該科研成果以“Rapid Determination of Pachymic Acid Content by Near-Infrared Spectroscopy”為題投稿在中科院研究所4區中文核心期刊Journal of Food Quality（IF2.450）。

 　　茯苓不是種比較重要的入藥白色念珠菌，在我過APP過去久遠歷史。茯苓酸是茯苓的根本催化活性基本化學組成成分，都兼有降糖、抗感染、抗良性腫瘤等的作用，于是常是 茯苓品質的標制性基本化學組成成分。近些年茯苓酸的規范測量方式方式方案步驟有比色法和極有效率能液質色譜法。極有效率能液質色譜法都兼有較高的為準性和增強性，常被是 學習方式方式方案步驟，但其研究分析階段費時耗力，限制了其在市面上的范圍廣APP。而二零二零年版的《全球藥典》中還未涵蓋該基本化學組成成分的化學發光法測量方式方式方案步驟。于是，不斷地茯苓制造業的迅速的發展，急切需求一項極有效率能、迅速的測量茯苓中茯苓酸含量的的方式方式方案步驟。

 　　近紅外光譜圖分折法具訪問速快、產品高、敏感度大、打樣定制治理簡簡單單、測試儀器操作的簡單等好處，已大范圍技能用于食物、健康安全等產業，是近兩這幾年來來在中成藥調查各個領域大范圍技能用的那種最快分折策略。本調查用到近紅外光譜圖分折法成功創業設立了茯苓中茯苓酸的最快化學發光法分折建模方法，為茯苓的產品掌握和銷售市場治理作為技能選取。

　　有所差異的光譜圖分析儀儀分析圖差值內所構成的資料是有所差異的，借助抉擇適合使用的光譜圖分析儀儀分析圖差值創立定標建模方法，必然能夠能夠預計技能強、穩建性好的定標建模方法。借助較好有所差異光譜圖分析儀儀分析圖差值的建模方法沒想到，抉擇適合使用的光譜圖分析儀儀分析圖標準。借助深入分析遇到，當光譜圖分析儀儀分析圖差值為4000-10000 cm-1，即近紅外全光譜圖分析儀儀分析圖標準為近紅外建模方法的最佳的光譜標準。
 

表 1 光譜圖區段的淘汰試驗報告

 　　在近紅外光譜儀圖統計數據表格信息了解的時候中，很多平臺環境因素，如樣本粒度分析、表明紋理素材等，會以至于基線漂移，作用建模方式 形成的可靠性設計性和相對穩判定。選擇單獨某個統計數據表格信息預加工處置方式 和組成統計數據表格信息預加工處置方式 判斷與眾不同的光譜儀圖預加工處置方式 ，以致選擇出最該用的，成果如表 2如圖。

　　表 2 光譜預處理方法的篩選實驗結果

 　　在選擇偏世界最大二乘法選擇三維建模時，主系數數的合理前提一直的關系到定標實體建模工具的真偽。假設主系數數添加過少，會容易造成默認光譜儀中含用的相關信息的遺失，曲線擬合曲線不積極主動，這通常會會變低實體建模工具的分折本事；假設主系數數添加很多，部分與試品本就沒有什么關系的的相關信息馬上會被例如打來，展現優化曲線擬合曲線的跡象，促使實體建模工具的分折數據誤差增大了。本實驗設計中又可以通過r2c、RMSEC和RMSEP選擇合適的主系數數。

　　表 3 最好近紅外預側模板產品參數

 　　經途多步繪制，有表 3可是可能夠近紅外光譜儀方法予測茯苓酸份量三維型號中分頭別有6套數據三維型號定為預選項（即r2c大過0.9）。最后的憑借印證集從6個預選方案怎么寫中下次建立設定較好三維型號，當中茯苓酸近紅外三維型號2號的r2v上限，為0.917。據此有予測茯苓酸份量的較好NIR解析三維型號數據如表 4如圖是。

　　表 4 最好的近紅外模形技術參數表

 　　此模特的預計值和實驗英文值如此表示（散點圖就像文中2），二者之間的相對分子質量與1無計算學異同（P =0.512），關系證明，近紅外進行分析模特對茯苓中茯苓酸的水分含量有比較好的預計計算精度。

　　圖 2 檢驗集樣本的3d模型預測值與實測值值非線性圖

　　本研究采用NIR光譜分析結合化學計量學建立了茯苓酸含量檢測方法，擴大了NIR技術的適用性。與現有的茯苓酸分析方法相比，NIR方法具有預處理簡單、分析速度快、多樣處理能力高、成本低等優點，有利于茯苓的質量控制，促進茯苓產業的快速發展。

      （文章來源：國家食用菌加工技術研發專業中心）