一种纤维生物质的快速分析方法技术

本发明专利技术涉及一种纤维生物质的快速分析方法。所述方法基于近红外光谱技术(NIR)，可快速分析纤维生物质化学成分。所述方法简便、快速、非破坏，可实时地检测纤维生物质材料的化学成分及其转化效率。

【技术实现步骤摘要】

本专利技术属于纤维生物质分析与利用领域；更具体地，本专利技术涉及。
技术介绍
纤维生物质是地球上最丰富的可再生资源。近年来，随着能源、环境问题的日益凸显，纤维生物质的综合利用正受到越来越广泛的关注。由于纤维生物质成分多样，结构复杂，其分析测定技术长期制约着相关基础研究和应用技术的发展。传统的纤维生物质分析测定方法建立在化学分析、色谱-质谱联用技术基础上， 这类方法固有的程序复杂、时间长、费用高等缺点限制了其在基础研究、工农业生产领域的推广和应用。因此，本领域迫切需要开发分析程序简单、耗时短、费用低廉的分析测定纤维生物质的方法。
技术实现思路
本专利技术的目的在于提供。在本专利技术的第一方面，提供，所述方法包括(a)采集包含纤维生物质的待测样品的近红外光谱，获得光谱数据；(b)将(a)获得的光谱数据输入数据模型，获得待测样品的化学参数(如某类化学成分含量或特征参数，具体如木质素含量，木质素组成结构，纤维素含量等)。在一个优选例中，在400-2500nm波长范围内采集包含纤维生物质的待测样品的近红外光谱。在另一优选例中，所述的光谱数据是近红外光谱各波长对应的漫反射光谱数据。在另一优选例中，所述的数据模型如下建立(1)采集定标样品的近红外光谱，获得光谱数据；(2)对定标样品的化学参数进行化学分析，获得化学数据；(3)将(1)的光谱数据与O)的化学数据进行综合，光谱定标，获得将光谱数据与化学数据相对应的数据模型。在另一优选例中，步骤(1)中，对同一样品进行多次重复测量，以平均光谱作为该样品标准光谱。在另一优选例中，所述的定标样品来源于不同生长地区、不同生长时间的木本植物。在另一优选例中，步骤(1)中，对获得的光谱数据进行预处理以消除背景干扰(减少峰的波动和基线漂移)，包括(但不限于)平滑，微分，求导(如一阶和二介导数)，散点校正，SG算法。在另一优选例中，步骤(3)中，在进行综合时，利用光谱定标软件。在另一优选例中，步骤(3)中，在定标时，包括将光谱数据与化学数据分别输入光谱定标软件；对该数据矩阵进行偏最小二乘法分析，从而建立光谱数据与化学数据之间的数据模型。在另一优选例中，步骤(3)中，还包括对数据模型进行交互验证、校正或优化。在另一优选例中，取已知化学成分的纤维生物质样品作为验证集，在与定标模型相同的条件下得到光谱数据，根据已建立的数据模型计算化学参数，经多组预测结果进行统计交互验证后，如结果达到相关标准规定的检测限时，确定该模型适用；如不能达到，则对校正模型重新进行回归计算，直到达到标准规定的检测限。在另一优选例中，选择偏最小二乘法因子数(PLS)小于10 (例如，PLS为7或8)的因子进行校正。在另一优选例中，所述的化学参数包括(但不限于)酸不溶木质素含量、综纤维素(Holocellulose，又称为总纤维素)含量、α _纤维素含量、S/G比值(紫丁香基木质素与愈创木基木质素的比例)、酶降解效率。本专利技术的其它方面由于本文的公开内容，对本领域的技术人员而言是显而易见的。附图说明图1 建立数据模型的步骤流程图。图2 —种代表性的近红外光谱图。将包含样品的样品杯置于近红外光谱仪上，对每个数据点的近红外漫反射强度值取平均值后得到一个样品的吸收光谱，然后将多个样品吸收光谱作在同一副图中。图中一共有279条光谱线，每一条线是通过平均32次扫描的结果获得的，每条线代表一个独立样品的光谱图。图3 模型预测木质素含量结果图。纵坐标为预测值，横坐标为实际测量值。图4 模型预测综纤维素含量结果图。纵坐标为预测值，横坐标为实际测量值。图5 模型预测α -纤维素含量含量结果图。纵坐标为预测值，横坐标为实际测量值。图6 模型预测木质素S/G比率结果图。纵坐标为预测值，横坐标为实际测量值。图7 模型预测酶消化能力结果图。纵坐标为预测值，横坐标为实际测量值。图8 通过回归模型考察化学成分同酶解效率(以一定酶解时间获得的总糖转化效率体现)之间的关系。木质素、综纤维素、α -纤维素以及木质素S/G比值同酶降解效率存在线性关系，并且其相关性系数大于0. 6。图9 通过水解速率衡量不同化学成分样品对于纤维生物质材料降解水平的影响。a为木质素含量的影响，b为综纤维素含量的影响，c为α纤维素含量的影响，d为S/ G比值的影响。图10 通过一系列的光谱预处理方法，转化过的光谱显著降低峰的漂移，并提高光谱的一致性。具体实施例方式鉴于现有技术中测量纤维生物质过程复杂，准确性不高，耗时长等技术缺陷，本专利技术人经过深入的研究，首次开发了。所述方法基于近红外光谱技术(NIR)，可快速分析纤维生物质化学成分，并可对其工业转化利用效率进行快速评估。基本原理和术语所述的近红外光谱分析技术基本原理如下近红外光是指介于可见光和中红外光之间的电磁波，有其独特的波长范围。近红外光谱是记录分子振动基频的倍频和合频的光谱区Π1，在近红外光谱范围内，测量的信息主要是分子内部OH-、NH-、CH-官能团的倍频吸收及其伸缩振动、弯曲振动合频的吸收信息。近红外光谱是把光谱测量技术、化学计量学和计算机技术融为一体的间接分析技术，是通过校正模型建立实现对未知样本的定性或定量分析。近红外光谱分析技术仅通过采集被测样品的红外特征光谱并与光谱定标数据库进行比较，即可完成其多项性能指标的预测。通过化学计量学方法的深入分析可以建立分析物化学成分同近红外光谱的对应关系，并在此基础上建立近红外光谱定标数据库。如本文所用，所述的“样品，，是指各种包含纤维生物质的材料，例如来源于各种树木的木材样品等。如本文所用，所述的“定标样品(定标集样品)”是指专利技术中一类样品的集合。对该样品同时测定红外光谱数据和化学分析数据(化学参数)，获得一种化学参数对应红外光谱数据的定标数据(定标集数据)，并将两种数据相关联并一一对应(例如以这些参数为依据进行偏最小二乘法分析，建立数学模型)。较佳地，所述的定标样品来源于不同生长地区、不同生长时间的木本植物；或来源于木本植物的不同组织。如本文所用，所述的“待测样品”是指化学参数未知的样品(即未进行光谱收集和化学成分测定的样品)，将该样品的红外光谱数据输入根据“定标样品”所获得的定标数据库(数据模型)，可以获得该样品对应的化学参数。如本文所用，所述的“化学参数”是指代表样品某一方面特征的一种数据，可以是样品的某类化学成分含量或特征参数，即所关心的组分或性质数据。所述的化学参数例如但不限于酸不溶木质素含量、综纤维素(Holocellulose)含量、α -纤维素含量、S/G比值或酶降解效率等等。所述的化学参数可通过近红外光谱技术获得，或通过化学测定技术获得。如本文所用，所述的“化学分析”是指采用红外光谱技术以外的常规化学方法来检测化学参数，这些方法一般是现有技术中已经指导的，较佳地采用国际标准方法、国家标准方法、教科书或文献报导的方法。如本文所用，所述的“数学模型”又称为数据模型，是指专利技术中通过优化获得的能够表征化学参数和光谱数据之间相关性的数学关系，这里主要指光谱矩阵与化学参数矩阵的相关性矩阵。在不同专利技术中该概念有时被称为预测模型、数学关系或者预测方程等。如本文所用，所述的“定标数据库”包括所有定标集样品化学及光谱参数以及能够反映这些参数之间关系的数学模型，即包括定标集数据和数学模型。数本文档来自技高网...

【技术保护点】
１．一种纤维生物质的快速分析方法，其特征在于，所述方法包括：（ａ）采集包含纤维生物质的待测样品的近红外光谱，获得光谱数据；（ｂ）将（ａ）获得的光谱数据输入数据模型，获得待测样品的化学参数。

【技术特征摘要】

【专利技术属性】
技术研发人员：李来庚，侯屾，
申请(专利权)人：中国科学院上海生命科学研究院，
类型：发明
国别省市：31