基于脂质学结合粒子群优化-反向传播神经网络的Yanchi tan羊羔的认证
Qi Yang1, Dequan Zhang1, Chongxin Liu1
1Institute of Food Science and Technology, Chinese Academy of Agriculture Sciences, Key Laboratory of Agro-Products Quality and Safety Control in Storage and Transport Process, Ministry of Agriculture and Rural Affairs, Beijing 100193, China.
Food chemistry: X
|December 11, 2024
概括
这项研究使用了脂管学和粒子群优化-反向传播 (PSO-BP) 神经网络来验证扬奇坦羊羔的真实性. 在PSO-BP模型实现100%的准确性识别羊羔来源基于脂质资料.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 生物技术是生物技术.
背景情况:
- 认证地区食品产品的真实性,如延羊羔,对于质量控制和消费者信任至关重要.
- 了解不同来源的羊羔独特的风味和脂质特征对于建立地理标志至关重要.
- 传统的食品认证方法可能耗时,可能无法捕捉复杂的生物化学差异.
研究的目的:
- 用先进的分析技术开发一种可靠的方法来验证延羊羔的真实性.
- 为了研究从不同地区区分出Tan羊羔的挥发性化合物和脂质特征.
- 建立一个预测模型,用于准确的延羊羔来源识别.
主要方法:
- 广泛的向性脂管学被用来分析脂质组成.
- 气色谱-光谱-质谱 (GC-O-MS) 和电子鼻子被用于分析挥发性化合物.
- 一个粒子群优化-反向传播 (PSO-BP) 神经网络被开发和优化用于分类.
- 用逐步线性差异分析进行比较.
主要成果:
- 在 17 种已识别的挥发性化合物中,在 16 种中观察到显著的区域差异.
- 脂质组分析确定了1080个分子,其中11个特定的脂质被确定为延羊羔的潜在标记物.
- PSO-BP神经网络模型在训练和测试数据集中显示出100%的预测准确性.
- 该模型有效地歧视了Yanchi和非Yanchi Tan羊羔.
结论:
- 脂组学和PSO-BP神经网络的结合为延羊羔身份验证提供了一个高度准确的方法.
- 可以使用特定的脂质标记物和挥发性化合物来根据地理来源区分羊羔.
- 这种方法增强了对丹羊肉的风味和脂质成分的理解,支持其地理标志.
