香料和其他植物衍生产品含有许多活性成分，例如多酚和类黄酮。然而，即使条件最轻微的变化也会极大地影响这些活性成分的提取效率，这给确定提取溶液中活性成分的准确数量带来了挑战。

在《食品化学》上发表的一项新研究中，研究人员全面测量了多酚和类黄酮发出的荧光，并使用机器学习方法分析了获得的数据。该方法提供了一种高度准确、简单且快速的估算总多酚和类黄酮含量以及抗氧化能力的方法。

实现准确性的关键因素是整合在多个浓度下获得的测量结果。虽然测量荧光期间的传统做法涉及将样品稀释至单一浓度，但植物提取物中成分含量的广泛变化使得确定普遍合适的稀释浓度。

因此，研究人员在四种不同稀释水平下进行了详尽的荧光测量，并将这些数据集成到机器学习过程中。

因此，机器学习能够准确估计评价香料提取物的重要指标，包括总多酚含量、总黄酮含量、抗氧化能力和还原能力。值得注意的是，光学测量对总类黄酮含量的估计代表了一项突破性的成就，标志着该方法的有效性，而这种估计在过去尚未进行过光学测量。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：