通过近红外光谱和生物体群智能优化算法快速评估moutan皮层 (Paeonia suffruticosa Andrews) 的质量

科学领域:

• 药理学是指药理学,即药理学是指药理学.
• 分析化学 分析化学
• 计算智能是一种计算智能.

背景情况:

• 穆坦皮层 (MC) 是一种具有治疗价值的传统中国药草.
• 目前对MC的质量评估方法是不够的,耗时的,劳累的.
• 需要一个全面和有效的MC质量控制方法.

研究的目的:

• 开发一种快速,准确和高效的MC质量评估方法.
• 探索近红外光谱 (NIR) 应用与生物群智能优化算法相结合,用于MC质量控制.
• 提高MC分析的定量模型的性能.

主要方法:

• 收集了MC样本和获得了NIR光谱.
• 通过使用HPLC和UV-Vis光谱测量来确定醇,氨酸,酸,总黄和的含量.
• 利用部分最小平方回归 (PLSR) 来构建定量模型.
• 应用了5个生物群智能优化算法来选择波长,以提高模型性能.

主要成果:

• 开发了使用NIR光谱的MC质量评估的定量模型.
• 通过生物蜂群智能优化算法,实现了模型性能的显著提升.
• 在校准和预测集中观察到高模型精度,确定系数 (R2) > 0.9,剩余预测偏差 (RPD) > 3.

结论:

• 生物蜂群智能优化算法显著提高了MC质量评估定量模型的性能.
• 拟议的基于NIR的方法为MC质量控制提供了快速,精确和高效的方法.
• 这项研究表明,在NIR分析中,生物蜂群算法在药用草药质量评估中具有有前途的应用.