[发明专利]用于将烟草样本分类为一组预定口味类别中的一个的设备和方法在审
申请号: | 201780052118.0 | 申请日: | 2017-06-27 |
公开(公告)号: | CN109640708A | 公开(公告)日: | 2019-04-16 |
发明(设计)人: | 奥斯卡·弗朗西斯科·斯温森·庞特斯;吉列尔梅·波斯特·萨宾;乔斯·罗伯托·佩雷拉·达·西尔瓦;杰尔森·卡多佐·迪亚斯;塞谬尔·凯泽 | 申请(专利权)人: | 英美烟草(投资)有限公司 |
主分类号: | A24B15/00 | 分类号: | A24B15/00;G01N30/72 |
代理公司: | 北京康信知识产权代理有限责任公司 11240 | 代理人: | 石磊 |
地址: | 英国*** | 国省代码: | 英国;GB |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 烟草 烟草类型 口味 含量水平 样本分类 质谱数据 样本 多元回归模型 方法和设备 样本分配 样本获得 统计 | ||
1.一种将特定烟草类型的烟草样本分类入用于该烟草类型的一组预定口味类别中的一个的方法,所述方法包括:
从所述烟草样本获得质谱(MS)数据;
从所获得的MS数据识别所述烟草样本内的多种化学成分及其相应的含量水平;以及
使用代表化学成分和口味类别之间的关系的统计多元回归模型,基于在所述烟草样本内识别的所述多种化学成分及其相应的含量水平,将所述烟草样本分配给用于该烟草类型的该组预定口味类别中的一个。
2.根据权利要求1所述的方法,其中,所述烟草样本包括源自烟叶的固体材料,并且从所述固体材料获得所述MS数据。
3.根据权利要求2所述的方法,其中,所述固体材料是颗粒。
4.根据权利要求1所述的方法,其中,所述烟草样本包括源自热解烟叶的烟雾或者源自加热不燃烧装置中的烟草材料的蒸气。
5.根据权利要求1至4中任一项所述的方法,进一步包括:对所述烟草样本执行高清晰度质谱分析以获得所述MS数据。
6.根据权利要求1至5中任一项所述的方法,其中,所述MS数据包括高清晰度质谱数据或高分辨率质谱数据(HDMS、HRMS)。
7.根据权利要求6所述的方法,其中,所获得的MS数据包括HDMSE数据,使用低能碰撞诱导离解和高能碰撞诱导离解两者来分别研究前体离子和产物离子。
8.根据权利要求6或7所述的方法,进一步包括将所述烟草样本置于超高效液相色谱(UPLC)中,作为高清晰度质谱分析的前体。
9.根据权利要求6所述的方法,进一步包括使用与高分辨率质谱检测系统(HTS-FIA-HRMS)耦接的流动注射分析(FIA)系统来执行高通量筛选(HTS)。
10.根据权利要求1至9中任一项所述的方法,进一步包括使用水溶剂和有机溶剂的组合对所述烟草样本进行多相萃取。
11.根据权利要求10所述的方法,其中,所述多相萃取包括使用非极性方法、半极性方法和极性方法。
12.根据权利要求1至11中任一项所述的方法,其中,使用非目标方法在所述烟草样本内识别所述多种化学成分及其相应的含量水平。
13.根据权利要求1至12中任一项所述的方法,其中,通过与一个或多个库比较,来识别所述多种化学成分及其相应的含量水平。
14.根据权利要求1至13中任一项所述的方法,其中,所述统计多元回归模型包括基于正交偏最小二乘(OPLS)回归和具有判别分析的OPLS(OPLS-DA)的一个或多个统计模型。
15.根据权利要求1至13中任一项所述的方法,其中,所述统计多元回归模型的统计模型使用包括一个或多个多元监督和/或无监督方法的建模,例如主成分分析(PCA)、层次聚类分析(HCA)、主成分回归(PCR)、支持向量机(SVM)、人工神经网络(ANN)、随机森林(RF),和/或遗传算法(GA)。
16.根据权利要求14或15所述的方法,其中,所述统计模型的交叉验证系数R>0.9。
17.根据权利要求1至16中任一项所述的方法,其中,所述统计模型基于以下至少一种的含量而区分所述组预定口味类别:多酚、碳水化合物、和脂类。
18.根据权利要求1至17中任一项所述的方法,其中,所述统计模型基于以下至少一种的含量而区分所述组预定口味类别:氮化合物和醛、酯、酮和醇。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于英美烟草(投资)有限公司,未经英美烟草(投资)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201780052118.0/1.html,转载请声明来源钻瓜专利网。