当前位置: 仪器信息网 > 行业主题 > >

叶红外蛋白仪

仪器信息网叶红外蛋白仪专题为您提供2024年最新叶红外蛋白仪价格报价、厂家品牌的相关信息， 包括叶红外蛋白仪参数、型号等，不管是国产，还是进口品牌的叶红外蛋白仪您都可以在这里找到。 除此之外，仪器信息网还免费为您整合叶红外蛋白仪相关的耗材配件、试剂标物，还有叶红外蛋白仪相关的最新资讯、资料，以及叶红外蛋白仪相关的解决方案。

叶红外蛋白仪相关的论坛

  • 【原创大赛】近红外光谱快速检测人血白蛋白原液蛋白质含量的建模研究

    【原创大赛】近红外光谱快速检测人血白蛋白原液蛋白质含量的建模研究

    [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]快速检测人血白蛋白原液蛋白质含量的建模研究摘要：本研究建立[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]定量分析模型，对浓缩液蛋白含量进行快速及有效的测定。在实验室条件下配置不同浓度的蛋白样品，建立用于蛋白含量测定的定量分析模型，以实现浓缩液蛋白含量的快速及有效的判断。关键词：[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术；人血白蛋白；定量分析模型1材料1.1 试剂供试品：人血白蛋白原液；生理盐水。1.2 仪器和软件AntarisⅡ傅里叶变换[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]（美国Thermo Fisher scientific公司）；内径4×50 mm的玻璃小管（Kimble Chase，德国）； MATLAB 2015a（美国Mathworks公司）；PLS_Toolbox工具箱（美国Eigenvector Research公司）。2方法2.1 蛋白含量的测定及样品溶液的配制2.1.1 蛋白质含量的测定取生产过程中超滤浓缩后的人血白蛋白原液为实验供试品，用半微量凯氏定氮法测定蛋白质浓度，浓度应不低于26.5%。2.1.2样品溶液的配制根据试验需要，将供试品溶液用生理盐水进行稀释得到多个不同蛋白质浓度的实验样品。2.2 样品光谱的采集本实验使用AntarisⅡ傅里叶变换[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]，采用透射分析模块，采用仪器自带的RESULT-Intergration软件编写采集光谱的工作流程。光谱分辨率为8 cm-1，扫描范围为10000-4000 cm-1，扫描次数为32次，用偏最小二乘回归（Partial Least Squares Regression, PLSR）方法建立定量模型。2.3 校正集和验证集的划分校正集中的样品应包含使用该模型预测的未知样品的所有化学成分。且校正集中的样品的化学成分浓度范围应覆盖使用该模型预测的未知样品中可能存在的浓度范围。而且验证集中的样品应涵盖使用模型分析的待测样品中的化学组成，测定浓度范围也应尽可能覆盖该模型分析的待测样品可能存在的浓度范围，且分布均匀。所以，需要选择合理的样品集划分方法，以提高模型的应用性及准确性。2.4 预处理方法的选择为了消除噪声和产生的基线漂移，提高模型的预测能力，得到稳健的模型，需要在模型建立前对样品的原始光谱进行预处理，常用的谱图处理方法有均值中心化（Mean Center）、标准化（Auto scale）、平滑和导数等。导数是常用的基线校正和光谱分辨预处理方法，但也会放大噪声的信号，降低光谱的信噪比；为消除光谱变换带来的噪声，常对原始光谱进行平滑后求导，能有效提高信噪比；均值中心化可增大不同样品之间的差异，从而使模型的稳健性和预测能力得到提高；标准化可以使光谱中所有波长变量的权重相同，增加光谱之间差异化，适合于低浓度成分的建模。本研究中对Auto scale、Mean Center、一阶导数（First Derivative，FD）SG13点平滑、二阶导数（Second Derivative，SD）SG13点平滑等预处理方法进行了考察，以模型的RMSEP为指标，选择最合适的预处理方法。2.5 光谱区间的选择[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]信息十分复杂，在建立校正模型的过程中选择有效的建模变量是十分必要的。本研究选用间隔偏最小二乘法（Interval Partial Least Squares Regression, iPLS)），以RMSECV值为评价标准，选择变量区间以建立最佳的定量模型。3 实验结果3.1 蛋白质含量的测定结果采用半微量凯氏定氮法进行蛋白含量的测定，测定得到17个样品的蛋白含量。用生理盐水稀释样品，共得到49个不同蛋白质含量的样品。3.2 样品的原始光谱图1为49个蛋白样品的原始光谱，原始光谱图中可见各样品的光谱差异不明显，因此需要使用化学计量学方法对样品光谱进行处理。[align=center][img=,494,237]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151606_01_1626619_3.png[/img][/align][align=center]图1 样品原始光谱图[/align]3.3 校正集和验证集的划分结果本研究采用Kennard-Stone（K-S）分类的算法，按照2:1的比例进行样品集的划分，划分为33个校正集样品和16个验证集样品。图2为校正集样品和验证集样品的主成分得分图，图中灰色点为校正集样品，红色点为验证集样品，从主成分得分图中可以看出，校正集样品和验证集样品分布比较均匀，且验证集样品比较均匀的分布在校正集样品之间，符合理想校正集和验证集的要求。[align=center] [img=,467,301]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151608_01_1626619_3.png[/img][/align][align=center]图2 样品主成分得分图[/align]3.4 光谱预处理的结果建模过程中，分别采用各种方法对光谱数据进行预处理，包括标准化（Auto scale）、均值中心化（Mean Center）、一阶导数（First Derivative，FD）、SG13点平滑、二阶导数（Second Derivative，SD）等处理方法，以RMSEP作为评价模型的参数，通过对比预处理后的建模结果，选出最合适的预处理方法。表1列出了预处理后各模型的评价参数，通过比对，可以较直观的选出一阶导数SG13点平滑和Mean Center的组合为最佳预处理方法。图3所示为用经过一阶导数SG13点平滑和Mean Center 预处理后的光谱所建立的模型的结果，从图3中可以看出，建模效果较好，预测能力较高，Rc2=0.994，Rp2=0.986，RMSEC=0.1993%，RMSEP=0.2585%，RMSECV=0.2518%。[align=center]表1 不同预处理后各模型参数[/align][align=center][img=,629,241]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151613_01_1626619_3.png[/img][/align][align=left]FD+SG：一阶导数+SG13点平滑[/align][align=left]SD+SG：二阶导数+SG13点平滑[/align][align=center][img=,572,305]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151616_01_1626619_3.png[/img][/align][align=center]图3 一阶导数+SG平滑+ Mean Center[/align]3.5 光谱区间的选择结果通过筛选光谱区间，可以选择与样品白蛋白含量相关性大的光谱变量进行建模，去掉大量无关信息，减少模型的计算量，使得模型的效果更好。本实验采用iPLS进行变量的选择。将光谱进行SG13点平滑+一阶导数+ Mean Center预处理后，分别采用Forward iPLS和Reverse iPLS方法选择最佳的光谱区间，改变窗口宽度，分别选择最佳变量，以RMSECV为标准选择谱区。3.5.1Forward iPLS选择波段采用FiPLS的方法以RMSECV为标准选取最佳的光谱区间，分别选择50、100、200个变量进行自动选择，如表2所示窗口宽度为100个变量时建模结果较佳，结果图4所示。[align=center]表2 Forward iPLS结果[/align] [align=center][img=,645,163]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151618_01_1626619_3.png[/img][/align][align=center][img=,517,246]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151619_01_1626619_3.png[/img][/align][align=center]图4 Forward iPLS波段结果图[/align]由图4中可以看出，绿色部分为建模的波段，图5为建模预测结果图。[align=center][img=,551,291]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151620_01_1626619_3.png[/img] [/align][align=center]图5 Forward iPLS建模结果图[/align]3.5.2 Reverse iPLS选择波段采用Reverse iPLS的方法选取最佳的光谱区间，同样，分别选择50、100、200个变量进行自动选择，如表3所示窗口宽度为50个变量时建模结果较佳，波段选择结果如图6所示。[align=center]表3 Reverse iPLS结果[/align][align=center][img=,652,456]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151622_01_1626619_3.png[/img][/align] [align=center]图6 Reserve iPLS 选波段结果图[/align]如图6中所示，其中绿色部分为建模波段，图7为预测结果。[align=center][img=,520,228]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151624_01_1626619_3.png[/img][/align][align=center]图7 Reserve iPLS 建模结果图[/align]通过采用Forward iPLS和Reservei PLS波段选择方法建立PLSR模型，经过两种方法中选择的最优变量的对比（见表4），选择窗口宽度为100变量的Forward iPLS变量选择方法建立的模型最佳。最终建立的PLSR模型结果：模型的参数为Rc2=0.997，Rp2=0.987，均方根误差RMSEC=0.1394%，RMSEP=0.2560%，RMSECV= 0.1831%，建模结果较好。[align=center]表4不同变量选择方法的建模结果[/align][align=center][img=,641,142]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151629_01_1626619_3.png[/img][/align]3.6 一级数据与预测值比较对16个验证集样品的传统方法获得的蛋白含量和NIRS蛋白含量预测值进行偏差分析，结果见表5所示。蛋白含量一级数据和预测值的平均偏差和相对平均偏差的计算公式见式1和式2，蛋白含量NIRS的预测值和一级数据间的平均偏差为0.17，相对平均偏差为0.81，两者都较低，说明了NIRS和传统的凯氏定氮法结果相差较小，表明NIRS用于蛋白含量测定的准确性和可靠性。[align=center][img=,372,89]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151631_01_1626619_3.png[/img][/align]式中yi, actual为传统凯氏定氮方法得到的一级数据值，yi, predicted为NIRS得到的预测值，n为验证集样品数量。[align=center]表5 验证集样品方法结果比较表[/align][align=center][img=,585,86]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151632_01_1626619_3.png[/img][/align]3.7 预测值的精密度通过重复测量光谱计算，建立的蛋白含量校正模型的预测精密度。随机选取验证集样品中的1号、15号、35号、42号和47号样品，每个样品重复测量10次，然后采用建立的蛋白含量模型采集以上样品的光谱，得到样品的预测值。然后计算每个样品预测值的平均值、标准偏差和相对标准偏差，用这些指标来表示预测的精密度，结果见表6。如表中所示， RSD值均在1.0%以下，远远低于5.0%，证明了模型的精密度良好。[align=center]表6 模型精密度考察结果[/align][align=center][img=,584,394]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151636_01_1626619_3.png[/img][/align]4结论和讨论本研究建立了人血白蛋白生产过程中蛋白含量测定的近红外定量模型，用于人血白蛋白原液蛋白质含量的测定，为下一步原液的生产配制提高依据。首先，取生产过程中的样品17个，用凯氏定氮法测得各个样品的蛋白含量，然后在实验室条件下，用生理盐水配制成49个不同浓度的蛋白样品。对49个样品进行[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]的采集，然后对样品进行校正集和验证集的划分，对光谱进行预处理方法和不同的变量选择方法进行了考察；采用Kennard-Stone（K-S）分类的算法，按照2：1的比例进行样品集的划分，优先选出Mean Center +一阶导数SG13点平滑的预处理方法，并采用窗口宽度为100变量的Forward iPLS变量选择方法选出变量区间，最终建立最佳的近红外定量模型。最终建立的PLSR模型结果：Rc2=0.997，Rp2=0.987，均方根误差RMSEC=0.1394%，RMSEP=0.2560%，RMSECV= 0.1831%。除此之外，对模型进行了重复性考察，从结果可知模型具有较好的重复性。在模型的建立中，选用Kennard-Stone（K-S）分类的算法进行样品集的划分，通过PCA分析得到具有代表性的校正集和验证集样品。在预处理方法的选择中，分别选用Autoscale、Mean Center、SG平滑一阶导数以及各预处理方法的组合进行预处理方法的考察，其中SG平滑中，不同的窗口宽度会对平滑产生不同的效果，窗口宽度越宽平滑效果越好，但也会丢掉有用的信息，经过考察选择13点平滑时结果较佳。参考文献吴清, 周法根. 脑梗死治疗中白蛋白应用价值的探讨 . 心脑血管病防治, 2005, 5(2): 49-50.王华平, 米宇俊. 人血白蛋白治疗肾综合征出血热低血压休克患者疗效观察 . 医师进修杂志, 2001, 24(8):20-21.郑红光, 杨志藩, 关欣. 静脉输注人血白蛋白对肾病综合征的正负临窗效应观察 . 中国实用内科杂志, 2003, 23(1):25-27.刘丽萍. 人血白蛋白在肝硬化资料中的应用 . 中国医院用药评价与分析, 2013, 13(5):388-390.常花蕾, 史涛. 人血白蛋白临床不合理应用及改进措施 . 中国药物应用与监测, 2014, 11(1): 52-54.孙世光, 余明莲, 王建民, 张国辉. 人血白蛋白的临床应用误区及其对策 .解放军药学学报, 2009, 25(4):366-368.

  • 傅立叶红外光谱仪系统最低配置要求

    傅立叶红外光谱仪仪器软件功能更为强大，高性能电子系统，高稳定的光学系统,智能湿度自动提醒装置，超轻的重量，超大的样品仓，高强度红外光源。傅立叶红外光谱仪系统最低配置要求：♦ CPU主频在500MHz以上；♦ 内存在128M以上；♦ 要求计算机具有USB接口。♦ 硬盘空间在1 G以上；♦ 显存在4M以上；♦ Windows 98，Windows 2000，Windows XP/7操作系统。（选自网络）

  • 傅里叶红外色谱仪

    傅里叶红外色谱仪中调入谱图中有红圈没红圈的区别是什么?各位大神求教[img]http://ng1.17img.cn/bbsfiles/images/2017/07/201707261322_01_3243183_3.jpeg[/img]

  • 蛋白胨和胰蛋白胨

    本文引用自cheney《蛋白胨和胰蛋白胨简介》蛋白胨是将肉、酪素或明胶用酸或蛋白酶水解后干燥而成的外观呈淡黄色的粉剂，具有肉香的特殊气息。蛋白质经酸、碱或蛋白酶分解后也可形成蛋白胨。蛋白胨富含有机氮化合物，也含有一些维生素和糖类。它可以作为微生物培养基的主要原料，在抗生素、医药工业、发酵工业、生化制品及微生物学科研等领域中的用量均很大。不同的生物体需要特定的氨基酸和多肽，因此存在着各种蛋白胨，一般来说，用于蛋白胨生产的蛋白包括动物蛋白（酪蛋白、肉类）和植物蛋白（豆类）等两种。能为微生物提供C源、N源、生长因子等营养物质。因此，蛋白胨从来源上可分为动物性蛋白胨和植物性蛋白胨。胰胨、肉胨、骨胨等都是动物性蛋白胨，而大豆蛋白胨等则是植物性蛋白胨。动物性来源的蛋白胨还有：蚕蛹蛋白胨、血液蛋白胨等。 　　不同来源的蛋白质和不同的水解条件，其水解物中组成可千差万别。所以胨往往是一个复杂的多肽混合物。可溶于水，过热不凝固，在饱和硫酸铵中不发生沉淀但可为蛋白质沉淀剂所沉淀。可用作微生物和动物细胞培养基、特种功能性食品和化妆品的配料，也有用作啤酒等产品的稳定剂。胰蛋白胨，又称胰酪蛋白胨（Casein Tryptone）、胰酶消化酪蛋白胨（Pancreatic digest of casein），是一种优质蛋白胨，是以新鲜牛肉和牛骨经胰酶消化，浓缩干燥而成的浅黄色粉末。具有色浅、易溶、透明、无沉淀等良好的物理性状。含有丰富的氮源、氨基酸等，可配制各种微生物培养基，用于细菌的培养、分离、增殖、鉴定，以及无菌试验培养基、厌氧菌培养基等细菌生化特性试验用培养基的配置。胰蛋白胨还广泛应用于高品质的抗生素、维生素、医药工业，氨基酸、有机酸、酶制剂、黄原胶等发酵工业，生化制品及微生物学科研等领域中的用量均很大，临床用于抗炎消肿，工业上用于皮革制造，生丝处理，食品加工。在国际市场上，胰蛋白胨也属于货紧价昂的短线品种之一。 　　胰酪蛋白胨质量标准及其检验标准： 　　常规各项理化指标： 　　1. 澄清度（磷酸盐、碱性沉淀）：无沉淀、澄清 　　2. 2%水溶液：透明 　　3. 酸碱度：6－7 　　4. 氨基氮：≥3% 　　5. 色氨酸：≥0.8% 　　6. 胨含量：≥80% 　　7. 总氮：≥13% 　　8. 水份：≤5% 　　9. 灰份：≤6% 　　10. 氯化钠：≤0.2%胰蛋白胨特指用胰蛋白酶酶解酪蛋白生成的蛋白胨产物，与一般蛋白胨的区别在于酶解工艺处理上，属于水解度更高、胨分子量更小更均衡的蛋白胨。

  • 请教傅立叶红外的应用

    最近在论坛上看到很多关于傅立叶红外的帖子，也在几家公司的网上看到了傅立叶红外的简单资料。想对傅立叶红外具体应用多了解一下。希望各位大虾赐教

  • 【原创大赛】Micro NIR1700型近红外光谱仪用于蛋白含量测定的可行性研究

    【原创大赛】Micro NIR1700型近红外光谱仪用于蛋白含量测定的可行性研究

    Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]用于蛋白含量测定的可行性研究摘要：Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]与AntarisⅡ傅里叶变换[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]相比具有体积小、质量轻、便携的特点，更适合用于生产现场检测。本文采用Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700型微型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]对蛋白含量进行检测，对其用于蛋白含量测定的可行性进行分析。通过相关系数法选出更合理的波段，提高模型的预测能力，从而建立了用于人血白蛋白原液蛋白含量快速检测的定量模型。关键词：微型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]；蛋白含量测定；定量分析模型1材料1.1 试剂49个不同蛋白含量的样品：采用半微量凯氏定氮法进行蛋白含量的测定，测定得到17个样品的蛋白含量。用生理盐水稀释样品，共得到49个不同蛋白质含量的样品。1.2 仪器和软件Micro[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]（JDSU公司，美国）； MATLAB 2015a处理软件（Mathworks，美国）；PLS_Toolbox工具箱（Eigenvector Research，美国）。2方法2.1样品光谱的采集采用Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型微型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]进行蛋白光谱的采集，采样方式为透射采样，波长范围908.1-1676.0 nm，积分时间为28000 μs，扫描次数为50次。用1 mm光程比色皿进行采样，每个蛋白样品采集3次，求其平均光谱作为样品光谱。每张[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]光谱由125个变量点组成。2.2校正集和验证集的划分样品集的划分采取SPXY分类算法，以1:1的比例进行校正集、验证集的划分，最终25个样品集被划分为校正集，24个样品被划分为验证集。分析样品的PCA得分图评价分类结果。2.3 预处理方法的选择采用标准化（Auto scale）、均值中心化（Mean Center）、一阶导数（First Derivative，FD）SG5点平滑、二阶导数（Second Derivative，SD）SG5点平滑等预处理方法进行了考察，以模型的RMSEP为指标，选择最佳的预处理方法。通过留一交互验证法，以RMSECV的值选择最佳主因子数。2.4光谱区间的选择采用Reverse iPLS方法、相关系数方法进行光谱区间的选择，优化光谱区间，以建立较优的模型。3 实验结果3.1近红外原始光谱图分析图1为Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型微型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]透射采样得到的原始[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]光谱图。从原始光谱图中无法得知有关蛋白含量的信息，因此本研究中需用化学计量学知识对样品的原始光谱进行处理。[align=center] [img=,475,213]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151936_01_1626619_3.png[/img][/align][align=center]图1原始[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]图[/align]3.2校正集和验证集的划分本研究选择SPXY算法，以1:1的比例进行校正集、验证集的划分，最终25个样品集被划分为校正集，24个样品被划分为验证集。图2为样品集的划分结果。图2为49个蛋白样品的前两个主成分的得分散点图，其中红色为验证集，灰色为校正集，从图中可知校正集样品和验证集的样品分散较好，这表明校正集、验证集划分较合理。[align=center] [img=,460,204]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151937_02_1626619_3.png[/img][/align][align=center]图2 样品主成分得分图[/align]3.3 光谱预处理结果本研究中，分别比较了Mean Center、Auto scale、平滑和导数以及不同处理方法组合的预处理方法对建模结果的影响，并以RMSEP作为模型的评价指标。表1为经不同预处理后的PLSR建模结果，由表中结果可知，经过二阶导数、SG5点平滑和Auto scale预处理后模型的Rp2提高， RMSEP明显下降，说明经过二阶导数、SG5点平滑和Auto scale预处理能够提高模型的有效性。图3为经预处理后较优模型的结果，模型结果为Rc2=0.993，Rp2=0.953，RMSEC=0.2143%，RMSEP=0.5354%，RMSECV=0.3382%。[align=center]表1不同预处理后各模型参数[/align][align=center][img=,638,223]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151938_01_1626619_3.png[/img][/align][align=center][img=,489,211]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151939_01_1626619_3.png[/img][/align] [align=center]图3二阶导数+SG平滑+Autoscale[/align]3.4 光谱区间选择结果分别采用Reverse iPLS方法、相关系数方法对模型的光谱区间进行优化，消除无关变量对模型的影响。以RMSEP值为指标来评价模型，其中RMSEP值越小模型结果越好。3.4.1Reverse iPLS选择波段本研究采用Reverse iPLS方法选择波段，考察50个变量间隔的选择结果。从图4可知，绿色部分为建模采用的波段，红色部分为舍弃波段范围。图5为采用Reverse iPLS方法选择的波段范围建立的模型的预测结果。其中RMSEP值有所降低，表明模型的预测误差降低。表明此区间包含的有效信息可提高模型的预测能力。[align=center][img=,532,234]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151940_01_1626619_3.png[/img][/align][align=center]图4 Reserve iPLS 选波段结果图[/align][align=center][img=,497,224]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151940_02_1626619_3.png[/img][/align][align=center]图5 Reserve iPLS法预测结果图[/align]3.4.2相关系数法选择光谱变量采用相关系数法求得光谱中各变量与蛋白浓度之间的相关系数图，相关系数越大，区间内包含的有效信息越多。图6为求得的相关系数图。[align=center][img=,483,211]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151942_01_1626619_3.png[/img][/align][align=center] 图6 相关系数图[/align]选择相关系数绝对值大于0.4的光谱区间建立近红外定量模型，选择建立模型的变量数为25个。图7为变量选择的结果图。[align=center][img=,520,229]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151943_01_1626619_3.png[/img][/align][align=center]图7 相关系数法变量选择图[/align]使用相关系数法选择的25个变量建立PLSR模型，建模结果见图8中所示。与全波段建模结果相比，模型的RMSEP值降低，表明模型的外部预测误差有所减小，从而提高了模型的准确性。[align=center][img=,474,209]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151945_01_1626619_3.png[/img][/align][align=center] 图8 建模结果图[/align]3.5 确定最佳定量分析模型采用二阶导数、SG5点平滑和Auto scale预处理后，使用Reverse iPLS方法和相关系数方法选择光谱的有效波段。两种变量选择方法建立的模型结果见表2所示。[align=center]表2不同变量建模结果比较[/align][align=center][img=,604,171]http://ng1.17img.cn/bbsfiles/images/2017/09/201709151946_01_1626619_3.png[/img][/align]经过比较，其中相关系数法选择25个变量建立的PLSR定量模型的预测均方根误差结果最小，说明建立模型的预测能力更佳。所以本研究采用二阶导数、SG5点平滑和Auto scale预处理后选择相关系数法确定25个变量建立最佳定量分析模型。模型结果为Rc2=0.977，Rp2=0.958，RMSEC=0.3983%，RMSECV=0.5653%，RMSEP=0.5334%。4结论和讨论本研究用Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]对建立的人血白蛋白原液蛋白含量定量分析模型的可行性进行分析。采用Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]对49个样品进行光谱采集，然后选择不同的光谱预处理方法进行预处理，经过结果比较选择二阶导数、SG5点平滑和Auto scale进行光谱预处理；采用Reverse iPLS方法和相关系数方法，对光谱的有效区间进行选择，最终使用相关系数法选择25个变量建立蛋白含量的最佳定量分析模型。所建立的模型结果为Rc2 =0.977，Rp2=0.958，RMSEC=0.3983%，RMSECV=0.5653%，RMSEP=0.5334%。此研究结果表明，Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]所建立的模型用于人血白蛋白原液中蛋白含量的检测是可行的，同时Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]以其质量轻、体积小以及成本低的优势，在蛋白快速检测方面将有广阔的应用前景。参考文献吴清, 周法根. 脑梗死治疗中白蛋白应用价值的探讨 . 心脑血管病防治, 2005, 5(2): 49-50.王华平, 米宇俊. 人血白蛋白治疗肾综合征出血热低血压休克患者疗效观察 . 医师进修杂志, 2001, 24(8):20-21.郑红光, 杨志藩, 关欣. 静脉输注人血白蛋白对肾病综合征的正负临窗效应观察 . 中国实用内科杂志, 2003, 23(1):25-27.刘丽萍. 人血白蛋白在肝硬化资料中的应用 . 中国医院用药评价与分析, 2013, 13(5):388-390.常花蕾, 史涛. 人血白蛋白临床不合理应用及改进措施 . 中国药物应用与监测, 2014, 11(1): 52-54.孙世光, 余明莲, 王建民, 张国辉. 人血白蛋白的临床应用误区及其对策 .解放军药学学报, 2009, 25(4):366-368.

  • 【我们不一YOUNG】+傅里叶红外光谱仪的应用

    [font=微软雅黑][size=16px]傅里叶红外光谱仪是一种常用的分析仪器，它可以用于分析物质的结构和成分。傅里叶红外光谱仪的应用非常广，下面我们来看看它的具体应用。[/size][/font][font=微软雅黑][size=16px]首先，傅里叶红外光谱仪可以用于药物分析。药物的成分和结构对于药效的影响非常大，因此药物的分析非常重要。傅里叶红外光谱仪可以通过分析药物的红外光谱，来确定药物的成分和结构，从而为药物的研发和生产提供依据。[/size][/font][font=微软雅黑][size=16px]其次，傅里叶红外光谱仪可以用于食品分析。食品的成分和结构对于食品的品质和安全性有着重要的影响。傅里叶红外光谱仪可以通过分析食品的红外光谱，来确定食品的成分和结构，从而为食品的质量控制和安全监管提供依据。[/size][/font][font=微软雅黑][size=16px]此外，傅里叶红外光谱仪还可以用于环境分析。环境中存在着各种有机物和无机物，它们的成分和结构对于环境的污染和治理有着重要的影响。傅里叶红外光谱仪可以通过分析环境中的物质的红外光谱，来确定它们的成分和结构，从而为环境的污染治理提供依据。[/size][/font][font=微软雅黑][size=16px]总之，傅里叶红外光谱仪是一种非常重要的分析仪器，它的应用非常广。无论是药物分析、食品分析还是环境分析，傅里叶红外光谱仪都可以为分析提供依据，从而为相关领域的研究和生产提供支持。[/size][/font]

  • 【讨论】傅里叶红外定量问题

    各位大侠，请问一下，傅里叶红外定量怎样，或者说需要配其他仪器一起使用么。举个例子，毒品如海洛因的纯度，定量来量刑，如果要建一个实验室来做这方面检测，进一台傅里叶红外应该不行吧，需要怎么来设计方案？

  • 【原创大赛】基于近红外光谱分析技术的人纤维蛋白原工艺过程流穿液中蛋白质含量的快速检测

    中文摘要： 目的 利用近红外光谱分析技术，建立原液中总蛋白及纤原含量的检测模型，实现原液的快速检定。 方法 选取层析过程流穿液为研究对象，收集流穿液制备了一系列不同浓度的样品，共60个，用透射模块采集其近红外光谱。建模过程中，首先用K-S方法将样品划分为40个校正集和20个验证集，简历模型，用R2、RMSEC、RMSECV、RMSEP对模型进行评价。 结果 建立模型的各项参数为：R2=0.995，RMSEC=0.1911，RMSECV=0.2245，RMSEP=0.1662。 结论 所建立的方法，可以快速准确的对层析流穿液的蛋白含量进行在线检测，如果应用于生产，还可以对层析过程进行饱和度分析，确定最优的层析方案。关键词：近红外光谱分析；人纤维蛋白原；层析流穿液； 蛋白质含量人纤维蛋白原（HumanFibrinogen，Fg）是血浆的主要成分，含量高达2~4 g/L。在人凝血反应的最后阶段在凝血酶与人凝血因子ⅩⅢ、Ca2+作用下形成纤维蛋白凝胶，将血液有形成分包绕其中，达到止血的目的。在纤维蛋白原的生产过程中，通过层析收集流穿液进行下一步的制备。当离子交换树脂吸附饱和时停止收集，目前填料饱和度的判断通过检测流穿液中纤原的纯度来进行，采用凯氏定氮法分别检测原液中总蛋白的含量，进而计算得出。在制药领域，NIRS作为一种重要的PAT工具，已成功用于药物的原辅料质量评价、关键过程的监测和控制、成品的快速放行和质量检测等各个环节，为保证产品质量、降低生产成本、革新生产过程发挥了重要的作用。利用近红外光谱分析技术，建立原液中总蛋白及纤原含量的检测模型，可以实现原液的快速检定以及在线监测，提高生产效率。1实验材料与仪器1.1试剂纤维蛋白原层析流穿液（山东泰邦生物制品有限公司，批号201409S05，蛋白含量9.70mg/mL）；注射用水。1.2仪器Antaris Ⅱ傅里叶变换近红外光谱仪（美国Thermo Fisher scientific公司），附件配置：透射检测器，1mm光程玻璃比色皿；Result光谱采集软件；Matlab 2009化学计量学软件（美国Mathworks公司）。2方法2.1样品制备在纤原的生产过程中，对层析时的流穿液留样。按照不同的比例用注射用水将流穿液稀释，得到含有不同蛋白含量的样品共60个。2.2近红外光谱采集每个样品取适量装于光程4mm的比色皿中，采集其透射光谱，扫描范围为10000-4000cm-1，分辨率为8 cm-1，扫描次数32次，每小时扫描一次背景。2.3校正集和验证集的划分采用K-S分类的方法将样品划分为校正集和验证集，二者的比例为2:1，得到40个校正集样品和20个验证集样品。2.4预处理方法的选择本研究考察了Autoscale、均值中心化、一阶导数，以及两种方法联用等预处理方法对光谱数据进行处理后，对建模结果的影响，并以此选择最佳的预处理方法。2.5光谱区间的选择本研究中分别采用iPLS和GA筛选光谱变量，使用选择的谱区建立PLS模型，并依据模型结果的优劣确定最终使用的变量选择方法，从而更好地提高模型的性能。2.6重复性考察随机挑选3个验证集样品，每个样品重复测定10次光谱，用所建立的定量模型预测其蛋白含量，计算每个样品预测值的平均值和标准偏差。用χ2检验考察这些重复性标准偏差是否属于同一总体，若属于，则近红外方法的重复性按z×data:image/png;base64,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×σ算出。3.结果3.1样品蛋白含量的分布共制备60个样品，其蛋白含量范围在0.2425 mg·mL-1~9.7000 mg·mL-1，且分布较为均匀。3.2样品的近红外光谱采集的60个样品的原始透射光谱如图1所示。data:image/png;base64,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

  • 尿微量蛋白（尿微量白蛋白/蛋白尿）试验

    尿微量蛋白（尿微量白蛋白/蛋白尿）试验（也称“白蛋白试验”，“尿微量白蛋白”和“蛋白尿”试验）何为尿微量白蛋白（白蛋白）试验？尿微量白蛋白试验是对尿液中的蛋白质进行测定的筛选试验。人体血液中有一种蛋白质称为白蛋白。在正常情况下，几乎无法在尿液中检测到。只有在肾脏受损，尤其是损伤早期，它可以优先于其他肾损伤标志物在尿液中被检测出，因此，尿微量白蛋白在诊断肾脏疾病、早期肾损伤等方面具有重要意义。此项试验有何目的？蛋白质是人体的基本构成“材料”，具备一些重要的功能和作用，可结合营养物质将其运输至各个组织，，并将人体中循环的体液量维持在适当水平。肾脏功能正常时，蛋白质几乎无法通过肾脏进入尿液（仅会排出血液循环产生的废料）。然而，如果人的肾功能受损或衰竭，该肾脏对蛋白质的过滤能力将有所下降，因而一些蛋白质将会透过肾脏而出现在尿液中，称为尿微量蛋白。尿微量白蛋白与蛋白尿有何不同？白蛋白是一种大量存在于血液中的典型蛋白质。因其分子个头小，当肾脏功能出现问题时，白蛋白是能够率先通过肾脏进入尿液的几种蛋白质之一。尿液中出现少量白蛋白的情况称为尿微量白蛋白。若肾脏功能受损严重，尿液中的白蛋白数量呈现出增长趋势，这种症状被改称为蛋白尿。尿微量白蛋白/蛋白尿有何症状？病症早期，并无明显症状或征兆显现。随着肾功能衰竭的加重，大量蛋白质出现在尿液中，手脚、腹部和面部可能出现肿胀。如果蛋白尿的情况加重，可能会造成永久性肾功能损伤，有些病人可能需要做透析或肾移植。不论上述症状是否存在，尿蛋白测定是确定有多少蛋白质进入尿液的唯一办法。蛋白尿还可能引发心血管疾病。血管受损除了会引发肾脏疾病外，还可能会造成窒息和心力衰竭。患蛋白尿（症）的高危人群有哪些？患有糖尿病、高血压、心血管疾病和其他类型肾脏疾病等慢性病的病人易出现蛋白尿。老年人、肥胖人群以及有肾脏疾病家族史的人群。其

  • 【求助】付立叶红外光谱仪推荐

    我司想买一台付立叶红外光谱分析仪，用做异物解析。但不知欧美与日系的有哪几大品牌，各自的优缺点又是如何？还有价格范围。不胜感激！

  • 傅里叶红外光谱仪

    傅里叶红外光谱仪使用时忘记关机退系统，运行了24小时，有什么不好的影响吗？

  • β-乳球蛋白属于乳白蛋白还是属于乳球蛋白里面的一种成分？

    β-乳球蛋白属于乳白蛋白还是属于乳球蛋白里面的一种成分？最近看到有两种版本，其一，说是属于乳白蛋白里面的一种成分，乳白蛋白包括α-乳白蛋白、β-乳球蛋白和血清白蛋白。乳球蛋白即免疫球蛋白。其二，乳白蛋白包括α-乳白蛋白和血清白蛋白，乳球蛋白包括β-乳球蛋白和免疫球蛋白。现在不知道哪种说法对，请各位指教！！！谢谢！！！

  • 利用近红外分析蛋白质的组成

    我想利用近红外分析一些蛋白质的组成，不需要分析氨基酸的成分，只想分析的蛋白亚基的程度，目前打算先做定标，有做过的朋友可不可以交流一下啊。我的邮箱：alex_qq@hotmail.com

Instrument.com.cn Copyright©1999- 2023 ，All Rights Reserved版权所有，未经书面授权，页面内容不得以任何形式进行复制