预测大蒜鳞茎中功能性成分含量的方法技术

本发明专利技术涉及检测分析技术领域，公开了预测大蒜鳞茎中功能性成分含量的方法。预测方法包括：采用测得的大蒜不同生长时期的表观特征数据和该大蒜鳞茎中功能性成分含量数据建立OPLS回归模型，以表观特征数据为X变量，功能性成分含量数据为Y变量；将未知功能性成分含量的同种大蒜的另外一组不同生长时期的表观特征数据导入建立的OPLS回归模型中，即得大蒜鳞茎中功能性成分的预测含量。本发明专利技术提供的预测方法能够较为准确地预测大蒜鳞茎中功能性成分含量。该方法可运用于大蒜实际生产过程中，为大蒜的采收及质量控制等提供依据。

【技术实现步骤摘要】
预测大蒜鳞茎中功能性成分含量的方法
本专利技术涉及检测分析
，具体而言，具体涉及预测大蒜鳞茎中功能性成分含量的方法。
技术介绍
大蒜(拉丁名：AlliumsativumL.)是重要的药食同源植物，具有抗菌、防癌抗癌、预防和治疗心血管疾病、抗氧化等重要的生理功能。中国是世界上最大的大蒜生产国和出口国。根据FAO相关数据显示，2016年中国大蒜生产量和出口量分别为21.26和1.53百万吨，均占到世界产量和出口量的80％以上。大蒜鳞茎中主要的功能性成分为一类含硫化合物，包括大蒜素(Allicin)等硫代亚磺酸类物质及其蒜氨酸(Alliin)、甲基蒜氨酸(Methiin)、S-甲基-L-半胱氨酸(SMC)、S-烯丙基-L-半胱氨酸(SAC)、S-(反-1-丙烯基)-L-半胱氨酸(SPC)、γ-L-谷氨酰-S-甲基-L-半胱氨酸(GSMC)和γ-L-谷氨酰-S-烯丙基-L-半胱氨酸(GSAC)等风味前体物质。目前，大蒜中含硫化合物的检测定量方法主要为液相色谱、液相色谱-串联质谱等，该类方法一般需要昂贵的大型仪器设备及标准品，且标准品目前存在不稳定本文档来自技高网...

【技术保护点】
1.一种预测大蒜鳞茎中功能性成分含量的方法，其特征在于，包括：/n采用测得的贯穿所述大蒜鳞茎整个生长期的不同生长时期的表观特征数据和与所述不同生长时期对应的该大蒜鳞茎中功能性成分含量数据建立OPLS回归模型，以所述表观特征数据为X变量，所述大蒜鳞茎中功能性成分含量数据为Y变量，所述表观特征分别为鳞茎高、鳞茎横径、鳞茎重、鳞芽高、鳞芽背宽、鳞芽重和水分含量，所述大蒜整个生长期指从大蒜鳞芽开始发育时至生长结束；/n将功能性成分含量未知的同种类大蒜鳞茎的表观特征数据导入建立的OPLS回归模型中，即可得到该大蒜鳞茎在该生长时期的大蒜鳞茎中功能性成分的预测含量。/n

【技术特征摘要】
1.一种预测大蒜鳞茎中功能性成分含量的方法，其特征在于，包括：
采用测得的贯穿所述大蒜鳞茎整个生长期的不同生长时期的表观特征数据和与所述不同生长时期对应的该大蒜鳞茎中功能性成分含量数据建立OPLS回归模型，以所述表观特征数据为X变量，所述大蒜鳞茎中功能性成分含量数据为Y变量，所述表观特征分别为鳞茎高、鳞茎横径、鳞茎重、鳞芽高、鳞芽背宽、鳞芽重和水分含量，所述大蒜整个生长期指从大蒜鳞芽开始发育时至生长结束；
将功能性成分含量未知的同种类大蒜鳞茎的表观特征数据导入建立的OPLS回归模型中，即可得到该大蒜鳞茎在该生长时期的大蒜鳞茎中功能性成分的预测含量。


2.根据权利要求1所述的预测大蒜鳞茎中功能性成分含量的方法，其特征在于，参与建立所述OPLS回归模型的所述表观特征数据为至少两组。


3.根据权利要求1所述的预测大蒜鳞茎中功能性成分含量的方法，其特征在于，每组所述表观特征数据为多个大蒜鳞茎的表观特征数据的平均值；
优选地，每组所述表观特征数据为至少20个大蒜鳞茎的表观特征数据的平均值。


4.根据权利要求1所述的预测大蒜鳞茎中功能性成分含量的方法，其特征在于，所述大蒜鳞茎中功能性成分含量数据为All...

【专利技术属性】
技术研发人员：钱永忠，刘平香，邱静，翁瑞，
申请(专利权)人：中国农业科学院农业质量标准与检测技术研究所，
类型：发明
国别省市：北京;11