一种基于动态窗口的氨基酸手性智能识别方法

本发明提出一种基于动态窗口的氨基酸手性智能识别方法，针对半胱氨酸、谷氨酰胺和丙氨酸，利用傅里叶红外光谱仪采集400‑4400cm‑1波段的透射光谱数据，结合随机森林(RF)、反向传播神经网络(BP)和极限梯度提升(XGBoost)三种算法，实现手性精准识别。方法包括：制作氨基酸压片并采集数据；设计动态滑动窗口算法(窗口大小范围200‑600cm‑1，步长范围50‑200cm‑1)；对光谱数据进行归一化和高斯平滑预处理；构建随机森林、神经网络和极限梯度提升模型，通过交叉验证和参数调优优化分类性能。结果表明，三种算法识别率均达99％以上，其中BP神经网络在特征提取和分类准确性方面表现最佳。本方法无需手性试剂，具有高效、准确的优势，为生物化学和药物研发领域提供了创新技术路径。