基于非靶向代谢组学的茄梨和红茄梨成熟期果皮代谢产物的差异分析

为了探究西洋梨品种茄梨及其红色芽变红茄梨成熟期果皮代谢产物差异,采用超高效液相色谱-质谱联用技术,对茄梨和红茄梨成熟期果皮进行非靶向代谢组学研究。通过主成分分析和正交偏最小二乘判别分析,构建了多变量统计分析模型,结合模型和变量重要性投影与最大差异倍数值,基于精确质量数、二级碎片以及同位素分布,使用PMDB(Plant Metabolome Database)数据库进行定性,筛选并鉴定出茄梨和红茄梨果皮中显著性变化(P<0.05, VIP(variable importance in project)≥1)的差异代谢物有83种,主要包括酚酸类、黄酮类和氨基酸类物质,涉及类黄酮代谢、氨基酸代谢、苯丙烷类代谢等代谢途径,其中53种物质含量上调,30种物质表达下调。通过KEGG(Kyoto Encyclopedia of Genes and Genomes)数据库进一步对差异代谢物质进行通路富集分析,差异代谢物主要分布在20条代谢途径中,P<0.05的代谢途径有6条,分别是类黄酮生物合成、黄酮和黄酮醇生物合成、苯丙烷生物合成、丁酸酯代谢、苯丙氨酸代谢、酪氨酸代谢。这些差异代谢物的变化可能是导致茄梨和红茄梨果皮色泽不同的原因。该研究从植物代谢组学角度初步揭示了茄梨和红茄梨成熟期果皮的代谢产物差异性。     

原子吸收光谱法测定磷酸酯化梨渣吸附的Cr（Ⅵ）离子

通过原子吸收光谱法研究了在不同pH值、吸附剂量、吸附质浓度和吸附时间条件下磷酸酯化改性梨渣吸附Cr（Ⅵ）离子的效果。溶液初始pH 4.5时,Cr（Ⅵ）离子的吸附达到最大值;酯化梨渣≥10g.L-1能除去Cr（Ⅵ）为100μg.L-1溶液中的86.5%的Cr（Ⅵ）离子。酯化梨渣对Cr（Ⅵ）离子的吸附符合Langmuir等温模型,其最大吸附能力为67.56μg.g-1。Cr（Ⅵ）离子达到吸附平衡的时间为90min,准一级反应动力学方程可描述酯化梨渣对Cr（Ⅵ）离子的吸附过程。     

固相萃取-超高效液相色谱-电喷雾串联质谱法检测梨树叶中熊果苷

建立了固相萃取净化、超高效液相色谱-串联质谱检测梨树叶中熊果苷含量的方法.将粉碎的梨树叶样品用甲醇提取,ENVITM-18固相萃取柱净化,超高效液相-电喷雾串联四级杆质谱检测,外标法定量.测定时用 Acquity UPLC HSS T3 色谱柱(50 mm×2.1 mm,1.8μm)分离,甲醇-水(V/V,7+93)洗...     

火焰原子吸收光谱法测定软儿梨中微量元素

采用火焰原子吸收光谱法测定了软儿梨果肉和果汁中K、Mg、Fe、Ca、Mn、Cu、Zn的含量.样品以HNO3-HClO4消解,对消解和仪器测定条件进行了优化选择,建立了相应的原子吸收光谱测定方法.方法的RSD在1.0%～3.0%之间,加标回收率在90%～100%之间.     

LS-SVM的梨可溶性固形物近红外光谱检测的特征波长筛选

为提高梨可溶性固形物含量(soluble solids content,SSC)的近红外光谱模型的精度和稳定性,以160个梨样品为实验对象,分别对原始光谱、多元散射校正(MSC)和标准正态变量变换(SNV)处理后的光谱,经无信息变量消除算法(UVE)挑选后,再结合遗传算法(GA)和连续投影算法(SPA),筛选梨可溶性固形物的近红外光谱特征波长。将筛选后的波长作为输入变量建立梨可溶性固形物的最小二乘支持向量机(LS-SVM)模型。结果表明经过SNV-UVE-GA-SPA从全波段3112个波长中筛选出的30个特征波长建立的梨可溶性固形物LS-SVM模型效果最好,该模型的预测集相关系数(R_p)和预测均方根误差(RMSEP)分别为0.956和0.271。该模型简单可靠,预测效果好,能满足梨的可溶性固形物含量的快速检测,为在线检测和便携式设备开发提供了理论基础。     

梨花粉红外波段复折射率测定与分析

花粉是生物气溶胶重要的组成部分,复折射率是研究花粉光学特性以及探测、识别生物气溶胶成分的重要参数。采用压片法对梨花粉2.5~15 μm波段的反射光谱进行了测量,利用Krames-Kronig(K-K)关系计算了复折射率,并就傅里叶红外光谱仪测试压片的入射角和复折射率长波长、短波长区外推两方面对结果作了误差分析。结果表明,测试时18°入射角以及长波长、短波长区外推对梨花粉复折射率的计算结果影响不大,利用反射光谱计算花粉复折射率的方法是可行的。计算得到的复折射率谱对梨花粉光学特性的研究以及生物气溶胶成分的探测、识别有一定的参考价值。     

水果坚实度的近红外光谱检测分析试验研究

应用傅里叶漫反射近红外光谱技术探讨了水果坚实度无损检测的方法。利用偏最小二乘法建立了坚实度与漫反射光谱的无损检测数学模型,同时对不同光谱预处理方法和不同建模波段范围对模型的预测性能进行了对比分析。结果表明：利用傅里叶变换光谱仪采集的原始光谱的平滑预处理对结果并没有太大影响;原始光谱在800～2 500 nm范围的模型得到了最好的预测结果：校正集样本的相关系数r为0.869,校正均方根误差RMSEC为3.88 N;预测集样本的相关系数r为0.840,预测均方根误差RMSEP为4.26 N。 通过本研究得出：应用近红外漫反射光谱检测水果坚实度是可行的,为今后快速无损评价水果成熟度提供了理论依据。     

基于高光谱图像技术与迁移学习的水晶梨早期损伤检测

梨在储藏、包装和运输等过程中均可能发生不同程度的机械损伤,若不及时剔除损伤梨,损伤可能会逐渐严重而演变成腐烂,造成严重的经济损失。为建立一种梨早期损伤检测及损伤时间评估的快速、无损检测方法,采用高光谱图像结合迁移学习模型对损伤早期水晶梨进行识别。以无损伤、挤压损伤24 h和挤压损伤48 h的水晶梨为研究对象,应用高光谱成像系统采集样品的高光谱图像,共获取无损伤、挤压损伤24 h和挤压损伤48 h的水晶梨高光谱图像各80帧。对高光谱图像进行主成分分析,选择主成分图像4,5,6（PC4,PC5,PC6）作为检测水晶梨损伤的特征图像,将3个主成分图像拼接后进行数据扩充共得到无损伤、挤压损伤24 h和挤压损伤48 h的特征图像各160帧。按照9∶1比例划分样本训练集和测试集后,分别建立了支持向量机（SVM）、k-近邻（k-NN）和基于ResNet50网络的迁移学习损伤识别模型。SVM、k-NN和基于ResNet50网络的迁移学习模型对测试集样本总体识别准确率分别为83.33%,85.42%和93.75%,基于ResNet50网络的迁移学习模型识别效果最佳,其对测试集中无损伤、挤压损伤24 h和挤压损伤48 h的样本正确识别率分别达到100%,83%和95%。该研究结果表明,高光谱图像技术结合基于ResNet50网络的迁移学习模型可实现水晶梨早期损伤检测,并对损伤时间有较好的预测效果,且损伤时间越长,识别准确率越高。     

应用ICP-MS测定水果中重金属的分布

以市场销售的多种水果为实验材料,借助于ICP-MS对水果中重金属在果皮和果肉的分布进行了测定.同一个果实中重金属(Cr,Sb,Cd,Pb,Sn,Zn,Cu,Mn,Co,Ni和Tl)含量主要集中于果皮,果肉中重金属含量显著低于果皮.这些结果说明重金属被植物吸收以后,容易在果皮积累,果肉中含量较少.在目前环境污染严重的背景下,食用水果时应当注意削皮,尽量减少重金属危害.重金属在苹果果实中分配规律的机理需要进一步研究.     

从月桂烯合成梨圆蚧性信息素

梨圆蚧是对果林危害较大的害虫。该虫的性信息素包括三个组分:3-亚甲基-7-甲基-7-辛烯-1-醇丙酸酯(1)、(2Z)-3,7-二甲基-2,7-辛二烯-1-醇丙酸酯(2)和(2E)-3,7-二甲基-2,7-辛二烯-1-醇丙酸酯(3)。本文介绍了通过对月桂烯进行结构改造来合成梨圆蚧性信息素,从月桂烯到1,总产率为19%。工业上从月桂烯制龋萑花醇和香叶醇,再将橙花醇和香叶醇转变为相应的氯烯醇后再还原、丙酰化即得2和3,其总产率分别为30%和28%。(以橙花醇和香叶醇计)。月桂烯可从β-蒎烯裂解而得。我国有丰富的蒎烯资源,所以开辟从月桂烯合成梨圆蚧性信息素的新途径具有重要的意义。