利用近红外透射光谱技术测定小麦籽粒硬度的研究

以2001和2002年度583份小麦样品为材料，用近红外透射光谱仪（NITS）对小麦籽粒硬度进行分析，比较了偏最小二乘法和多元线性回归两种算法和未经导数处理、一阶导数处理、二阶导数处理3种光谱变量转换方式的分析结果。表明，两种算法中偏最小二乘法优于多元线性回归算法，3种处理方式中一阶导数处理效果最好，其定标集和预测     

小麦籽粒硬度测定方法的研究

小麦籽粒硬度是其物理性状和品质的一项重要指标,它与籽粒的化学成分及结构有密切关系。硬度关系到小麦籽粒品质的分级,在商业,加工和营养标准中,没有任何其它特性象籽粒硬度那样被普遍应用。Simmonds等(1973)认为,淀粉和蛋白质基质间的粘着作用可以解释籽粒硬度。     

山东小麦籽粒硬度演变规律研究

利用单籽粒谷物特性测试仪和PCR扩增、酶切及DNA测序技术,结合改良的friabilin提取及电泳分析方法,对山东省431份农家品种、63份历史品种和29份当前主栽品种的籽粒硬度分布以及Pina和Pinb等位变异类型进行研究,以探讨山东小麦籽粒硬度的演变规律。农家品种、历史品种和当前主栽品种中硬质麦比例分别为75.6%、12.7%和27.6%,混合麦分别占20.4%、19.0%和13.8%,而软质麦分别占3.9%、68.3%和58.6%。农家品种中共有6种基因型,Pina-D1b/Pinb-D1a和Pina-D1a/Pinb-D1p分别占硬质麦的38%和59.6%。历史品种中有4种基因型,8份硬质麦中Pina-D1b/Pinb-D1a占37.5%,Pina-D1a/Pinb-D1b占37.5%,而Pina-D1a/Pinb-D1p只占25.0%。当前主栽品种中,8份硬质麦全部是Pina-D1a/Pinb-D1b类型。长芒透垅白等3个品种的Pinb基因的核苷酸序列发生了双突变,起始密码子下游96 bp处碱基C突变为A,而且在265 bp处发生了A碱基的缺失,将其命名为Pinb-D1aa。     

两种小麦籽粒硬度测定方法比较试验

论述了测定小麦硬度的重要性及国内外发展现状,采用近红外漫反射法(NIR)和国产JYDB型小麦硬度测试仪法(JYDB)两种方法进行小麦籽粒硬度测定,试验证明这两种方法测得的籽粒硬度具有较高的相关性。     

用近红外光谱法测定大白菜的营养成分

选用来自我国主要产地的大白菜不同品种及不同成熟期等材料２４２份，进行常规成分的定标和检验。结果表明：粗蛋白、中性纤维、还原糖及维生素Ｃ的近红外（ＮＩＲ）法测值与化学法测值的复相关系数（ＭＲ）分别为０．９９５８、０．９８５２、０．９８２１和０．９８１４，定标的标准误差（ＳＥＣ）分别为０．３９８％、０．１３４％．０．０９８％和０．５１ｍｇ／１００ｇ。用一定数量的检验样品以４种成分化学法与近红外法进行比     

近红外光谱法测定大米中的淀粉含量

用化学方法测定64个大米样品中的淀粉含量,利用近红外谷物分析仪采集样品的近红外光谱,选择合适的光谱区间和光谱预处理方法。50个定标集样品的近红外光谱经二阶导数及标准多元离散校正(Standard MSC)预处理,结合偏最小二乘法(PLS)建立了大米中的淀粉含量测定的定标模型,其相关系数为0.8780。14个验证集样品用于外部检验,大米中的淀粉含量的模型预测值与化学值之间的相关系数为0.9498。     

近红外光谱法快速测定白酒中的酒精度

为了得到白酒工业中酒精度的快速检测技术,将偏最小二乘法与傅立叶变换近红外光谱法相结合,建立白酒酒精度的快速定量模型。通过标准归一化预处理光谱,光谱范围选择5731.40~5897.25、5901.11~6063.10、8327.12~8423.54 cm-1,主成分数为5,得到模型的内部交互验证相关系数(R)为0.9992,交互验证均方差(RMSECV)为0.263;模型的预测值与实测值的相关系数为0.99,预测标准偏差(RMSEP)为0.435。结果表明,模型的预测效果很好,具有较高的精密度和良好的稳定性,能满足生产中白酒酒精度的快速检测要求。     

陕西历代小麦品种籽粒硬度演变规律研究

利用单籽粒谷物特性测试仪和PCR扩增方法对170余份陕西省历代和当代主要小麦品种(系)的籽粒硬度及基因Pina和Pinb等位变异进行了研究,以揭示陕西省小麦品种换代过程中籽粒硬度的演变规律。其中,历代品种(系)材料51份,硬质麦占39.22%,混合麦占60.78%;Pina-D1b等位基因类型为9.80%,Pinb-D1b等位变异类型为47.06%;当代小麦品种(系)119份,硬质麦占38.66%,混合麦占61.34%;Pina-D1b等位变异类型为17.65%,Pinb-D1b等位变异类型为39.50%;Pina基因所占比例为14.29%,Pinb基因所占比例为63.03%;陕西省历代小麦品种硬度平均数呈先降后升趋势,总体呈现逐渐上升。     

CIMMYT普通小麦籽粒硬度等位变异的检测

籽粒硬度主要由5D染色体短臂的一对主效基因Ha控制,研究籽粒硬度等位变异有助于提高小麦的磨粉和食品加工品质。本试验对国际玉米小麦改良中心（CIMMYT）的138份历史品种和代表性高代品系的硬度基因型进行了研究。在用SDS-PAGE鉴定Pina-D1b/Pinb-D1a时,用10%甘油代替水配制分离胶,用PDA代替甲叉配制分离胶和浓缩胶,增强了PINA和PINB两种蛋白带型的分辨率。结果表明,与其他国家硬质麦中Pina-D1a/Pinb-D1b类型偏多的特点明显不同,CIMMYT硬质小麦中puroindoline a（PINA）蛋白缺失类型（或称Pina-D1b/Pinb-D1a）较多,为118个,占85.5%;Pina-D1a/Pinb-D1a（野生型）为11个,占8.0%;Pina-D1a/Pinb-D1b类型有9个,占6.5%。其中,PINA缺失对小麦籽粒硬度的影响最大,与其他2种基因型硬度值之间差异达5%显著水平。先前研究结果表明,PINA蛋白缺失类型的磨粉品质和面包烘烤品质均劣于Pina-D1a/Pinb-D1b类型,因此,建议CIMMYT多引进一些其他硬度变异类型的小麦种质,如Pina-D1a/Pinb-D1b类型等,以改善其硬度基因型过度单一的局面,从而减少PINA蛋白缺失带来的不利影响。同时,也提醒我国以其他用途如抗病、抗旱等为目的,引种CIMMYT小麦时,还应充分考虑PINA蛋白缺失对磨粉和加工品质的不利影响,以更合理引进和有效利用CIMMYT种质资源。     

近红外光谱法测定玉米品质指标的研究

应用近红外光谱法(Near infrared spectroscopy,NIRS)和偏最小二乘法(Partial least squares,PLS)建立玉米粗蛋白质、粗脂肪和粗淀粉定量分析的近红外光谱数学模型,并对模型预测结果的准确性进行了评价。结果表明:近红外预测模型的内部交叉验证决定系数(R2cv)分别为:0.9778,0.9666和0.9927;交叉证实标准差(RMSECV)分别为:0.38,0.40和1.51;模型外部验证决定系数(Rv2al)分别为0.9391,0.9651和0.9875;外部验证标准差(RMSEP)为0.41,0.35和1.31。实际样品的常规分析结果得出玉米粗蛋白质、粗脂肪和粗淀粉的NIRS数学模型具有较高的预测准确性,可应用于玉米育种工作中的大批样品的品质分析。     

两个不同籽粒硬度小麦的比较蛋白组学分析

小麦是全球种植面积最大粮食作物,为全球45亿人提供日常蛋白和能量摄入的20%。弄清小麦籽粒硬度遗传基础,对于改良小麦品质具有重大意义。为探讨不同硬度小麦种子的分子基础,本实验选用西南麦区2个硬度差异极显著的小麦品种川麦66和蜀麦969,从蛋白水平上分析其种子蛋白差异表达情况,利用TMT定量蛋白质组学技术(tandem mass tags)结合生物信息学分析,分析差异表达的蛋白及其功能和通路等富集情况。结果表明,鉴定并定量了有效蛋白6020个,其中显著差异表达蛋白113个,在软质麦川麦66中上调表达的69个,下调表达的44个。差异蛋白GO富集分析共富集到65个GO条目,达到极显著富集水平的包括生物过程的1个条目、细胞组成的1个条目和分子功能的6个条目。推测营养库活性类蛋白、酶抑制剂活性类蛋白和谷胱甘肽代谢途径类蛋白可能参与小麦籽粒硬度形成。籽粒硬度相关蛋白可能主要分布于细胞胞外区,具有防御作用。从系统发育分析推测, puroindolines蛋白及其同源蛋白,可能既作为小麦籽粒贮藏蛋白,同时还能作为酶抑制剂调控籽粒发育。本研究为进一步探索小麦籽粒硬度遗传机制提供了参考。     

中国黄淮麦区小麦籽粒硬度Puroindoline基因等位变异检测

籽粒硬度是小麦品质性状改良的重要目标之一,研究黄淮麦区核心种质资源小麦籽粒硬度基因型分布规律,能够为中国小麦品质改良和种质资源利用提供信息。以来自中国黄淮麦区的244份小麦核心种质为材料,采用单籽粒谷物特性测试仪和特异引物的PCR扩增对其SKCS硬度及其基因型进行鉴定。结果表明,黄淮麦区小麦核心种质资源以硬质类型为主,占总参试材料的56.6%,其硬质麦基因型共有Pina-D1b、Pina-D1r、Pina-D1s、Pina-D1l、Pinb-D1b、Pinb-D1p、Pinb-D1ac、Pinb-D1e、Pinb-D1t和Pinb-D1u共10种单倍型,其分布比例分别为2.1%、5.3%、4.5%、0.8%、25.8%、15.7%、0.4%、0.4%、0.8%和0.8%。可以看出,Pinb-D1p在参试材料硬质麦中占据主导地位,PINA蛋白缺失类型也有广泛的分布。不同来源小麦品种籽粒硬度基因型分布表明,山西、河南、云南和新疆小麦品种籽粒硬度基因型较为丰富。不同类型小麦品种籽粒硬度基因型分布表明,农家种小麦籽粒硬度基因型更为丰富。在各Puroindoline变异类型中,拥有PINA-null类型的小麦品种SKCS籽粒硬度显著高于拥有Pinb-D1b和Pinb-D1p类型的小麦品种。本项研究表明黄淮麦区核心种质资源具有丰富的籽粒硬度主效基因变异类型,结合先前研究中认为的PINA-null类型的磨粉品质和面包烘烤品质均劣于Pinb-D1b类型,但拥有相对较好的印度薄饼加工品质,因此品质育种过程中可依据育种目标有选择的利用黄淮麦区小麦核心种质资源。     

近红外光谱法测定玉米秸秆纤维素和半纤维素含量

为了解玉米秸秆资源可转化碳水化合物物质基础,建立了玉米秸秆中纤维素及半纤维素近红外分析模型。利用傅里叶变换近红外漫反射光谱(NIRS)技术和化学计量学软件,结合偏最小二乘法(PLS),通过光谱采集,进行了近红外光谱模型预测及验证。探讨了不同预处理方法对玉米秸秆纤维素和半纤维素含量的NIRS模型影响,获得理想分析模型,相关系数(R)≥0.909。实验结果表明模型对纤维素、半纤维素含量预测平均相对误差为2.34%和2.13%,预测值与化学值误差较小。说明该模型可准确、快速并大量检测玉米秸秆中纤维素和半纤维素含量,提高秸秆生物质资源利用率,促进生物质转化工艺过程。     

近红外光谱法快速测定牛乳饮料中CMC的含量

研究近红外光谱法快速测定牛乳饮料中CMC含量的技术方法,以含CMC的牛乳饮料为研究对象,通过NIR扫描和NIRCAL分析优化,建立了用于液体牛乳中CMC的NIR预测模型。该模型对CMC的分析是基于该化合物在1 460 nm等处的特征吸收基础之上,优化后的模型对1 800~3 200 mg/L质量浓度的CMC有较好预测效果,其预测值与参考值的相关系数达到0.97。     

新疆小麦籽粒硬度Puroindoline b相关基因等位变异的分子检测

Puroindoline b-2(Pinb-2)基因与籽粒硬度基因Puroindoline b序列高度相似,与小麦籽粒硬度及其产量性状密切相关。本研究以3个籽粒硬度基因(Pina-D1,Pinb-D1和Pinb-2)的特异性功能标记对新疆99份冬小麦和24份春小麦品种(系)进行分子标记检测。在123份新疆小麦品种(系)中Pina-D1和Pinb-D1基因位点Pina-D1a、Pina-D1b、Pinb-D1a和Pinb-D1b等位变异的频率分别为85.4%、14.6%、57.7%和42.3%;在Pinb-2位点,39.0%的小麦品种含Pinb-2v2(低千粒重)等位基因,61.0%的小麦品种含Pinb-2v3(高千粒重)等位变异。在3个位点基因型组合分析表明,在所检测的新疆小麦种质中共有6种基因型组合,其中2种软质麦基因型Pina-D1a/Pinb-D1a/Pinb-2v2,Pina-D1a/Pinb-D1a/Pinb-2v3和3种硬质麦Pina-D1a/Pinb-D1b/Pinb-2v2、Pina-D1a/Pinb-D1b/Pinb-2v3、Pina-D1b/Pinb-D1a/Pinb-2v2、Pina-D1b/Pinb-D1a/Pinb-2v3,其分布频率分别为19.5%、22.8%、13.05%、30.1%、6.5%和8.1%。新疆冬小麦共有5种基因型组合,在不同类型冬麦资源中,具有高千粒重的软质麦类型Pina-D1a/Pinb-D1a/Pinb-2v3的分布频率大小顺序为地方品种(52.9%)自育品种(25.6%)引进品种(12.8%),与之相反,具有较高千粒重的硬质麦类型Pina-D1a/Pinb-D1b/Pinb-2v3和PinaD1b/Pinb-D1a/Pinb-2v3的分布频率大小顺序为:引进品种(53.8%)自育品种(32.5%)地方品种(5.9%);新疆春小麦共有6种基因型组合,在不同类型春麦资源中,具有高千粒重的软质麦类型Pina-D1a/Pinb-D1a/Pinb-2v3的分布频率大小顺序为:早期品种(20.0%)晚期品种(10.5%),与之相反,具有较高千粒重的硬质麦类型Pina-D1a/Pinb-D1b/Pinb-2v3和Pina-D1b/Pinb-D1a/Pinb-2v3的分布频率大小顺序为:晚期品种(47.4%)早期品种(45.8%)。新疆小麦以硬质麦为主,在软冬麦、硬冬麦、软春麦和硬春麦中均是具有Pinb-2v3(高千粒重)等位变异类型的分布频率高于具有Pinb-2v2(低千粒重)等位变异类型。将3个位点特异性标记结合起来使用,不仅能有效的应用于小麦与籽粒硬度改良,同时能应用于小麦产量性状改良方面。     

近红外（NIR）光谱法测定完整苹果糖的含量

介绍一种快速分析完整苹果糖分的新方法──近红外光谱法。在波长９１０ｎｍ附近，高、中、低糖含量的二阶导数光谱之间有明显差异，该波长选作定标的第一波长。经９１０ｎｍ、８８４ｎｍ、８４３ｎｍ、９９１ｎｍ四波长线性回归分析，其相关系数为０．９８４，标准误差为０．３６０，检验时的标准误差为０．４５０，离差为０．１１。ＮＩＲ光谱法在实际应用中可满足完整苹果糖含量的测定精度。     

近红外光谱法快速测定海产品处理过程中牛磺酸含量的研究

利用近红外光谱分析技术,建立快速检测水产品下脚料提取过程中牛磺酸含量的方法。利用氨基酸分析仪测定样品中牛磺酸含量,采用一阶导数对原始光谱进行处理,采用偏最小二乘法建立校正模型,并预测样品中牛磺酸含量。所建模型回归系数(R2)为99.12%,交叉检验均方根为0.086;经验证,预测值与参考值的回归系数(R2)为99.9%,预测误差均方根为0.040,模型预测值与氨基酸分析仪测定值之间没有显著差异。因此,近红外光谱分析法可以检测水产品下脚料提取过程中牛磺酸含量。     

近红外漫反射光谱分析方法的定标及其评价

本文阐述了近红外漫反射光谱法定标方程波数的确定原则和准确度、精密度的评价方法。并对参试样品和批量测定样品时的质量控制提出了具体要求。