桉树杂交种与其亲本的近红外光谱判别

研究桉树控制授粉后目标性状的基因作用方式是探索其基因重组规律的重要内容。常规的数量统计分析精度往往不高,而DNA分析的专业要求高,且费时费力。该研究利用近红外光谱(NIRs)研究不同基因型桉树杂交种、亲本及杂交种与亲本间近红外光谱信息的关系,探索NIRs用于桉树杂交种与其亲本判别的可行性和准确性。以控制授粉的桉树亲本及其杂交F1代材料为对象,每种基因型从各自田间试验分别选取10个单株,采集树冠中上部新鲜健康叶片。用手持式近红外仪Phazir Rx(1624)采集桉树杂交种与其亲本叶片的NIRs信息。每单株选10片完全生理成熟的健康叶片,避开叶脉扫描其正面光谱5次,以50条NIRs信息的均值代表单个叶片的NIRs信息,最终每个基因型获得10条NIRs信息。对原始NIRs采用二阶多项式S.G一阶导数预处理。预处理后的NIRs用于多元统计分析,首先对桉树杂交亲本和子代样本进行主成分分析(PCA),直观展示不同基因型的分类情况。然后运用簇类独立软模式(SIMCA)和偏最小二乘判别分析(PLS-DA)两种有监督的判别模式验证NIRs用于桉树杂交种与其亲本树种的分类判别效果。PCA结果显示,不同的亲本间、杂交种间及杂交种与亲本间样本的主因子得分可以清晰地将各基因型分开。SIMCA模式判别分析中,桉树杂交种样本到亲本PCA模型的样本距离显示,待判别样本能够形成单独的聚类,且能直观反映两者的遗传相似。PLS-DA判别结果显示,桉树杂交亲本的PLS模型能通过预测其杂交子代的响应变量将其与亲本准确分开。结果表明,桉树叶片的NIRs信息可以准确地反映桉树杂交子代遗传信息的传递规律,NIRs判别模型可以准确地将各种基因型予以区分。因此,NIRs信息不仅可用于桉树杂交种和纯种的定性判别,还可以分析桉树基因重组过程中加性遗传效应的大小,从而为桉树遗传基础分析及其育种改良研究提供理论支撑。     

电感耦合等离子体质谱(ICP-MS)法结合化学计量学分析比较6种松针中无机元素的含量

摘 要 为研究甘肃地区松针中无机元素的含量,探究不同品种松针中无机元素的差异,采用HNO3(65%)对松针样品进行微波消解,电感耦合等离子体质谱(ICP-MS)法测定甘肃两地区6种松针中28种无机元素的含量,结合主成分分析以及偏最小二乘判别分析对松针地区差异进行判别;结果显示松针中无机元素含量丰富,其中Na、Mg、Al、K、Ca、Fe、Zn、Mn、Sr等元素在不同品种松针中均有较高含量,主成分分析结果显示共有7个主成分,累积贡献率达到92.58%,偏最小二乘判别分析显示两地区6种松针在地区上可被明显分开,其中Mg、Fe、Zn、Mn、Sr、K 6种元素为造成地区差异的主要元素。实验结果表明松针中元素种类丰富,人体必需微量元素含量较高,且不同地区松针在地区上具有一定的一致性和特异性。     

基于高光谱的黑色签字笔墨水种类鉴别方法研究

该文提出了高光谱成像技术结合机器学习快速无损鉴别黑色签字笔墨水种类的新方法。采集36支不同品牌型号的黑色签字笔笔迹的高光谱图像,对每支签字笔笔迹的高光谱图像选取18个感兴趣区域,共提取648个平均光谱作为样本集。对450～950 nm的原始光谱进行Savitzky－Golay平滑、Z－Score标准化和两种组合方法光谱预处理,使用线性判别分析（LDA）和随机子空间－线性判别分析（RSM－LDA）分别构建黑色签字笔墨水种类鉴别模型。实验结果表明：不同预处理方法对RSM－LDA模型的鉴别准确率影响较小,而对于LDA模型,组合预处理具有更优的鉴别准确率;相比LDA模型,RSM－LDA模型分类效果更佳,训练集的平均分类准确率达100%,交叉验证平均分类准确率达99.09%,测试集的平均分类准确率达90.70%,每类样本的准确率、精准率、召回率均高于LDA模型分类结果,模型的接受者操作特征曲线下方面积（AUC值）达0.998 3,模型性能良好。因此,采用高光谱成像技术结合RSM－LDA可实现不同品牌型号黑色签字笔墨水的快速无损鉴别。     

基于人血浆荧光光谱与CARS-PLS-LDA的结直肠癌早期检测

该文利用竞争性自适应加权算法（CARS）筛选重要的人血浆荧光光谱变量,并结合偏最小二乘法判别分析（PLS－LDA）建立了结直肠癌患者与非癌患者的分类模型,同时与全波长模型和基于平行因子分析（PARAFAC）建立的模型进行比较。从模型评价指标看,CARS－PLS－LDA的性能显著优于全波长模型和基于PARAFAC的模型。高波未稀释组和低波稀释组的荧光光谱结合CARS－PLS－LDA分类模型的AUC（Area under curve）值均高于0.9,可有效地识别结直肠癌患者。结果表明,CARS变量筛选能够明显改善结直肠癌分类模型的性能,有助于后续癌症临床诊断工具的开发与研究。     

判别分析与Logistic回归组合分类

本文讨论判别分析与Logistic回归组合方法的二分类问题.模拟结果显示,基于判别分析的Logistic回归的第一组合法的回判正确率往往高于判别分析分类和Logistic回归分类.第二组合法是基于Logistic回归的判别分析分类,回判正确率接近于Logistic回归的分类结果.很多情况下,这两种方法的回判正确率都高于判别分析。     

基于毛竹叶片理化参数的刚竹毒蛾危害检测研究

虫害检测算法研究是开展虫害快速、准确监测，制定精准森防检疫措施的重要基础。以毛竹叶片为研究尺度，基于刚竹毒蛾危害下的寄主外部形态与内部生理现象总结，选择并实测叶损量LL、相对叶绿素含量RCC、相对含水量RWC、原始光谱的733.66~898.56 nm值(ρ_{733.66~898.56})、一阶微分光谱的562.95~585.25 nm值(ρ′_{562.95~585.25})与706.18~725.41 nm值(ρ′_{706.18~725.41})等理化参数，随机划分实验组(63组)和验证组(37组)并设计5次重复实验；分别运用Fisher判别分析、BP神经网络、随机森林等三种方法建立刚竹毒蛾危害等级的检测模型，从检测精度、Kappa系数及R2等指标对模型的检测效果予以分析和比较。结果显示，Fisher判别分析、BP神经网络、随机森林的检测精度分别为69.19%，65.41%，83.78%，Kappa系数分别为0.576 9，0.532 4和0.778 8，R2分别为0.722 2，0.582 6和0.870 9，总体而言，三种方法均具备刚竹毒蛾危害的检测能力，随机森林的检测效果最优，Fisher判别分析次之，再次为BP神经网络；从分等级来看，随机森林的检测精度亦优于Fisher判别分析与BP神经网络，但3种方法对中度危害等级的检测精度均有所不足。该成果可为刚竹毒蛾危害及其他病虫害检测算法的选择提供参考，并为进一步建立冠层、遥感影像像元等尺度的虫害检测模型奠定基础。     

素食人群尿液1H NMR代谢轮廓的多因素方差分析

结合方差分析(ANOVA)和偏最小二乘法判别分析(PLS-DA)两种分析技术,对素食和普食人群的尿液1H NMR谱进行分析.利用ANOVA方法将数据矩阵分解为几个独立因素矩阵,滤除干扰因素后,再利用PLS-DA对单因素数据进行建模分析.实验结果表明,ANOVA/PLS-DA方法可以有效地减少饮食因素和性别因素之间的相互...     

近红外光谱技术结合4种算法分析尾巨桉-马占相思制浆原料的混合程度与主化学成分

为缓解我国木浆供应压力,满足混合原料制浆的实际需求,该文进行了近红外光谱快速分析混合制浆原料的研究。采集145个人为控制尾巨桉含量的尾巨桉-马占相思混合样品的近红外光谱,用常规方法测定其综纤维素、聚戊糖、Klason木质素含量。对原始光谱进行一阶导数与标准正态变换预处理后,分别运用偏最小二乘法、支持向量机法、人工神经网络法和LASSO算法建立尾巨桉、综纤维素、聚戊糖、Klason木质素含量分析模型。其中LASSO法建立的尾巨桉和综纤维素含量分析模型最优,预测均方根误差(RMSEP)分别为1.80%、0.60%;绝对偏差(AD)分别为-3.03%~3.17%、-1.03%~0.98%,模型性能可满足较精确的快速分析。偏最小二乘法建立的聚戊糖含量分析模型最优,RMSEP为0.75%,AD为-1.26%~1.33%;支持向量机法建立的Klason木质素含量分析模型最优,RMSEP为0.48%,AD为-0.82%~0.86%,两个模型性能适用于非精确性的分析。该研究为混合制浆原料的快速分析提供了可能,同时也证实了LASSO算法的适用性。     

基于串级质谱信息进行蛋白质数据库搜索的结果可靠性分析

SEQUEST与Mascot为目前蛋白组学分析研究中使用最为广泛的蛋白质库搜索工具.尝试将Mascot与SEQUEST搜索结果进行比较,进而采用不同多变量判别方法对二者的搜索结果进行判别分析,以降低其结果的假阳性率.通过对Mascot与SEQUEST搜索结果进行比较,发现所得结果差异很大;利用多变量判别分析方法对Mascot及SEQUEST搜索结果进行判别分析,可有效提高SEQUEST结果中假阳性结果与正确结果之间的区分能力.对于Mascot搜索结果,采用多变量判别分析方法仍无法显著降低其假阳性结果,利用Decoy库搜索结果进行估计时亦存在导致错误估计的风险.