד את הספקטרום HPLC של פתרונות סטנדרטיים על ידי הזרקת aliquot 10 μl לכל מדידה. "פתרון LC" משמש את התוכנה עבור המדידה.
  4. קבל את עוצמת השטח של הלהקה שלcyanidin-3- כלוריד O -glucoside על הכרומתוגרמה של כל פתרון סטנדרטי ידי לחיצה על 'מחדש ניתוח' עם הכפתור הימני של העכבר.
  5. מגרש בעוצמות באזור נגד ריכוזי המתאים כדי לקבל את עקומת העבודה עבור כלוריד -glucoside O cyanidin-3- ידי רגרסיה ליניארית, שבו המשוואה המייצג את היחס בין עוצמת אזור וריכוז מתקבל עבור כלוריד -glucoside O cyanidin-3-.
  6. מדוד את ספקטרום HPLC של פתרונות מדגמים באמצעות הזרקת aliquot 10 μl לכל מדידה.
  7. קבל את עוצמת שטח של הלהקה של כל אנתוציאנין על הכרומתוגרמה של כל פתרון מדגם כפי שתואר לעיל בשלב 7.4.
  8. השג את הריכוזים של אנתוציאנינים ב הפתרונות באמצעות המשוואה המתאימה עקומת העבודה שהושגו בשלב 7.5.
  9. השג את הסכומים של כל אנתוציאנין בכל אוכמניות מהריכוז שהושג הקודםצעד ואת הנפח הכולל של הפתרון המדגם המשמש בשלב 6.3.
  10. השג את הסכום הכולל של אנתוציאנין בכל אוכמניות מסיכום התכול שלושת העשרה אנתוציאנינים.
  11. השג את תוכן האחוזים של אנתוציאנין הכולל של כל אוכמניות באמצעות המשקל נמדד צעד 1.3.

8. בניית מודלי כיול עבור חיזוי של תוכן המרכיב

הערה: PLS רגרסיה, 4,5 שהוא סוג של טכניקת רגרסיה מרובה באמצעות הגירסות סמויות, משמש לבניית מודלי כיול עבור כל מרכיב מן הספקטרום נצפה ואת התוכן המרכיב שקבע ניתוחים כימיים. PLS רגרסיה מבוצעת גם עם תוכניות מסחריות או עם תוכניות תוצרת בית. ראה 5,10 אזכור עבור התהליכים המפורטים של בניית מודלים.

  1. לבחון איזו pretreatments עבור ספקטרום נצפה יעיל ביותר עבור מדויקחיזוי חזק.
    1. לבנות מודלים כיול על ידי יישום אחד או שניים של pretreatments הבאים: MSC (תיקון פיזור כפלי), 1,2,5 SNV (משתנים רגיל רגיל), 1,2,5 MMN (Min-Max נורמליזציה), COE (קונסטנט אופסט ביעור ), והראשון או החישוב נגזר השני בשיטה SG (Savitzky-Golay). 1,2,5 לחזות את תוכן המרכיב של האימות להגדיר מן הספקטרום שלהם עם המודלים שנבנו.
      הערה: MMN, קשת הוא מנורמל כך ערכי מינימום ומקסימום להיות 0 ו -1, בהתאמה. בשנת COE, את לתאם של ספקטרום מוסט כך את הערך המינימלי מתאפס.
    2. חישוב מקדם הסבר, R 2, וסטיית חזוי שיורית, RPD, בין שנצפה וחזה ערכים של האימות להגדיר לבחון איזה pretreatments עבור ספקטרום נצפה הוא היעילות ביותר. בחר את השילוב של pretreatments נותן יותרR 2 ו RPD.
  2. בדוק אילו אזורי wavenumber הנם אפקטיביים כדי החיזוי המדויק ויציב על ידי יישום, למשל, טכניקת PLS חלונות נעה 11 כדי לחפש האזורים היעילים.
    הערה: ההליך מתאים הסרת אזורי wavenumber שבו ספקטרה אינו מכיל מידע יעיל לתחזיות או מכילים מידע המפריע תחזיות.

אימות 9. של מודלי כיול נבנו

הערה: ראה אזכור 5,10 עבור התהליכים המפורטים של ותיקוף מודלים שנבנו.

  1. לחזות תוכן מרכיב של האימות להגדיר מן הספקטרום שלהם עם דגמי כיול נבנו עם השילוב הטוב ביותר של pretreatments ועבור אזורי wavenumber היעילים לניבוי. 5,10
  2. חישוב R 2 ו RPD בין שנצפתה וחזהערכים של סט האימות. 5,10
  3. בדוק אם הקריטריונים הכלליים לביצוע המעשי של מודלי כיול, 12,13 R 2> 0.85 ואת RPD> 2.5, מרוצים. שקול מחדש של מודל אם הקריטריונים אינם מרוצים.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

תרשים 2 מציג כדוגמה סט של ספקטרום הקליטה NIR של אוכמניות שבו הספקטרום של 70 אוכמניות מוצגים בו זמנית. מאז הלהקות בהחלט להמחאת סוכרים, חומצות אורגניות, או אנתוציאנינים הם לא נצפו בספקטרום NIR, חוק למברט-באר המסורתי אינו ישים לכמת את התוכן המרכיב. לכן, בניית מודלים לניבוי תוכן מרכיב הכרחית.

איור 3 מראה chromatograms הטיפוסי עבור ניתוח כמותי של סוכרי אוכמניות. שלושה לוחות מלמעלה הם, בהתאמה, chromatograms של פתרונות סטנדרטיים של סוכרוז, גלוקוז, פרוקטוז. הפנל התחתון מראה הכרומתוגרמה של פתרון מדגם, כלומר התמצית של אוכמניות. הסוגים וריכוזי סוכרי הפתרון המדגם ידועים מן פעמי השמירהnd בעוצמות באזור של פסגות ציין. תכולת הסוכר סה"כ מתקבל כסכום של סוכרוז, גלוקוז, פרוקטוז ותכנים.

איור 4 מראה דוגמה של chromatogram לניתוח חומצות אורגניות בתוך אוכמניות. על ידי פניית chromatograms של הפתרון הסטנדרטי (לא מוצג כאן), הסוגים ריכוזי חומצות אורגניות בפתרון המדגם ידועים. עבור ההקצאות של הפסגות ציינו שמוצגות אגדת הדמות, שני שיאים שנצפו חומצת quinic ב chromatograms של הפתרונים הסטנדרטיים המדגמים. הם עשויים להיות להמחאה איזומרים של חומצה quinic. תוכן אורגני חומצה סה"כ מתקבל כסכום של חומצת לימון, חומצת quinic, חומצת מאלית, ותכני חומצה succinic.

איור 5 מציג דוגמה של chromatogram לניתוח אנתוציאנינים ב אוכמנית. פסגות רבות המתאימים DiffereNT סוג אנתוציאנינים הם נצפו. מאז סדר elusion עבור אנתוציאנינים אלו דווחו 14,15 כפי שמוצג בטבלה 1, פסגות שנצפתה ניתן להקצות אנתוציאנינים הפרט. תוכן אנתוציאנין סה"כ מתקבל כסכום של תוכן 13 סוגים של אנתוציאנינים.

מודלי כיול בנויים הספקטרום נצפה ואת תוכן המרכיב נקבע כימי. טבלה 2 מראה דוגמא של בחינת pretreatments. שישה pretreatments הסוג כולל "אף אחד (ללא טיפול מקדים)" נבחן לבניית מודל הכיול של תכולת סוכר הכוללת באמצעות ספקטרום על אזור wavenumber הקבוע של 12,500-3,600 -1 סנטימטר. pretreatments השונה לגרום הופעות חיזוי שונות. הופעות של המודלים הוערכו עם R 2 ו RPD. סוג pretreatments שנותן את predi הטוב ביותרביצועי ction נבחרו. בלוח 2, "נגזר שני + MSC," כלומר MSC לאחר החישוב נגזר השני, נותן את התוצאות הטובות ביותר. ואז אזורי wavenumber משמשים לבניית המודל נבחנים על ידי שינוי האזורים עם pretreatments הקבוע.

איור 6 מציג כדוגמה בעקבות אימות הצלב של מודל כיול עבור תכולת הסוכר הכולל, שבו המתאם בין הערכים החזויים על ידי ספקטרוסקופיה NIR ואת אלו שנקבעו על ידי HPLC מוצג. המודל נבנה עם "הנגזרת השניה + MSC" כמו pretreatments ושימוש 8,539-7,775 -1 ס"מ באזור של הספקטרום. מופע התחזית של המודל הוא R 2 = 0.85 ו RPD = 2.6, ממש מעל הקריטריונים לשימוש המעשי. בדוגמא זו, מספר דגימות משמשות לבניית המודל היה 30, שהוא קטן מכדי וחסרונותtruct מודלים ביצועים גבוהים.

איור 7 מראה כדוגמה בעקבות אימות הצלב של מודל כיול עבור תוכן לחומצה אורגני, שבו המתאם בין הערכים החזויים על ידי ספקטרוסקופיה NIR ואת אלו שנקבעו על ידי HPLC מוצג. המודל נבנה עם "בנגזרת הראשונה + MSC" כמו pretreatments ושימוש 7,505-5,446 ו 4,605-4,242 -1 ס"מ אזורים של ספקטרה. מופע התחזית של המודל הוא R 2 = 0.92 ו RPD = 3.6, אשר מספיק עבור היישום המעשי.

איור 8 מציג כדוגמא בעקבות האימות החיצונית של מודל הכיול עבור תוכן אנתוציאנין הכולל, עם המתאם בין הערכים החזויים על ידי ספקטרוסקופיה NIR ואת אלו שנקבעו על ידי HPLC. המודל נבנה עם "ד הראשון erivative "כמו המקדים ושימוש ס"מ 12,489-6,094 ו 4,605-4,242 -1 אזורים של ספקטרה. המופע התחזית של המודל הוא R 2 = 0.95 ו- RPD = 4.4, אשר מציג ביצועים טובים למדי של המודל בנוי. מאז אנתוציאנין קיים בעיקר הקליפות של אוכמניות, הוא ציין בקלות עם מדידות החזרה מפוזרת למרות תוכנו בתוך אוכמניות אינו גבוה. ביצועים הטובים שמוצגים באיור 8 ייגרמו גם על ידי המספר הגדול של דגימות (70) המשמש לבניית מודל .

איור 2
איור 2. ניר ספקטרום הקליטה של אוכמניות. ספקטרה של 70 אוכמניות מוצגים בו זמנית. נא ללחוץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

= "Jove_content" FO: keep-together.within-page = "1"> איור 3
איור 3. chromatograms עבור ניתוח כמותי של הסוכרים אוכמניות. Chromatograms של פתרונות סטנדרטיים של (א) סוכרוז, (B) גלוקוז, (C) פרוקטוז, ו (ד) הכרומתוגרמה של פתרון המדגם. אנא לחץ כאן כדי להציג גרסה גדולה יותר של דמות זו.

איור 4
איור 4. הכרומתוגרמה לניתוח כמותי של חומצות אורגניות ב אוכמנית. פסגות נצפו מתאים חומצת לימון (1), חומצת מאלית (2), חומצת quinic (0 ו -3), וחומצת succinic (4). PleASE לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

איור 5
איור 5. הכרומתוגרמה לניתוח כמותי של אנתוציאנינים ב אוכמנית. פסגות נצפו מוקצי אנתוציאנינים פרט מפורטים בטבלת 1 שבו זמן השמירה הסטנדרטי עבור כל אנתוציאנין מוצג. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

איור 6
איור 6. תוצאה של אימות הצלב של המודל עבור תכולת הסוכר הכולל. הערכים שחוזה ספקטרוסקופיה NIR הם זממו נגד אלה שנקבעו על ידי HPLC. R 2 = 0.85 ו RPD = 2.6 מתקבלים. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

איור 7
איור 7. תוצאה של אימות צלב של מודל תוכן חומצה אורגני. הערכים שחוזים ספקטרוסקופיה NIR הם זממו נגד אלה שנקבעו על ידי HPLC. R 2 = 0.92 ו RPD = 3.6 מתקבלים. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של נתון זה.

הספרה 8
איור 8. תוצאה של אימות החיצונית של מודל תוכן אנתוציאנין הכולל. הערכים שחוזים ספקטרוסקופיה NIR הם זממו נגד אלה דetermined ידי HPLC. R 2 = 0.95 ו- RPD = 4.4 מתקבלים. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

נוּסחָה אנתוציאנין זמן שמירת נציג (דקות)
ג '21 H 21 O 12 Delphinidin-3- O -galactoside 17.3
ג '21 H 21 O 12 Delphinidin-3- O -glucoside 19.7
ג '21 H 21 O 11 Cyanidin-3- O -galactoside 22.8
C 20 H 19 O 11 Delphinidin-3- 23.6
ג '21 H 21 O 11 Cyanidin-3- O -glucoside 24.5
C 22 H 23 O 12 Petunidin-3- O -galactoside 28.7
C 20 H 19 O 10 Cyanidin-3- O -arabinoside 31.3
C 22 H 23 O 12 Petunidin-3- O -glucoside 36.0
C 22 H 23 O 11 Peonidin-3- O -galactoside 37.0
ג '21 H 21 O 11 Petunidin-3- O -arabinoside 40.8
C 22 H 23 O 11 Peonidin-3- O -glucoside 43.7
ג 23 H 25 O 12 Malvidin-3- O -galactoside 45.0
C 23 H 25 O 12 Malvidin-3- O -glucoside 49.6

טבלה 1. אנתוציאנינים סרן הכלול אוכמניות. בפעמים שימור נציג בניתוח HPLC תחת תנאי הניסוי הנוכחי מוצגים גם הם.

עיבוד מקדים באזור wavenumber בשימוש לניתוח (-1 ס"מ) RPD R 2
אף לא אחד 12,500-3,600 1.7 0.69
נגזר שני 12,500-3,600 2.6
הנגזרת הראשונה 12,500-3,600 2.5 0.84
MSC 12,500-3,600 2.3 0.81
נגזרים + MSC שנית 12,500-3,600 2.8 0.88
נגזרים + MSC ראשון 12,500-3,600 2.7 0.87

טבלה 2. בחינת התלות של ביצועים חיזוי על pretreatments של הספקטרום הנצפה. R 2 ו RPD לניבוי תכולת הסוכר הכולל מפורטים.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

כמה הערות נוספות על הפרוטוקול מתוארים כאן. ראשית, בשלב 1.1, היא מוזכרת להחליט הזנים הכלולים היעד. למרות שניתן לבנות מודלים מכסים אוכמניות מן זנים רבים או מבלי לציין זנים, את דיוק החיזוי עם הדגמים הם לפעמים נמוך בהרבה מאלו עם המודלים עבור זן יחיד עבור זנים מוגבלים. כמו כן יש לציין כי מודלי הכיול צריכים להיות בנויים על אוכמניות מכל אתר ייצור כדי לקבל ביצועי חיזוי גבוהים בגלל אוכמניות שנקטפו באתרי ייצור שונים יש מאפיינים שונים אשר משפיעים על ביצועי חיזוי. 1

שנית, בשלב 2.3, היא מוזכרת לבחירת מצב ההחזרה המפוזרת עבור המדידות של ספקטרום. מצב השידור גם מוכן למדידות על ספקטרופוטומטר. למרות ספקטרום נמדד אמצעי השידור הואהסימפוני זמינה לבניית מודלי כיול, ניתן לבנות מודלים מדויקים ויציבים יותר ויותר עם הספקטרום נמדד במצב ההחזרה המפוזר ברוב המקרים. תכני החומצה האורגניים כוללים שלא ניתן לחזות את הספקטרום הנמדד במצב ההעברה. 3

שלישית, עבור המדידות של ספקטרום של אוכמניות, זה לא מומלץ למדוד ספקטרום על הגביע מאז תנאי שטח ואת התוכן סביב הגביע שונים מאלה על עמדות אחרות. אף על פי כן, זה אפשרי לבנות מודלי כיול באמצעות מספר מספיק של ספקטרום נמדד בשני הגביע ותפקידים נוספים. עם זאת, בדיוק של הדגמים הם ברוב המקרים נמוכים מאלה של הדגמים שנבנו על ספקטרה נמדדת רק על עמדות אחרות מאשר הגביע.

רביעית, ספקטרום NIR של אוכמניות תלויה בטמפרטורה. לכן, על מנת לבצע חיזוי מדויק או שזה important תמיד למדוד ספקטרום באותו טמפרטורת הסביבה או לבנות מודלים כיול בפיצוי על שינויי טמפרטורה. 1

חמישית, למרות שרק R 2 ו RPD משמשים לבחירת pretreatments ולהערכת ביצועי המודלים שנבנו כאן, כמה ערכים אחרים כגון SEC (סטיית התקן של כיול), ספטמבר (סטיית התקן של חיזוי), SECV (סטיית התקן של הצלב -Validation), RMSEP (שגיאת כיכר Mean שורש החיזוי), ו RMSECV (שגיאת כיכר Mean שורש חוצה אימות) משמשים בדרך כלל לבדיקה מפורטת יותר. במאמר הקודם שלנו, 3 למשל, RMSEP ו RMSECV שימשו לבחירת pretreatments ולהערכת ביצועי המודלים שנבנו.

חיזוי לא הורס של סוכר הכולל, חומצה אורגנית כללית, ותכני אנתוציאנין סכו בלאאבאררי היה found להיות אפשרי אם מודלים לתחזיות בנויים כהלכה. טכניקה זו ישימה לבחירת אוכמניות טעימות רק מכל אלה שנקטפו, אשר לא ניתן להשיג עם שיטות אנליטיות מסורתיות אחרות. 8,9 למרות הנהלים של הניתוחים הכימיים אולי נראים מסובכים, הם נכללים שיטות אנליטיות פופולריות ואינם מלווה בקשיים גדולים. חשוב לקבל תוצאות מדויקות עבור בדיקות כימיות משום שהתוצאות הן הבסיס של המודל בנוי. במחקר זה, RSD (סטיית תקן יחסית) של מדידות HPLC היה סביב 1%. כמו כן יש לבצע את ההליך הבסיסי, למשל כפי שמוצג באיור 1, לבניית מודלים כמעט החלימו.

שיטות פשוטות ומהירות במקום HPLC ניתן ליישם עבור הניתוחים הכימיים. תוכן וחומציות סוכר סה"כ ניתן למדוד, בהתאמה, עם refractometer(מטר בריקס) ואת מד pH. 16,17 שיטת pH הפרש ישים לשקיל תוכן אנתוציאנין הכולל. יישום של שיטות פשוטות לאפשר את בניית מודלים הרבה יותר קל אם כי הדיוק של הערכים החזויים על ידי מודלים עשוי להיות נמוכים יותר מאלו שחזו המודלים שנבנו על בסיס של מדידות HPLC שמוצג כאן. אף על פי כן, את הדיוק של המודלים שנבנו על בסיס הניתוח כימי פשוט עשוי לחול כמעט באתרי ייצור ותהליכי זרימה כי בדיקות מדויקות לא תמיד נחוצות שם. השיטות עבור ניתוחים כימיים, ולכן, יש לבחור על פי דיוק הדרושים הדגמים להיבנות.

למרות שחלק פרות כגון תפוחים ותפוזים נמכרים בדרך כלל עם תוכן סוכר מובטח acidities, אוכמניות שלא נמכרו עם איכויות מובטחות. כתוצאה מכך, איכות האוכמניות המסחריות עושהלא נראה יציב לפחות ביפן; לפעמים אוכמניות באיכות נמוכות נמכרות בשווקים. שיטות אנליטיות הורסות על ידי ספקטרוסקופיה NIR המוצג כאן צפויה לאפשר, באופן עקרוני, את המשלוח ומכירה של אוכמניות עם איכויות מובטחת.

לבסוף, יש מגבלות של שיטה זו. ראשית, כאמור לעיל, בניית מודלים לחיזוי די בעייתית. יתר על כן, מודל החיזוי צריך להיות בנוי עבור כל אתר וכל שנה של טיפוח בגלל השוני מסכומם של רכיבי coexisting (התלויים באתר לבין שנת טיפוח) משפיע על הדיוק של החיזוי. לכן, קצת מאמץ נדרש לשמירה על מודלים לחיזוי. שנית, אם כי הראינו כי ספקטרוסקופיה האינפרה-אדום הקרוב היא, באופן עקרוני, חלה על בדיקת האיכות של אוכמניות, הציוד והטכניקות המוצג כאן משמשים רק במעבדה ולא ישים באתרי ייצור להיותלגרום בדיקה מהירה של כמויות גדולות של פירות יער באתרי הייצור הוא בלתי אפשרי. פיתוח מעשי של ציוד ופיתוח מתאימים דגמי כיול חזקים מתאימים לשימוש במתקני ייצור תהליכים שבמחזור הוא כיוונים עתידיים.

Subscription Required. Please recommend JoVE to your librarian.

Materials

Name Company Catalog Number Comments
FT-NIR spectrophotometer Bruker Optics GmbH MPA 
High-Performance Liquid Chromatography Shimadzu Corporation 228-45041-91, 228-45000-31, 228-45018-31 For sugar analysis
223-04500-31, 228-45010-31, 228-45095-31 Refractive Index Detector
High-Performance Liquid Chromatography Shimadzu Corporation 228-45041-91, 228-45003-31, 228-45000-31 For organic acid analysis
228-45018-31, 228-45010-31, 223-04500-31 Ultraviolet-Visible Detector
High-Performance Liquid Chromatography Shimadzu Corporation 228-45041-91, 228-45018-31, 228-45000-31 For anthocyanin analysis
228-45012-31, 228-45119-31, 228-45005-31 Photodiode Array Detector
228-45009-31
pH meter Mettler-Toledo 30019028 S220, Automatic temperature compensation
Ultra-pure water treatment equipment ORGANO Corporation ORG-ULXXXM1; PRA-0015-0V0 PURELAB ultra; PURELITE
Biomedical Freezers  SANYO 2-6780-01 MDF-U338
Ultra-Low Temperature Freezer Panasonic healthcare Co.,Ltd. KM-DU73Y1 -80 °C
Vacuum lyophilizer IWAKI GLASS Co.,Ltd 119770 DRC-3L; FRD-82M
Homoginizer Microtec Co., Ltd.  Physcotron
Ultracentrifuge Hitachi Koki Co.,Ltd S204567 CF15RXII
Mini-centrifuge LMS CO.,LTD. KN3136572 MCF-2360
Centrifuge Kokusan Co.,Ltd 2-5534-01 H-103N
Filter Paper  Advantec 1521070 5B, Eqivalent to Whatman 40
Sep-Pak C18 column Waters Corporation Milford WAT020515
Sep-Pak CM column Waters Corporation Milford WAT020550
Sep-Pak QMA column Waters Corporation Milford WAT020545
Centrifugal Filter Unit Merck Millipore Corporation R2SA18503 PVDF, 0.45 μm
Microtube As One Corporation 1-1600-02 PP, 2 ml
Syringe Filter GE Healthcare CO.,LTD. 6788-1304 PP, 0.45 μm
Sucrose Wako Pure Chemical Industries,Ltd 194-00011 Reagent-grade
Glucose Wako Pure Chemical Industries,Ltd 049-31165 Reagent-grade
Fructose Wako Pure Chemical Industries,Ltd 123-02762 Reagent-grade
Citric acid Wako Pure Chemical Industries,Ltd 036-05522 Reagent-grade
Malic acid Wako Pure Chemical Industries,Ltd 355-17971 Reagent-grade
Succinic acid  Wako Pure Chemical Industries,Ltd 190-04332 Reagent-grade
Quinic acid Alfa Aesar, A Johnson Matthey Company 10176328 Reagent-grade
Phosphoric acid Wako Pure Chemical Industries,Ltd 162-20492 HPLC-grade
Trifluoroacetic acid Wako Pure Chemical Industries,Ltd 208-02746 Reagent-grade
Methanol Wako Pure Chemical Industries,Ltd 131-01826 Reagent-grade
Acetonitrile Wako Pure Chemical Industries,Ltd 015-08633 HPLC-grade
Grade cyanidin-3-O-glucoside chloride Wako Pure Chemical Industries,Ltd 306-37661 HPLC-grade
Software for analyses Bruker Optics GmbH OPUS ver. 6.5
Softoware for preprocessing Microsoft Excel powered by Visual Basic for Applications
Software for construction of models Freemat 4.0 http://freemat.sourceforge.net/

DOWNLOAD MATERIALS LIST

References

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

Tags

כימיה גיליון 112 כימיה אנליטית אוכמניות קרוב אינפרא אדום ספקטרוסקופיה סוכר חומצה אורגנית אנתוציאנין Chemometrics ריבועים פחותים חלקית (PLS) רגרסיה HPLC
בניית מודלים לחיזוי הורס של תוכן מרכיב האוכמניות ידי ספקטרוסקופיה האינפרה-אדום הקרוב בהתבסס על מדידות HPLC
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Bai, W., Yoshimura, N., Takayanagi,… More

Bai, W., Yoshimura, N., Takayanagi, M., Che, J., Horiuchi, N., Ogiwara, I. Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements. J. Vis. Exp. (112), e53981, doi:10.3791/53981 (2016).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter