期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
红外光谱数据融合对栽培滇重楼产地鉴别
1
作者 丁于刚 张庆芝 《云南中医学院学报》 2022年第1期72-78,共7页
目的 多样的环境因素使得不同产地栽培滇重楼的化学成分也丰富多样,不同居群栽培滇重楼的甾体皂苷类成分具有很大的差异,多源数据融合分析能更全面的表征药材化学信息,建立一个高效而准确的产地鉴别模型,为其资源合理开发利用提供依据... 目的 多样的环境因素使得不同产地栽培滇重楼的化学成分也丰富多样,不同居群栽培滇重楼的甾体皂苷类成分具有很大的差异,多源数据融合分析能更全面的表征药材化学信息,建立一个高效而准确的产地鉴别模型,为其资源合理开发利用提供依据。方法 以来自云南和四川的8个产地(保山、楚雄、大理、红河、丽江、成都、文山、玉溪)共366份栽培滇重楼根茎为实验材料,采集其傅里叶变换近红外光谱(FT-NIR)和衰减全反射-傅里叶变换中红外光谱(ATR-FTMIR)数据。采用Kennard-Stone算法将不同产地的样品分为2/3的训练集和1/3的预测集,基于4种特征变量提取方法(CARS、VIP、SPA、SO-Covsel)结合2种数据融合策略(低级数据融合和中级数据融合),建立偏最小二乘产地判别分析模型。根据模型参数交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)评估模型的稳定性,模型训练集和预测集准确率(ACC)评估模型分类性能。结果 近红外光谱和中红外光谱均能反应不同产地栽培滇重楼的化学成分差异,在中级数据融合中,基于VIP和SPA提取的特征变量建立的模型正确率均大于94%。相较于中级数据融合,低级数据融合模型得到了最为满意的结果,其预测集分类正确率达到100%。结论 根据近红外和中红外数据建立的低级数据融合PLS-DA模型,能够用于栽培滇重楼的产地鉴别分析。 展开更多
关键词 栽培滇重楼 产地鉴别 偏最小二乘判别分析 特征变量提取方法 数据融合
下载PDF
UPLC法同时测定云南重楼栽培品中11种皂苷的含量 被引量:8
2
作者 昝珂 高宇明 +4 位作者 崔淦 刘杰 过立农 郑健 马双成 《药物分析杂志》 CAS CSCD 北大核心 2017年第9期1572-1577,共6页
目的:建立超高效液相色谱法同时测定云南重楼栽培品中伪原薯蓣皂苷、伪原纤细薯蓣皂苷、重楼皂苷Ⅶ、重楼皂苷D、重楼皂苷H、重楼皂苷Ⅵ、重楼皂苷Ⅱ、薯蓣皂苷、纤细薯蓣皂苷、重楼皂苷Ⅰ、重楼皂苷Ⅴ共11种甾体皂苷的含量。方法:采用C... 目的:建立超高效液相色谱法同时测定云南重楼栽培品中伪原薯蓣皂苷、伪原纤细薯蓣皂苷、重楼皂苷Ⅶ、重楼皂苷D、重楼皂苷H、重楼皂苷Ⅵ、重楼皂苷Ⅱ、薯蓣皂苷、纤细薯蓣皂苷、重楼皂苷Ⅰ、重楼皂苷Ⅴ共11种甾体皂苷的含量。方法:采用CORTECS UPLC C_(18)(2.1 mm×100 mm,1.6μm)色谱柱,以乙腈(A)-水(B)为流动相,梯度洗脱(0~18 min,30%A→50%A;18~28 min,50%A),流速0.3 mL·min^(-1),检测波长203 nm,柱温30℃,进样量1μL。结果:伪原薯蓣皂苷、伪原纤细薯蓣皂苷、重楼皂苷Ⅶ、重楼皂苷D、重楼皂苷H、重楼皂苷Ⅵ、重楼皂苷Ⅱ、薯蓣皂苷、纤细薯蓣皂苷、重楼皂苷Ⅰ、重楼皂苷Ⅴ线性范围分别为2.006~401.2、2.024~404.8、1.972~394.4、1.912~382.4、1.896~379.2、1.772~354.4、2.056~411.2、2.016~403.2、1.970~394.0、1.736~347.2、1.756~351.2μg·mL^(-1);平均回收率(n=6)分别为98.73%、100.30%、101.90%、99.52%、98.33%、100.25%、98.57%、97.70%、101.63%、100.16%和98.80%,RSD分别为2.09%、2.41%、1.77%、2.74%、1.50%、2.35%、2.06%、1.76%、2.82%、2.05%和1.86%。云南重楼栽培品中上述11种甾体皂苷的含量分别为0~0.874、0~0.764、1.066~5.144、0~0.327、1.192~1.952、0~0.455、2.442~6.182、0.394~0.954、0~0.681、2.182~10.105、0~0.674 mg·g^(-1)。结论:该方法可用于同时测定云南重楼栽培品中11种甾体皂苷的含量,为云南重楼药材的质量评价提供参考。 展开更多
关键词 云南重楼 甾体皂苷 伪原薯蓣皂苷 伪原纤细薯蓣皂苷 重楼皂苷 薯蓣皂苷 纤细薯蓣皂苷 超高效液相色谱
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部