|
Title
|
دسته بندي گياهان نعناعيان با استفاده از PLS-DA و PCA براساس طيف هاي ,FT-IR UV-Vis و CV براساس منشأ و نوع گياه
|
|
Type
|
Thesis
|
|
Keywords
|
نعناعيان ؛ احراز هويت و كيفيت گياهان؛ داده هاي جوش خورده PCA؛ PLS-D
|
|
Abstract
|
عصاره گياهان نعناعيان به طور مستقيم يا غيرمستقيم براي درمان بيماري هاي مختلف به عنوان گياهان داروئي استفاده مي شود. ايمني، كيفيت و اثربخشي گياهان داروئي و داروهاي گياهي براي مصرف كنندگان بسيار مهم است. بنابراين احراز هويت و كيفيت گياهان داروئي پارامترهاي بسيار مهمي است. اين ايده وقتي آشكار مي شود كه تقلب در غذا، ادويه و گياهان آشكار مي شود. تقلب و جعل، كلاهبرداري، تعويض و برچسب زدن عمدي و نادرست محصولات براي كاهش هزينه هاي توليد، استفاده از مواد شيميايي ارزان تر و قديمي تر يا ممنوع در مواد غذايي يا محصولات گياهي انجام مي شود. همچنين، تأثير گياهان بر كيفيت مواد غذايي و سلامت انسان به تركيب آن ها، خواص غذايي و منشأ جغرافيايي آن بستگي دارد. براي اين منظور احراز هويت و كيفيت 47 نمونه ي خانواده نعناعيان به صورت خشك و تازه حاوي نعناع، آويشن، پونه كوهي، مرزه، ريحان ، مريم گلي، بادرنجبويه، اسطوخودوس و زوفا با منشاء گياهان مختلف مورد بررسي قرار گرفت. عصاره اسيدي نمونه ها از دوازده منبع مختلف جغرافيايي و نه نمونه گونه با استفاده از اثر انگشت هاي جداگانه UV-Vis و IR همراه با تجزيه و تحليل مؤلفه اصلي (PCA) و آناليز تفكيك خطي حداقل مربعات جزئي (PLS-DA) بررسي شد. مدل طبقه بندي PLS-DA با صحت طبقه بندي پيش بيني 67%، 11% و 90% به ترتيب براي FT-IR ، CV و UV-Vis به دست آمد. صحت PLS-DA خوب نبود. بنابراين، طبقه بندي با استفاده از روش داده هاي جوش خورده مورد آزمايش قرار گرفت. اين بدان معني است كه ابعاد مجموعه داده ها كاهش يافته و بردارهاي نهفته بهينه (LV) مدل-هاي جداگانه استخراج و با يكديگر تركيب مي شوند. ماتريس داده هاي ساخته شده به PCA و مدل PLS-DA قرار گرفت و طبقه بندي بر اساس منشأجغرافيايي و نوع نمونه انجام شد. مي توان نتيجه گرفت كه تبعيض منشاء جغرافيايي و محتواي شيميايي نمونه ها با استفاده از تكنيك تك طيف سنجي ممكن است به دليل شباهت و پيچيدگي طيف هاي UV-Vis، CV و IR كافي نباشد. اما كاهش داده باعث كاهش انتقال اضافي داده ها سازگاري و بهبود نتايج طبقه بندي شد. داده هاي جوش خورده با استفاده از دقت پيش بيني 100٪ در آزمون تعيين شده توسط PLS-DA بهترين استراتژي طبقه بندي ايجاد شده است
|
|
Researchers
|
Kowsar Shahmohammadi (Student) , Maryam Abbasi Tarighat (Primary advisor) , gholamreza Abdi (Advisor) , Khosro Mohammadi (Advisor)
|