紫外光谱结合化学计量学区分不同产地川东獐牙菜

作者：狄准; 赵艳丽; 张霁; 王元忠; 李鹂

来源：中国实验方剂学杂志, 2016, 22(18): 21-26.

DOI：10.13422/j.cnki.syfjx.2016180021

• 主成分分析
• 偏最小二乘判别分析
• 川东獐牙菜
• 产地鉴别

目的:分析鉴别4个产地川东獐牙菜,并建立预测模型,预测产地区分准确性。方法:光谱数据导入UVProbe2.34,比较不同产地相同部位的紫外光谱图,将原始光谱数据以及经过8点平滑、一阶求导和二阶求导后的数据导入SIMCA-P11.5,进行主成分分析(PCA),比较三维得分图的产地鉴别效果。结果:主成分分析中以叶的原始数据以及8点平滑处理数据鉴别效果最佳,主成分累计贡献率均为98.8%,其余预处理方式无法取得较好的鉴别效果可能与主成分数累计值有关(一阶求导为83.9%,二阶求导为47.3%)。根部数据能将重庆、湖北的样品和湖南样品分开,但重庆和湖北的样品无法区分。建立偏最小二乘判别分析(PLS-DA)模型,检测鉴别模型的可靠性,并为预测更多产地的区分提供依据。将验证集带入训练集建立的模型进行偏最小二乘判别分析,能区分产地,证明该模型产地鉴别效果可行。PLS-DA中训练集的预测值和真实值相关系数为0.985,其评估均方差(RMSEE)为0.159,验证集导入训练集后其预测值与真实值的相关系数为0.927,预测均方差(RMSEP)为0.327,RMSEE与RMSEP两者相近,且都<0.500,该模型的预测可靠性高。结论:运用紫外光谱结合主成分分析和偏最小二乘判别分析能够较好的鉴别不同产地川东獐牙菜,构建模型预测效果较好,加入未知产地样品也能较好区分。

• 单位
  云南省农业科学院药用植物研究所