机器学习方法用于在黑米中进行高通量类抗氧化剂查,基于表面FTIR的米胚胎血采集
Achini Herath1, Rhowell Jr Tiozon2, Tobias Kretzschmar3
1Department of Chemistry and Biotechnology, School of Science, Computing, and Engineering Technologies, Swinburne University of Technology, Hawthorn, Victoria, Australia.
Food chemistry
|August 9, 2024
概括
在有色素大米中分析类抗氧化剂是具有挑战性的. 本研究使用富里埃变换红外光谱 (FTIR) 和机器学习 (ML) 来快速,非破坏性地预测彩色大米中这些有价值的化合物.
科学领域:
- 农业科学 农业科学
- 分析化学 分析化学
- 生物化学 生物化学
背景情况:
- 颜色大米品种富含有益的性抗氧化剂.
- 分析这些化合物的传统方法是劳动密集型和耗时的.
- 对抗氧化剂的有效分析对于育种和营养研究至关重要.
研究的目的:
- 开发一种快速,非破坏性的方法来预测和分类有色米中的多抗氧化剂.
- 将表面光谱与机器学习相结合,用于高通量分析.
- 为了加快营养价值的彩色大米生殖质的表征.
主要方法:
- 生物化学上总化合物,黄类,氨酸和氨酸的量化.
- 从全粒表面 (800-4000 cm-1) 获取减弱总反射率 (ATR) 的FTIR光谱.
- 使用光谱和生物化学数据优化五个机器学习 (ML) 分类模型.
主要成果:
- 机器学习模型实现了高预测准确度,从93.5%到100%不等.
- 随机森林和支持矢量机模型确定了与特定抗氧化剂相关的关键FTIR光谱特征.
- 表面化学光谱与抗氧化剂分析的ML之间的成功相关性.
结论:
- 直接的,非破坏性的表面光谱与ML相结合,为色素大米分析提供了一个可行的高吞吐量平台.
- 这种方法显著加快了色米品种中类抗氧化剂的分析.
- 能够有效地选胚胎血采集,以提高营养价值.
更多相关视频
10:30A Generalized Method for Determining Free Soluble Phenolic Acid Composition and Antioxidant Capacity of Cereals and Legumes
Published on: June 10, 2022
6.8K
05:44Real-Time Detection of Reactive Oxygen Species Production in Immune Response in Rice with a Chemiluminescence Assay
Published on: November 25, 2022
3.6K
