使用多次稀释的光指纹可以更好地预测香料提取物中的化学属性
Thi Bao Chau Bui1, Daiki Iida2, Yutaka Kitamura3
1Graduate School of Science and Technology, University of Tsukuba, Ibaraki, Japan; Institute of Life and Environmental Sciences, University of Tsukuba, Ibaraki, Japan; Japan Society for the Promotion of Science (PD), Ibaraki, Japan.
Food chemistry
|December 13, 2023
概括
这项研究引入了一种使用多重光指纹 (FF) 测量和机器学习来准确评估香料提取物质量的新方法. 这种方法提高了FF的可靠性,用于评估植物产品中的全聚,黄酸盐含量和抗氧化能力.
科学领域:
- 分析化学 分析化学
- 食品科学 食品科学 食品科学
- 生物化学 生化学
背景情况:
- 光指纹 (FF) 提供食品和植物产品的快速质量评估.
- 单次稀释水平 (DL) FF分析对于复杂的混合物如香料提取物是有限的,因为不同的成分度和内部波效应.
研究的目的:
- 开发和验证一种使用多DLFF和机器学习进行香料提取物化学属性估计的新策略.
- 与单个DL方法相比,提高质量评估的准确性和一致性.
主要方法:
- 在多重稀释水平 (DLs) 上获取FFs,用于香料提取物.
- 应用机器学习算法来分析多个DL FF元数据.
- 估计总多和黄含量,以及抗氧化能力.
主要成果:
- 多DL FF策略在估计化学属性方面表现出更优越,更一致的性能.
- 这种方法有效地解决了多元组件材料和内部波器效应带来的挑战.
- 对总多和黄酸盐含量以及抗氧化能力的估计得到了满意的结果.
结论:
- 使用多DLFF和机器学习的新工作流提供了一个强大的替代方案,用于快速评估香料提取物的化学质量.
- 这种方法适用于更广泛的植物性产品和食品材料.
- 提高了FF作为食品和植物工业质量控制工具的实用性.
