[发明专利]一种基于THz吸收谱和LOO‑RELM算法的转基因豆油快速鉴别方法

说明书

技术领域

本发明涉及转基因豆油的快速无损检测领域，特别是涉及一种基于太赫兹吸收谱和LOO-RELM算法的转基因豆油识别领域。

背景技术

转基因作物的诞生及其产业化彻底改变了世界传统的植物遗传育种方法，这项被认为是生物技术“第二次浪潮”的革命已经开始影响到人类的日常生活。转基因大豆，是指利用转基因技术，通过基因工程方法导入外源基因所培育的具有特定性状的大豆品种。转基因大豆可能同时具有多重优点，例如高产、优质、抗寒、抗旱、抗涝、抗病毒、抗虫、抗盐碱、抗除草剂等，有利于提高国民经济收入。对于转基因和非转基因大豆油，虽然目前为止使用常规的化学分析方法对这两种豆油的营养成分进行分析，并没有发现它们的营养成分有任何差异，但是作为重要的转基因作物——转基因大豆，其生产的豆油及其制品作为人类食品加工原料、动物饲料对人类的影响一直受到很大的争议。而目前我国对于转基因豆制品的安全性评价方面，仍缺乏相应的评价标准和技术规范，所以，检测豆制品是否为转基因有重要的意义。

传统的转基因豆油检测方法，必须检测由外源基因产生的蛋白质，或先从大豆油中将极微量的DNA萃取出来，然后才能对DNA进行检测，然而对于经过粉碎、浸提、高温杀菌和挤压等生产加工过程得到的豆油，在经过复杂的工业加工后，成分已经发生巨大的改变，精炼的程度越高，检测转基因成分也越难，很难进行转基因与否的鉴别。

许多学者研究发现，THz光谱技术在生物分子研究中的独特优势许多生物分子的振动和转动能级都位于THz波段(30μm～3000μm)内，具有“指纹谱”。 THz光谱技术对探测物质结构存在的微小差异和变化非常灵敏，但从现有的光谱测量结果来看，由于豆油中多种成分吸收谱的相互叠加，单靠“指纹谱”来进行鉴别几乎不可行，必须借助化学计量学及模式识别等方法来进行鉴别分析。

针对这一难题，本发明将LOO-RELM算法与太赫兹光谱技术相结合，并采用适当的谱图预处理方法，实现转基因豆油的无损、绿色和快速检测。

发明内容

针对传统转基因豆油的检测不足，本发明提出了基于太赫兹吸收谱和 LOO-RELM算法的转基因豆油识别方法。该发明实现步骤如下：(1)收集超市在售转基因和非转基因豆油样品，并做相应的标记；(2)THz光谱仪器设备进行参数的设定与优化，采集转基因和非转基因豆油样品的太赫兹光谱；(3) 将采集的光谱进行批量归一化预处理，并剔除明细异常样本点；(4)根据经典模型提取0.2-1.8THz范围内样品吸收谱，借助模式识别的正则极限学习机 (RELM)算法建立基于太赫兹光谱的转基因和非转基因豆油分类模型；(5) 建模过程中采用参数网格组合策略，通过留一(LOO)交叉验证法确立隐含层节点数L和正则化参数C最优参数组合，使分类模型获得较好分类准确率的同时获得最佳泛化性能；(6)使用该模型对样品进行预测。

附图说明

图1本发明所述方法的流程示意图。

图2被测豆油样本THz时域脉冲及对应频谱。

图3ELM网络结构图。

图4不同C、L参数组合下RELM模型对训练集、预测集分类准确率。

具体实施方式

下面结合附图对本发明作进一步详细描述。

本发明的实现流程图，如图1所示，其具体步骤如下：

(1)研究对象的选取，收集转基因和非转基因豆油样品，并做相应的标记；

(2)根据研究对象选择2.0mm光程石英比色皿作为样本容器，同时对THz 光谱仪器设备进行参数的设定与优化；将空比色皿放入THz光谱仪器中采集参考信号e_r(t)，相同实验条件下，将豆油样本放入比色皿容器置入THz光谱仪样品台，采集样品信号e_s(t)；

(3)对采集的THz光谱信号进行误差分析，批量归一化预处理，剔除明细异常样本点，并利用改进解卷积算法去除F-P效应干扰；

(4)借助经典THz透射式光学参数物理模型对步骤(3)中预处理后的豆油THz时域光谱信号进行转换，提取相应的样品THz吸收谱。并将转换后的样品吸收谱按2：1划分为训练集和预测集。

(5)将步骤(4)中提取的吸收谱借助模式识别LOO-RELM算法建立分类模型，对豆油属性进行定性分析。将分类模型预测结果与实际样品属性进行对照，得出模型的预测准确率。

其中：

步骤(1)方法是：从重庆各超市、农贸批发市场、网络商城收集67份非转基因和转基因豆油样品，其中37份为转基因豆油，用“1”表示30份为非转基因豆油，用“2”表示；