论文部分内容阅读
近红外光谱技术是上世纪80年代后期迅速发展起来的新型物理测试技术,该技术具有无污染、低消耗、非破坏性,可实现多组分同时测定及分析速度快等优点,已被列为多种国际或行业标准,在许多领域得到广泛应用。本研究旨在建立稻米（精米和糙米）中氨基酸含量的近红外定标模型,并对精米氨基酸含量的定标模型进行拓展研究,以提高模型的适用性和预测能力,为稻米氨基酸营养品质的检测和水稻品质育种提供快速简捷的测定方法。糙米氨基酸含量近红外定标方程创建及应用研究中,从多年份的518份群体中选出279份有代表性糙米和糙米粉样品,并以两种不同样品量（约3 g和500 mg）分别进行近红外光谱扫描,用酸水解法测定各氨基酸含量。选用数学处理（2,8,8,1）/标准正态变量变换和去趋势（SNV+D）最佳组合预处理方法创建近红外定标模型,发现基于3 g糙米粉光谱的氨基酸含量的定标方程效果最佳,而基于500mg糙米的定标效果略差。除半胱氨酸、蛋氨酸和酪氨酸外,其余氨基酸的定标方程的交叉检验标准误差（SECV）、预测标准误差（SEP）分别为0.010%-0.063%、0.011%-0.066%,交叉检验决定系数（1-VR）和预测决定系数（R2）分别为87.8%-96.0%、83.7%-94.7%,标准偏差与预测标准误差比值（SD/SEP）达到2.421-4.333。由于色氨酸在酸水解中被完全分解,采用碱水解-分光光度法测定精米中色氨酸的含量。选择导数处理（1,4,4,1）和SNV+D光谱预处理,结合MPLS的回归方法建立了近红外定标方程,所建立的方程定标标准误差（SEC:0.007%）、SECV（0.008%）和SEP（0.007%）较低,其相应的定标决定系数（RSQ:88.4%）、1-VR（85.0%）和R2（87.1%）较高。研究了精米粉光谱与色氨酸含量值的之间的相关性,解释了前三个MPLS变量因子的载荷（Loading）。两个群体（P1=220和P2=225）共有445份材料用于稻米17种氨基酸含量的近红外定标模型的拓展研究。探索了不同的数据转换模式和回归方法对人工神经网络（ANN）算法的定标结果的影响,优化并选择最佳的光谱预处理方法（1,8,8,1）/（SNV+D）,结合改良偏最小二乘法（MPLS）和ANN算法建立了精米氨基酸定标方程。结果发现运用ANN算法建立了定标方程略差于MPLS方法。选择谷氨酸、苯丙氨酸和精氨酸结合MPLS进行了定标模型拓展研究,结果表明两个群体的定标方程的预测效果明显优于只用其中一个群体的定标方程;从两个群体中运用SELECT程序（NH=0.26）选择其中189份样品,所建立的定标方程的预测能力与两个群体的定标效果相近。应用所建立的稻米氨基酸近红外快速分析技术筛选了“9311”突变体群体,初步筛选出了41个三种限制性氨基酸含量均提高的突变体株系。本研究所发展的近红外光谱技术还可为水稻育种中间材料的快速筛选、种质资源的评价和稻米加工工业中质量控制提供了有利的检测工具。