泰和乌鸡的数字化及黑色素预测模型研究

作者：周一鸣; 刘姣; 宋昕祁; 张恬; 李慧; 袁媛; 黄璐琦

来源：中国药学杂志, 2023, 58(16): 1470-1477.

• 泰和乌鸡
• 黑色素
• 矿物质元素
• 预测模型
• 神经网络

目的 对泰和乌鸡“色乌”性状进行量化表征，研究泰和乌鸡黑色素和矿物质元素含量与“色乌”性状的相关性，建立一种快速无损准确的方法预测不同生长时期泰和乌鸡黑色素含量，从而完成泰和乌鸡“色乌”的数字化。方法 通过色差仪量化4个生长时期280只泰和乌鸡的色度值L*、a*、b*,分别采用酶联免疫测定（ELISA）法和电感耦合等离子体质谱法（ICP-MS）对同一批样品的黑色素和10种矿物质元素含量进行测定和分析，采用Pearson对泰和乌鸡黑色素与矿物质元素含量的相关性进行分析；基于色度学原理和反向传播-人工神经网络算法（back propagation-artificial neural networks, BP-ANN）利用色度值对泰和乌鸡黑色素含量进行预测，采用均方误差(SME)和决定系数（r2）作为模型准确性的评价标准。结果 不同周龄泰和乌鸡的色度值L*、a*、b*随周龄增加而增加，且色度值与黑色素含量具有显著相关性，黑色素和矿物质元素含量均具有显著性差异，黑色素含量越高，Mg、Ca、Sc、Fe、Zn元素含量也越高；基于BP-ANN建立的黑色素预测模型验证集SME和r2分别为0.159 2、0.906 5。结论 泰和乌鸡色度值、黑色素和矿物质元素三者间具有显著相关性，SME和r2数据表明建立的模型可靠，能较好地预测泰和乌鸡中黑色素含量。

• 单位
  中国中医科学院; 江西中医药大学