亚欧体育APP

English
创新创业Innovation
创新创业
当前位置: 亚欧体育APP  > 创新创业  > 正文
王巧华教授团队发现无损快速鉴别A1奶和A2奶的新方法
作者:肖仕杰编辑:黄玮审核:王巧华发布时间:2022-01-02

南湖新闻网讯(通讯员 肖仕杰)近日,亚欧体育APP工学院王巧华教授团队研究成果以“Rapid identification of A1 and A2 milk based on the combination of mid-infrared spectroscopy and chemometrics”为题在Food Control发表。研究揭示了A1和A2牛奶的光谱差异,建立了无损检测两种奶的分类模型,表明中红外光谱技术可作为无损快速鉴别A1奶和A2奶的新工具。该研究也可为单独组建A1型和A2型奶牛育种群提供相应的技术支持。

仅含A2β-酪蛋白的牛奶(A2奶)因其独特的健康益处而在全球广受欢迎。长期以来,企业需要先对奶牛进行专业的基因检测,筛选出β-酪蛋白中只包含A2β-酪蛋白的纯种A2奶牛,再用这些奶牛生产的牛乳加工成A2奶。基因检测虽准确性高,但成本也高且耗时长,无法满足乳企规模化生产的要求。因此,急需开发一种低成本、高效益的技术快速识别A1奶(普通奶)和A2奶。该研究突破了传统基因检测的局限,应用中红外光谱技术快速鉴别出A1和A2牛奶。

CARS算法筛选特征变量

CARS算法筛选特征变量

该研究分析A1和A2牛奶在中红外光谱吸光度上的差异,找到敏感波段组合作为全光谱,分别利用标准正态变量变换 、多元散射校正、归一化、一阶导数、二阶导数、一阶差分和二阶差分等7种方法对光谱进行预处理,利用无信息变量消除法和竞争性自适应重加权算法筛选出能代表A1和A2奶差异的特征变量,进而构建偏最小二乘判别分析(PLS-DA)模型和支持向量机(SVM)模型,PLS-DA模型的训练集准确率和测试集准确率分别为96.6%和96.0%,SVM模型的训练集准确率和测试集准确率分别为96.0%和95.1%。

UVE算法筛选特征变量

UVE算法筛选特征变量

该研究选择PLS-DA模型作为最佳模型,使用一组独立样本对模型进行外部验证。将新采集的牛奶中红外光谱批量带入保存的模型中,以对应的奶牛基因检测结果作为对照指标,模型的预测准确率为95.2%,性能良好。结果表明,中红外光谱技术可以实现对A1奶与A2奶的快速分类鉴别,有望将来在生产中得到应用。

亚欧体育APP工学院硕士研究生肖仕杰为论文第一作者,工学院王巧华教授和动物科学技术学院张淑君教授为共同通讯作者。该研究得到中国政府项目(2013070204020045)资助。

---友情链接---
亚欧体育APP 中国研究生招生信息网 中国学位与研究生教育信息网

版权所有:亚欧体育APP   党委研究生工作部

地址:湖北省武汉市洪山区狮子山街1号亚欧体育APP

亚欧体育APP|官网(中国)有限公司