基于激光诱导分解光谱 (LIBS) 的跨仪器数据利用,用于识别Akebia物种
Yuge Liu1,2,3, Qianqian Wang1,2,3,4, Tianzhong Luo1,2,3,4
1School of Optics and Photonics, Beijing Institute of Technology, Beijing 100081, China.
Bioengineering (Basel, Switzerland)
|September 27, 2025
概括
这项研究引入了一种新方法,将激光诱导分解光谱 (LIBS) 与随机森林相结合,用于在传统中医中准确识别阿基比亚物种. 开发的"SCFS-PP"框架提高了TCM分析的跨设备可靠性.
科学领域:
- 分析化学 分析化学
- 药理学是指药理学,即药理学是指药理学.
- 生物技术是生物技术.
背景情况:
- 由于药理效应不同,准确识别传统中医 (TCM) 品种至关重要.
- 传统中医分析面临着不清晰的化学成分和跨设备可变性的挑战.
- 阿克比亚物种具有治疗潜力,但需要精确的分化才能安全临床使用.
研究的目的:
- 开发一种可靠的方法来区分三种常用的阿克比亚物种.
- 建立基于LIBS的物种识别跨设备建模和验证方案.
- 为了提高LIBS在TCM分析中的准确性和适用性.
主要方法:
- 采集了三种Akebia物种的光谱数据,使用了两种LIBS系统,具有不同的光谱仪分辨率.
- 开发了一种使用标准灯和差异分析 (ANOVA) 的光谱校正和特征选择 (SCFS) 方法.
- 实施了后处理 (PP) 策略,涉及DBSCAN用于异常光谱的去除.
主要成果:
- 在28个选定的特征中,SCFS方法实现了80.61%的初始分类准确度.
- 综合的SCFS-PP框架提高了最终分类准确度,达到85.50%.
- 在TCM中LIBS应用中证明有效地提高了跨仪器数据可靠性.
结论:
- 拟议的"SCFS-PP"框架显著提高了在LIBS分析中跨仪器数据利用的可靠性.
- 这种方法扩大了LIBS在传统中医药中准确识别物种的适用性.
- 准确识别Akebia物种对于其有效和安全的临床应用至关重要.
更多相关视频
11:09Use of MALDI-TOF Mass Spectrometry and a Custom Database to Characterize Bacteria Indigenous to a Unique Cave Environment Kartchner Caverns, AZ, USA
Published on: January 2, 2015
14.5K
09:38Dithranol as a Matrix for Matrix Assisted Laser Desorption/Ionization Imaging on a Fourier Transform Ion Cyclotron Resonance Mass Spectrometer
Published on: November 26, 2013
14.6K
