18 شهریور 1403
دانشگاه خلیج فارس
English
غلامرضا عبدی
مرتبه علمی:
استادیار
نشانی:
پژوهشکده خلیج فارس - گروه زیست فناوری
تحصیلات:
دکترای تخصصی / بیوتکنولوژی گیاهان دارویی
تلفن:
-
دانشکده:
پژوهشکده خلیج فارس
پست الکترونیکی:
astoags [at] gmail [dot] com
صفحه نخست
فعالیتهای پژوهشی
صفحه شخصی قدیمی
مشخصات پژوهش
عنوان
دسته بندی گیاهان نعناعیان با استفاده از PLS-DA و PCA براساس طیف های ,FT-IR UV-Vis و CV براساس منشأ و نوع گیاه
نوع پژوهش
پارسا
کلیدواژهها
نعناعیان ؛ احراز هویت و کیفیت گیاهان؛ داده های جوش خورده PCA؛ PLS-D
پژوهشگران
کوثر شاه محمدی بیاتیانی (دانشجو)
،
مریم عباسی طریقت (استاد راهنما)
،
غلامرضا عبدی (استاد مشاور)
،
خسرو محمدی (استاد مشاور)
چکیده
عصاره گیاهان نعناعیان به طور مستقیم یا غیرمستقیم برای درمان بیماری های مختلف به عنوان گیاهان داروئی استفاده می شود. ایمنی، کیفیت و اثربخشی گیاهان داروئی و داروهای گیاهی برای مصرف کنندگان بسیار مهم است. بنابراین احراز هویت و کیفیت گیاهان داروئی پارامترهای بسیار مهمی است. این ایده وقتی آشکار می شود که تقلب در غذا، ادویه و گیاهان آشکار می شود. تقلب و جعل، کلاهبرداری، تعویض و برچسب زدن عمدی و نادرست محصولات برای کاهش هزینه های تولید، استفاده از مواد شیمیایی ارزان تر و قدیمی تر یا ممنوع در مواد غذایی یا محصولات گیاهی انجام می شود. همچنین، تأثیر گیاهان بر کیفیت مواد غذایی و سلامت انسان به ترکیب آن ها، خواص غذایی و منشأ جغرافیایی آن بستگی دارد. برای این منظور احراز هویت و کیفیت 47 نمونه ی خانواده نعناعیان به صورت خشک و تازه حاوی نعناع، آویشن، پونه کوهی، مرزه، ریحان ، مریم گلی، بادرنجبویه، اسطوخودوس و زوفا با منشاء گیاهان مختلف مورد بررسی قرار گرفت. عصاره اسیدی نمونه ها از دوازده منبع مختلف جغرافیایی و نه نمونه گونه با استفاده از اثر انگشت های جداگانه UV-Vis و IR همراه با تجزیه و تحلیل مؤلفه اصلی (PCA) و آنالیز تفکیک خطی حداقل مربعات جزئی (PLS-DA) بررسی شد. مدل طبقه بندی PLS-DA با صحت طبقه بندی پیش بینی 67%، 11% و 90% به ترتیب برای FT-IR ، CV و UV-Vis به دست آمد. صحت PLS-DA خوب نبود. بنابراین، طبقه بندی با استفاده از روش داده های جوش خورده مورد آزمایش قرار گرفت. این بدان معنی است که ابعاد مجموعه داده ها کاهش یافته و بردارهای نهفته بهینه (LV) مدل-های جداگانه استخراج و با یکدیگر ترکیب می شوند. ماتریس داده های ساخته شده به PCA و مدل PLS-DA قرار گرفت و طبقه بندی بر اساس منشأجغرافیایی و نوع نمونه انجام شد. می توان نتیجه گرفت که تبعیض منشاء جغرافیایی و محتوای شیمیایی نمونه ها با استفاده از تکنیک تک طیف سنجی ممکن است به دلیل شباهت و پیچیدگی طیف های UV-Vis، CV و IR کافی نباشد. اما کاهش داده باعث کاهش انتقال اضافی داده ها سازگاری و بهبود نتایج طبقه بندی شد. داده های جوش خورده با استفاده از دقت پیش بینی 100٪ در آزمون تعیین شده توسط PLS-DA بهترین استراتژی طبقه بندی ایجاد شده است