|сгенерировать QR код
Открытый доступ
Только для подписчиков
Анализ в среднем ИК-диапазоне на наличие примесей в сывороточном белке, однократно или многократно фальсифицированном растительным белком
Аннотация
Для быстрого и точного определения одиночных и множественных примесей растительного белка в сывороточном протеине разработана интегрированная методика, сочетающая в себе спектроскопию среднего ИК-диапазона с машинным обучением. Рассмотрены различные модели распознавания с использованием классификации векторов поддержки AdaBoost (AdaBoost-SVC), дерева решений AdaBoost, k-ближайшего соседа, SVC и гауссова наивного байесовского алгоритма. Для определения оптимальной комбинации предварительной обработки спектров использована десятикратная перекрестная проверка, которая включала в себя стандартную нормальную дисперсию, первую производную и сглаживание Савицкого–Голея. Выполнен выбор признаков с использованием последовательного алгоритма проекции, анализа главных компонент, генетического алгоритма (GA) и интервального метода частичных наименьших квадратов с GA (iPLS-GA). Результаты классификации показали, что iPLS-GA-AdaBoost-SVC достиг наилучшей производительности как на обучающем, так и на прогнозном наборах, продемонстрирована способность iPLS-GA улучшать стабильность и устойчивость модели. Результаты подчеркивают потенциальную применимость предлагаемого метода в качестве точного и практичного инструмента для улучшения контроля качества сывороточного белка.
Ключевые слова
безопасность пищевых продуктов,
аутентификация,
количественное и качественное обнаружение,
машинное обучение,
интервальный метод частичных наименьших квадратов с генетическим алгоритмом
При поддержке: The authors acknowledge financial support from the Natural Science Foundation of Fujian Province of China (No. 2022J01821) and the National Natural Science Foundation of China (Nos. 32172339 and 11705068).
Об авторах
Y. Lin
Школа естественных наук Университета Цзимэй; Факультет электронных наук и техники Университета Сямынь
Китай
Китай
Сямынь, Фуцзянь
H. Cai
Школа естественных наук Университета Цзимэй
Китай
Китай
Сямынь, Фуцзянь
S. Lin
Школа естественных наук Университета Цзимэй
Китай
Китай
Сямынь, Фуцзянь
H. Ni
Колледж пищевой и биологической инженерии Университета Цзимэй; Фуцзяньская лаборатория пищевой микробиологии и ферментной инженерии
Китай
Китай
Сямынь, Фуцзянь
Список литературы
1. B. R. B. da Costa, R. R. Roiffé, M. N. da Silva de la Cruz, Int. J. Sport Nutr. Exerc. Metab., 31, No. 4, 369–379 (2021).
2. M. T. Lim, B. J. Pan, D. W. K. Toh, C. N. Sutanto, J. E. Kim, Nutrients, 13, No. 2, 661 (2021).
3. M. M. Adeva-Andany, C. Fernández–Fernández, N. Carneiro-Freire, M. Vila-Altesor, E. Ameneiros-Rodríguez, Clin. Nutr. ESPEN, 48, 21–35 (2022).
4. J. M. Chardigny, S. Walrand, OCL, 23, No. 4, D404 (2016).
5. S. van Vliet, N. A. Brud, L. J. C. van Loon, J. Nutr., 145, No. 9, 1981–1991 (2015).
6. R. Saxton, O. M. McDougal, Foods, 10, No. 5, 1033 (2021).
7. B. C. Garrido, G. H. M. F. Souza, D. C. Lourenço, M. Fasciotti, J. Proteomics, 147, 48–55 (2016).
8. M. Natonek-Wiśniewska, P. Krzyścin, A. Piestrzyńska-Kajtoch, Food Control, 34, No. 1, 69–78 (2013).
9. V. Mlynárik, Anal. Biochem., 529, 4–9 (2017).
10. J. Draher, S. Ehling, N. Cellar, T. Reddy, J. Henion, N. Sousou, Rapid Commun. Mass Spectrom., 30, No. 11, 1265–1272 (2016).
11. A. H. Abu-Almaaty, I. M. Bahgat, Z. M. Al-Tahr, Genetika, 52, No. 1, 161–175 (2020).
12. A. A. Aziz, M. S. Abdullah, Z. Zakaria, N. K. Abu Bakar, Int. J. Cosmet. Sci., 45, No. 4, 444–457 (2023).
13. D. P. Aykas, G. O. Sinir, K. R. Borba, Food Chem., 427, 136727 (2023).
14. J. R. King, D. A. Jackson, Environmetrics, 10, No. 1, 67–77 (1999).
15. M. Hubert, K. V. Branden, J. Chemometr., 17, No. 10, 537–549 (2003).
16. J. Andrade, C. G. Pereira, T. Ranquine, M. J. V. Bell, V. D. C. dos Anjos, QUARKS: Braz. Electron. J. Phys. Chem. And Mat. Sci., 2, No. 1, 1–18 (2020).
17. M. Lukács, G. Bázár, B. Pollner, R. Henn, C. G. Kirchler, C. W. Huck, Z. Kovács, Food Control, 94, 331–340 (2018).
18. A. Maraboli, T. M. Cattaneo, R. Giangiacomo, J. Near Infrared Spectrosc., 10, 63–69 (2002).
19. R. Amsaraj, S. Mutturi, J. Food Compos. Anal., 60, 1530–1540 (2023).
20. Y. Xiao, H. Cai, H. Ni, J. Consum. Prot. Food Saf., 19, 99–111 (2024).
21. S. Chen, Y. Wang, Q. Zhu, H. Ni, H. Cai, J. Food Meas. Charact., 17, 5487–5496 (2023).
22. M. I. Jordan, T. M. Mitchell, Science, 349, No. 6245, 255–260 (2015).
23. S. Jin, H. Chen, Ind. Crop. Prod., 26, 207–211 (2007).
24. X. Li, W. Chen, J. Jiang, Y. Feng, Y. Yin, Y. Liu, Int. Food Res. J., 26, No. 6, 1651–1664 (2019).
25. R. M. Gendreau, R. Burton, Appl. Spectrosc. Rev., 33, No. 6, 581–584 (1979).
26. K. H. Liland, E. O. Rukke, E. F. Olsen, T. Isaksson, Chemometrics Intell. Lab. Syst., 109, No. 1, 51–56 (2011).
27. S. Jain, S. Shukla, R. Wadhvani, Expert Syst. Appl., 106, 252–262 (2018).
28. W. H. Press, S. A. Teukolsky, Comput. Phys., 4, No. 6, 669–672 (1990).
29. T. Fearn, C. Riccioli, A. Garrido Varo, J. E. Guerrero Ginel, Chemom. Intell. Lab. Syst., 96, No. 1, 22–26 (2009).
30. Å. Rinnan, F. van den Berg, S. B. Engelsen, Trac-Trends Anal. Chem., 28, No. 10, 1201–1222 (2009).
31. J. Sun, H. Fujita, P. Chen, H. Li, Knowledge-Based Syst., 120, 4–14 (2017).
32. C. Zheng, Z. Z. Wei, J. Electron. Imaging, 25, No. 6, 061602 (2016).
33. S. C. Wang, R. Gao, L. M. Wang, Expert Syst. Appl., 51, 207–217 (2016).
34. A. Moosavian, H. Ahmadi, A. Tabatabaeefar, M. Khazaee, Shock Vib., 20, No. 2, 263–272 (2013).
35. K. I. Kim, K. Jung, S. H. Park, H. J. Kim, IEEE Trans. Pattern Anal. Mach. Intell., 24, No. 11, 1542–1550 (2002).
36. S. F. C. Soares, A. A. Gomes, M. C. U. Araujo, A. R. Galvão Filho, R. K. H. Galvão, Trac-Trends Anal. Chem., 42, 84–98 (2013).
37. R. Leardi, R. Boggia, M. Terrile, J. Chemometr., 6, No. 5, 267–281 (1992).
38. L. Nørgaard, A. Saudland, J. Wagner, J. P. Nielsen, L. Munck, S. B. Engelsen, Appl. Spectrosc., 54, 413–419 (2000).
39. J. Lever, M. Krzywinski, N. Altman, Nat. Methods, 13, 603–604 (2016).
40. M. Heydarian, T. E. Doyle, R. Samavi, IEEE Access, 10, 19083–19095 (2022).
41. T. Fawcett, Pattern Rec. Lett., 27, No. 8, 861–874 (2006).
42. L. J. Chen, Z. L. Yang, L. J. Han, Appl. Spectrosc. Rev., 48, 509–522 (2013).
43. M. S. Martins, M. H. Nascimento, L. L. Barbosa, L. C. G. Campos, M. N. Singh, F. L. Martin, W. Romão, P. R. Filgueiras, V. G. Barauna, LWT, 172, 114161 (2022).
44. D. Z. Zhu, B. P. Ji, C. Y. Meng, B. L. Shi, Z. H. Tu, Z. S. Qing, Anal. Chim. Acta, 598, No. 2, 227–234 (2007).
45. N. Kim, M. Jang, J. Jo, J. Park, A. Kim, I. Hwang, Food Control, 140, 109140 (2022).
46. C. Liu, S. X. Yang, L. Deng, J. Food Eng., 161, 16–23 (2015).
47. X. Peng, T. Shi, A. Song, Y. Chen, W. Gao, Remote Sens., 6, No. 4, 2699–2717 (2014).
48. M. G. Li, Y. Z. Feng, Y. Yu, T. L. Zhang, C. H. Yan, H. S. Tang, Q. L. Sheng, H. Li, Spectrosc. Acta A: Mol. Biomol. Spectrosc., 257, 119771 (2021).
49. D. Wu, P. C. Nie, Y. He, Y. D. Bao, Food Bioprocess Technol., 5, No. 4, 1402–1410 (2012).
50. X. Zou, J. Zhao, M. W. Povey, M. J. Holmes, H. Mao, Anal. Chim. Acta, 667, Nos. 1-2, 14–32 (2010).
51. R. Leardi, L. Nørgaard, J. Chemom., 18, No. 11, 486–497 (2005).
Рецензия
Для цитирования:
Lin Y., Cai H., Lin S., Ni H. Анализ в среднем ИК-диапазоне на наличие примесей в сывороточном белке, однократно или многократно фальсифицированном растительным белком. Журнал прикладной спектроскопии. 2024;91(6):917.
For citation:
Lin Yu., Cai H., Lin Sh., Ni H. MID-infrared-spectroscopy-based method for identifying single and multiple vegetable protein adulterants in whey protein. Zhurnal Prikladnoii Spektroskopii. 2024;91(6):917.
Просмотров: 30
Послать статью по эл. почте 