【目的】为了充分利用枇杷种植过程中的主要副产物。【方法】采用超声辅助低共熔溶剂(deep eutectic solvents,DESs)提取枇杷残次果多酚(loquat defective fruit polyphenols,LDFP)和老叶多酚(loquat old leaves polyphenols,LOLP),通过...【目的】为了充分利用枇杷种植过程中的主要副产物。【方法】采用超声辅助低共熔溶剂(deep eutectic solvents,DESs)提取枇杷残次果多酚(loquat defective fruit polyphenols,LDFP)和老叶多酚(loquat old leaves polyphenols,LOLP),通过LC-MS/MS技术分析组成成分,并评价其抗氧化和降血糖活性。【结果】酸基DESs提取量显著高于其他多羟基、糖基和氨基DESs。当提取条件为DESs组合氯化胆碱-柠檬酸和氯化胆碱-乳酸,DESs摩尔比1∶4.2和1∶3.5,液料比17∶1和26∶1 mL/g,提取时间47和74 min时,LDFP和LOLP得率为(13.37±0.20)和(51.91±0.33)mg/g,显著高于70%乙醇提取的得率[(2.62±0.14)和(22.66±0.87)mg/g]。经鉴定,LDFP和LOLP中共含有14种酚酸类和11种黄酮类物质。此外,LDFP和LOLP清除DPPH·的IC_(50)为86.55和33.28μg/mL,清除ABTS+·的IC_(50)为55.18和28.45μg/mL,抑制α-淀粉酶的IC_(50)为859.9和486.4μg/mL,抑制α-葡萄糖苷酶的IC_(50)为414.3和176.6μg/mL。【结论】超声辅助DESs提取枇杷多酚工艺切实可行,并且提取物具有一定的抗氧化和降血糖活性。展开更多
【目的】监控加热卷烟雾化基材生产中的质量稳定性,建立快速、同时测定加热卷烟雾化基材中水分、丙二醇、甘油和烟碱含量的近红外分析方法。【方法】采用自举软收缩(Bootstrapping soft shrinkage approach,BOSS)变量选择方法筛选特征...【目的】监控加热卷烟雾化基材生产中的质量稳定性,建立快速、同时测定加热卷烟雾化基材中水分、丙二醇、甘油和烟碱含量的近红外分析方法。【方法】采用自举软收缩(Bootstrapping soft shrinkage approach,BOSS)变量选择方法筛选特征波长变量,结合偏最小二乘法(Partial least squares,PLS)分别建立片状、丝状加热卷烟雾化基材中4种化学成分近红外含量预测模型,并与其他变量选择方法进行对比。【结果】(1)基于BOSS算法优选波长变量所建立的模型预测精度最优,模型R2均大于0.95,RMSECV(Root mean square error of cross-validation,交叉验证均方根误差)均小于0.7%。(2)水分、丙二醇、甘油和烟碱的RMSEP(Root mean square error of cross-prediction,交叉预测均方根误差)均小于0.75%,且验证集RMSEP与建模集RMSECV值相近,各模型均具有较好的预测准确性。(3)各成分模型RSD(Relative standard deviation,相对标准偏差)均小于2%,模型重现性较好。展开更多
文摘【目的】监控加热卷烟雾化基材生产中的质量稳定性,建立快速、同时测定加热卷烟雾化基材中水分、丙二醇、甘油和烟碱含量的近红外分析方法。【方法】采用自举软收缩(Bootstrapping soft shrinkage approach,BOSS)变量选择方法筛选特征波长变量,结合偏最小二乘法(Partial least squares,PLS)分别建立片状、丝状加热卷烟雾化基材中4种化学成分近红外含量预测模型,并与其他变量选择方法进行对比。【结果】(1)基于BOSS算法优选波长变量所建立的模型预测精度最优,模型R2均大于0.95,RMSECV(Root mean square error of cross-validation,交叉验证均方根误差)均小于0.7%。(2)水分、丙二醇、甘油和烟碱的RMSEP(Root mean square error of cross-prediction,交叉预测均方根误差)均小于0.75%,且验证集RMSEP与建模集RMSECV值相近,各模型均具有较好的预测准确性。(3)各成分模型RSD(Relative standard deviation,相对标准偏差)均小于2%,模型重现性较好。
