[發(fā)明專利]一種流蘇石斛的質(zhì)量檢測方法

有效

• 申請?zhí)枺?/td>: 201710064173.3
• 申請日: 2017-02-04
• 公開（公告）號: CN108398516B
• 公開（公告）日: 2020-12-15
• 發(fā)明（設計）人: 趙田;張國強
• 申請（專利權）人: 北京藍標一成科技有限公司
• 主分類號: G01N30/86
• 分類號: G01N30/86
• 代理公司: 北京領科知識產(chǎn)權代理事務所(特殊普通合伙) 11690
• 代理人: 張丹

1.一種流蘇石斛的質(zhì)量檢測方法，其特征在于，包括：

1)以ITS-26SE：5’GAATTCCCCGGTTCGCTCGCCGTTAC 3’和ITS-17SE：5’ACGAATTCATGGTCCGGTGAAGTGTTCG 3’為引物，進行PCR擴增測序，以鑒定待測石斛藥材的品種為流蘇石斛；

2)對樣本容量為n的樣本進行色譜檢測，獲取以化學小分子成分夏佛托苷和/或柚皮素作為參照成分的檢測數(shù)據(jù)；

3)對樣本分別進行指紋圖譜檢測，獲取流蘇石斛的全化學成分的指紋圖譜峰面積值；

4)以色譜數(shù)據(jù)中夏佛托苷和/或柚皮素的成分含量值作為響應變量，將指紋圖譜中的其它成分的峰面積值作為自變量建立分析模型，當色譜數(shù)據(jù)呈現(xiàn)超高維情形時，首先采用SIS(Sure Independence Screening)方法篩選變量，

SIS方法為M_γ＝{1≤i≤p:|ω_i|是前|γn|個比較大的}

其中，ω＝(ω₁,ω₂,...,ω_p)^T＝X^Ty；對于任意給定的γ∈(0,1)，ω的p個元素按絕對值從大到小排列并且定義；此時|γn|＜n，選取M_γ中下標對應的自變量，使超高維降到d維，

然后通過Lasso(The Least Absolute Shrinkage and Selection Operator)方法篩選變量建立化學小分子成分的相關特征指紋圖譜模型，其模型為：

其中，y_i為第i個響應變量，y＝(y₁,y₂,...,y_n)^T，X_i是p×1階的協(xié)變量，X＝(X₁,X₂,...,X_n)^T，ε為模型的隨機誤差項；n為樣本量；β＝(β₁,β₂,...,β_p)^T是一個p維的參數(shù)，p為樣本的維數(shù)；

假定隨機誤差項服從古典假定，即：

(1)隨機誤差項具有零均值；

(2)隨機誤差項具有同方差；

(3)隨機誤差項無序列相關性；

(4)ε服從正態(tài)分布，ε_i～N(0,σ²)；

所述隨機誤差項的方差矩陣是一個對角線為σ²，其他地方為0的方陣，σ是隨機誤差項的標準差，所述隨機誤差項的方差矩陣為：

I_n是一個n×n的單位陣；

所述Lasso方法中β是通過式Ⅰ計算實現(xiàn)的：

在式Ⅰ中，n為樣本量；p^*為變量數(shù)；p為樣本的維數(shù)；y＝(y₁,y₂,...,y_n)^T為響應變量；X為n×p的設計矩陣，包含對響應變量有影響的所有候選自變量；λ為調(diào)整參數(shù)；為懲罰函數(shù)；β₀的含義為公式的截距項，也就是當所有自變量x_ij為0時響應變量y的值；β_j的含義是自變量x_ij的系數(shù)，即自變量x_ij對響應變量y的影響程度。