摘要
本发明涉及代谢组学分析技术领域,特别涉及一种结合代谢谱和组织成像的新型双功能纳米平台实现多花黄精指纹图谱表征的方法。本发明首次实现了MXene‑GO‑Au在高性能LDI‑MS衬底中的应用。机器学习技术能够高效地从大规模质谱数据中提取特征、进行降维分析,并识别关键代谢物差异。结合模式识别与分类算法,ML能够有效处理复杂高维数据,实现样本的精准区分。基于此,将MXene‑GO‑Au辅助的LDI‑MS分析与机器学习方法结合,能够为不同栽培方式下多花黄精的代谢物差异鉴别提供一种高效、可靠的技术手段。该策略不仅有助于快速判别不同栽培来源的样品,实现多花黄精品质的科学评价与溯源管理,还为药用植物的标准化种植与资源开发提供数据支撑,具有重要的应用前景和推广价值。
技术关键词
代谢指纹图谱
Au复合材料
新型双功能
黄精
代谢组学分析技术
Au薄膜
TOF质谱仪
梯度提升机
溶液
正则化方法
机器学习技术
机器学习方法
黄豆黄素
薯蓣皂苷
异甘草素
金纳米颗粒
溯源管理
机器学习算法
焦谷氨酸
正则化参数
系统为您推荐了相关专利信息
茶叶提取
等级评定方法
模式识别方法
代谢指纹图谱
指纹图谱建立
血浆代谢标志物
代谢指纹图谱
支持向量机模型
液相色谱质谱联用技术
筛选方法
代谢指纹图谱
评分系统
血清
傅里叶变换离子回旋共振质谱仪
标志物
土茯苓提取物
砂仁提取物
茵陈提取物
白芍提取物
虎杖提取物
羟甲基糠醛含量
智能优化方法
还原糖
响应面法
关键工艺参数