相关实验视频
Updated: Sep 9, 2025
11:02
Fruit Volatile Analysis Using an Electronic Nose
Published on: March 30, 2012
21.8K
通过电子鼻子,HPLC和机器学习,以气味化学相关性为基础评估大脑虫的质量
Huiqin Ding1, Lijiao Tong2, Qi Huang3
1The Second Affiliated Hospital of Zhejiang Chinese Medical University, Hangzhou, China.
Biomedical chromatography : BMC
|September 2, 2025
概括
它的气味反映了它的质量,与特定的化学化合物如Atractylon有关. 机器学习可以根据其香味特征准确地区分高质量的Atractylodes macrocephalacy Yuzhu (AMY).
科学领域:
- 药物鉴定
- 化学信息学
- 传统中国医学
背景情况:
- 这是一种珍贵的传统中医药.
- 来自临安的 (Atractylodes macrocephalacy Yuzhu, AMY) 品种以优质的品种而闻名.
- "气味表明质量"的原则指导了AMR的质量评估.
研究的目的:
- 调查AMR的气味与其化学成分之间的联系.
- 确定主要的挥发性化合物,使高质量的AMY与其他AMR区分开来.
- 评估用于质量评估的机器学习模型.
主要方法:
- 油室分析以评估解剖特征.
- 电子鼻子和机器学习用于挥发性化合物分析.
- 高性能液体染色学 (HPLC) 用于化学量化.
- 用SHAP分析来确定特征的重要性.
主要成果:
- 临安的样本显示油室密度和大小较高.
- 芳香成分和硫化物是通过电子鼻子识别的关键区分因素.
- 亚特拉提隆是区分AMY的最重要的化学标志物 (贡献0. 96).
- 机器学习模型在区分AMR和AMY方面取得了高准确性.
结论:
- 药物耐药性的"气味表明质量"原则得到了其化学特征的支持.
- 挥发性有机化合物,特别是芳香成分和硫化物,是重要的质量指标.
- 吸引龙是一种主要的化学标志物,用于识别高质量的吸引龙大脑.
