近红外蛋白检测

最近使用新买的便携式近红外设备，对酶力肽进行了蛋白质的湿化学方法检测，然后对样品光谱进行采集，通过定量分析模型的建立、优化，尝试对样品进行回归测定。蛋白质采用凯氏定氮法，按同一标准，粉碎蛋白有一定差异的样品（同一粉碎机、粉碎时间），测定出样品蛋白质含量的真值：70-90%（主要是含水量不同造成的差异）。光谱采集分粉碎样品和原始样品两种类型，分别建模。结果：总体不错。但有几个问题需要大家注意。1. 粒度对模型和检测结果影响非常大，一定要粉碎一致。不同粒度下建立的模型检测结果误差很大，尤其是未粉碎的，误差更大。粉碎的样品结果一致性很好2.由于采用漫发射光谱，光源直接贴近样品照射，同一位点进行定量检测时如果不移动，每次的检测结果都会变化，但按绝对值增大约1%的幅度增加。我感觉可能与长期一直照射的情况下，样品内部温度发生变化导致水分发生移动，或漫反射的能量加强导致检测结果不稳定。但哪个是主要原因呢？？？

如题，请问哪位有蛋白精的近红外谱图？可否上传瞧瞧？

[font='Times New Roman'][font=宋体]蛋白质是复杂的含氮有机化合物，不同蛋白质的含氮量不同，测定蛋白含量一般采用凯氏定氮法，但该方法操作步骤繁琐，消耗试剂（如浓硫酸、氢氧化钠等），检测时间长。近年来多采用蛋白质分析仪进行测定，但仍需要对样品做复杂的预处理，费时费力。采用[/font][/font][font=宋体][url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术[/font][font='Times New Roman'][font=宋体]可缩短检测时间，可快速预测发酵产物中的蛋白质含量，不仅可以避免因为时效性差而引起的目标产物产量不稳定，还可以防止因为外界环境变化引起的蛋白质失活变性。同理，发酵的其他目标产物，如抗生素、维生素、有机酸等，也可以利用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]来快速预测目标产物含量。[/font][/font]

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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

中文摘要： 目的 利用近红外光谱分析技术可以有效的对纤原冻干产品的水分含量进行实时测定，优化冻干过程。 方法 选取冻干完成后制品为研究对象，制备了水分含量有一定梯度的样品共60个，用积分球漫反射模块采集其近红外光谱，然后用卡尔费休容量滴定法测定每个样品的水分含量作为一级数建立近红外模型，以R2、RMSEC、RMSECV、RMSEP对模型进行评价。结果 模型各项参数为：R2=0.881，RMSEC=0.4426，RMSECV=0.8370，RMSEP=0.6311。 结论 所建立模型可作为在线监控纤原冻干过程水分含量的基础，将冻干设备进行相关的改造后，借助光纤可实现产品水分含量的实时监测。关键词：近红外光谱分析；人纤维蛋白原；水分人纤维蛋白原（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。纤维蛋白原的原液经配制、分装后，进行冷冻干燥，使产品的水分含量控制在5%以下。人纤维蛋白原工艺过程纤原产品水分的检测是使用卡尔费休水分测定方法，该传统方法费时费力，对产品具有破坏性，极易引入误差而使测定不准确。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可以有效的对纤原冻干产品的水分含量进行实时测定，从而极大地优化冻干过程。1材料1.1试剂人纤维蛋白原（冻干剂，山东泰邦生物制品有限公司，批号201409S02）；甲醇（分析纯，国药集团化学试剂有限公司）；卡尔·费休试剂（KFR-06型，天津市科密欧化学试剂有限公司）。1.2仪器Antaris Ⅱ傅里叶变换近红外光谱仪（美国ThermoFisher scientific公司），附件配置：积分球漫反射检测器；KF-4型自动水分测定仪（南京科环分析仪器有限公司）；EL204电子天平（METTLER TOLEDO公司）。2方法2.1样品制备取若干瓶纤原样品，开盖后置于37℃水浴锅中，通过放置不同的时间，制备出水分含量有一定梯度的样品，样品取出后加盖密封，平衡一段时间。共得到60个样品。2.2采集近红外光谱用Antaris Ⅱ傅里叶变换近红外光谱仪的积分球采样模块对60个纤原样品进行光谱采集，扫描范围为10000-4000 cm-1，分辨率为8 cm-1，扫描次数64次，每小时扫描一次背景。2.3测定样品水分含量依据2010版中国药典规定，采用卡尔费休容量滴定法，测定样品的水分含量。测定用KF-4型自动水分测定仪完成，先进行标定，记录10mg蒸馏水所消耗的卡尔费休试剂的体积，然后进行测定，向反应杯中加入一定量的样品粉末，记录滴定至终点时所消耗的卡尔费休试剂的体积，最后通过计算得到样品的水分含量。2.4划分校正集和验证集采用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。2.5预处理方法的选择通过对原始光谱数据进行平滑、微分等预处理，可消除仪器背景或基线漂移等对光谱的影响。本次建模过程考察了MSC、SNV、一阶导数SG11点平滑、二阶导数SG11点平滑，以及MSC、SNV分别和二阶导数联用的多种方法，依据处理后的建模结果确定最终使用的方法。2.6选择光谱区间通过光谱变量的筛选，可去除大量的无关变量，大大减少建模的计算量，节省时间。本次建模过程考察了相关系数法和iPLS两种变量选择的方法，并依据模型的结果确定最终的光谱区间。3结果3.1样品的水分含量测定结果依据药典三部附录VIID 水分测定法第一法，测得60个样品的水分含量范围为1.7244-7.2012，将其作为建模用的一级数据。3.2纤原样品的近红外光谱图1为积分球漫反射模块采集的60个样品的光谱。从图中可以看出，样品的近红外光谱谱带较宽且重叠严重，而且基线漂移比较严重，不能从光谱直接得到样品水分含量的信息，需要采用化学计量学的方法对光谱进行处理和信息提取，最终建立水分含量的定量分析模型。data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAz4AAAF3CAMAAABT3W5nAAAAAXNSR0ICQMB9xQAAAQJQTFRFAAAAAAA6AABmAAD/ADo6ADqQAH8AAGZmAGaQAGa2AL+/OgAAOgA6OgBmOjoAPz8/Ojo6OjpmOjqQOmZmOma2OpC2OpDbZgAAZgA6ZgBmZjqQZmY6ZmZmZma2ZpDbZra2Zrb/kDoAkDo6kDpmkGZmkGaQkJA6kJBmkJCQkJC2kJDbkLbbkLb/kNvbkNv/vwC/tmYAtmY6tmZmtpA6tpBmtpCQtpDbv78AtrZmtraQtra2trbbtrb/ttv/tv+2tv/btv//25A625Bm25CQ27Zm27a229u229vb29v/2/+22//b2////wAA/7Zm/7aQ/7a2/9uQ/9u2/9vb//+2///b////dsL9UAAAAAlwSFlzAAAWJQAAFiUBSVIk8AAAABl0RVh0U29mdHdhcmUATWljcm9zb2Z0IE9mZmljZX/tNXEAADEDSURBVHja7Z0NY2O5dZ45Cy/awcRF29ga27EbjTdb185G0G7q3jZOUskbN20GihVL+P9/pXjPAe7F5ZdIiqTuld53dzQSSREU5z46Hzg4Z5EoijpQC74FFEV8KIr4UBTxoSjiQ1EU8aEo4kNRxIeiiA9FER+KoogPRREfiiI+FEV8KIoiPhRFfCiK+FAU8aEo4kNRFPGhKOJDUcSHoogPRVHEh6Lmhc/DL/Dx8asbvtcU8dlT9x/e46+7L4gPRXz2llifx6//ivhQxOcwfO4uvwM+C4p6Wc0Sn9vF4n06a56CS3GpNSvNEZ+7y5TU+vBfn0sRH/6TcCniQ3y4FPEhPlyKSxEfLsWlZrbUa8WHoogPRREf4kMRH+JDER/iQxEf4kNRxIeiiA/xoYgP8aGID/GhKOJDUcSH+FDEh/hQxIf4UMSH+FAU8aEo4kN8KOJDfCjiQ3woivhQFPEhPhTxIT4U8SE+FPEhPhRFfCiK+BAfivgQH4r4EB+KmjE+Opxx8e6K+FDEZ0/pZO1/lglzxIciPvtJrE8ZTH+a8awU9fR1PufRwNkK/SjR+lAvTtEs8fn2Sv4iPhTx2Refu8v7D0wdUMRnRotRFPGhKOJDfCjiQ3wo4kN8KOJDfCiK+FAU8SE+FPEhPhTxIT4URXwoivgQH4r4EB+K+BAfivgQH4oiPhRFfIgPRXyID0V8iA9FER+KIj7896OID/GhiA/xoYgP8aEo4kNRxIf4UMSH+FDEh/hQFPGhKOJDUcSH+FDEh/hQxGfCV7SMleN4LIr4HCCdrP3t1d174kO9tLq5jgbWwfScrE29kOTKmys++nFxniUpau113s009nn46Q3BoV5a88Tn7vJ6sWDsQ704PUxcUxTxoajz00N8KOpgejzxoagD6SE+FHUwPn5++z7Eh5oIPckz9qGoA/HxM9z3IT7UVPBJgfhQ1EH4ZOPD1AFFHYRPpicQH4o6jJ78xxAfijoEn5SND2MfijoQH2+ID0UdgI9EPoGJa4o6BJ9MjwmR+FDU3vQkHzJAifhQ1EH4pGx8WPNGUQfQ02XXLUWmDijqAHyCD9n42Knjc1eaUV0SH2pC+GTnLXZh2vg8fJSOIFmPnxZf3BAfakr4BDtp5620o1r7FfGhXpCezgcYH9a8UdQB+Ag9YTaZt+9viA81EXzE+ITOTv2w9u1CQ57HT18QH2pK+GR6Qucmjc/du6t0/eVnpN8uTs8qRVVAnsAnZXxs8NPG5/HTe2TfLm8XM

用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术检测牛奶中脂肪、蛋白质及乳糖含量利用近红外漫反射光谱1100-1700nm快速检测牛奶中脂肪、蛋白质及乳糖含量，采用偏最小二乘法回归建立了测量光谱与牛奶主要成分浓度之间的校正模型，并对其重复性进行了研究，进而探讨了非线性校正方法径向基（RBFN）函数网络的可行性。并与PLS线性校正模型进行对比，探讨了PLS校正模型如何提高预测精度的相关问题。[img]http://www.instrument.com.cn/bbs/images/affix.gif[/img][url=http://www.instrument.com.cn/bbs/download.asp?ID=69231]用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术检测牛奶中脂肪、蛋白质及乳糖含量[/url]

中文摘要： 目的 实验室规模通过近红外光谱分析技术对人血白蛋白醇沉过程进行监测，为提高组分I+II+III上清液乙醇沉淀环节收率提供支持。 方法 实验室条件下模拟8批正常过程和3批异常过程。定性模型以6个正常批次作为校正集建立主成分分析模型，2个正常批次和3个异常批次作为验证集考察模型过程监测和错误诊断能力。定量模型以醇沉过程中人血白蛋白含量和总蛋白含量作为建模指标，6个正常批次样品作为校正集，2个正常批次样品作为验证集，建立了可用于人血白蛋白和总蛋白含量快速准确测定的偏最小二乘回归模型。 结果 定性的主成分分析模型和定量偏最小二乘回归模型可实现醇沉过程的监测和错误判断。 结论 利用近红外光谱分析技术结合化学计量学对人血白蛋白生产过程中的FI+II+III上清液醇沉过程进行监测的方法可行。关键词：近红外光谱分析技术；组分I+II+III；化学计量学；醇沉淀 人血白蛋白（Human Albumin，HA）是最早从人血浆中提取并应用于临床上的血液制品。组分（Fraction, F）I+II+III上清液醇沉过程是HA生产过程中的重要一步，其目的是去除各种杂蛋白，得到FIV上清液，为下一步醋酸缓冲液沉淀过程做准备。目前人血白蛋白组分I+II+III上清液醇沉过程生产过程的控制模式大都采用离线的方式，即当乙醇加入到含量为40%时醇沉过程结束，然后取样进行实验室化验，其结果严重滞后于生产过程，无法实时的监测指导生产过程的进行。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。本研究中利用NIRS结合化学计量学对HA生产过程中的FI+II+III上清液醇沉过程进行监测，以实现醇沉环节的过程控制。1 材料1.1 试剂FI+II+III压滤后上清液（山东泰邦生物制品有限公司）；95%乙醇（分析纯，国药集团化学试剂有限公司）；去离子水。1.2 仪器和软件 Antaris II傅里叶变换近红外（Fourier Transform NearInfrared, FT-NIR）光谱仪（美国Thermo Fisher Scientific公司），液体透射采样模块，内径为4×50 mm的玻璃小管（德国Kimble Chase公司）；低温反应仪（郑州长城科工贸有限公司）；BF300恒流泵（保定齐力恒流泵有限公司）；Alpha 1-2 LD实验室型冻干机（德国Christ公司）；高速离心机（Thermo Fisher Scientific公司）；MATLAB 2010a（美国Mathworks公司）；PLS_Toolbox工具箱（美国Eigenvector Research公司）。2 方法2.1 醇沉过程正常醇沉过程：醇沉过程在低温反应仪中进行，温度设定和实际生产反应温度一致。每个批次取100 mL FI+II+III压滤后上清液置于250 mL的圆底烧瓶中，恒流泵加入95%乙醇的速度为1 mL/min。醇沉开始前以及醇沉过程中每隔3 min取样1 mL用于光谱的采集及蛋白含量的测定。异常醇沉过程：本研究中为考察定性

大家好，请问近红外是否可以测定蛋白质亚基含量，就是想建立ＳＤＳ－ＰＡＧＥ测定的蛋白质亚基的快速检测方法，请各位指点，谢谢！

我一个朋友要做作物种子品质检测，主要就是测种子中蛋白、脂肪、纤维等有关品质方面的，不知选哪一种近红外分析仪更适合？价格是多少？用了近红外分析仪是否就可以不需要蛋白质测定仪和脂肪测定仪了？因为看资料用近红外测更方便、快捷！

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

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

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 选取超滤完成后配制前原液为研究对象，首先制备了纤原含量有一定梯度的样品，共54个，用透射模块采集其近红外光谱。实验收集生产中大量不同纤原纯度的原液样品，建立能够直接预测原液纤原纯度的近红外定量模型。 结果 模型的各项参数为：R2=0.999，RMSEC=0.3575，RMSECV=0.4894，RMSEP=0.5208。 结论 模型的准确度和精密度较好，可实现原液的快速检定以及在线监测。关键词：近红外光谱分析；人纤维蛋白原；纤原含量人纤维蛋白原（HumanFibrinogen，Fg）是血浆的主要成分，含量高达2~4g/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。对于人纤维蛋白原工艺过程原液中纤原的含量的测定是通过检定后才能进入半成品和成品的制备，采用凯氏定氮法检测纤原的含量，进而计算得出。凯氏定氮法十分麻烦，检测时间较长，而且用到硫酸等危险试剂，不利于公司生产中的快速放行。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材料1.1试剂纤维蛋白原原液（山东泰邦生物制品有限公司，批号201409S02，纤原含量56.94mg/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，超滤后的原液留样200mL。按照不同的比例用注射用水将原液稀释，得到含有不同纤原含量的样品共54个。2.2近红外光谱采集每个样品取适量装于光程1mm的比色皿中，采集其透射光谱，扫描范围为10000-4000 cm-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36个校正集样品和18个验证集样品。2.4预处理方法的选择通过对原始光谱数据进行平滑、微分等预处理，可消除仪器背景或基线漂移等对光谱的影响，提高光谱的质量，凸显有效信息。本实验采用了Autoscale、一阶导数、二阶导数，以及一阶导数和Autoscale同时使用的预处理方法对光谱数据进行处理，依据建模结果的情况优选最佳方法。2.5光谱区间的选择通过光谱变量的筛选，可去除大量的无关变量，大大减少建模的计算量，节省时间。本研究中分别采用iPLS、相关系数法、基因算法（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和最优的光谱区间。2.6重复性考察从验证集中选择3个样品，每个样品分别测定10次光谱，用建立的模型预测其纤原含量，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：data:image/png;base64,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

豆制品蛋白质检测仪，通常也被称为大豆蛋白仪或大豆蛋白分析仪，是一种高科技设备，具有多方面的用途和应用价值。以下是对其用途的详细阐述： 　　一、核心功能 　　1. 快速准确测定蛋白质含量 　　高效性：豆制品蛋白质检测仪能够快速测定大豆及其制品中的蛋白质含量，极大地提高了检测效率。 　　准确性：采用先进的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术或其他高精度检测方法，通过测量特定波长的光吸收特性来推断蛋白质含量，确保了检测结果的准确性。 　　二、应用领域 　　1. 食品加工企业 　　在豆制品生产过程中，如豆腐、豆浆、素肉等的制作中，该检测仪可帮助企业确保产品蛋白质含量符合营养标准和口感要求，提升产品质量和安全性。 　　通过快速检测，企业能够及时发现和解决蛋白质含量异常的问题，减少次品率，提高生产效益。 　　2. 食品药品监督管理部门 　　作为监管工具，豆制品蛋白质检测仪可用于对市场上的豆制品进行抽检，确保产品符合相关标准和法规要求，保障消费者的食品安全权益。 　　3. 科研机构 　　在农业科研中，大豆蛋白分析仪可用于研究大豆种植、品种选育、施肥管理等农业领域的问题，为农业科研提供数据支持。 　　在食品科学研究中，该仪器可用于研究豆制品中蛋白质的结构、功能及与其他成分的相互作用，推动食品科学领域的发展。 　　三、技术特点 　　1. 先进的检测技术 　　采用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术或其他高精度检测技术，实现了非破坏性检测，确保了样品的完整性和检测结果的准确性。 　　2. 智能化的数据分析 　　配备强大的数据库和智能分析软件，能够根据不同的样品和实验条件自动进行数据校正和误差补偿，提高检测结果的可靠性和稳定性。 　　3. 批量处理能力 　　能够对大量样品进行快速、批量处理，满足大规模生产和检测的需求。 　　综上所述，豆制品蛋白质检测仪在食品加工、食品安全监管、农业科研等多个领域具有广泛的应用价值，是现代食品工业和科研领域中不可或缺的重要工具。[img=,690,690]https://ng1.17img.cn/bbsfiles/images/2024/08/202408131424338910_5357_6238082_3.jpg!w690x690.jpg[/img]

[font=宋体][font=宋体]由于[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术具有诸多优点，其技术在食品营养成分、品质、微生物、真实性以及有害物质检测等众多方面得到了广泛的应用，见图[/font][font=Times New Roman]6-[/font][/font][font='Times New Roman']6[/font][font=宋体]所示。[/font][align=center][img=,458,315]https://ng1.17img.cn/bbsfiles/images/2024/06/202406261013492017_4580_4070220_3.png!w690x493.jpg[/img][b][font='Times New Roman'] [/font][/b][/align][align=center][font=宋体]图[/font][font='Times New Roman']6-6[/font][font=宋体][url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术在食品检测中的应用[/font][/align][b][font='Times New Roman']1. [/font][font=宋体]蛋白质检测[/font][/b][font=宋体]凯氏定氮法是蛋白质检测的常规手段，其实验操作繁琐，耗时较长，需要强腐蚀性化学试剂，是一种破坏性分析手段，检测样品无法进行二次销售。[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术具有快速无损的优势，可实现乳品、肉制品等食品中蛋白质的测定。此外，[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术还可实现氨基酸态氮的定量检测。氨基酸态氮含量是判定酱油、醋等调味品质量的重要指标之一，常规氨基酸态氮的检测手段有双指示剂法以及电位滴定法，操作复杂且耗时较长，不利于快速无损检测。[/font][b][font='Times New Roman']2. [/font][font=宋体]碳水化合物检测[/font][/b][font=宋体]食品中碳水化合物主要包括淀粉、纤维素、蔗糖、葡萄糖和果糖等，是食品中重要的营养素以及风味物质。通常，食品中不同种类碳水化合物用途不同，[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术可实现对不同碳水化合物的定性定量分析。因具有快速无损的优势，[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术被广泛用于水果中糖类、大米中淀粉等物质的测定。[/font][b][font='Times New Roman']3. [/font][font=宋体]脂类物质检测[/font][/b][font=宋体]食品中脂类物质的传统检测手段是索氏提取、酸水解法等，存在耗时长，无法同时实现大批量样品检测等弊端。近年来，[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术被广泛用于肉制品、大豆、核桃、鸡蛋等食品中脂类物质的快速测定。[/font][b][font='Times New Roman']4. [/font][font=宋体]酸度检测[/font][/b][font=宋体]酸度是食品风味呈现的重要部分之一。食醋是一种历史悠久的酸味调味剂，而有机酸是评价食醋品质的重要指标之一。传统分析手段如滴定法、[url=https://insevent.instrument.com.cn/t/5p][color=#3333ff]液相色谱[/color][/url]法等存在检测时间较长、样品无法二次销售等缺点，[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术可实现食品中酸度的快速无损测定，具有较好的预测精度和稳定性。[/font][b][font='Times New Roman']5. [/font][font=宋体]水分检测[/font][/b][font=宋体]水分是食品品质的重要指标之一，如肉的嫩度与水分紧密相关。传统水分分析手段多为直接干燥法、减压干燥法、蒸馏法以及卡尔费休法等，但实验操作复杂且耗时较长。由于水分对近红外有强吸收，故[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术可实现食品中水分含量准确、快速、无损的测定。[/font][b][font='Times New Roman']6. [/font][font=宋体]其他[/font][font=宋体]化学成分检测[/font][/b][font=宋体][url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术还可实现酒中酒精度、黄酮、茶叶中的茶多酚和咖啡碱、油脂中的酸价和过氧化值等化学成分和指标的无损检测。[/font][b][font='Times New Roman']7. [/font][font=宋体]食物微生物检测[/font][/b][font=宋体]微生物中的核酸、蛋白质等成分产生的光谱信息不同。因此，[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术可用于微生物的定性和定量检测，如食品中菌落总数、致病菌、霉菌以及毒素的检测，还可用于微生物发酵过程中活菌数量的在线监测。[/font][font='Times New Roman'][font=宋体]然而[/font][/font][font=宋体]，[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术的灵敏度不高，[/font][font='Times New Roman'][font=宋体]较难实现痕量微生物的检测[/font][/font][font=宋体]。[/font][b][font='Times New Roman']8. [/font][font=宋体]食物真实性检测[/font][/b][font=宋体]近年来，假奶粉事件、地沟油事件、假酒事件等不断发生，一系列重大食品安全事件严重危害到广大人民的身体健康。[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术因其快速、无损、简单、高效的优点，被广泛用于食品真实性检测，如乳制品的品种产地鉴别以及肉类、酒类和饮料掺假鉴别等。通过建立鉴伪模型，可以快速获得检测对象是否掺假、掺假种类及掺假比例等信息。[/font][b][font='Times New Roman']9. [/font][font=宋体]食物污染物检测[/font][/b][font=宋体]现有研究表明，[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术可用于乳制品中三聚氰胺、面粉中滑石粉等食品污染物的检测。然而，[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术尚较难实现对于低含量的食品污染物如农药与兽药残留的检测，以及无近红外吸收的污染物如重金属等物质的准确定量分析。[/font]

请教各位，GB/T24899-2010 近红外测小麦粗蛋白质中准确度具体是什么意思 ，怎么计算的，能不能给个计算公式 ，谢谢“验证样品集粗蛋白质含量扣除系统偏差后的近红外值与其标准值之间的标准差不大于0.3%”

如题，想用近红外做单粒小麦的蛋白质，目前测试一粒小麦各个面光谱差异较大，不知大家对单粒小麦的近红外光谱测试有何见解。

[font='Times New Roman'][font=宋体][url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术可以检测的乳制品成分有蛋白质、脂肪、碳水化合物、乳糖（婴幼儿配方乳粉）[/font][/font][font=宋体]、[/font][font='Times New Roman'][font=宋体]尿素氮和总固形物等。[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术能在短时间内实现乳品[/font][/font][font=宋体]中的多种组分[/font][font='Times New Roman'][font=宋体]同时检测，在乳品成分在线检测领域更具优势。[/font][/font]

新华社东京10月12日电（记者蓝建中）日本大学的一个研究小组日前宣布，他们开发出了一种只需向皮肤照射近红外线，分析其波形就能计算出血压的新型血压计。 新型血压计无需使用一般血压计的袖带，也能用于测量运动时的血压。这种血压计还能测定血糖，并且不需要采血。 日本大学工程学系教授尾股定等人研发这种血压计原理是，近红外线会被血液中的血红蛋白吸收，由于血流量随着血压变动而变化，反射波的波形也会发生变化。 新型血压计用接触皮肤的发光二极管以20万赫兹的频率向皮肤照射近红外线，然后用光电检测器捕捉反射波，就能检测出波形的差异。通过放大波形，分析形成波峰的时间差以及波振幅大小的差异，就能够计算出血压值。 这种血压计不仅能以5％以内的误差测量血压，还能用于测定血糖值。由于葡萄糖难以使近红外线出现有特征的反射波，研究人员使用了两种波长不同的发光二极管，以放大反射波的差异，实现血糖浓度测定。现在一般的血糖测量仪都需要采血，给经常要测血糖的患者造成不便。

[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url](Near lnfrared Spectroscopy，NIBS)分析技术是20世纪70年代发展起来的一种新的成分分析技术，其应用波长范围大约为3-0．70um，属红外光谱范围，是电磁波的一个组成部分。NIRS作为电磁波的一个组成部分，具有电磁波和物体作用时表现出的一般特性，如透射、漫反射、吸收等，此外，其最突出的特点是这一光谱区域为含氢基团的倍频和合频吸收区。物质的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]是其中各基团振动的倍频和组合频率的综合吸收表现。尽管朗伯一比尔(Lamher-Beer)定律适合每个基团的吸收强度与其含量之间的定量关系，但对于一个吸收峰高度叠加光谱的定量分析，简单地应用朗伯一比尔定律显然是不合适的。这也是传统的光谱工作者避开近红外区的原因之一。 早期的NIRS分析技术主要是利用近红外的透射(Near lnfrared Transmittance，NIT)光谱测定液体中的水分含量和苯、乙醇等含一OH基团的化合物[刨。由于大多数食品和农产品的未破坏无损伤物料对NIRS来说是不透明体，测量其透射率有一定困难，所以该技术未能用于食品和农产品分析。真正使NIBS分析技术应用于农产品方面是1976年Norris将近红外反射光谱应用于谷物的水分研究并提出相对NIRS定量分析技术之后，其理论是：物质中某一化学成分的含量与近红外区内多个不同的波长点吸收率呈线性关系。 通过对一批已知其化学成分含量的NIRS校正，可获得X个波长点的回归系数，再用这个被确定的模型来预测未知样品中该化学成分的含量。 近十几年来，随着计算机技术的发展，大量光谱数据的处理成为可能；同时，NIRS分析技术本身也不断地发展，如采用的光谱区段、进样方法、光谱采集方法及定标用的统计方法等，都使NIBS分析技术的应用日益广泛，由最早谷物中水分含量的测定发展到同时测定谷物中的蛋白质、淀粉、油分等多种组分，应用范围也由农业扩展到食品、医药、纺织、石油等行业。2 国内外应用NIB分析技术检测饲料品质情况 NIBS分析技术毕竟是在对农产品尤其是谷物品质分析的研究中形成和发展起来的，目前文献涉及的NIBS分析绝大多数是相对NIB分析，而且多数是农产品方面的品质分析和应用研究，在饲料方面的应用也几乎全是对饲料作物及其产品的品质分析和应用研究。近十几年来笔者检索到的用NIRS分析技术测定水分和／或蛋白质和／或脂肪的报道共有221篇，除26篇涉及医学、15篇涉及环境生态、9篇涉及木材及其加工等行业外，其余171篇都是关于农产晶类的研究，其中饲料类33篇。这33篇报道，都采用相对NIR分析方法。 虽然相对NIB分析技术作为预测粗蛋白含量的快速检测方法已于1989年被AOAC首次通过，但由于该方法在实际应用中技术性能变化较大，AOAC也只是对该方法作一些规则性描述。上述33篇饲料类文献表明，长期以来许多学者对相对NIB分析技术作了很多研究，水分、蛋白质、脂肪、灰分是做得比较多的项目，定标应用效果良好，参见文献国外的实验材料多数选单一原料，也有报道混合饲料的相对NIB效果差于单一原料，对动物性饲料原料或混料的研究较少。 我国NIBS分析技术的研究起步较晚。"七五"期间，以中国农业科学院畜牧所为主，全国约20家研究所联合研制了一些饲料质量分析定标软件，如饲料用玉米、大豆粕、苜宿粉、蛋鸡配合饲料中的干物质(DM)、粗蛋白(CP)、粗纤维(CF)和灰分含量定标软件以及6种饲料的消化能(DE)和代谢能(ME)、4种饲料原料的氨基酸(AA)、6种饲料的植酸磷、饲料添加剂中喹乙醇分析软件。之后，中科院长春光机所研制出了具有9个滤光片NIRl501型近红外反射光谱仪，到1996年出现了该国产NIR分析仪在饲料检测中的应用研究。与国外情况相似，我国的NIBS技术也多以粮谷作物及其产品为研究对象，文献中提及的"饲料"都是饲草类或粮谷类配合饲料。文献于1996年应用国产滤光片式NIR分析仪对全国各饲料厂及原料供应商采集的50个鱼粉样品(48个用于定标)的水分、粗蛋白含量进行定标、预测，效果良好。同年，福建省测试技术研究所用NIR分光光度计成功地测定成鳗饲料中粗纤维含量。王文杰报道曾用NIR技术对预混料中维生素A、喹乙醇、土霉素的检测进行研究，证明NIR是一种有应用价值的监测手段。丁丽敏用NIR技术对鱼粉的氨基酸含量和豆粕、玉米的真可消化氨基酸含量进行定标和预测，结果表明鱼粉赖氨酸和总的氨基酸的定标效果达到可利用程度，而蛋氨酸和胱氨酸的定标精度有待进一步提高；豆粕中除与胱氨酸有关的方程较差外，其它氨基酸的定标方程经检验有良好的预测性能；玉米真可消化氨基酸的定标性能不如豆粕好，目前还不能实际应用。3 饲料领域中如何应用NIRS定量分析技术 上述国内外研究工作均采用相对NIR法，尚未见NIT分析技术在饲料领域中的研究报道。纵观近10年来国内外的应用研究情况，应用NIRS作为饲料的定量分析技术，都遵循这样的过程--定标(Calibration)和预测(Prediction)。定标目的在于建立常规分析方法和NIRS分析法得到的结果之间可靠的函数关系，包括定标样品的选择，常规法测定定标样品某成分含量，获取定标样品的光谱数据并进行数学处理，经回归计算产生某成分的定标方程，再对该成分定标方程的准确性进行评价。定标样品在数量理论上只要比回归自由度的数目多一个就可以计算，但实际上数量越多，定标方程越有普遍意义。实际工作中，至少应考虑取50个样品。光谱数据的预处理和采用的回归校正方法是影响定标方程效果的主要因素，预处理较多采用趋势变换法、标准正态变量转换法、乘性散射校正法和加权乘性散射校正法等，回归校正方法常用逐步回归分析法(SMLR)、主成分分析法(PCR)、最小偏差分析法(PLS)和傅立叶转化等，其中PLS法是目前NIBS分析上应用最多的回归方法。预测是考察定标方程在实际应用中的可行性，其样品的选择和处理与定标用的样品大致一样，只是样品数目和成分含量分布不必象定标样品严格，结果需用预测标准差(Standard Error of Prediction)和相关系数(Rc)来衡量。为了获得满意的Rc要注意尽量多收集样品，并增加样品的覆盖范围，使各不同含量水平的定标样品数目尽可能均匀分布。 上述国内外研究工作为我国饲料行业应用NIRS分析技术提供了大量的经验和基础数据，但是近10年来我国NIRS分析技术在仪器和研究方法上均落后于欧美国家，目前NIBS分析技术还没有在我国农业科研和生产中得到真正的应用。由于应用NIRS分析技术作为一种定量分析方法，与化学法或物理化学法相比，主要具有如下优点：(1)无需称样，可以连续无限次地进行分析；(2)样品制备简单，只需粉碎，不用任何化学试剂处理，或者根本不用样品制备，对样品无损耗，测定后仍可作它用；(3)测定快速，只需几秒钟或几分钟即可完成，且一次可完成多个成分的测定。因此，NIRS分析法也称无损分析法，已引起化学和分析测试工作者的普遍重视，许多科学家认为此种技术将成为21世纪快速、实时分析和过程分析的最先导技术。

这是一篇介绍稻谷新陈度近红外快速无损检测的研究由于有些作物生产有季节性，需要储藏，以满足常年需求。在储藏时，由于温度、水分等因素的影响，其中的淀粉、脂肪及蛋白质等营养物质会发生变化，失去原有的色、香、味，营养成分和食用品质变差，甚至有可能产生有毒有害的物质（如黄曲霉毒素等）。我们现在想把小麦的新陈程度区分开来，能区分的时间间隔越短越好，不管什么方法希望大家能给些宝贵的意见

我想检测兔子全血的血红蛋白，不知道那个公司有这方面的试剂盒？如果我用血红蛋白计测量，xk-2血红蛋白计怎么样啊？还有就是全血的血红蛋白和血浆的血红蛋白的差别到底在哪啊？请各位老师指教！！

公司要进行小麦、水稻、玉米、高粱等粮食作物的采购，需要在收购现场快速检测粮谷的理化指标（水分、脂肪、蛋白质、总淀粉、支链淀粉、单宁）。请大家推荐能够实现这些检测项目的近红外仪器，最好仪器厂家能有成熟的模型。谢谢！

谁能讲一下利用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析蛋白质含量的一些具体的东西

对现有的一些使用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]无创离体和在体测量葡萄糖的研究结论，结合我们的研究结果进行评述。首先介绍建立葡萄糖光谱检测的基本理论。在光谱检测的分析研究中，离体测量表现出良好的结果；在体葡萄糖检测和预测，结果精度较差，离临床和家庭使用还有一些距离。 1 简介 糖尿病是一种内分泌疾病。据报导，1997年全世界的糖尿病患者超过1.2亿，到2010年将会增长到2.2亿以上。现有对糖尿病较有效的治疗手段是通过频繁的检测和胰岛素注射来对血糖浓度进行控制，从而减少或减轻由糖尿病导致的并发症。目前检测血糖的方法主要是从体内抽取血液通过生化检测进行分析，这属于有创伤检测，有创伤检测给患者带来的痛苦和不便。无创性血糖检测已引起人们极大的关注，其意义是：(1)减少患者每天采血测量的痛苦，提高病人的生存质量；(2)可提高测量次数，提高血糖控制精确度，降低糖尿病并发症发生的危险；(3)降低每次测量的成本；(4)有可能形成含有检测器和胰岛素注射的闭环循环系统；(5)其测量方法和原理可以推广应用到其它血液成分的检测。在无创性血糖检测研究中使用较多的是红外光谱分析方法，通过对一束红外光透过人体组织或者由其反射的光谱信号分析，确定组织内葡萄糖的含量。目前较有效的光谱范围是近红外区(波长为0.7μm-2.5μm)。 2 红外光谱检测葡萄糖的原理和方法 2.1 水溶液中葡萄糖的近红外吸收 有机分子在[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]区的吸收主要是由于含氢基团的分子振动的倍频与合频吸收造成的[1]。有机分子的倍频和合频光谱能够得到分子结构、组成状态的信息。有机物[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]，其特征性强，受分子内外环境的影响小，但倍频和合频比基频吸收带宽得多，使得多组分样品的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]在不同组分的谱带、同一组分中不同基团的谱带以及同一基团不同形式的倍频、合频谱带发生严重的重迭，从而使[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]的图谱解析异常困难。在混合物中的化学组分，很难再分离出每种组分单一、无重叠的吸收光谱。在有强烈水的背景吸收情况下的生物混合液，常规方法很难测量出低浓度物质的含量。水是生物组织中的主要成分，不但有单一的红外光谱，还有丰富的扩展到近红外区域的合频和倍频光谱。对水的红外光谱分析可知，水在波长为2.01μm-2.5μm的吸收较小，形成一个被称为水传输窗的区域，所以水溶液物质最好的分析波长为2.0μm-2.5μm。水在3μm以上其吸收率大于6 AU/mm，很难测量其它物质。 2.2 葡萄糖光谱的特异性在葡萄糖固体和葡萄糖溶液中所得的葡萄糖红外吸收的基频早已有报导[2]。葡萄糖伸缩振动能产生很强的合频和倍频吸收带。葡萄糖水溶液的近红外(2.0μm-2.5μm)光谱的测量有吸收峰，葡萄糖的光谱是唯一的，但葡萄糖红外区的合频和倍频光谱与水、脂肪和血红蛋白电子吸收波段的几个合频和倍频频率相互重迭，即被其它成分的光谱所覆盖。这是葡萄糖红外光谱测量的主要干扰。有机混合物对在近红外区吸收谱带的重迭以及漫反射光谱并不是各成分单独存在时光谱的迭加。组织吸收对葡萄糖测量也有影响，在手指这样小的部位中近红外光会削弱3-4个吸收单位，而5mmoL／L的葡萄糖浓度变化，光谱吸收的变化约10-5个吸收单位。组织光散射对葡萄糖测量的影响也很大，组织散射的光强、定位误差和身体各因素的影响是最主要的测量误差，这些都影响[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]学在血糖检测中的应用。 2.3光谱分析方法 在红外光谱分析时化学计量学方法是很有效的。化学计量学(Chemometrics)采用多元分析校正统计学方法与计算技术，解析化学测量数据，由红外光谱算出样品各成分的含量。现在常用的多元分析校正方法中，进行血糖检测光谱分析效果较好的是偏最小二乘法(PLS)，它将已知的葡萄糖浓度的光谱组，用主因子分析作定量计算的方法，对光谱矩阵进行特征向量分析，然后使用多元线性回归，找出极小的光谱变化和分析物浓度之间的关系，消除与葡萄糖无关的光谱变数，得出校正光谱，通过校正光谱和样品光谱的内积(即点积)确定葡萄糖浓度。 3 离体检测和在体检测的研究现状 3.1 离体[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]混合葡萄糖溶液测量 Jonathon T．Olesberg等使用80个含有葡萄糖、乳酸盐、丙胺酸、抗坏血酸盐、尿素和乙酸甘油酯样品，测量葡萄糖溶液在2.0μm-2.5μm波长带宽范围内的光谱，使用PLS校正光谱预测溶液成分的浓度。结果表明，在0-35mm内葡萄糖溶液的测量预测标准差为0.39mm，乳酸盐为O.12mm，丙胺酸为0.53mm，抗坏血酸盐为0.23mm，尿素为0.11mm，乙酸甘油酯为0.12mm，结果比较满意。目前在成分从简单到复杂的水溶液中是可以预测葡萄糖浓度的，但这些溶液相对血液或血浆还很简单，研究的成分最多是5种，所以还需进一步研究更多成分的水溶液来模拟血浆或血液系统。 3.2 血浆或全血[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]葡萄糖测量 Haahand[3]从人群中获得了4个不同的全血样本，并将葡萄糖加入其中。对每个个体，准备葡萄糖浓度从(3-743)mg/dl变化的20个血液样本，然后在(1.5-2.3)μm范围内收集每个样本的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]，再利用参照葡萄糖浓度，用这些光谱去创建PLS定标模型。对所得光谱进行研究之后表明，2.0μm-2.3μm含有很有多的葡萄糖信息。利用这段区域，所得交叉校验的SEP值为30.5mg/dL。这个误差很大，但它可以通过增加定标样本的数量和控制扫描过程中样本的温度而有所减少。Amord等人把数字滤波技术用于牛血浆葡萄糖浓度的测定。将牛血离心以得到血浆，加入不等量的葡萄糖共配制69个样本，并在2.01μm-2.5μm范围内收集这些样本的光谱。通过对这些光谱的观察，发现有些区域含有很高的噪声，他们引人傅立叶滤波以减少噪声和基线偏移。经过PLS定标和预测得出SEP值。结果表明，[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]可用于测定血浆基质中的葡萄糖浓度，准确度和精度在允许的误差范围内。 我们用磷酸氢二钠和磷酸二氢钠配制不同浓度葡萄糖缓冲水溶液，葡萄糖浓度是18mg/dL-1800mg／dL。共配制20个溶液样本。另外还配制加有牛血清白蛋白(BSA)成分的葡萄糖溶液，配制时在900mg／dL的葡萄糖缓冲溶液中加入了70mg的BSA，制成样本，并在临床采集已知葡萄糖浓度的血样，使用MAGVA-AR560型近红外傅立叶变换光谱仪，在1.61xm-2.51xm段的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]范围进行研究。使用PLS分析也取得了较好的结果[4]。 3.3 在体[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]血糖测量 在体[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]血糖测量的关键是建立在体环境下的校正光谱，因为有很多误差来源影响测量，需要通过定标来消除或予以补偿。有些影响测量的误差却不容易合并到定标中，这样的误差来源主要有探测器定位误差、温度和脉搏的影响、检测设备的机械压力、水合作用、出汗、血容量以及血流比容积的变化等。现在主要有两种研究方法，一种是实验方法，在进行口服耐糖检测(OGTT)时从非糖尿病人群和糖尿病患者中无创地收集光谱信号，同时用有创伤的方法测量血糖浓度，最后在所得血糖值和无创性收集的光信号的关系基础上建立模型。这种方法不能测量出其它的代谢物、干扰物、生物噪声或者仪器与身体接触面的变化等信息，但它可计算出这些噪声所带来的影响。另一种方法是物理模型方法，在这种方法中，首先在一组标准葡萄糖溶液中测量葡萄糖的信号。然后逐渐增加标准液的复杂性来模拟人体组织，并描述每一步的精度和准确度，再用数学模型把数据关联起来，用于组织中的光线传播，最后把研究的测量方法和系统应用到人体中。所得的体内信号又与通过化学测量技术的有创伤数据关联起来。这种方法可以鉴别噪声成分，因此利用这种方法在使用化学测量技术之前消除噪声对信号的影响。 手背皮肤的近红外漫反射光谱特性，可知类似水溶液。人体组织在近红外区域也有一个传输窗，所以在2.0μm-2.5μm处有可能测量葡萄糖的浓度。一个含有脂肪和葡萄糖等的理论模型已经在2.0μm-2.5μm范围内用于模拟组织葡萄糖的光吸收[4]。在这些研究中所用的葡萄糖浓度通常要比生理浓度的范围高。但由于目前的几种技术还不能很好地确定所测的信号，对一个血糖浓度正在变化的个体来说，用口服耐糖试验的数据可以建立一个关于血糖浓度的无创性测量响应。在检测过程中产生的数据还可在后来的无创性测量中预测血糖浓度。由于无创性测量响应可能会带有非糖方面的生理影响，所以由口服耐糖试验和无创性测量回应关系所决定的临床定标就会产生一个定标曲线，这个曲线对被测个体来说是唯一的。但这种定标曲线可能需要通过有创伤的检测进行周期性的更新。用于定标的口服耐糖试验和饮食耐量试验会产生时间上连续的一系列测量值，但如果不能进行随机采样，这些由时间决定的数据就会影响多变量定标的结果。这样，光谱信号和噪声的临时分布可能会导致与血糖的不正确关联。在体经皮研究结果显示，到目前为止还不能鉴别直接测得的葡萄糖浓度和数据组内存在的偶然关系[5]。所以现在的研究水平用于家庭血糖监测仪还是不可接受的。 4 检测存在的问题 近红外在体检测葡萄糖浓度的缺点：(1)测量精度较低；(2)需要反复定标；(3)受到服用药物的影响，其它干扰因素较多；(4)水的近红外波段的吸收强度对溶解物

油脂加工行业产业链我国是世界第一人口大国，每年需要提供的食物蛋白质数额巨大。另外，我国也是世界第一畜牧、水产大国，养殖业所需提供的饲料数额也极其巨大。因此，开展原料品质检测和开发利用制油后获得的饼粕蛋白资源具有极其重要的意义。近红外光谱技术具有快速、无损、无污染等特点，在各种粕类检测中，快速提供各指标的可靠分析数据，为油脂加工企业及科研部门节省检测时间及费用。在原料收购环节做到快速按质论价；在每一批次的原料和压榨后对粕类进行快速检测，适合油脂、食品加工企业及研究院所使用。 以大豆油生产企业为例：http://www.fpi-inc.com/upload/201407/201407211724387195.png 大豆加工企业的价值链http://www.fpi-inc.com/upload/201407/201407211724508141.png 大豆油生产工艺流程（浸出法）如上图所示，近红外分析仪在榨油的整个流程中，主要有以下应用：原料按质收购：收购时现场快速无损检测原料的品质（包括水分、含油、蛋白等参数），实现按质论价，指导原料采购企业选购优质的原料；优化生产过程：实时检测压榨和浸提过程中含油量，及时结束榨取或浸出工序，最大化出油率。最终产品质量控制：检测油粕中的水分、蛋白和残油含量，作为分级定价依据。及时给出成品油水分和酸价等重要指标，确保油品质量。副产品质量控制：对榨油过程的副产品-成品粕的水分、蛋白、残油等进行精确控制，保证出厂供应给饲料厂等下游企业的豆粕合格；绿色检测，节约成本：近红外分析仪器无需化学试剂，从而直接降低实验室化验成本，另外可大大减少操作人员的劳动力，降低使用门槛，节约管理费用； 聚光科技SupNIR-2700系列分析仪目前在油脂行业可检测的指标检测对象检测指标大豆水分含油蛋白 豆粕水分残油蛋白纤维灰分氨基酸 油菜籽水分[/al

我想问下近红外能测那些指标？还是有如果是测粗蛋白，假如说 想测豆粕，国产鱼粉、进口鱼粉、膨化大豆，成品料的粗蛋白，是不是分别要对每个原料建立模型，还是粗蛋白只建立一个模型，建立模型需要多少数据呢，需要80次以上吗？近红外在检测不同原料的中氨基酸的方面用的多吗？请各位前辈指导