发布信息

一种基于GC-MS的野坝子花中茎含量的相似度分析方法与流程 专利技术说明

作者:admin      2022-12-06 20:53:48     512



测量装置的制造及其应用技术一种基于gc-ms的野坝子花中茎含量的相似度分析方法技术领域1.本发明涉及一种野坝子不同药用部位的检测方法,具体涉及一种基于gc-ms的野坝子花中茎含量的相似度分析方法。背景技术:2.野坝子是一种具有特殊香味的药食同源植物。它主要分布在中国西南地区,特别是云南省。在云南当地,它被用凉茶、草药以及蜜源植物。当地的彝族白族等少数民族用它来治疗感冒、发烧、流感、腹泻。研究报道,从野坝子中分离出的许多化合物具有抗病毒、抗癌、抗炎活性,甚至可以缓解阿尔茨海默症症状。另外,野坝子作为地域性较强的特色天然植物,其提取物在卷烟中具有增香、提质和矫味等应用效果,深具优良天然烟用香料的特质,是中式卷烟添加的天然香料潜在资源。3.野坝子不同部位其药效结果不同,其中野坝子花中生物活性物质相对含量最高,叶次之,茎的相对含量最少。同时其不同部位提取物产率以及在卷烟中添加效果也差异很大。由于商业利益的驱动,许多不法分子用野坝子茎叶产品冒充或掺杂野坝子花产品中,以获取不法收益。因此,有必要对野坝子花中茎添加含量进行分析。4.为了解决以上问题,提出本发明。技术实现要素:5.本发明目的通过以下技术方案实现。6.本发明提供了一种基于gc-ms的野坝子花中茎含量的相似度分析方法,其包括以下步骤:7.步骤(1):用gc-ms分析野坝子花中混有不同含量的野坝子茎的样品;8.步骤(2):相似度计算9.将步骤(1)野坝子花中混有不同含量的野坝子茎样品的gc-ms数据,导入相似度计算软件,以野坝子花样品为母本,计算野坝子花中混有不同含量的野坝子茎的相似度s;10.步骤(3):基于以下相似度回归方程计算野坝子花中茎含量;11.y=-137.55s+127.7712.其中:s为野坝子花中混有不同含量的野坝子茎的相似度,y为野坝子花中茎含量。13.优选地,步骤(1)中可具体包括如下步骤:14.(11)样品收集15.收集野坝子花样品和需检测野坝子花中茎含量的样品,均匀分成若干份,每份按一定重量取样,装袋待测,即得到烘丝加工前对照样品和待测样品;16.(12)样品前处理17.在10ml离心管中称量0.1g样品,添加1.5ml 1μg/ml氘代甲苯-乙酸乙酯溶液。将混合物超声处理10分钟,在4000rpm下离心8分钟,过滤,取500μl上清液,转移到色谱进样瓶中,准备进行gc-ms分析。18.(13)gc-ms检测19.将步骤(12)所得的样品溶液,通过直接进样的方式,进行gc-ms检测。20.(14)数据处理21.归一化:使用内标法进行量化。每个挥发性成分的含量计算如下:[0022][0023]其中:ci表示测得的挥发性成分的含量;ai是对应化合物的峰面积;a0表示内标物的峰面积;m0表示内标物的质量;m是所取样品的质量。然后将数据用于统计分析。[0024]其挥发性成分含量值取其多次检测的算术平均值。[0025]当然,步骤(1)也可以用其他取样条件、样品前处理条件或数据处理方法,只要能符合检测原理把各物质的含量检测出来就行。[0026]优选地,步骤(1)中所取样品平均分成份数均不小于6份,每份不少于0.1克。[0027]优选地,步骤(1)中,仪器分析参数如下:[0028]色谱条件:[0029]质谱条件:色谱柱为db-35gc色谱柱(30m×0.25mm×0.25μm)(安捷伦,美国)。进样口温度为280℃。载气为氦气,流速为1ml/min。进样体积1.0μl,分流进样,分流比为10:1。初始温度为80℃,以60℃/min的速率加热至275℃,然后以1℃/min的速率升高至295℃,并保持1分钟。[0030]传输线和离子源温度分别为300℃和280℃;扫描模式:全扫模式;电离模式为70ev电子碰撞;溶剂延迟时间为2min。当然,步骤(1)中也可以使用其他仪器分析参数,只要能把本发明关心的特征物质含量测出来就行。[0031]优选地,步骤(3)中回归方程所得的茎含量范围为5%~30%。[0032]相对于现有技术,本发明具有以下有益效果:[0033]1、本发明首次通过gc-ms分析实现野坝子花中茎含量进行的准确计算,同时,可以对产品挥发性药用成分进行初步解析。[0034]2、本发明首次通过建立相似度回归方程,该方法简便,只需要计算野坝子花中混有不同含量的野坝子茎的相似度s,并将相似度s代入方程即可得到野坝子花中混有的野坝子茎含量,且结果可靠,能够在实际生活中得到广大应用。附图说明[0035]图1为不同野坝子花-茎含量的相似度图[0036]图2为不同野坝子花-茎含量与相似度的拟合曲线具体实施方式[0037]下面结合具体实施例对本发明进行说明,但本发明的实施方式不限于此。实施例中未注明具体条件的实验方法,通常按照常规条件以及手册中所述的条件,或按照制造厂商所建议的条件所用的通用设备、材料、试剂等,如无特殊说明,均可从商业途径得到。[0038]实施例1[0039]按照上述步骤(1),分别取野坝子花、以及向野坝子花中分别添加5%、10%、15%、20%、25%、30%的野坝子茎的样品每个分为6份,按照上述步骤(1)进行分析及处理,得到相应的gc-ms数据如表1所示:[0040]表1不同野坝子花及不同野坝子茎添加样品的gc-ms数据[0041][0042][0043][0044][0045][0046]表中所得值6次检测的平均值。[0047]为了对野坝子花-茎混合物进行量化,以野坝子花样品为母本,导入数学软件,采用相似度分析方法进行处理,结果得到了不同茎添加量的相似度值如图1所示。[0048]通过含量-相似度数据进行线性拟合,得到含量与相似度的线性方程y=-137.55x+127.77,r2=0.998,如图2所示。[0049]为了进一步验证方法的可靠性,选择不同茎含量的野坝子花样品按照本发明方法计算预测的其茎含量,与真实茎含量值进行比较结果如表2所示:[0050]表2茎含量预测值与真实值比较[0051][0052][0053]实验结果表明,本发明方法计算出的茎含量值与样品实际的茎含量值基本一致,表明本发明方法具有较好的可靠性。技术特征:1.一种基于gc-ms的野坝子花中茎含量的相似度分析方法,其特征在于,包括以下步骤:步骤(1):用gc-ms分析野坝子花中混有不同含量的野坝子茎的样品;步骤(2):相似度计算将步骤(1)野坝子花中混有不同含量的野坝子茎样品的gc-ms数据,导入相似度计算软件,以野坝子花样品为母本,计算野坝子花中混有不同含量的野坝子茎的相似度s;步骤(3):基于以下相似度回归方程计算野坝子花中茎含量;y=-137.55s+127.77其中:s为野坝子花中混有不同含量的野坝子茎的相似度,y为野坝子花中茎含量。2.根据权利要求1所述的方法,其特征在于,步骤(1)中所取样品平均分成份数均不小于6份,每份不少于0.1克。3.根据权利要求1所述的方法,其特征在于,步骤(1)中仪器分析参数如下:色谱条件:色谱柱为db-35gc色谱柱(30m×0.25mm×0.25μm);进样口温度为280℃;载气为氦气,流速为1ml/min;进样体积1.0μl,分流进样,分流比为10:1;初始温度为80℃,以60℃/min的速率加热至275℃,然后以1℃/min的速率升高至295℃,并保持1分钟;质谱条件:传输线和离子源温度分别为300℃和280℃;扫描模式:全扫模式;电离模式为70ev电子碰撞;溶剂延迟时间为2min。4.根据权利要求1所述的方法,其特征在于,步骤(3)中回归方程所得的茎含量范围为5%~30%。技术总结本发明通过用GC-MS分析野坝子花中混有不同含量的野坝子茎的样品,将其GC-MS数据导入相似度计算软件,以野坝子花样品为母本,计算野坝子花中混有不同含量的野坝子茎的相似度S,将该相似度S代入相似度回归方程即可计算得到野坝子花中茎含量。到野坝子花中茎含量。到野坝子花中茎含量。技术研发人员:熊文 朱保昆 吴亿勤 王晋 蔡炳彪 李勇 赵辉 蔡昊城 倪旭东 瞿军 张超 李娟 卢婷 王明敬 孔留艳 于春霞 朱涔铭 李韶阳 苏毅 杨光宇 陈建华 张承明 武凯 杨国荣 王颖琦 许健 赵颖 张涛受保护的技术使用者:云南中烟工业有限责任公司技术研发日:2022.09.05技术公布日:2022/12/5









图片声明:本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明:本文中引用的各种信息及资料(包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主体(包括但不限于公司、媒体、协会等机构)的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理!本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明:我们致力于保护作者版权,注重分享,被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理,本文部分文字与图片资源来自于网络,部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益,请立即通知我们,情况属实,我们会第一时间予以删除,并同时向您表示歉意,谢谢!

相关内容 查看全部