近日，农产品质量安全危害因子与风险防控国家重点实验室的聂晶和袁玉伟等人对藏红花中的元素含量（%C和%N）和稳定同位素（δ13C、δ2H、δ18O和δ15N）进行分析检测，并结合化学计量学的溯源方法，成功区分了伊朗和中国的藏红花，并对中国国内主要产区进行了分类
近日，农产品质量安全危害因子与风险防控国家重点实验室的聂晶和袁玉伟等人对藏红花中的元素含量（%C和%N）和稳定同位素（δ13C、δ2H、δ18O和δ15N）进行分析检测，并结合化学计量学的溯源方法，成功区分了伊朗和中国的藏红花，并对中国国内主要产区进行了分类。相关研究成果在2022年11月2日以题为“Stable isotope and elemental profiles determine geographical origin of saffron from China and Iran”发表在国际学术期刊Food Chemistry（IF=9.231）上。浙江农科院聂晶助理研究员为论文第一作者，袁玉伟研究员为论文通讯作者。
成果简介
高价值藏红花的原产地验证对于公平贸易和保护消费者的权益至关重要。我国从伊朗进口的藏红花数量众多，但其市场价格低于我国藏红花，因此，开发一种实用的方法来区分这两个国家的藏红花变得至关重要。多同位素和元素特征先前已被证明是重建环境过程和表征植物自然指纹或起源的有用工具。因此，在本研究中，为了对我国藏红花进行正确鉴定，使用元素含量（%C和%N）和稳定同位素（δ13C、δ2H、δ18O和δ15N）对中国和伊朗收获的藏红叶样品进行了表征，并使用PCA和PLS-DA对伊朗藏红花和中国藏红花样品的同位素和元素值进行了化学计量学分析。
研究亮点
•藏红花作为一种高价值的香料，容易出现产地标签错误。
•稳定同位素和生物元素用于区分伊朗和中国藏红花。
•化学计量学模型显示了藏红花良好的国家和地区区分度。
图文赏析
图1. 基于伊朗和中国藏红花样本的元素含量和稳定同位素的频率直方图。
图2. 基于伊朗和中国藏红花元素含量和稳定同位素的PLS-DA图。(a)得分载荷图(双标图)(b)系数图(c) VIP图。
研究结论
研究结果表明，藏红花样品在空间上具有不同的元素和同位素模式，可以用来对其起源进行分类。伊朗藏红花样品具有较低的%C和%N，但具有较高的δ13C值。两个国家的平均δ15N值相同，但中国样品的δ15N值范围比伊朗藏红花的大。与中国其他主要产地相比，西藏藏红花具有更负的δ2H值和更高的%C，并且西藏藏红花样品与所有其他产地有明显区别。根据化学计量学，δ13C是区分伊朗和中国样本的最有用变量，总分类准确率至少为85.0 %。δ2H和δ13C是中国藏红花原产地模型中最重要的变量，总分类准确率超过80.2 %。
原创文章，作者：ifyoung，如若转载，请注明出处：https://www.drugfoodai.com/isotope-saffron.html
注意：本站原创指的是原创编译，并不主张对所介绍的工作的版权，如有侵权，请联系删除！
微信扫一扫 
支付宝扫一扫 相关推荐
-
机器学习预测新兴污染物在植物中的吸收和转移：对食品安全的影响
今天介绍一篇由来自美国密苏里科技大学的Majid Bagheri等人发表在Science of the Total Environment上的一篇文章。文中使用神经网络和模糊逻辑，通过根部浓缩系数（RCF）和果实浓缩系数（FCF）测量植物根部和可食部位中污染物的积累。
-
顶刊综述|李培武院士团队唐晓倩：生物毒素（真菌毒素、海洋毒素和细菌性食物毒素）生物传感器的发展趋势：原理、应用和前景
今天介绍一篇于2023年8月发表在Trends in Analytical Chemistry（IF=13.1）上的一篇综述性文章。该综述简要介绍了生物毒素（真菌毒素、海洋毒素和细菌性食物毒素）的流行、毒理学特征和分类。同时，总结了近年来针对生物毒素的高灵敏度生物传感器的重要技术进展并介绍了这些方法不同的传感模式。最后，基于生物传感器面临的各种挑战，为改进食品安全技术提供了重要见解。中国农科院油料所唐晓倩副研究员为第一作者，硕士研究生左家思为共同一作。中国农科院李培武院士和张奇研究员以及浙江大学平建峰教授为通讯作者。
-
中国农业大学周欣团队基于宏基因组学和机器学习的蜂蜜产品溯源
今天介绍一篇来自中国农业大学昆虫学系周欣教授课题组于2022年3月发表在Food Chemistry上的文章。该文为了查询蜂蜜的地理来源，收集蜂蜜样本产生的宏基因组数据，应用机器学习方法来推断蜂蜜的地理来源。
-
人工智能从科学文献和媒体报道中检测未知兴奋剂推文
今天介绍一篇由Anand K. Gavai等人于2021年在Food Control上发表的文章。文中提出了一种方法用机器学习来检测在保健品中未知的兴奋剂。从两个不同的数据来源中确定了20种新的兴奋剂，分别是用单词嵌入模型从科学文献中自动发现未知兴奋剂，以及基于文本挖掘在万维网上搜索新闻报道来收集新的兴奋剂。
-
海南大学食品科学与工程学院王露课题组：鹧鸪茶中天然α-葡萄糖苷酶和α-淀粉酶抑制剂的筛选和鉴定及分子对接分析
该研究调查了鹧鸪茶提取物对α-葡萄糖苷酶和α-淀粉酶的抑制作用，测定鹧鸪茶提取物的总酚、黄酮含量及其对α-葡萄糖苷酶和α-淀粉酶的抑制效果，并通过HPLC-ESI- qTOF-MS/MS和亲和超滤筛选鉴定其起主要抑制作用的物质及含量；利用3T3-L1细胞测定鹧鸪茶提取物对其吸收葡萄糖的影响。最后，通过分子对接分析进一步阐明了这些抑制剂对α-糖苷酶和α-淀粉酶的可能作用机制。研究表明，鹧鸪茶是一种可应用于预防和改善餐后高血糖症状的天然代用茶资源。
-
湖南大学吴海龙课题组：高效液相色谱指纹图谱结合化学计量学的白术有效成分分析及产地鉴别研究
该研究提出运用高效液相色谱-二极管阵列检测器（HPLC-DAD）结合化学计量学方法快速分析不同地区白术中12种活性成分含量并进行产地判别。首先，使用HPLC-DAD结合二阶校正算法（ATLD）对来自不同地区的白术中12种活性成分同时进行定性定量分析。利用“二阶优势”，12种化合物不仅在12.5 min内快速洗脱，而且还在色谱峰高度重叠的情况下实现了准确定性定量（平均回收率为80.8–109.9%），一系列品质因子参数均反映出所提方法的可行性。基于ATLD解析所得的12种活性成分和31种未校正成分的相对浓度值，使用偏最小二乘-判别分析法（PLS-DA）对不同地理来源的白术样本进行判别分析，三个地区的白术都有明显的聚类趋势，测试集的正确分类率可达90%。变量重要性投影（VIP）分析结果表明，紫丁香酚苷、白术内酯Ⅲ、白术内酯Ⅰ和苍术酮可作为白术产地判别的主要标志成分。一系列结果均证明了所建立模型的可靠性。该方法的建立有助于白术的临床使用和市场监管。
-
VirtualTaste：用于预测化合物感官特性的网络服务器
今天介绍一篇来自德国柏林生理学研究所的Franziska Fritz和Priyanka Banerjee、生理和科学IT研究所的Robert Preissner于2021年4月27日发表的文章。该文章实现了用机器学习模型来预测三种不同的味道终点——甜味、苦味和酸味。开发了名为VirtualTaste的 Web服务器平台，用于预测三种不同口味的化合物。
-
深度学习根据成分声明准确预测食品类别和营养成分
今天介绍一篇由Peihua Ma等人于2022年5月发表在Food Chemistry上的文章。本文作者提出了一种基于深度学习的通用技术来预测食物种类和营养成分。开发了一种食品配料语句嵌入方法，包括配料数据解析、数据采样、数据编码和配料语句张量表示，该方法也可应用于其他与食品语言数据处理相关的任务。随后，应用了四种最先进的深度学习模型，包括多层感知器（MLP）、递归神经网络（RNN）、卷积神经网络（CNN）和图形神经网络（GNN）。
-
中国人民公安大学侦查学院姜红课题组：基于拉曼光谱和机器学习算法的沙门氏菌快速鉴定
本研究针对三种最具致病性的沙门氏菌血清型，使用拉曼光谱获取其光谱数据，选择适合解决多分类问题的卷积神经网络（CNN）对拉曼光谱数据进行深入挖掘和分析。比较了五种光谱预处理方法，Savitzky-Golay平滑（SG），多元散射校正（MSC），标准正态变量（SNV）和希尔伯特变换（HT）对CNN模型预测能力的影响。采用准确度（ACC）、精度、召回率和F1得分 4种机器学习评价指标来评估不同预处理方法下的模型性能。
-
基于偏最小二乘和人工神经网络分析的采后苹果品质变化及保质期预测模型
今天介绍一篇由渤海大学食品科学与技术学院励建荣教授的研究组等人于2022年6月在线发表在Food Chemistry上的文章。本文构建了偏最小二乘法（PLS）和人工神经网络（ANN）模型来预测苹果的保质期。本工作旨在丰富苹果保鲜理论，为采后苹果货架期的快速评价提供参考。
