bp人工神经网络紫外分光光度法同时测定三种氨基酸

'万方数据 万方数据第2期王志有等tBP人工神经网络紫外分光光度法同时测定三种氨基酸l原理[4，5]在BP算法中，误差函数为耳=去∑‰t一州2z，t为期望输出，耶z为实际输出．误差由输出层逐层反转，使各层权重进行调整．反复调整使期望值和实际输出之间误差最小．权改变如下式叫g’(m+1)=训缪(m)+77△伽g’(m)m和m+l代表迭代次数，叩为学习速率，△叫5：’(m)为权重在第m次迭代的改变量．当f为输出层和隐含层时△训g’=77碟’嘭≯q当f为输入层时△叫g’=叩6踟力式中：戡’称为反向误差，当f为输出层时，采用如下修正的误差传递函数J篡’=l×(蜘i一如i)[F7(曩：’)+o．1]式中：F7为sigmoid传递函数的一阶导数；歹为神经元数．利用此式，当网络训练进入饱和区时，虽然F7_÷o，由于附加了常数o．1，碟’并不趋于零，使权值能得到较好的调节．当f为隐含层时《?=∑《≯”叫船F7(曩：’)式中：p=1，2，⋯，P代表训练样本的组号，七=1，2，⋯，nf+1代表第f+1层第后个神经元．2试验部分2．1主要仪器与试剂DMs一300uV—VIs分光光度计(美国varian公司)；721型分光光度计；PentiumIV联想计算机色氨酸标准溶液：1mg／mL，按常规方法配制．酪氨酸标准溶液：o．5mg／mL，按常规方法配制．苯丙氨酸标准溶液：5mg／mL，按常规方法配制．色氨酸、酪氨酸和苯丙氨酸均为生化试剂，上海康达氨基酸厂制．盐酸溶液：O．1mol／L2．2实验方法移取一定量的色氨酸、酪氨酸和苯丙氨酸三种标准溶液于25mL容量瓶中，以o．1mol／L 万方数据生物数学学报第20卷盐酸溶液稀释至刻度．用0．1m01／L盐酸溶液作参比，用lcm比色皿在240一300nm波长范围内，每隔6nm测定吸光度．2．3ANN操作方法按正交设计表L9(34)配制9组不同浓度的混合标准溶液作为训练集，另配5组不同浓度的混合标准溶液作为预测集．分别按实验方法测定吸光度值，以吸光度值作为输入变量值，数值分别构成A9。11和A。。11数据矩阵，输入ANN—BP程序，相应每组标准溶液的色氨酸、酪氨酸和苯丙氨酸的浓度作为期望输出值，数值分别构成c9。3和c5×3数据矩阵．以9组训练集对网络进行训练，用训练所得的网络模型预测5组预测集中各组分含量和相对误差．对未知药品进行测定，并计算其相对误差．3结果与讨论3．1吸收光谱色氨酸、酪氨酸和苯丙氨酸的紫外吸收光谱如图1所示．由图1可知，色氨酸的最大吸收波长在280nm，酪氨酸的最大吸收波长在274nm，苯丙氨酸的最大吸收波长在257nm，三者在240—300nm范围内吸收峰严重重叠．3．2线性范围和酸度影响图1吸收光谱1．色氨酸(try)(20pg／mL)2．酪氨酸(tyr)(100pg／mL)3．苯丙氨酸(Phe)(500pg／mL)1～3对试剂空白(1～3vs．reagentblank)色氨酸在。一60pg／mL浓度范围内符合朗伯比尔定律，其回归方程为可=o．01342z+o．02531，相关系数为r=o．9996；酪氨酸在。一250卢g／mL浓度范围内符合朗伯比尔定律，其回归方程为Ⅳ=o．01642z+o．00779，相关系数为7"=o．9994；苯丙氨酸在。一1000∥g／mL浓度范围内符合朗伯比尔定律，其回归方程为Ⅳ=o．03135￡+o．00100，相关系数为7，=o．9989．根据文献报道，并经实验结果证实，用o．1mol／L的Hcl为测试介质，光谱数据稳定，分析结果较好．表1均匀设计法确定的三层网络的最佳参数Thble1DeterminationofBestParameterofThree—LayerNetworkbyUniformDesign 万方数据第2期王志有等：BP人工神经网络紫外分光光度法同时测定三种氨基酸243表2均匀设计法确定的四层网络的最佳参数Table2DeterminationofBestParameterofFour-LayerNetworkbyUniformDesign3．3最佳网络结构与参数的确定BP网络含有一个输入层、一个输出层和隐含层．本文建立了隐含层为一层和二层时BP神经网络的数学模型．采用均匀设计表U。(96)在9个水平上分别安排4个因子确定三层网络最佳参数和5个因子确定四层网络的最佳参数，结果分别见表1和见表2．根据表I和表2，三层BP网络的选取参数系列为1l一3—3，学习次数为3500次，学习速率为o．15，动量因子为o．80．四层BP网络的选取参数系列为11—6—3—3，学习次数为3500次，学习速率为0．15，动量因子为O．92．对比表1和表2，可知隐含层为一层时网络的性能更优良3．4样品分析(1)合成样品分析人工合成色氨酸、酪氨酸和苯丙氨酸的混合样品，用实验方法测定吸光度值，分别应用11．3—3型和11-6—3—3型网络结构对合成样品进行分析，结果分别见表3和表4．对比表3和表4，可以看出11-3—3型网络结构显然具有较强的预测能力．(2)药品分析将复方氨基酸注射液(18AA—II)平行移取六份，用实验方法测定吸光度值．用11-3—3型网络结构对药品进行分析测定，结果见表5．表3用三层网络分析合成样品的结果Table3AnalyticalResultsoftheSyntheticSamplesbyThree—LayerNetwork肛g／El 万方数据244生物数学学报第20卷表4用四层网络分析合成样品的结果’Ihble4AnalyticalResultsoftheSyntheticsamplesbyFbu卜LayerNetwork肛g／ml序号标准值测得量相对误差(％)相对平均误差(％)‘rryTyrPhe’I’ryTyrPheTryTyrPheTryTyrPhe参考文献[1】段忆翔，郭纯孝，王雁鹏等．卡尔曼滤波法用于混合氨基酸体系分析[J】．化学研究与应用，1994，6(1)：ll一15[2I刘梨．氨基酸混合体系的PLs分光光度法测定【Jj．化学研究与应用，1999，11(6)：646—649．[3】许禄．化学计量学一些重要方法的原理及应用．北京t科学出版社[M】．2004，88—109．[4】周继成，周青山，韩飘扬．人工神经网络第六代计算机的实现【M]．北京t科学普及出版社，1995，42—67．[5】庄镇泉，王煦法，王东生．神经网络与神经计算机【M】．北京：科学出版社，1992，53—78．SimutaneousDeterminationofThreeKindsofAminoAcidANN—BPSpectropotometryWANGZhi—youYUHong—meiLIJing也uiZANGNaⅥ，ANGHai—yang(sc^。DfD，Ghemic口fEngi几eering，A礼s九Ⅱnuniuer5it可。，science。礼dTec^礼DfDg可，Ans^口nLiⅡoni礼g114051G^inn)Abstract：ANN—BPalgorithmisappnedtosimultaneousdeterminationofthetryptophan、tyrosineandphenylalaninebyspectrophotomeytrywithoutseparation．Thebestnetworkpa广rametersaredeterminedbyunifOrmdesign；theabilityofforecastingbetweenthree—layernetworkandfbur．1ayernetworkiscompared；three—layernetworkthatfbrecastedbetterisappliedtosimul—taneousdetermina土ionofthetryptophan、tyrosineandphenylalanineinthecompoundaminoacidinjectionwithoutseparationwithsatisfauCtoryresults，andrelativemeanerrorsoftryptophan、tyrosineandphenylala肌ineare1．09％、3．71％and2．40％respectively．Keywords：BParti矗cialneuralnetwork；Spectropotometry；L—tryptophan；L—tyrosine；L—Phenyialanine BP人工神经网络紫外分光光度法同时测定三种氨基酸作者：王志有，于洪梅，李井会，臧娜，王海洋，WANGZhi-you，YUHong-mei，LIJing-hui，ZANGNa，WANGHai-yang作者单位：鞍山科技大学,化工学院,辽宁,鞍山,114051刊名：生物数学学报英文刊名：JOURNALOFBIOMATHEMATICS年，卷(期)：2005，20(2)引用次数：3次参考文献(5条)1.段忆翔.郭纯孝.王雁鹏卡尔曼滤波法用于混合氨基酸体系分析1994(01)2.刘梨氨基酸混合体系的PLS分光光度法测定1999(06)3.许禄化学计量学--一些重要方法的理论及应用20044.周继成.周青山.韩飘扬人工神经网络第六代计算机的实现19955.庄镇泉.王煦法.王东生神经网络与神经计算机1992相似文献(4条)1.期刊论文王志有.于洪梅.吴秀红.孔令强.WANGZhi-you.YUHong-mei.WUXiu-hong.KONGLing-qiangBP人工神经网络-光度法同时测定VB1、VB2、VB6和VPP-鞍山师范学院学报2005,7(4)用BP人工神经网络解析了VB1、VB2、VB6和VPP的紫外吸收光谱,提出同时测定这四种维生素的计算分析方法,并对复合维生素片中的VB1、VB2、VB6和VPP进行了同时测定,VB1、VB2、VB6和VPP平均相对误差分别为1.45%,1.57%,4.08%和1.87%.使用了改进的BP算法,避免了神经网络学习过程中可能产生的麻痹现象;提出了目标向量的简单变换方法.2.期刊论文紫外分光光度法同时测定复方磺胺甲噁唑片组分含量-计算机与应用化学2005,22(8)用人工神经网络解析复方磺胺甲噁唑片的紫外吸收光谱数据,达到同时测定各组分含量的目的.按L25(56)正交表设计,制备了25组标准溶液的混合液,将其吸光度数据和浓度数据作为人工神经网络的训练集.混合液中各组分的5个浓度水平分别为80%、90%、100%、110%、120%.预报集采用自制的模拟样品和市售的复方磺胺甲噁唑片的吸光度数据.网络的输入为各溶液在246～290nm间的吸光度,网络的输出为各组分的浓度.利用Bayesian规则化调整的BP人工神经网络处理数据.结果表明,人工神经网络紫外分光光度法预测模拟样品中的磺胺甲噁唑(SMZ)、甲氧苄啶(TMP)的含量,平均回收率分别为100.53%和100.91%,相对标准偏差分别为1.17%和2.79%.对市售的复方磺胺甲噁唑片中的SMZ、TMP的含量也能取得较好的预测结果.结论:人工神经网络紫外分光光度法可以快速、准确地测定复方磺胺甲噁唑片中组分含量.3.期刊论文陈振宁人工神经网络紫外分光光度法同时测定去痛片组分含量-分析化学2001,29(11)用BP人工神经网络处理复方制剂去痛片的紫外吸收光谱数据,达到了对其各组分含量进行同时测定的目的.通过对网络结构和参数的优化,提高了预报的准确度.4.学位论文杨松芹微囊藻毒素分离鉴定及藻类污染预警系统的研究2007随着工农业生长的发展和人口的增长，大量的工业废水和生活污水源源不断的排放入水体，使生活饮用水水源不断受到污染。水中氮、磷含量急剧增加，藻类获取了丰富的营养物质而大量增殖，导致水华现象在世界各地频繁爆发。目前，淡水湖泊水华爆发的频率与严重程度都呈现迅猛增长的趋势。美国、日本、印度、加拿大、南非、芬兰等国家都有湖泊、水库水华爆发的报道。我国近20年来水华现象异常严重，滇池、太湖、巢湖等曾多次爆发水华。北方一些淡水湖泊也不同程度的受到了藻毒素的污染。水华不仅影响水体的感观性状，而且对人类健康也产生了很大的威胁，已引起了全世界的关注和重视。水华所产生的主要污染物质是各种藻毒素，由铜绿微囊藻、水华鱼腥藻、颤藻、念珠藻等产生的微囊藻毒素是其中出现频率最高、毒性最强、急性危害最大的一种细胞内毒素。微囊藻毒素不仅能够引起人体各种炎症损伤，如急性皮肤炎、肝炎、肾炎等，而且能够引发肝癌。因此，开发早期藻毒素污染预警系统、监测系统和分析系统在水华研究中具有十分重要的意义，既可以防治水华危害，减少水华爆发造成的经济损失，又能够有效的保护人们的健康。本课题以郑州市生活饮用水源西流湖和黄河花园口段某调蓄池作为研究现场，检测水华理化指标和指示指标，通过分析各理化指标与总藻细胞密度、叶绿素浓度、蓝藻细胞密度等指示指标之间的关系，进而建立藻类污染预测模型：分离培养微囊藻细胞，检测基因序列并对所提取毒素进行检测分析，从而为藻类污染防治提供了科学依据，为进一步开展微囊藻毒素毒效应机制和去除研究奠定了坚实的基础。材料与方法：1.现场与采样选择郑州市西流湖和黄河花园口调蓄池为研究现场。在西流湖水体设两处采样点：1号采样点为柿园水厂调蓄池入口处，2号采样点为调蓄池外围1000m处。采样时间为2004年3月～10月；黄河花园口调蓄池水源入口处为1号采样点，水厂采水处为2号采样点，采样时间为2005年3月-2006年1月。采样时避免下雨天气，每次采样均在上午9：00进行，采样时用2500ml采水器于水面下0.5m处共采集水样12000ml，置于经过处理的2500ml聚乙烯瓶和1000ml玻璃瓶中，用于分析水体理化指标、蓝藻细胞密度和总藻细胞密度。采样同时记录水温、气温、光照度、透明度等理化指标。用25号浮游生物网(网孔直径为0.064mm)在水体表面或水面下0.5m深处以每秒20-30cm的速度作倒8字形循回采样，拖网时间根据浮游藻类的密度选择，一般3～5min。将网徐徐提起，待水滤去，浮游藻类聚集在网头，取盛标本的100ml塑料瓶在网头下接好，打开活塞，使浓缩藻类标本流入瓶中。每个采样点收集30～40m1.浓缩藻类样品，进行产毒蓝藻的分离培养、微囊藻纯毒素制备及毒素鉴定。2.检测项目及方法应用照度计法测定光照度(Lightilluminance.Li)；采用深水温度计法测定水温(watertemperature,WT)；采用塞氏盘法测定透明度(secchi-depth，SD)；采用酸性高锰酸钾法测定高锰酸盐指数(chemicaloxygendemand,COD<,Mn>；采用碱性过硫酸钾消解紫外分光光度法测定总氮(totalnitrogen,TN)；采用钼酸氨分光光度法测定总磷(totalphosphorus.TP)；采用分光光度法测定叶绿素a(chlorophyⅡa，Chla)；采用血细胞计数板法测定各种藻细胞密度(algaecelldensity,ACD)和蓝藻细胞密度(cyanobacteria.celldensity,CCD)；采用全细胞PCR方法检测产毒蓝藻(toxigeniccyanobacteria)相关基因藻青蛋白基因中间序列(phycoeyaninintergenicspacerregion，PC-IGS)和微囊藻毒素多肽合成酶基因B(microcystinsynthetasegeneB，mcyB)；采用T载体基因克隆和PCR产物直接测序方法检测蓝藻基因序列；采用ELISA方法测定微囊藻毒素(microcystin,MC)总浓度；采用固相萃取(soLidpoleofextraction，SPE)方法对提取粗毒素进行分离纯化；采用(highperformanceLiquidchromatography，HPLC)方法检测各种毒素异构体及其浓度。3.藻细胞的分离培养应用96孔板结合极限稀释法对采集浓缩藻细胞进行分离培养。选择培养基为BG-11培养基，光照2500LX，光暗比12h：10h，温度 25±1℃，每天早晚各振摇一次。4.统计学处理4.1统计分析软件应用DNAssist1.0和DNATools5.1对基因序列进行序列分析和比对分析；BLAST软件提交基因序列与GenBank；Excell整理和输入数据；SPSS11.0进行多元回归模型建立及浓度计算；Matlab5.3建立人工神经网络模型。4.2统计方法用评分法和综合营养状态指数法评价西流湖和黄河花园口调蓄池水体富营养化现状；用L-M算法改进的的BP人工神经网络技术和多元逐步回归分析分析方法分析总藻细胞密度、蓝藻细胞密度、叶绿素a与理化指标的关系并建立水华藻毒素污染预测模型。结论：1.西流湖和黄河花园口调蓄池呈不同程度富营养化状态，均有微囊藻毒素污染。2.应用96孔板结合极限稀释法对水体藻细胞进行分离可以大大简化分离过程，提高水华藻细胞分离效率。3.全细胞PCR.方法可以用来鉴定水样和蓝藻细胞株产毒性。本实验室所分离的三株微囊藻细胞为蓝藻种属，且能够产毒。4.所分离三株微囊藻细胞主要毒素异构体为毒性较大的MC-LR，均为水体微囊藻毒素污染来源。5.能够运用人工神经网络技术和多元回归分析方法建立藻类污染预测模型；改进的人工神经网络技术较多元回归分析方法更为优良和实用。6.为郑州市安全供水及水源卫生防护提供了科学依据，为深入开展微囊藻毒素毒效应机制和去除研究提供了基础数据和方法。引证文献(5条)1.高春英.范世华Ce(Ⅳ)-吐温40-色氨酸化学发光体系的研究与应用[期刊论文]-分析化学2009(8)2.温芝元.曹乐平复杂生态系统稳定性的补偿模糊神经网络建模[期刊论文]-生物数学学报2008(4)3.徐金明.陶慧林三重比光谱导数法同时测定氨基酸注射液中的三种芳香氨基酸[期刊论文]-分析试验室2008(12)4.肖劲.任凤莲.宋鸽.廖律.禹文峰.曾涛交替惩罚三线性分解算法结合三维荧光光谱法同时分辨和测定酪氨酸、苯丙氨酸和色氨酸[期刊论文]-光谱学与光谱分析2007(10)5.王志有.王海洋.臧娜氨基酸分析方法的进展[期刊论文]-材料导报2005(z2)本文链接：http://d.g.wanfangdata.com.cn/Periodical_swsxxb200502021.aspx下载时间：2010年6月7日'