Ứng dụng toán hóa trong nhận dạng và phân loại, phân tích nhanh đồng thời các chất

Ở Việt Nam cũng như trên thế giới, sự phát triển của phương pháp phân tích hiện đại nói chung và các thiết bị phân tích nói riêng mở ra cho ngươi nghiên cứu khả năng thu thập một lượng lớn thông tin về mẫu một cách dễ dàng. Một số các thiết bị sắc kí, quang phổ và cộng hưởng từ hạt nhân hiện đang sử dụng cho chúng ta rất nhiều dữ liệu về chỉ một mẫu đo. Trong khi đó, sự phát triển như vũ bão của tin học và khoa học máy tinh cung cấp cho ngành hóa học phân tích những công cụ cực kì hữu hiệu để phát triển các lý thuyết mới, cải thiện các phương pháp đã có.

Phương pháp hồi qui đa biến là kỹ thuật đa biến được dùng rộng rãi trong phòng thí nghiệm hoá học giúp giải quyết các bài toán xác định đồng thời nhiều cấu tử cùng có mặt trong hỗn hợp mà không cần tách loại trước khi xác định. Các thuật toán về hồi qui tuyến tính đa số được giải quyết bằng phần mềm MATLAB, một số thuật toán đơn giản hơn có thể sử dụng MINITAB hoặc SPSS hay STATGRAPHICS, Unscrambler…

Một số ví dụ về nhận dạng và phân loại mẫu

Phân loại các loại chè dựa trên dữ liệu UV-Vis

Ana Palacios-Morillo, Ángela. Alcázar (2013) đã phân loại các loại chè chính dựa trên phổ UV-Vis sử dụng các mô hình thống kê. Dữ liệu đầu vào được giảm xuống bằng phương pháp phân tích thành phần chính PCA và sử dụng mô hình như LDA, SVMS, ANN để kiểm tra. Kết quả đã phân loại thành công chè đen và chè xanh đạt trên 90% nhờ sự kết hợp giữa PCA và BP-MLP-ANN [4]

Hình 1. Mô hình phân loại chè sử dụng phân tích cấu tử chính và mạng lưới neuron nhân tạo

Hình 2. Kết quả phân loại và nhận dạng các mẫu chè

Phân loại các dạng và mức mật ong

Trong nghiên cứu của mình, Saber Amiry, Mohsen Esmaiili, Mohammad Alizadeh đã phân tích các dạng và mức mật ong giả bằng các phương pháp thống kê đa biến. Đại lượng đo gồm: màu sắc, các tính chất lưu biến (độ bám dính, độ dính bề mặt, độ bền), tính chất vật lý (độ nhớt, tính dẫn điện), tính chất hóa học (lactone, hoạt tính diastase, sucrose, axit tự do, tro). PCA đã được sử dụng và 21 thành phần chính (PCs) đã được chọn trong năm bộ từ dữ liệu ban đầu. LDA được thực hiện trên các dữ liệu chuẩn để tính điểm lớp cho các mẫu đối với mỗi lô. [1]

Một nghiên cứu khác của Mônia Stremel Azevedo và các cộng sự cho thấy khả năng phân loại mật ong theo địa lý bằng cách xác định axit amin tự do bằng GC-MS kết hợp với toán tin. Các mẫu được thu thập từ 5 khu vực ở vùng cao nguyên miền núi của Santa Catarina (SC), phía Nam Brazil. Axit amin được xác định bằng GC-MS. CA và PCA đã được sử dụng để đánh giá bộ dữ liệu sau đó phân loại theo địa lý. [2]

Hình 3. Kết quả score plot của phương pháp PCA đối với các trường hợp mẫu mật ong mật ong và phân vùng bản đồ địa lý trong bang Santa Catarina, miền nam Brazil.

Phát hiện các thuốc hóa dược trộn lẫn trong chế phẩm thảo dược

Do sự phổ biến ngày càng tăng của chế độ ăn uống bổ sung, đặc biệt là thực phẩm bổ sung thực vật, và các loại thuốc thảo dược thay thế, toàn bộ thị trường phát triển và các sản phẩm này trở nên tự do có sẵn thông qua internet. Tuy nhiên, nhiều hóa dược chất pha trộn có thể can thiệp vào các phương pháp trị liệu khác và thành phần dược phẩm này không được khai báo trên bao bì và các sản phẩm được bán 100% tự nhiên hoặc thảo dược trong tự nhiên, rất khó cho nhân viên tùy chỉnh phân biệt giữa các sản phẩm bị tịch thu hay không. Do đó, E. Deconinck và cộng sự nghiên cứu [3] cách tiếp cận dựa trên quang phổ hồng ngoại phản xạ (ATR) và phân tích PLS-DA để phân biệt dễ dàng giữa thực phẩm bổ sung thực phẩm pha trộn và không pha tạp. Hiệu suất của các mô hình PLS-DA dựa trên dữ liệu giữa IR và NIR được so sánh cũng như các mô hình dựa trên dữ liệu kết hợp. Hơn ba chiến lược tiền xử lý đã được so sánh. Hiệu suất tốt nhất thu được cho một mô hình PLS-DA sử dụng dữ liệu giữa-IR với đạo hàm thứ hai là phương pháp tiền xử lý. Mô hình này cho thấy tỷ lệ phân loại chính xác là 98,3% cho một bộ kiểm tra bên ngoài. Ngoài ra, tám mẫu thực tế đã được sàng lọc bằng cách sử dụng mô hình và cho bảy trong số các mẫu này được phân loại chính xác. Nói chung có thể kết luận rằng mô hình thu được và cách tiếp cận được trình bày có thể được sử dụng tại hải quan để phân biệt giữa bổ sung thực phẩm thảo dược pha trộn và không pha trộn mà không cần phá mẫu.

Hình 4. Kết quả quang phổ cận hồng ngoại của các mẫu thử có chứa 10% hóa dược

Hình 5. Kết quả score của PLS trên dữ liệu phổ cận hồng ngoại với vùng vòng tròn là chế phẩm đông dược.

Tổng hợp

ThS. DS. Đào Thị Cẩm Minh

Tài liệu tham khảo

1.Amiry S., Esmaiili M., Alizadeh M. (2017), ”Classification of adulterated honeys by multivariate analysis”, Food Chem, 224, pp. 390-397.

2.Azevedo M.S., Seraglio S.K.T., Rocha G., et al. (2017), ”Free amino acid determination by GC-MS combined with a chemometric approach for geographical classification of bracatinga honeydew honey ( Mimosa scabrella Bentham)”, Food Control, 78, pp. 383-392.

3.Deconinck E., Aouadi C., Bothy J.L., Courselle P. (2018), ”Detection and identification of multiple adulterants in plant food supplements using attenuated total reflectance-Infrared spectroscopy”, J Pharm Biomed Anal, 152, pp. 111-119.

4.Palacios-Morillo A., Alcazar A., de Pablos F., Jurado J.M. (2013), ”Differentiation of tea varieties using UV-Vis spectra and pattern recognition techniques”, Spectrochim Acta A Mol Biomol Spectrosc, 103, pp. 79-83.