基于高效液相指纹图谱信息建立评价中药化橘红质量的模式识别方法.pdf

《基于高效液相指纹图谱信息建立评价中药化橘红质量的模式识别方法.pdf》由会员分享，可在线阅读，更多相关《基于高效液相指纹图谱信息建立评价中药化橘红质量的模式识别方法.pdf（21页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911340612.4 (22)申请日 2019.12.23 (71)申请人 深圳市药品检验研究院 （深圳市医 疗器械检测中心） 地址 518057 广东省深圳市南山区粤海街 道高新中二道28号 (72)发明人 王铁杰江坤王丽君鲁艺 王珏殷果王淑红王平 (74)专利代理机构 北京品源专利代理有限公司 11332 代理人 巩克栋 (51)Int.Cl. G01N 30/02(2006.01) G01N 30/86(2006.01) G01N 30/74(2006.01) G0。

2、1N 30/34(2006.01) (54)发明名称 一种基于高效液相指纹图谱信息建立评价 中药化橘红质量的模式识别方法 (57)摘要 本发明提供一种基于高效液相指纹图谱信 息建立评价中药化橘红质量的模式识别方法， 所 述方法包括以下步骤： 收集基源信息准确的中药 化橘红样品， 包括中药材或饮片， 采集样品的 HPLC指纹图谱， 获取样品的整体化学信息； 以获 取的共有峰为基础数据， 对化橘红样品进行数据 归一化处理， 利用多元聚类分析和/或因子分析 对化橘红样品的归一化数据进行分析， 筛选出用 于建立判别函数的样品数据； 采用逐步判别分析 方法， 对筛选出的样品数据提取出特征变量， 建 立判。

3、别函数， 利用建立的判别函数对化橘红样品 进行判别， 完成对化橘红样品质量的模式识别。 本发明可有效用于解决中药化橘红易混淆品种 的鉴别、 合格品的等级评价、 寻找中药化橘红代 用品。 权利要求书2页 说明书11页 附图7页 CN 110967428 A 2020.04.07 CN 110967428 A 1.一种基于高效液相指纹图谱信息建立评价中药化橘红质量的模式识别方法， 其特征 在于， 所述方法包括以下步骤： (1)收集基源信息准确的中药化橘红样品， 包括中药材和饮片， 采集样品的HPLC指纹图 谱， 获取样品的整体化学信息； (2)以步骤(1)的共有峰为基础数据， 对化橘红样品进行数据。

4、归一化处理， 利用多元聚 类分析和/或因子分析对化橘红样品的归一化数据进行分析， 筛选出用于建立判别函数的 样品数据； (3)采用逐步判别分析方法， 对步骤(2)筛选出的样品数据提取出特征变量x7、 x8、 x20、 x21， 利用提取出的特征变量建立如下判别函数： F0.926x7+0.606x8-0.549x20+0.873x21； (4)利用步骤(3)建立的判别函数对化橘红样品进行判别， 完成对化橘红样品质量的模 式识别。 2.根据权利要求1所述的方法， 其特征在于， 步骤(1)所述采集化橘红样品的HPLC指纹 图谱时， 选择C18色谱柱， 以320nm为检测波长， 以甲醇-0.5冰醋酸。

5、为流动相， 采用二元梯度 洗脱系统， 溶剂A甲醇溶剂B 0.5冰醋酸， 流速1.0mLmin-1， 柱温30， 进样量20 L。 3.根据权利要求1或2所述的方法， 其特征在于， 步骤(2)所述数据归一化处理采用中心 归一化方法进行。 4.根据权利要求1-3中任一项所述的方法， 其特征在于， 步骤(2)所述聚类分析采用 SPSS 17.0统计分析软件进行。 5.根据权利要求1-4中任一项所述的方法， 其特征在于， 步骤(2)所述聚类分析采用 ward法作为样品的聚类方法， 采用欧氏距离作为距离测度。 6.根据权利要求1-5中任一项所述的方法， 其特征在于， 步骤(2)所述因子分析采用 SPSS。

6、 17.0统计分析软件进行， 得出对应因子， 根据相关矩阵和因子得分计算出变量系数， 以变量系数为中心做图， 得到数据分布情况； 优选地， 步骤(2)所述利用多元聚类分析和/或因子分析对化橘红样品的归一化数据进 行分析时， 包括剔除离群点样品。 7.根据权利要求1-6中任一项所述的方法， 其特征在于， 步骤(3)所述逐步判别分析方 法， 利用SPSS 17.0统计分析软件， 用WilksLambda作为评价指标， 采用相同概率在0.05以 内选择为主要峰， 保留该峰， 相同概率大于0.1以上为无差异峰， 剔除该峰， 以提取出特征变 量。 8.根据权利要求1-7中任一项所述的方法， 其特征在于，。

7、 步骤(3)建立的判别函数， F0 时， 表示样品为第一类毛橘红； F0时， 表示样品为第二类光橘红。 9.根据权利要求1-8中任一项所述的方法， 其特征在于， 利用已知类别的化橘红样品对 步骤(3)建立的判别函数进行验证， 以验证判别函数的判别准确性。 10.根据权利要求1-9中任一项所述的方法， 其特征在于， 所述方法包括以下步骤： (1)选择C18色谱柱， 以320nm为检测波长， 以甲醇-0.5冰醋酸为流动相， 采用二元梯度 洗脱系统， 溶剂A甲醇溶剂B 0.5冰醋酸， 流速1.0mLmin-1， 柱温30， 进样量20 L， 采 集化橘红样品的HPLC指纹图谱， 获取化橘红样品的整体。

8、化学信息； (2)以步骤(1)的共有峰为基础数据， 采用中心归一化方法对化橘红样品进行数据归一 权利要求书 1/2 页 2 CN 110967428 A 2 化处理， 利用多元聚类分析和/或因子分析对化橘红样品的归一化数据进行分析， 筛选出用 于建立判别函数的样品数据； (3)采用逐步判别分析方法， 对步骤(2)筛选出的样品数据提取出特征变量x7、 x8、 x20、 x21， 利用提取出的特征变量建立如下判别函数： F0.926x7+0.606x8-0.549x20+0.873x21； F0时， 表示样品为第一类毛橘红； F0时， 表示样品为第二类光橘红。 (4)利用已知类别的化橘红样品对步骤。

9、(3)建立的判别函数进行进一步验证， 以验证判 别函数的判别准确性； 利用步骤(3)建立的判别函数对待测化橘红样品进行判别， 完成对中 药化橘红质量的模式识别。 权利要求书 2/2 页 3 CN 110967428 A 3 一种基于高效液相指纹图谱信息建立评价中药化橘红质量的 模式识别方法 技术领域 0001 本发明属于中药质量评价领域， 涉及一种基于高效液相指纹图谱信息建立评价中 药化橘红质量的模式识别方法。 背景技术 0002 中药作为我国的瑰宝， 其疗效早已毋庸置疑。 但是随着中药现代化步伐的不断深 入， 中药市场混乱导致了中药质量的参差不齐， 中药的安全性和有效性开始受到质疑。 中药 。

10、质量的优劣， 是关乎中医临床用药安全、 有效的根本， 目前现行中药质量控制多采用化学定 性鉴别和一种或几种指标成分的含量测定为主， 具有一定的片面性， 违背了中药作用的整 体观。 为此， 非常有必要建立能反映中药整体质量的中药质量评价新方法， 力求中药临床使 用安全有效。 0003 CN106404689A公开了一种化橘红成分鉴定方法， 所述方法包括： 通过至少一个波 段对样本集的样本进行扫描， 采集样本集的样本的高光谱图像； 根据高光谱图像， 获取样本 集样本的高光谱数据； 对样本集样本的高光谱数据进行处理， 将样本集的样本划分为建模 集样本以及检验集样本， 并获取建模集样本的高光谱数据以及。

11、检验集样本的高光谱数据； 通过连续投影算法在建模集样本的高光谱数据中选择特征波长； 将检验集样本的高光谱数 据、 建模集样本的高光谱数据或特征波长对应的高光谱数据作为判别分析模型的输入变 量， 获取建模集样本的成分识别结果； 但是该方法识别精度较低， 存在较大的识别错误率。 0004 因此， 在本领域， 期望建立新的中药质量评价方法， 特别是针对化橘红的质量评价 方法， 期望能够找到适用于化橘红质量评价， 并且可以在保证模型较为简单的情况下获得 准确的判别结果。 发明内容 0005 针对现有技术的不足， 本发明的目的在于提供一种基于高效液相指纹图谱信息建 立评价中药化橘红质量的模式识别方法。 。

12、本发明的方法基于HPLC指纹图谱建立， 并且依靠 逐步判别分析来建立判别模型， 得到的判别模型简单， 判别准确率可以达到100。 本发明 可有效用于解决中药化橘红易混淆品种的鉴别、 合格品的等级评价、 寻找化橘红代用品等。 0006 为达到此发明目的， 本发明采用以下技术方案： 0007 一方面， 本发明提供一种基于高效液相(HPLC)指纹图谱信息建立评价中药化橘红 质量的模式识别方法， 所述方法包括以下步骤： 0008 (1)收集基源信息准确的中药化橘红样品， 包括中药材和饮片， 采集化橘红样品的 HPLC指纹图谱， 获取化橘红样品的整体化学信息； 0009 (2)以步骤(1)的共有峰为基础。

13、数据， 对化橘红样品进行数据归一化处理， 利用多 元聚类分析和/或因子分析对化橘红样品的归一化数据进行分析， 筛选出用于建立判别函 数的样品数据； 说明书 1/11 页 4 CN 110967428 A 4 0010 (3)采用逐步判别分析方法， 对步骤(2)筛选出的样品数据提取出特征变量x7、 x8、 x20、 x21， 利用提取出的特征变量建立如下判别函数： 0011 F0.926x7+0.606x8-0.549x20+0.873x21 0012 (4)利用步骤(3)建立的判别函数对化橘红样品进行判别， 完成对化橘红样品质量 的模式识别。 0013 在本发明中， 通过基于HPLC指纹图谱，。

14、 利用逐步判别分析来建立判别模型， 得到的 判别模型中仅包括4个变量， 利用该判别函数就能够快速地得到样品的判别结果， 并且结果 准确可靠。 0014 优选地， 步骤(1)所述采集化橘红样品的HPLC指纹图谱时， 选择C18色谱柱， 以320nm 为检测波长， 以甲醇-0.5冰醋酸为流动相， 采用二元梯度洗脱系统， 溶剂A(甲醇)溶剂B (0.5冰醋酸)， 流速1.0mLmin-1， 柱温30， 进样量20 L。 0015 优选地， 步骤(2)所述数据归一化处理采用中心归一化方法进行。 0016 优选地， 步骤(2)所述聚类分析采用SPSS 17.0统计分析软件进行。 0017 优选地， 步骤。

15、(2)所述聚类分析采用ward法作为样品的聚类方法， 采用欧氏距离作 为距离测度。 0018 优选地， 步骤(2)所述因子分析采用SPSS 17.0统计分析软件进行， 得出对应因子， 根据相关矩阵和因子得分计算出变量系数， 以变量系数为中心做图， 得到数据分布情况。 0019 优选地， 步骤(2)所述利用多元聚类分析和/或因子分析对化橘红样品的归一化数 据进行分析时， 包括剔除离群点样品。 0020 优选地， 步骤(3)所述逐步判别分析方法， 利用SPSS 17.0统计分析软件， 用Wilks Lambda作为评价指标， 采用相同概率在0.05以内选择为主要峰， 保留该峰， 相同概率大于 0.。

16、1以上为无差异峰， 剔除该峰， 以提取出特征变量。 0021 优选地， 步骤(3)建立的判别函数， F0时， 表示样品为第一类毛橘红； F0时， 表 示样品为第二类光橘红。 0022 优选地， 利用已知类别的化橘红样品对步骤(3)建立的判别函数进行验证， 以验证 判别函数的判别准确性。 0023 作为本发明的优选技术方案， 所述基于高效液相指纹图谱信息建立评价中药化橘 红质量的模式识别方法， 具体包括以下步骤： 0024 (1)选择C18色谱柱， 以320nm为检测波长， 以甲醇-0.5冰醋酸为流动相， 采用二元 梯度洗脱系统， 溶剂A甲醇溶剂B 0.5冰醋酸， 流速1.0mLmin-1， 柱。

17、温30， 进样量20 L， 采集化橘红样品的HPLC指纹图谱， 获取化橘红样品的整体化学信息； 0025 (2)以步骤(1)的共有峰为基础数据， 采用中心归一化方法对化橘红样品进行数据 归一化处理， 利用多元聚类分析和/或因子分析对化橘红样品的归一化数据进行分析， 筛选 出用于建立判别函数的样品数据； 0026 (3)采用逐步判别分析方法， 对步骤(2)筛选出的样品数据提取出特征变量x7、 x8、 x20、 x21， 利用提取出的特征变量建立如下判别函数： 0027 F0.926x7+0.606x8-0.549x20+0.873x21； 0028 F0时， 表示样品为第一类毛橘红； F0时， 。

18、表示样品为第二类光橘红。 0029 (4)利用步骤(3)建立的判别函数对化橘红及其伪品样品进行判别， 完成对化橘红 说明书 2/11 页 5 CN 110967428 A 5 样品质量的模式识别， 利用已知类别的化橘红样品对步骤(3)建立的判别函数进行验证， 以 验证判别函数的判别准确性。 0030 相对于现有技术， 本发明具有以下有益效果： 0031 本发明基于HPLC指纹图谱， 依靠逐步判别分析来建立判别模型， 得到的判别模型 简单， 判别准确率可以达到100。 进一步完善了化橘红药材的质量评价方法， 也为中国药 典对中药化橘红标准的提高提供了依据。 附图说明 0032 图1A为本发明实施。

19、例1中利用高效液相采集的空白溶剂的色谱图； 0033 图1B为本发明实施例1中利用高效液相采集的化橘红样品的色谱图。 0034 图2A为本发明实施例1采集得到的毛橘红的HPLC指纹图谱。 0035 图2B为本发明实施例1采集得到的光橘红的HPLC指纹图谱。 0036 图3为本发明实施例1中对毛橘红样品的HPLC数据进行多元聚类分析的结果图。 0037 图4为本发明实施例1中对毛橘红样品的HPLC数据进行因子分子的结果图。 0038 图5为本发明实施例1中对光橘红样品的HPLC数据进行多元聚类分析的结果图。 0039 图6为本发明实施例1中对光橘红样品的HPLC数据进行因子分子的结果图。 004。

20、0 图7为本发明实施例1中将31个批次的化橘红样品代入判别函数方程进行判别分 析所得结果图。 0041 图8为对比例1中利用偏最小二乘判别分析方法进行判别分析的得分结果图； 0042 图9为对比例1中利用置换检验来判定模型的稳定性和预测能力的结果图； 0043 图10为对比例1中利用提取的6个特征峰再次建立PLS-DA模型而得到的PLS-DA得 分图； 0044 图11为对比例1中利用置换检验来判定利用提取的6个特征峰再次建立PLS-DA模 型的稳定性和预测能力的结果图。 具体实施方式 0045 下面通过具体实施方式来进一步说明本发明的技术方案。 本领域技术人员应该明 了， 所述实施例仅仅是帮。

21、助理解本发明， 不应视为对本发明的具体限制。 0046 实施例1 0047 在本实施例中， 使用的仪器、 试剂与软件如下： 0048 说明书 3/11 页 6 CN 110967428 A 6 0049 0050 在本实施例中， 采用的样品如下表2和表3所示： 0051 表2 0052 说明书 4/11 页 7 CN 110967428 A 7 0053 0054 表3 0055 样品编号来源拉丁名特征 34化州， 广东Citrus grandis Tomentosa药材 35化州， 广东Citrus grandis Tomentosa药材 36化州， 广东Citrus grandis Tom。

22、entosa药材 37化州， 广东Citrus grandis Tomentosa药材 38化州， 广东Citrus grandis Tomentosa药材 39广西Citrus grandis(L.)Osbeck饮片 40广东Citrus grandis(L.)Osbeck饮片 41广东Citrus grandis(L.)Osbeck饮片 42广东Citrus grandis(L.)Osbeck饮片 43广东Citrus grandis(L.)Osbeck饮片 0056 基于HPLC指纹图谱的化橘红质量评价方法如下： 0057 采集化橘红样品的HPLC指纹图谱 0058 色谱系统 0059 。

23、色谱柱的选择 0060 分别考察了3个不同厂家生产的色谱柱： (1)Shiseido Capcell Pak C18(250mm 4.6mm， 5 m)、 (2)WATERS SunFire C18(250mm4.6mm， 5 m)和(3)Diamonsil C18(250mm 4.6mm， 5 m)， 在相同色谱条件下进样分析， 结果表明Shiseido Capcell Pak C18色谱柱能够 对样品中各活性成分实现良好的分离， 峰形尖锐， 色谱图的基线平稳， 提供的色谱信息较 多， 能够满足指纹图谱的分析要求， 所以最终选择了Shiseido Capcell Pak C18色谱柱。 00。

24、61 检测波长的选择 0062 采用PDA检测器， 比较不同波长下的色谱峰(210、 254、 283、 320、 325nm)， 选择基线 平稳时的检测波长， 并结合化橘红中的主要成分选择色谱峰峰数适中的检测波长。 结果表 明， 在320nm波长处检测， 可同时兼顾到样品中的黄酮类和香豆素类成分， 且基线平稳、 图谱 清晰、 特征性强， 因此选择320nm为指纹图谱的检测波长。 0063 流动相的选择 0064 分别考察了甲醇-水、 乙腈-水、 甲醇-冰醋酸、 乙腈-冰醋酸四个梯度洗脱系统， 在 相同色谱条件下， 进样分析， 记录色谱图。 结果表明， 用甲醇代替乙腈能获得更多的色谱信 息， 。

25、且得到较好的分离效果。 考虑到化橘红中黄酮类组分， 在流动相中加入一些酸抑制酚羟 基离子化， 结果表明分离效果明显得到改善， 因此选择甲醇-冰醋酸系统为指纹图谱的流动 相。 0065 色谱条件 说明书 5/11 页 8 CN 110967428 A 8 0066 色谱柱： Shiseido Capcell Pak C18(250mm4.6mm， 5 m， 资生堂公司) 0067 流动相： 甲醇-0.5冰醋酸梯度洗脱 0068 洗脱梯度： 采用二元梯度洗脱系统， 溶剂A(甲醇)溶剂B(0.5冰醋酸) 0069 梯度程序如下表4所示： 0070 表4 0071 0072 0073 检测波长： 32。

26、0nm， 流速： 1.0mLmin-1， 柱温： 30， 进样量： 20 L 0074 在此条件下， 柚皮苷峰与相邻色谱峰的分离度大于1.5， 重复性好， 拖尾因子在 0.951.05之间， 色谱图如图1所示， 证明系统适用性良好。 0075 因此， 在采集化橘红样品的HPLC指纹图谱时， 选择C18色谱柱， 以320nm为检测波长， 以甲醇-0.5冰醋酸为流动相， 采用二元梯度洗脱系统， 洗脱溶剂为溶剂A(甲醇)溶剂B (0.5冰醋酸)， 洗脱程序如表4所示， 流速1.0mLmin-1， 柱温30， 进样量20 L。 0076 采集得到毛橘红与光橘红的HPLC指纹图谱， 如图2A和图2B(两。

27、个图中最右侧数列 的数字表示样品的编号)所示。 选取毛橘红与光橘红的HPLC指纹图谱中共有的13个共有峰。 0077 化橘红数据的基础分析 0078 数据归一化处理 0079 由于数据的个体间差异较大， 甚至出现了不在同一数量级的问题， 严重影响统计 分析， 因此有必要进行数据归一化， 使数值进行无量纲化， 同时建立统一分析标准。 采用中 心归一化方法对编号为1-33的毛橘红样品的13个共有峰数据进行归一化， 得到结果如表5- 1和表5-2所示。 0080 表5-1 0081 说明书 6/11 页 9 CN 110967428 A 9 0082 0083 表5-2 0084 说明书 7/11 。

28、页 10 CN 110967428 A 10 0085 0086 样品1-16的多元聚类分析 0087 应用 “SPSS 17.0” 统计分析软件对样品1-16的归一化数据进行多元聚类分析， 采 用ward法作为样品的聚类方法， 采用欧氏(Euclidean)距离作为样品的测度， 判别异常值个 体， 防止个体的差异过大影响整体数据的分析。 聚类分析谱系图如图3所示， 通过谱系图可 以看出， 样本6是显著离群点， 应将其剔除后再进行分析。 0088 样品1-16的因子分析 0089 应用 “SPSS 17.0” 统计分析软件对样品1-16的归一化数据进行因子分析， 得到对 应3个因子， 根据相关。

29、矩阵和因子得分计算出变量系数， 以变量系数为中心做图， 如图4所 示， 可以看出， 个体6显然与其他数值离群， 可以剔除。 0090 运用多元聚类分析和因子分析两种方法， 均表明6号样本为离群个体， 进行后续判 别分析时需将其剔除， 用剩余15批样本的数据进行分析。 0091 样品17-33的多元聚类分析 0092 应用 “SPSS 17.0” 统计分析软件对样品17-33的归一化数据进行多元聚类分析， 采 用ward法作为样品的聚类方法， 采用欧氏(Euclidean)距离作为样品的测度， 判别异常值个 体， 防止个体的差异过大影响整体数据的分析。 聚类谱系图见图5， 通过谱系图可以看出， 。

30、样 本19是显著离群点， 应将其剔除后再进行分析。 0093 样品17-33的因子分析 0094 应用 “SPSS 17.0” 统计分析软件对样品17-33的归一化数据进行因子分析， 得到对 说明书 8/11 页 11 CN 110967428 A 11 应3个因子， 根据相关矩阵和因子得分计算出变量系数， 以变量系数为中心做图， 如图6所 示， 可以看出， 个体19显然与其他数值离群， 可以剔除。 0095 运用多元聚类分析和因子分析两种方法， 均表明19号样本为离群个体， 进行后续 判别分析时需将其剔除， 用剩余16批样本的数据进行分析。 0096 判别分析 0097 判别函数的建立 00。

31、98 应用 “SPSS 17.0” 统计分析软件， 对已筛选出来的15批毛橘红和16批光橘红进行 判别分析， 建立判别函数。 0099 采用逐步判别分析方法， 用WilksLambda作为评价指标， 采用相同概率在0.05以 内选择为主要峰， 保留该峰， 相同概率大于0.1以上为无差异峰， 剔除该峰， 判别化橘红的分 类。 应用先验概率(bayes)方法进行分析， 综合了Fisher方法进行判别函数选取， 得到结果 如下： 0100 由表7可以确定， 判别函数的相关准确率为95.9， 判别有效， 可以接受统计结果。 0101 表7特征值 0102 0103 a.前1个典型区别函数用于分析. 0。

32、104 通过前面的逐步判别分析输出的Wilks Lambda检验结果如表8所示， sig值代表显 著性值， 由表8可知， 显著性的数值小于0.05， 检查有显著性差异， 说明两组中存在显著性差 异。 0105 表8 Wilks Lambda检验结果 0106 0107 运行判别分析时的协方差矩阵检验结果如表9所示， 通过表9可以看到， Boxs M检 验sig值0.1240.05， 证明这两组偏差是相等的， 判别函数有效。 0108 表9 Box s M检验结果 0109 0110 运行判别分析时建立的标准化函数， 里面显示的入选的峰及其系数如表表10所 示。 0111 表10标准化函数 01。

33、12 说明书 9/11 页 12 CN 110967428 A 12 0113 0114 由表10可知， 以提取出的特征变量x7、 x8、 x20、 x21， 建立如下判别函数： 0115 F0.926*x7+0.606*x8-0.549*x20+0.873*x21 0116 其中x7： 峰值7， x8： 峰值8， x20： 峰值20， x21： 峰值21。 0117 当F0时， 表示为第一类毛橘红； F0时， 表示为第二类光橘红。 0118 将31个批次的化橘红样品代入判别函数方程进行判别分析， 所得结果如图7所示， 该图进一步说明两组可以进行很好的分类， 且没有误判情况。 本研究根据现有的。

34、13个共有 峰， 通过聚类分析、 剔除异常值个体、 因子分析、 判别分析最终得到只需要4个峰值建立判别 函数， 下面对所建判别函数进行验证。 0119 判别函数的验证 0120 采集已知类别的10批化橘红样品(样品编号34-43)的HPLC指纹图谱， 数据经过标 准化后， 得到四个有效峰x7、 x8、 x20、 x21的标准化数值， 应用判别函数进行判别， 可得到判别 值和分类情况， 结果见表11。 0121 表11 0122 0123 0124 可见， 判别函数对判定已知类别的化橘红具有很好的判别效果， 准确率为100。 0125 对比例1 0126 与实施例1不同的是， 在本对比例中判别分。

35、析时采用偏最小二乘判别分析方法 (PLS-DA)， 具体为： 0127 采用SIMCA14.1软件， 对已筛选出来的15批毛橘红和16批光橘红进行偏最小二乘 说明书 10/11 页 13 CN 110967428 A 13 判别分析， 得分图见图8， 前两个主成分解释了61.8的方差(R2X0.618)， 模型区分参数 90.0(R2 Y0.900)， 模型预测度85.5(Q20.855)。 R2Y是指变量能解释模型分类的方 差值， 其数值大小反映了模型的解释能力， Q2是指变量能解释预测分类能力的方差值， 其数 值大小可以表征模型的预测能力， 二者越接近于1， 模型的拟合能力和预测能力越好。。

36、 结果 表明， 本模型拟合度很好， 并具有可靠的预测能力， PLS-DA模型有效的将化橘红的中毛橘红 和光橘红分开。 通过置换检验(置换次数： 200)来判定模型的稳定性和预测能力， 右侧的R2 或Q2均高于左侧的所有点(图9)， R20.4， Q21.0来评价变量的贡献大小， VIP值越大， 表明变量对分类的贡献度越大。 筛选VIP值1.0的变量， 并对其进行组间t检验， 剔除不显著 变量， 最终得到具有非常显著差异(P值0.01)的6个峰作为特征峰， 按照其对分类影响由大 到小的顺序， 分别为峰7(VIP1.4411)、 峰20(VIP1.34192)、 峰8(VIP1.32911)、 峰。

37、1 (VIP1.30457)、 峰19(VIP1.2491)、 峰11(VIP1.02147)。 这6个峰对毛橘红和光橘红样 品分类具有显著的影响， 他们是区分橘红不同样本的标志物。 用6个特征峰再次建立PLS-DA 模型， 累计方差贡献率87.1(R2X0.871)， 模型区分参数86.8(R2Y0.868)模型预测 度84.7(Q20.47)， 该模型可以表征大部分信息化学成分， 具有很好的拟合能力和可靠 的预测能力， PLS-DA得分图见图10。 置换检验(置换次数： 200)右侧的R2或Q2均高于左侧的 所有点(图11)， R20.01530.4， Q2-0.2580.05， 表明该模。

38、型具有很好的可预测性和拟 合优度。 表明该模型具有很好的可预测性和拟合优度， 没有过度拟合。 0129 可见， 与本发明使用逐步判别分析结果相比， PLS-DA选出的特征峰为6个， 而逐步 判别分析选出特征峰仅有4个， 可见逐步判别分析比PLS-DA判别模型更简便， 能以最少的特 征变量实现对毛橘红和光橘红的准确区分。 0130 申请人声明， 本发明通过上述实施例来说明本发明的工艺方法， 但本发明并不局 限于上述工艺步骤， 即不意味着本发明必须依赖上述工艺步骤才能实施。 所属技术领域的 技术人员应该明了， 对本发明的任何改进， 对本发明所选用原料的等效替换及辅助成分的 添加、 具体方式的选择等。

39、， 均落在本发明的保护范围和公开范围之内。 说明书 11/11 页 14 CN 110967428 A 14 图1A 图1B 说明书附图 1/7 页 15 CN 110967428 A 15 图2A 图2B 说明书附图 2/7 页 16 CN 110967428 A 16 图3 图4 说明书附图 3/7 页 17 CN 110967428 A 17 图5 图6 说明书附图 4/7 页 18 CN 110967428 A 18 图7 图8 说明书附图 5/7 页 19 CN 110967428 A 19 图9 图10 说明书附图 6/7 页 20 CN 110967428 A 20 图11 说明书附图 7/7 页 21 CN 110967428 A 21 。